Wat is AGI? Vier definities die vier antwoorden geven

Wat een AI-project bij een mkb-bedrijf laat slagen, is bijna nooit hoe slim het model is. Het is of de data klopt, of het systeem waar het in moet praten een fatsoenlijke koppeling heeft, en of iemand er nog naar kijkt voordat het naar buiten gaat. Dat is onze ervaring van de afgelopen twee jaar bouwen, en het is precies het deel dat in het nieuws van deze week ontbreekt.

Op 3 september 2026 presenteerde OpenAI GPT-6 Astra, en president Greg Brockman sloot de persbriefing af met "Welcome to the AGI era". In datzelfde gesprek noemde hij AGI zelf een "gray, fuzzy thing" zonder duidelijke grens. Die twee uitspraken staan naast elkaar in één briefing, en dat is geen slordigheid: het is het hele probleem in het klein.

Want wat is AGI eigenlijk? Er zijn op dit moment vier definities in omloop, en ze geven bij hetzelfde model vier verschillende antwoorden. Wie de term gebruikt zonder erbij te zeggen welke definitie hij bedoelt, zegt strikt genomen niets.

Wat is AGI?

AGI staat voor artificial general intelligence, in het Nederlands algemene kunstmatige intelligentie: een systeem dat niet één taak beheerst maar het merendeel van het werk dat mensen doen. Waar de huidige modellen getraind zijn op specifieke soorten opdrachten, zou een AGI zich net als een mens nieuwe taken eigen moeten maken zonder dat iemand het daarvoor apart klaarzet.

Er bestaat geen algemeen aanvaarde, meetbare grens waarop je AGI kunt vaststellen. Dat is geen detail maar de kern van elke discussie erover: er is geen instantie die het vaststelt, geen test die als eindstreep geldt, en de partijen die de term het vaakst gebruiken hebben er een commercieel belang bij. Daarom kan de ene expert zeggen dat we er zijn en de andere dat we er nog lang niet zijn, zonder dat een van beiden liegt.

Vier definities die vier verschillende antwoorden geven

1. Het charter van OpenAI (2018). In hun eigen oprichtingsdocument staat AGI omschreven als "highly autonomous systems that outperform humans at most economically valuable work". De maatstaf is hier economisch: kan het systeem het werk doen waar mensen voor betaald worden? Zo gemeten is het antwoord bij Astra nee, en dat is aantoonbaar, zoals verderop blijkt.

2. De afspraak met Microsoft. In het contract tussen OpenAI en Microsoft werd AGI jarenlang praktisch ingevuld als een winstgrens van ongeveer 100 miljard dollar, later vervangen door een oordeel van een onafhankelijk expertpanel. Op 27 april 2026 is die clausule helemaal uit de overeenkomst gehaald. De definitie in dat contract is dus in een paar jaar drie keer veranderd en uiteindelijk geschrapt, wat vooral laat zien dat hij nooit over techniek ging.

3. De vijf niveaus van Google DeepMind. In het paper Levels of AGI stellen de onderzoekers voor om te stoppen met de vraag of iets AGI is, en in plaats daarvan niveaus te onderscheiden, van emerging tot superhuman, per vaardigheid. Dat is de bruikbaarste indeling voor wie iets moet bouwen, want hij dwingt je om te zeggen: waarin precies, en hoe goed.

4. De lijn van François Chollet. De maker van de ARC-tests definieert intelligentie als de efficiëntie waarmee een systeem nieuwe vaardigheden verwerft, niet als de hoeveelheid taken die het al beheerst. Zijn tests meten daarom of een model puzzels oplost die het nooit gezien heeft. ARC Prize schrijft er zelf bij dat het verzadigen van die benchmark "would not represent proof of achieving AGI".

Vier definities, vier uitkomsten. Bij DeepMind is Astra al jaren AGI op sommige niveaus, bij het charter van OpenAI nog niet, bij Microsoft is de vraag niet langer relevant, en bij Chollet is het antwoord dat de vraag verkeerd gesteld is.

Wat de cijfers van Astra echt laten zien

De opvallendste uitkomst rond Astra is dat hetzelfde model op dezelfde test 62,7 procent en 99,9 procent scoorde. Beide metingen zijn van ARC Prize zelf, op ARC-AGI-3. Het verschil van 37 punten zit niet in het model maar in de harness: de manier waarop het model wordt aangeroepen.

