AI is geen neutraal instrument. In de eerdere blogs zagen we al hoe zij inmiddels verweven is met het energiesysteem – niet alleen als technologische versneller, maar ook als drager van waarden, aannames en machtsstructuren. Haar ecologische voetafdruk en geopolitieke inbedding ondermijnen soms de belofte van duurzaamheid. En efficiëntie zonder systeemgrenzen blijkt, zoals de Jevons-paradox laat zien, eerder een recept voor meer consumptie dan voor minder.

Dat dwingt ons om op een andere manier naar AI te kijken: niet langer als een handig instrument, maar als actor in het hart van het energiesysteem. Een actor die meebepaalt welke regels gelden, welke doelen we nastreven en hoe we succes meten.

De transformatie-matrix als richtinggevend kader
Om die rol te expliciteren, introduceer ik de transformatie-matrix: twee assen, negen velden. Horizontaal verschuiven we van optimalisatie (efficiëntie en kostenreductie) via herontwerp (nieuwe processen en decentrale organisatie) naar regeneratie (ecologische integratie en sociale rechtvaardigheid). Verticaal bewegen we van operationeel (dagelijkse uitvoering) naar tactisch (coördinatie en afstemming) en strategisch (lange termijnwaarden en systeemontwerp).

Deze indeling sluit aan bij de analyse van Carlota Perez, die benadrukt dat technologie pas maatschappelijke vernieuwing brengt als ook instituties en waarden meebewegen. De horizontale as van de matrix maakt die beweging concreet zichtbaar: van het versterken van het bestaande naar het ontwerpen van systemen die zich richten op ecologisch en sociaal herstel. Zonder zo’n verschuiving wordt AI een versterker van de status quo in plaats van een hefboom voor verandering. Overigens lijkt herontwerp vaak een stap vooruit, maar blijft het in veel gevallen een schijntransformatie: processen veranderen, maar het bestaande paradigma blijft intact. Zonder expliciet afscheid te nemen van het groeiparadigma lopen deze toepassingen het risico om, net als optimalisatie, de status quo te verstevigen.

Ook de transformatie-matrix is daarmee geen neutraal instrument, maar een normatief kompas. Zij maakt zichtbaar waar AI de dominante logica bevestigt en waar zij ruimte kan maken voor fundamenteel andere toekomsten.

De negen velden in de praktijk
Bij optimalisatie vinden we AI-toepassingen die vooral gericht zijn op efficiëntie en kostenreductie. Operationeel gaat het om slimme meters en voorspellende onderhoudsalgoritmen die energie besparen en storingen voorkomen, maar binnen de logica blijven van meer halen uit hetzelfde systeem. Op tactisch niveau zorgen vraagrespons en load balancing voor minder netcongestie, al versterken ze vaak de centrale sturing die al dominant is. Strategisch worden AI-modellen ingezet om emissiereducties door te rekenen en beleid te optimaliseren, zonder het groeiparadigma ter discussie te stellen.

Bij herontwerp verschuift de inrichting van processen en decentrale besluitvorming, maar blijft economische groei meestal het onderliggende uitgangspunt. Operationeel maken AI-systemen het mogelijk dat energiecoöperaties zelf vraag en aanbod sturen, waardoor beslissingsmacht verschuift naar lokale gemeenschappen, maar binnen de kaders van marktregels en prikkels. Tactisch coördineert AI transacties in peer-to-peer-energiemarkten, waardoor prosumenten rechtstreeks energie kunnen uitwisselen en de marktstructuur verandert, terwijl economische ruil centraal blijft staan. Strategisch ondersteunt AI de ontwikkeling van scenario’s voor decentrale netwerken en eerlijker governance-structuren, waarbij macht en infrastructuur worden herverdeeld, maar economische groei impliciet het uitgangspunt blijft.

Bij regeneratie wordt AI ingezet voor ecologische integratie en sociale rechtvaardigheid. Operationeel stemmen bewoners hun energiegedrag af op natuurlijke ritmes, met feedbackloops die niet gericht zijn op dataverzameling of winst, maar op een gelijkwaardige relatie met seizoenscycli. Tactisch ondersteunt AI gemeenschappen die gezamenlijk besluiten over energiegebruik en daarbij biodiversiteit en sociale gelijkheid meenemen als volwaardige criteria. Strategisch wordt AI gevoed door inheemse kennis en principes van planetary governance, waarbij intelligentie wordt gezien als relationeel en meervoudig, en technologie in plaats van boven het ecosysteem opereert, zodat ecologische logica de economische vervangt.

Zie mijn blog van gisteren voor enkele praktische voorbeelden van regeneratieve energietransitie.

Analyse en spanningsvelden
De meeste investeringen blijven hangen in de linkerbenedenhoek van de matrix (operationele en tactische optimalisatie). Het is meetbaar, schaalbaar en snel rendabel, maar ook het domein waar reboundeffecten het sterkst zijn. Denk aan AI-gestuurde warmtenetten die efficiëntie opleveren, maar waarvan het voordeel verdampt als bewoners meer kamers verwarmen.

De rechterbovenhoek (strategische regeneratie) is juist onderontwikkeld. Hier ligt het grootste potentieel voor AI om systeemgrenzen te respecteren en ecologische integratie te ondersteunen. Dit vraagt andere kennis, governance en meetinstrumenten dan we nu gewend zijn. Indicatoren zoals een biodiversiteitsindex of commons governance score zouden hier net zo belangrijk moeten zijn als kilowatturen of euro’s.

Van analyse naar keuze
De transformatie-matrix legt een ongemakkelijke vraag bloot: wie beslist in welk veld we investeren? Laat je dat over aan Big Tech en marktlogica, dan groeit de optimalisatiekolom vanzelf. Wil je dat AI bijdraagt aan regeneratie, dan zijn publieke sturing, open infrastructuren en ontwerpprincipes nodig die niet alleen efficiëntie, maar ook rechtvaardigheid en ecologische gezondheid optimaliseren. Daarmee confronteert de matrix ons niet alleen met de huidige verdeling van AI-toepassingen, maar ook met de vraag welke toekomst we willen vormgeven. De matrix laat zien waar AI vandaag landt, maar niet wie de koers zet of welke waarden het kompas bepalen. Zolang die vragen onbeantwoord blijven, bepaalt de logica van de sterkste spelers de richting en dat is zelden regeneratief.

Bronnen

• Jevons, W. S. (1865). The coal question: An inquiry concerning the progress of the nation, and the probable exhaustion of our coal-mines. Macmillan and Co.
• Derksen, M. (2025, 5 augustus). AI in de energietransitie: voorbij optimalisatie. Koneksa Mondo.
• Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.
• Stegeman, H. (2024). Transforming economics for sustainability: From incremental to radical change (Doctoral dissertation, Erasmus Universiteit Rotterdam).