AI’s Killer-app: hoe AI-agenten alles kunnen veranderen

AI’s Blockbuster-app vinden

Sinds de publieke hype rond de release van ChatGPT staat AI-technologie in de krantenkoppen en heeft het de aandacht van het grote publiek, IT‑specialisten en investeerders gevangen.

Dit is vooral waar omdat de capaciteit van generatieve AI exponentieel groeit. Bovendien heeft een nieuwe golf van concurrentie de vooruitgang in het veld versneld, met Chinese AI zoals DeepSeek die de kostenstructuur en prijsstelling van in de VS gemaakte AI’s uitdaagt.

Nog steeds staat de AI‑industrie op enigszins wankele grond, aangezien de honderden miljarden aan AI‑infrastructuur nog niet de omzetniveaus hebben gegenereerd die nodig zijn om de investering te rechtvaardigen.

Vorige technologische revoluties zijn gebouwd op winstgevende toepassingen van de technologie in de “echte” economie, zoals kantoorwerk (Windows & Office), entertainment (videogames en streaming), advertenties (Google), communicatie (smartphones) of handel (online betalingen & e‑commerce).

Tot nu toe heeft AI nog niet het werk of het dagelijks leven van de meeste mensen gerevolutioneerd. Maar dit staat waarschijnlijk op het punt te veranderen met de opkomst van gespecialiseerde AI met een explosief scala aan prestaties en mogelijkheden: AI‑agenten.

Wat zijn AI‑agenten?

Het kernidee van AI‑agenten is het creëren van AI’s die zelfstandig kunnen opereren in een bepaalde omgeving. Dit geeft hen zeer verschillende praktische rollen dan die van generatieve AI’s zoals LLM’s (Large Language Models) of beeldgeneratoren, die voornamelijk reageren op door mensen gemaakte prompts.

In die context kan “omgeving” zowel specifieke situaties in de echte wereld betekenen, zoals een auto op de weg en AI voor zelfrijdende functies, als een volledig virtuele plek, zoals specifieke software of een digitale interface.

Omdat de AI‑agent autonoom handelt in zijn toegewezen rol, vereist hij niet de constante tussenkomst van mensen via prompts. Dus kan hij ook zelfstandig actie ondernemen, zonder bevestiging of toezicht.

In de praktijk zullen de meeste AI‑agenten ook ingebouwde voorwaarden en regels hebben waarbij ze feedback van een menselijke supervisor zullen vragen.

Volgens Google zijn de belangrijkste kenmerken van AI‑agenten:

• Redeneren: ze kunnen data analyseren, patronen identificeren en onderbouwde beslissingen nemen op basis van bewijs en context.
• Handelen: de mogelijkheid om actie te ondernemen of taken uit te voeren, dit kan fysieke of digitale acties omvatten.
• Observeren: informatie verzamelen over de omgeving of situatie om hun context te begrijpen en geïnformeerde beslissingen te nemen.
• Plannen: een plan ontwikkelen om doelen te bereiken, met identificatie van de benodigde stappen, mogelijke acties en de beste aanpak.
• Samenwerken: effectief samenwerken met anderen, of het nu mensen of andere AI‑agenten zijn.
• Zelfverbetering: AI‑agenten kunnen leren van ervaring, hun gedrag aanpassen op basis van feedback, en hun prestaties en mogelijkheden continu verbeteren.

Bron: DevRevAI

Is het echt nieuw?

Deze reeks functies plaatst AI‑agenten een stap boven eerdere iteraties van AI‑tools, zoals AI‑assistenten en bots, met meer proactieve mogelijkheden, autonomie en het vermogen om complexere taken aan te kunnen.

Bron: Google

AI‑agenten met fysieke “lichamen” kunnen direct met de echte wereld interageren, terwijl digitale AI‑agenten waarschijnlijk gespecialiseerd zullen zijn in bepaalde virtuele werkomgevingen.

In beide gevallen is het cruciaal om de AI voldoende handelingsruimte en mogelijke acties te geven om nuttig te zijn, maar niet te veel om onverwachte schade door fouten te voorkomen.

Al met al is het waarschijnlijk dat de parallelle groei in de kwaliteit van AI‑beslissingen en de toenemende vertrouwdheid ermee mensen en autoriteiten meer speelruimte zal geven aan AI‑besluitvorming. Dit opent echter interessante juridische en ethische vragen over de verantwoordelijkheid van AI‑acties (zie hieronder een discussie over dat onderwerp).