De verklaring staat in hun analyse. De ene opstelling begint elke aanroep opnieuw; de andere houdt de redeneertoestand tussen aanroepen vast en hergebruikt eerder werk, wat de runs 3,66 keer sneller maakte en 49 procent minder tokens kostte. De hoge score kwam bovendien goedkoper uit: 18.817 dollar tegen 26.098 dollar.

Dat is voor ons het interessantste cijfer van de hele week. Niet de 99,9, maar het feit dat 37 punten prestatieverschil te halen valt uit hoe je een model inzet, bij gelijke intelligentie. Dat is exact wat wij in klantprojecten zien: de winst zit zelden in een slimmer model en bijna altijd in de omgeving eromheen.

Ondertussen ontbreekt de test die het dichtst bij echt werk staat in de presentatie. GDPval is OpenAI's eigen benchmark over beroepswerk in 44 beroepen, en sluit als enige direct aan op hun eigen charter-definitie. Artificial Analysis mat het wel na en zag Astra op hun GDPval-variant ongeveer 80 Elo-punten zakken ten opzichte van zijn voorganger, terwijl het op langlopende projecttaken juist ongeveer 80 punten steeg.

Dat betekent dus: het model dat het AGI-tijdperk zou inluiden, doet het op echt beroepswerk minder goed dan de vorige versie, en kost per taak op de zwaarste stand 75 procent meer.

Wat kan nu wel, en wat nog niet

Dit kan nu wel:

• Een computer en een browser laten bedienen. OpenAI noemt zelf belastingaangiftes invullen, eten bestellen en vacatures doorzoeken als voorbeelden, en op langlopende projecttaken is de vooruitgang gemeten en fors.
• Werken tegen betaling, sinds 4 september. Na een dag beperkte preview voor partners kwam er een publieke versie voor betalende gebruikers, met bepaalde onderwerpen (onder meer cybersecurity) bewust dichtgezet.
• Goedkoper redeneren bij slim aanroepen. De harness die eerder werk vasthoudt was in de ARC-metingen zowel sneller als goedkoper dan de standaardaanpak.

Dit kan nog niet:

• Aantonen dat het beter is in beroepswerk. Op de benchmark die daarover gaat, is de score gezakt in plaats van gestegen.
• Laten zien hoe het aan zijn antwoord komt. Astra redeneert met een techniek die "recurrent depth" heet, waarbij het denkwerk in de wiskundige binnenkant blijft en niet als leesbare stappen naar buiten komt. Dat is geen instelling die je aan kunt zetten, het zit in de architectuur.
• De term hard maken. Er is geen datum, geen drempel en geen instantie genoemd waarop iemand "AGI" objectief vaststelt. De aankondiging is een oordeel, geen meting.

Wat wij ermee doen

Wij kiezen modellen op kosten en snelheid, niet op de hoogste benchmarkscore. In een applicatie die lesmateriaal genereert stond eerst het zwaarste model van dat moment; dat kostte 3 tot 5 dollar per vak en deed meer dan vijf minuten over één hoofdstuk. We hebben het teruggezet naar een model dat ongeveer tien keer goedkoper is op invoer en merkbaar sneller, met een kwaliteitsverschil dat de eindgebruiker niet ziet. Bij een eigen meetproject zetten we om dezelfde reden de nachtelijke ronde uit: vijftien euro per ronde voor vrijwel hetzelfde resultaat is geen meting maar een gewoonte.

Wat er zonder tussenkomst doorgaat en wat niet, is bij ons een expliciete keuze. Eerste versies van code, verslagen uit opnames en interne vastlegging gaan zonder controlestap door. Alles wat naar buiten gaat en alles wat richting geld of leverancier iets interpreteert, wordt door een mens gezien voordat het weg is. Bij een van onze klanten staat die grens zelfs in de samenwerkingsovereenkomst: AI zit alleen op de plek waar echt interpretatie nodig is, de rest is gewone code die doet wat er staat.

