Recursive Self-Improvement: Blik op de toekomst

*Door: Job van den Berg* De discussie over kunstmatige intelligentie heeft lange tijd gedraaid om de vraag wanneer systemen in staat zouden zijn om volledig zelfstandig nieuwe, betere versies van zichzelf te creëren. In 2026 publiceerde het Anthropic Institute een invloedrijk stuk getiteld "When AI builds itself", geschreven door Marina Favaro en Jack Clark. Hun conclusie zet de huidige stand van zaken in perspectief: hoewel volledige autonomie nog niet is bereikt en bovendien niet onvermijdelijk is, versnelt het proces mogelijk veel sneller dan veel instituties verwachten. ## Wat is recursive self-improvement? Recursive self-improvement (RSI) verwijst naar een fase waarin een AI-systeem volledig autonoom zijn eigen opvolger ontwerpt en ontwikkelt. In dat scenario neemt de machine de regie over het volledige ontwikkelingsproces, van architectuur tot implementatie. Volgens het Anthropic Institute hebben we dit eindstadium nog niet behaald. Het is evenmin gegarandeerd dat we daar automatisch terechtkomen. Toch laten kwantitatieve analyses van Anthropic zien dat AI-systemen op dit moment op grote schaal worden ingezet om de ontwikkeling van nieuwe AI-modellen te versnellen. ## Het bewijs: AI versnelt AI Volgens evaluatieplatform METR verdubbelt de tijdsspanne van complexe taken die een AI betrouwbaar kan afronden momenteel ongeveer elke vier maanden voorheen was dat zeven. In maart 2024 kon Claude Opus 3 betrouwbaar taken van ongeveer 4 minuten afhandelen. Een jaar later haalde Claude Sonnet 3.7 taken van zo''n 1,5 uur. Weer een jaar later, met Claude Opus 4.6 in 2026, gaat het om taken van 12 uur. Dezelfde curve zien we op benchmarks: SWE-bench (real-world software engineering) ging in twee jaar van enkele procenten naar verzadiging. CORE-Bench voor research-reproductie startte begin 2024 rond de 20% en was vijftien maanden later eveneens verzadigd. Bij Anthropic zelf is het effect nog scherper zichtbaar. Vóór februari 2025 het lanceermoment van Claude Code werd slechts een paar procent van de interne code door AI geschreven. In mei 2026 was dat opgelopen tot meer dan 80% van alle code die in Anthropic''s codebase wordt gemerged. Lines-of-code per engineer per dag bleven stabiel van 2021 tot 2024, en lagen in Q2 2026 op acht keer het niveau van 2024. Anthropic plaatst daar zelf een nuance bij: lines-of-code is een imperfecte maatstaf, dus die factor acht overschat de echte productiviteitswinst waarschijnlijk. Een interne poll in maart 2026 onder 130 onderzoeksmedewerkers leverde een mediane outputverhoging van factor vier op met het toen nieuwe Mythos Preview. Ook hier erkent Anthropic, verwijzend naar onderzoek van METR, dat ontwikkelaars hun AI-uplift vaak overschatten. Maar er zijn concrete cases: in april 2026 leverde Claude meer dan 800 fixes die een klasse API-errors met een factor 1000 terugbracht. Volgens interne schattingen zou een mens hier vier jaar aan kwijt zijn geweest. Eind 2025 was AI-code bij Anthropic nog iets minder dan menselijke code; nu wordt het als gelijkwaardig beschouwd en de verwachting is dat het binnen een jaar beter zal zijn. Een automatische Claude-reviewer zou retrospectief ongeveer een derde van de bugs achter eerdere claude.ai-incidenten hebben gevangen. Ook in onderzoek versnelt het tempo. In ''kernel speedup''-experimenten haalde Claude Opus 4 in mei 2025 gemiddeld een speedup van factor drie. Met Claude Mythos Preview was dat in april 2026 gestegen tot factor 52. Een ervaren menselijke onderzoeker komt in 4 tot 8 uur tot factor vier op dezelfde taak. In april 2026 toonde Anthropic ook het eerste end-to-end onderzoeksproject dat door Claude-agents