Het potentieel van AI‑agenten

Het vermogen van AI‑agenten om zelfstandig te werken is wat hen tot AI‑killer‑apps zou kunnen maken. Het moderne leven zit vol niet‑zo‑complexe repetitieve taken die tegelijkertijd te complex zijn om aan een eenvoudigere vorm van automatisering toe te wijzen.

Dit is bijvoorbeeld de reden waarom Tesla in 2018 een stap terug moest doen in de automatisering en robotisering van zijn assemblagelijn (TSLA ). Robots konden goed werk leveren, maar zelfs de kleinste verstoring of onverwachte wijziging in de vereisten zou de hele assemblagelijn stilleggen.

“We hadden dit gekke, complexe netwerk van transportbanden … En het werkte niet, dus we hebben dat hele systeem verwijderd. Ja, overmatige automatisering bij Tesla was een fout. Om precies te zijn, mijn fout. Mensen worden onderschat.” – Elon Musk

Echter, moderne AI’s zijn niet slechts een zeer uitgebreid stel rigide regels die alles van tevoren proberen te anticiperen. In plaats daarvan kunnen ze, tot op zekere hoogte, zich aanpassen en evolueren naar nieuwe omstandigheden als ze tijdens hun training voldoende relevante data krijgen.

Dit zou AI bijzonder relevant kunnen maken voor sterk repetitieve taken, van het begeleiden van een klant door een probleemoplossingsalgoritme tot het besturen van vrachtwagens op een snelweg.

In tegenstelling tot mensen kan zo’n AI 24/7 werken en heeft het geen salaris, ziektekostenverzekering, enz. nodig.

Er zijn veel manieren om het niveau dat we in AI‑vaardigheden hebben bereikt te classificeren. Over het algemeen vergelijken ze het vermogen van AI met de algemene menselijke bevolking, waarbij de nieuwste AI‑agenten misschien binnenkort de vaardigheden van 50‑90 % van de bevolking bereiken in specifieke, smal‑domeintaken, meestal beschouwd als een middenpunt in AI‑voortgang, en slechts het begin voor AGI.

Bron: Cobus Greyling

Hoe AI‑agenten werken?

AI‑agenten bestaan uit een paar belangrijke ‘componenten’ die met elkaar interageren:

• Sensoren: voor fysieke AI‑agenten kan dit onder meer camera’s, microfoons, LIDAR, radio‑antennes, enz. omvatten. Voor digitale AI‑agenten kan dit een zoekfunctie zijn, een tool om bestanden te lezen, gegevens uit specifieke software of een database te extraheren, enz.
• Actuatoren: Dit is hoe de AI zijn taak kan uitvoeren. Bij fysieke agenten kan dit wielen of robotarmen zijn. Bij digitale agenten kan dit de mogelijkheid zijn om bestanden te creëren of te wijzigen, rapporten te schrijven, data‑analyse uit te voeren, enz.
• Breinen: bestaande uit de steeds complexer wordende AI‑tools gebouwd op neurale netwerken, dit zijn de beslissingscentra van de AI‑agenten.
• Databank: dit is het kenniscentrum met feiten, trainingsdata en menselijke correcties die de ‘brein’ in staat stellen de juiste beslissing te nemen.

Bron: Thomas Latterner

De combinatie van deze componenten stelt AI‑agenten in staat geheugen en een persona te hebben, gebouwd op de basis van een gespecialiseerde LLM.

Geheugen is een zeer belangrijk onderdeel van de AI hier en een radicale verbetering ten opzichte van eerdere bots. Dit komt omdat gebrek aan geheugen de bron is van de meeste klachten over chatbots en soortgelijke systemen: dit is de reden waarom de meeste bots vastlopen in redeneerlussen, waarom ze eerdere informatie niet onthouden, enz.