Waar agents in de praktijk vastlopen, is bijna nooit het redeneren. Het is een ontbrekende systeembibliotheek waardoor een browser niet start, een daglimiet op een API-sleutel halverwege een run, een login die om een tweede factor vraagt. Een model dat beter puzzelt lost daar niets van op, en dat is precies waarom de 37 punten uit de harness ons meer zeggen dan de 99,9 procent.

Moet je als ondernemer wachten op AGI?

Nee, en de reden is dat het knelpunt niet zit waar het woord AGI suggereert. Het NANDA-onderzoek van MIT dat vorig jaar rondging, vond dat 95 procent van de AI-pilots geen meetbaar rendement oplevert, vooral door gebrekkige aansluiting op bestaande processen en systemen. Dat cijfer verandert niet als het model slimmer wordt.

Wij zagen dat het duidelijkst in een productiebedrijf, waar we een met de hand getekende opstelling door AI wilden laten interpreteren. Die route is geschrapt. Het systeem genereert de tekening nu zelf uit de ordergegevens die er toch al waren, en dat werkt beter, is controleerbaar en kost minder. De winst kwam uit betere data, niet uit een slimmer model.

Dat is de vraag die je jezelf kunt stellen als iemand roept dat het AGI-tijdperk begonnen is: welk proces bij jou wacht echt op meer intelligentie, en welk wacht eigenlijk op een koppeling, een schone lijst of een afspraak wie wat nakijkt? In onze AI-automatisering begint vrijwel elk traject bij dat tweede. Wachten kost daar alleen maar tijd, want het probleem lost zichzelf niet op als OpenAI volgend jaar weer iets aankondigt.

Wat wel verandert is de meetlat. Zoals we eerder beschreven bij de bronnen achter AI-aanbevelingen, verschuift met elke release ook waar je zichtbaarheid en je risico zit. Het loont om dat te blijven meten in plaats van het aan te nemen.

Veelgestelde vragen

Wat is AGI precies?

AGI (artificial general intelligence) is een systeem dat het merendeel van het economisch waardevolle werk minstens zo goed kan als mensen, in plaats van één afgebakende taak. Er bestaat geen algemeen aanvaarde meetbare grens waarop je vaststelt dat een systeem AGI is, en er zijn op dit moment vier verschillende definities in omloop die bij hetzelfde model verschillende antwoorden geven.

Is GPT-6 Astra AGI?

Dat hangt volledig af van de definitie die je aanhoudt. Volgens de niveau-indeling van Google DeepMind zit Astra op sommige vaardigheden ruim boven menselijk niveau; volgens de eigen charter-definitie van OpenAI, die over economisch waardevol werk gaat, niet, want op de benchmark voor beroepswerk presteert Astra minder goed dan zijn voorganger. OpenAI zelf spreekt van het "AGI-tijdperk" en noemt de grens tegelijk vaag.

Wat is het verschil tussen AI en AGI?

AI is de verzamelnaam voor systemen die taken uitvoeren waar normaal denkwerk voor nodig is, en die bestaat en werkt vandaag. AGI is de hypothetische situatie waarin één systeem het merendeel van dat denkwerk aankan zonder dat iemand het per taak inricht. Alles wat je nu in de praktijk gebruikt, van chatbot tot documentverwerking, valt onder de eerste categorie.

Wanneer komt AGI?

Daar is geen betrouwbare datum voor te geven, en de voorspellingen lopen uiteen van "het is er al" tot "nog decennia". Belangrijker dan de datum is dat er geen instantie is die het vaststelt: elke aankondiging is een oordeel van een partij die er belang bij heeft. Zolang de definitie niet vastligt, kan de aankondiging op elk moment komen zonder dat er die dag iets verandert aan wat je ermee kunt.

Moet ik wachten met AI-automatisering tot AGI er is?

Nee, want de meeste projecten stranden niet op de intelligentie van het model. Onderzoek van MIT vond dat 95 procent van de AI-pilots geen meetbaar rendement oplevert, vooral door gebrekkige aansluiting op bestaande processen en data. Dat knelpunt verdwijnt niet met een slimmer model, en het werk om het op te lossen kun je vandaag al doen.

---

Twijfel je welk proces bij jou echt op betere techniek wacht en welk op een koppeling? Neem contact op, dan kijken we een uur met je mee naar wat er nu al kan.