werd gedraaid (weak-to-strong supervision). De agents dichtten 97% van de gap over 800 cumulatieve uren met circa $18.000 aan compute; twee menselijke onderzoekers haalden in een week ongeveer 23%. Belangrijke kanttekening van Anthropic: de mensen kozen wel het probleem en de scoring-rubric, en de resultaten zijn niet schoon overdraagbaar naar productie-modellen. In een ander experiment (n=129 sessies tussen januari en maart 2026) presteerde Claude Opus 4.5 in 51% van de gevallen beter dan de menselijke onderzoeker bij het kiezen van de volgende stap; Mythos Preview tilde dat naar 64%. ## Waarom het ertoe doet: drie scenario''s Anthropic schetst drie mogelijke toekomsten. In **scenario 1** stagneert de trend en diffundeert de huidige AI breed door de economie. Zelfs dan verandert er veel: Project Glasswing vond in de eerste weken ruim 10.000 high- en critical-severity software-kwetsbaarheden, waardoor de bottleneck in cybersecurity verschoof van vinden naar patchen. In **scenario 2** compounding efficiency is AI-ontwikkeling grotendeels geautomatiseerd, maar zetten mensen nog steeds de richting uit en beoordelen ze resultaten. Bedrijven van 100 mensen kunnen dan werk leveren dat eerst 10.000 tot 100.000 mensen vereiste. Anthropic vermoedt dat we op dit scenario afstevenen. In **scenario 3** treedt volledige RSI op: AI ontwerpt zijn eigen opvolger, en mensen verschuiven naar oversight, validatie en verificatie. De pace van AI-ontwikkeling wordt dan bepaald door beschikbare compute. Anthropic''s positie: een gecoördineerde, mondiaal verifieerbare vertraging of pauze zou wenselijk zijn, maar een eenzijdige pauze door één lab verandert alleen wie de leider is. ## Wat dit betekent voor Nederlandse organisaties Anthropic''s eigen ervaring met Amdahl''s law is leerzaam: code-review door mensen is hun nieuwe interne bottleneck geworden. Voor Nederlandse organisaties die AI productief willen inzetten geldt hetzelfde principe versnel je één stap in een proces, dan verschuift de flessenhals naar de volgende stap. De praktische vraag is dus niet alleen "hoe zet ik AI in?", maar "waar verschuift het knelpunt naartoe, en hoe richt ik review, oversight en verificatie zo in dat ze de output kunnen bijbenen?". Compounding efficiency (scenario 2) lijkt op korte termijn het meest relevante kader: kleine teams kunnen veel meer aan, mits ze investeren in geautomatiseerde controle en heldere richting. ## Slot Recursive self-improvement is er nog niet, en het is niet onvermijdelijk. Maar de data uit dit Anthropic-rapport laten zien dat de versnelling van AI-ontwikkeling door AI al gaande is, en dat het tempo verrast. Voor bestuurders en beleidsmakers betekent dat: niet wachten tot RSI er is, maar nu al nadenken over verificatie, governance en de bottlenecks die ontstaan zodra AI veel meer werk per persoon mogelijk maakt. Lees het volledige Anthropic Institute-stuk: [When AI builds itself](https://www.anthropic.com/institute/recursive-self-improvement).

// Over de auteur

Job van den Berg

Mede-oprichter, AI Keynote Spreker & Techondernemer

Tech-ondernemer (1989) met een achtergrond als socioloog (Research Master (MSc) in statistiek en sociologie) en een van de meest gevraagde keynote sprekers over AI en data in Nederland. Als mede-oprichter van Ai.nl, The Automation Group en Proxies leidt hij engineers die agentic AI van prototype naar productie brengen binnen enterprises. Op het podium vertaalt Job die hands-on praktijk naar concrete strategieën. Eerder was Job Chief Data bij o.a. DPG Media en Kantar. Hij is co-auteur van 5 boeken over AI waaronder 'AI Agents' en 'Handboek AI Strategie' en een veelgevraagd expert in de landelijke media.

LinkedIn