Soorten AI‑agenten

Naast de fysieke versus digitale scheiding zijn er andere manieren om AI‑agenten te categoriseren:

• Een manier is om te overwegen of de agenten met mensen interageren, of op de achtergrond werken.
• Een andere manier is om te overwegen een enkele agent voor een bepaalde taak te gebruiken of meerdere agenten die met elkaar communiceren om een meer uitgewerkte taak uit te voeren, waarbij elke agent zijn eigen model heeft en al dan niet data deelt met de anderen.
  • Wanneer meerdere agenten worden gebruikt, kan een hiërarchie worden opgezet, waarbij één of meerdere agenten verantwoordelijk zijn voor het coördineren en ‘opdrachten geven’ aan de lagere agenten.
• Een andere mogelijkheid voor de categorisatie van AI‑agenten is om de einddoelen en complexiteit te overwegen.
  • Doelgerichte AI‑agenten richten zich op een eindresultaat en passen hun gedrag of acties aan totdat dat doel is bereikt. Bijvoorbeeld, een magazijn‑AI geeft instructies voor het verplaatsen van een pakket totdat het zijn bestemming bereikt.
  • Utility‑gebaseerde agenten richten zich ook op het doel, maar ook op de beste manier om het te bereiken. Dus bijvoorbeeld, een zelfrijdende auto gaat van punt A naar punt B, maar houdt ook rekening met veiligheid, brandstofefficiëntie, reistijd, type wegen, enz.

Bron: Ampcome

Waarom AI‑agenten gebruiken in plaats van algemene AI’s?

Er zijn veel redenen waarom de AI‑industrie zich richt op AI‑agenten in plaats van op universele modellen.

De eerste is een kwestie van technische complexiteit en haalbaarheid. Een volledige mensachtige algemene intelligentie (AGI) is nog steeds buiten bereik, voor zover we weten.

Echter, het lijkt veel realistischer om bijvoorbeeld een toegewijde AI‑agent te creëren die een auto kan besturen als een mens, zonder de andere menselijke capaciteiten van redeneren in andere zaken.

Een ander aspect is efficiëntie. Een model dat wordt gebruikt om een auto te besturen hoeft niet extreem goed te zijn in praten, lopen, webzoeken, rekenen, enz. Dus veel individuele AI‑agenten voor elke taak zijn veel logischer dan het proberen in te zetten van een allesomvattend AI/robotisch systeem, zoals vaak in science‑fiction wordt getoond.

Ten slotte zijn kosten een serieus probleem voor alle AI‑projecten. Dit geldt zowel voor de kosten van training en de duizenden of zelfs miljoenen GPU’s die daarvoor nodig zijn, als voor de kosten van het exploiteren van de AI in hardware en de verbruikte energie. Daarom hebben meer gespecialiseerde, eenvoudigere AI‑agenten, die ook beter presteren in hun taak, de voorkeur.

Van gespecialiseerde naar algemene AI‑agenten?

Voor smalle en repetitieve taken zijn zeer smalle AI‑agenten waarschijnlijk het beste. Echter, om de voordelen van de AI‑revolutie volledig te benutten, zullen iets meer capabele systemen nodig zijn. Bijvoorbeeld, een AI moet niet alleen automatisch een lijst van apparatuur die onderhoud nodig heeft genereren, maar ook technici inplannen voor dat onderhoud en hun bijbehorende urenstaten, salarissen, enz. beheren.

In sommige toepassingen kan dit een noodzakelijke stap zijn om menselijke werknemers echt te helpen, aangezien de taken en analyse niet volledig van elkaar gescheiden kunnen worden.

Bijvoorbeeld, een AI die een diagnose stelt moet medische beelden kunnen analyseren, een tekst of stem die de symptomen beschrijft begrijpen, medische testresultaten en de geschiedenis van de patiënt integreren, de relevante wetenschappelijke literatuur en medische protocollen vinden, enz.

Bron: Nature

Dergelijke algemene, maar toepassingsspecifieke AI’s zullen waarschijnlijk worden gebouwd via multi‑agent constructies, waarbij elk sub‑element uitblinkt in één taak, terwijl een toezichthoudende AI de output van de individuele agenten tot een samenhangend geheel integreert.

Toepassingsspecifieke use‑cases zijn niet de enige mogelijkheid. Bijvoorbeeld, multi‑agent AI’s die agenten uit zeer verschillende vakgebieden gebruiken, kunnen nuttig zijn om nieuwe wetenschappelijke ontdekkingen te doen door verschillende datasets samen te brengen.

Toepassingen van AI‑agenten

Hoewel het waarschijnlijk is dat veel toepassingen nog niet begrepen worden, net zoals niemand in 1995 zich de moderne internet kon voorstellen, zijn er al enkele activiteiten klaar voor toepassingen van AI‑agenten:

• Klantenservice: Van online chats tot het opnemen van bestellingen in restaurants, het relatief eenvoudige proces van de meeste klantverzoeken maakt automatisering makkelijker. Tot nu toe waren chatbots onvoldoende, maar slimmere AI‑agenten zullen waarschijnlijk veel van deze banen vervangen, met een paar mensen op de achtergrond voor de meest ingewikkelde verzoeken.
• Wetenschappelijk onderzoek: Dit omvat het analyseren van zeer complexe en grote datasets en het doorzoeken van duizenden wetenschappelijke publicaties, ook in niet‑Engelse talen. Het omvat ook AI’s die gespecialiseerd zijn in zeer technische taken, zoals het voorspellen van eiwitvouwing, materiële atomaire samenstelling, enz.
• Websites & Marketing: Veel online marketing en advertenties van vandaag worden al gedeeltelijk afgehandeld met sjablonen en geautomatiseerde optimalisatie. Naarmate meer en meer gepersonaliseerde ervaringen door klanten worden gewaardeerd, zullen flexibele AI‑agenten waarschijnlijk binnenkort net zo goed presteren als veel mensen in dit veld.
• Vertaling en recht: Veel menselijke taken vereisen een unieke set kennis over een zeer specifiek onderwerp, met veel te weten, waardoor het onderwerp bijzonder moeilijk te analyseren is. Het vermogen van AI om enorme hoeveelheden data door te zoeken kan helpen.
  • De risico’s van ‘hallucinaties’ zijn echter zeer hoog, vooral omdat de klant waarschijnlijk geen fout kan opmerken, dus alleen een ultra‑betrouwbare agent kan deze taken uitvoeren.
  • Realtime vertaling en spraak‑naar‑spraak, vooral voor niet‑kritieke situaties zoals toerisme, zullen waarschijnlijk een standaardverwachting worden voor onze smartphones.
• Kunst: Waarschijnlijk een van de meest controversiële functies van AI is het idee om duizenden muzikanten, schilders, grafisch ontwerpers, enz. overbodig te maken, wat bij veel mensen niet goed valt. Het kan echter ook veel kleinere teams, of zelfs individuele personen, in staat stellen te concurreren met veel grotere bedrijven bij het maken van films, videogames, boeken, enz.
• Gezondheidszorg: Al nu raadt Elon Musk zijn volgers aan om X’s AI, Grok, te gebruiken voor een secundaire medische opinie. Op de lange termijn is het waarschijnlijk dat toegewijde medische AI artsen zal assisteren bij het analyseren van medische data en het suggereren van behandelingen.
  • Naarmate robotchirurgie meer gangbaar wordt, kunnen we ons ook een toekomst voorstellen waarin AI‑chirurgen sommige chirurgische handelingen kunnen uitvoeren zonder menselijke assistentie.
• Beveiliging: dit strekt zich uit van lokale beveiliging tot politie en zelfs het leger. AI’s kunnen uitstekend zijn in de rol van dreigingsdetectie, en zelfs doelidentificatie. Echter, voor nu is het vrijwel taboe om ze te veel autonomie te geven in deze sector, vooral voor dodelijke beslissingen.
• Logistiek en transport: al in toenemende mate gebruikt in magazijnen, robots en drones zullen steeds meer de taken van levering en logistiek van pakketten en de gehele toeleveringsketen overnemen naarmate ze slimmer worden en beter om kunnen gaan met obstakels in de echte wereld.
  • En, natuurlijk, zelfrijdende auto’s en vrachtwagens zouden een nog grotere revolutie kunnen betekenen, waardoor mobiliteit volledig verandert en mogelijk zelfs persoonlijk autobezit tot een eigenaardigheid maakt.
• Financiën: “Algos” zijn al een groot deel van de huidige financiële markten, dus we moeten verwachten dat slimmere AI’s nog meer betrokken raken. Aangepaste AI‑agenten kunnen ook gangbaar worden bij het evalueren van verzekeringsclaims, kredietaanvragen, enz.
• Productie: De trends van 3D‑printen, CNC‑machines en andere nieuwe tools voor flexibele productie hebben moderne fabrieken veel veelzijdiger gemaakt dan de oude assemblagelijn. AI‑agenten in industriële en humanoïde robots kunnen deze trend verder stimuleren.

Legaliteit, regulering & ethiek

Verantwoordelijkheden

In elke discussie over AI’s is de kwestie van verantwoord omgaan met de technologie fel betwist.

Aan de ene kant zou te veel regulering de vooruitgang belemmeren en waarschijnlijk de meest geavanceerde AI’s overdragen aan meer flexibele jurisdicties. In de context van een AI‑technologierace tussen de VS en China is het duidelijk dat dit geen wenselijke uitkomst is voor een van beide partijen.

Aan de andere kant wil niemand een ongecontroleerde AI zonder enige verantwoordelijkheid.

Er moet dus een duidelijk juridisch kader worden vastgesteld. Bijvoorbeeld, als een zelfrijdende auto crasht, is de aanbieder van de AI‑agent dan verantwoordelijk? En naarmate AI‑agenten meer autonomie krijgen, kunnen hun beslissingen meer impact hebben op echte mensen en kostbaar blijken.

Dit omvat ook de kwestie van misbruik van AI, zoals bijvoorbeeld identiteitsdiefstal, fraude plegen, enz.

In veel gevallen is niet eens duidelijk welke instantie of autoriteit AI moet reguleren. Moet het een toegewijd gespecialiseerd orgaan zijn? Of moet AI in financiën worden gereguleerd door de SEC, luchtdrones door de FAA, enz.?

Dit zijn meer wetgevende en regelgevende vragen, maar aangezien deze vaak jaren achterblijven bij technologische vooruitgang, is het waarschijnlijk urgent dat enkele van de meest dringende vragen over het regelgevingskader van AI‑agenten spoedig beantwoord worden.

Banen & ongelijkheid

Een vaak gevreesd effect van AI‑ontwikkeling is de groei van massale werkloosheid, aangezien AI meer en meer banen vervangt veel sneller dan mensen zich kunnen omscholen of nieuwe banen worden gecreëerd.

In theorie zou dit een stap op weg naar een utopische, post‑schaarste beschaving moeten zijn. In de praktijk zou dit echter miljoenen mensen in armoede kunnen duwen voordat we dat punt bereiken. En in tegenstelling tot eerdere golven van automatisering kan AI zeer gekwalificeerde kenniswerkers vervangen.

Bron: Intellipoint

Het gevaar van monopolies of een toenemende vermogensongelijkheid is ook ernstig, aangezien dit historisch gezien gevaarlijk en destabiliserend is voor de samenleving als geheel.

Ethiek

Wat wel en niet door AI mag worden beheerd. Dit is een steeds dringerende vraag voor elke taak die verder gaat dan het verplaatsen van pallets in een magazijn of het automatisch beantwoorden van e‑mails.

De kwestie wordt nog urgenter wanneer er een verleiding bestaat om AI te gebruiken voor richtsystemen in militaire drones. Ook in Oekraïne, met een “Rush for AI‑Enabled Drones on Ukrainian Battlefields”.

“Reuters meldde dat de race voor AI‑enabled drones “oorlogvoering naar onbekend terrein brengt terwijl strijders racen om een technologische voorsprong in de strijd” te behalen. In Oekraïne richt de ontwikkeling van AI‑drones zich op drie kerngebieden: doelidentificatie, terreinmapping voor navigatie, en het creëren van onderling verbonden ‘zwermen’ van drones.

Een bedrijf, Swarmer, bouwt software om drones te netwerken, waardoor beslissingen onmiddellijk over een zwerm kunnen worden uitgevoerd met minimale menselijke input.”

Willen we AI’s echt deze capaciteit geven? Maar willen we echt alleen ‘de vijand’ die geven?

Deze kwesties moeten waarschijnlijk internationaal worden besproken en beslist. Ze zijn ook een onderwerp waar de AI‑industrie niet voor moet weglopen.

AI‑agenten al in gebruik

OpenAI‑agenten

Als een langdurige leider in AI is het niet verrassend dat OpenAI verschillende solide GPT‑gebaseerde agenten heeft. Het bedrijf biedt ontwikkelaars toegewijde tools om AI‑agenten te ontwikkelen, waaronder de multi‑agent Open AI SDK (Standard Development Kit).

Het OpenAI‑model lijkt zich voornamelijk te richten op het creëren van betere versies van GPT en andere LLM’s, en deze vervolgens als basis te gebruiken voor afzonderlijke agentontwikkeling, waarbij het vertrouwt op zijn leidende positie om de vraag naar agenten die GPT gebruiken te stimuleren.

Google

Google (GOOGL ) is al lange tijd aanwezig in AI via zijn DeepMind‑model. Maar het is met Gemini 2.0 dat het het “agentische tijdperk” omarmde.

Google is zich ook zeer bewust van de potentiële bedreiging van LLM‑AI’s voor klassieke zoekopdrachten, die tot op de dag van vandaag de bron zijn van 90 % van de inkomsten van het bedrijf.

Daarom gebruikte het Gemini 2.0 om AI Overviews te creëren, een extra zoekresultaat om complexere onderwerpen en meerstapsvragen aan te pakken, inclusief wiskunde en codering.

Het heeft ook Jules gecreëerd, een AI‑agent voor code‑assistentie, en Genie 2, een AI‑model om speelbare 3D‑werelden te maken.

Google streeft er ook naar om voorop te blijven door hardware‑onderzoek, met name zijn Trillium‑TPU’s (Tensor Processing Units).

Manus

Butterfly Effect, een Chinese startup, bracht in maart 2025 Manus uit en beweert dat het de eerste algemene AI‑agent is die autonoom kan handelen.

Terwijl sommigen het zagen als een “tweede DeepSeek‑moment” voor AI‑agenten, waarbij China de leiding neemt, is de situatie minder duidelijk dan bij DeepSeek’s opmerkelijk meer reken- (en financieel) efficiënte aanpak.

Manus lijkt iets trager, vatbaarder voor crashes, maar biedt ook meer gedetailleerde antwoorden dan ChatGPT. Desondanks lijkt het erop dat algemene AI‑agenten eerder mogelijk zijn dan verwacht, zelfs als ze niet ideaal zijn voor alle situaties.

Alibaba

Een e‑commerceleider onder druk van concurrenten zoals Temu, of zelfs TikTok, Alibaba vecht zijn positie als technologische leider terug met vooruitgang in AI.

Opmerkelijk is dat het begin maart 2025 zijn QwQ‑32B‑model open‑source maakte, met de claim dat het met een vijfde van de parameters van DeepSeek‑R1 is ontworpen voor efficiëntie.

Ook bracht Alibaba in maart 2025 een nieuwe versie van Quark uit, een AI‑assistent/agent aangedreven door het bedrijfs‑AI Qwen, die diep denken combineert met generatieve AI. Voor deze AI‑herziening had Quark al 200 miljoen gebruikers toen het een zoekmachine was.

AI‑agentenbedrijf

Alibaba

Meer bekend in het Westen om zijn e‑commerceplatform en als leverancier van goedkope materialen, onderdelen en consumentenproducten, is Alibaba ook een enorm technologiebedrijf in China, leidend in AI en cloud computing.

Opmerkelijk is dat Alibaba 36 % van de cloudmarkt in China controleert, ver voor al zijn concurrenten.

Bron: Jeff Townson

Misschien nog belangrijker is dat het al zes nieuwe DeepSeek‑AI‑modellen aanbiedt, de open‑source AI die de wereld heeft opgeschud door plotseling de meeste Amerikaanse AI‑modellen te overtreffen voor een fractie van de kosten, zowel in ontwikkeling als per gebruik.

Alibaba heeft ook zijn eigen AI‑model, Qwen, en beweert dat Qwen 2.5 zelfs beter is dan DeepSeek V3.

“Qwen 2.5‑Max overtreft … bijna overal GPT‑4o, DeepSeek‑V3 en Llama‑3.1‑405B,”

Alibaba’s Cloud Unit

Al met al, naast zijn groei in cloud en AI, blijft Alibaba een gigant in e‑commerce in China, met Taobao & Tmall slechts iets minder dan hun 29 % aandeel in wereldwijde online verkoop in 2019.

Bron: Forbes

De recente AI‑voortgang heeft de perceptie van Alibaba veranderd. Van een legacy‑e‑commercepositie onder druk en dominante cloudverkopen (maar ook onder druk van concurrenten), is het teruggekeerd naar het leiden van China’s technologische innovatie.

Quark is nu het extra wapen dat Alibaba inzet om de Chinese AI‑assistentmarkt over te nemen, nadat het eerst als AI‑zoekmachine werd ingezet en 200 miljoen gebruikers heeft verzameld.

Hoewel de relatief lage aandelenkoers, veroorzaakt door jarenlange tech‑crackdown in China en zorgen over investeren in het land, wordt overwogen, kan Alibaba een kans zijn voor investeerders die bereid zijn te wedden op China die de leiding neemt in de AI‑race.

(U kunt ook ons speciale rapport over Alibaba lezen voor meer details).

Laatste over Alibaba