De centrale paradox staat nog altijd overeind: AI kan de energietransitie versnellen of juist verankeren in oude logica’s van groei en uitputting. Zes blogs en een aantal zijstappen verder is duidelijk hoe deze spanning zich manifesteert op alle niveaus van het systeem: ecologisch, economisch, sociaal en epistemologisch. Wat begon als een vraag over technologie, blijkt in de kern een vraag over welke toekomst we willen en wie daarover mag meebeslissen.

Het essay dat ik op basis van alle blogs zal schrijven, is niet in een ivoren toren tot stand gekomen, maar in de openbaarheid gegroeid. Ik begon met het publiceren van de vier inzichten uit mijn literatuuronderzoek en kreeg daarop een stroom reacties: aanvullingen, kritiek, praktijkvoorbeelden. Die inzichten, gecombineerd met mijn eigen analyse, vormden de basis voor het volgende blog, dat ik opnieuw online deelde. Zo ontstond de basis voor het essay in iteraties, gevoed door literatuur, collectieve reflectie en AI als onderzoeks- en redactietool. Het resultaat is een gezamenlijk gecreëerd verhaal: mijn visie, verrijkt en aangescherpt door de kennis en ervaring van velen. Tegelijk is het een mooi voorbeeld van een regeneratief proces waarin meervoudige intelligentie is benut. Vanuit een gedeelde toekomstvisie is het organisch ontstaan tijdens het proces zelf.

Uit dit proces komen vier patronen naar voren die richting geven aan de strategische keuze waarvoor we staan:

1. Optimalisatieparadox: AI maakt netten slimmer, onderhoud voorspelbaarder en opbrengst hoger, maar vergroot tegelijk haar ecologische voetafdruk. Energie, water en zeldzame metalen: elke toepassing vraagt om dezelfde schaarse middelen die ook de energietransitie nodig heeft.
2. Rebound-effect of Jevons paradox: Efficiëntie zonder systeemverandering leidt vaak tot extra gebruik. Lagere kosten en hogere prestaties betekenen méér verbruik, niet minder. Slimme netten en geautomatiseerd beheer zijn dan als harder roeien op een schip dat de verkeerde kant op vaart.
3. Publiek versus privaat belang: Het zwaartepunt in AI-ontwikkeling ligt bij private partijen met commerciële modellen. Publieke waarden zoals energiezekerheid, democratische zeggenschap en ecologische rechtvaardigheid komen alleen op tafel als ze passen in die logica.
4. Logica van intelligentie: Het dominante AI-denken is utilitair en lineair. Alternatieven zoals relationele, contextuele en regeneratieve intelligentie krijgen weinig ruimte. Juist daar liggen ontwerpprincipes die AI kunnen verbinden met herstel en instandhouding van de systemen waarvan wij deel uitmaken.

De transformatie¬matrix laat zien waar we nu investeren: vooral in operationele en tactische optimalisatie. Snel rendement, schaalbaar, maar binnen het bestaande paradigma. De rechterbovenhoek, strategische regeneratie, blijft grotendeels leeg. Daar ligt juist de kans om AI in te zetten voor herstel van ecosystemen, sociale rechtvaardigheid en veerkrachtige gemeenschappen.

In de blog ‘AI voorbij optimalisatie: naar een regeneratieve koers‘ liet ik zien dat zo’n verschuiving alleen mogelijk is met herverdeling van macht én vernieuwing in onze kennis- en ontwerpkaders. Zonder publieke governance, open infrastructuren en participatieve besluitvorming wint de schaalvoorsprong van grote technologiebedrijven, en wordt AI vooral ingezet binnen commerciële kaders. Zonder nieuwe kennis- en ontwerpvormen blijft AI leren van het verleden en herhalen we oude patronen.

Daarmee is de keuze strategisch én moreel. Blijven we hangen in optimalisatie (kortetermijnwinst, hoog reboundrisico, versterking van de status quo) of verschuiven we naar regeneratie, waar AI wordt ingezet binnen ecologische grenzen, gekoppeld aan publieke infrastructuren en gevoed door meervoudige intelligenties?

Een regeneratieve koers kan niet van bovenaf worden opgelegd. De Whole System in the Room-aanpak biedt een manier om beleid, technologie, burgers, ecologen en bedrijven samen te brengen. Niet om consensus te forceren, maar om samen een kompas te ontwikkelen: welke grenzen erkennen we, welke waarden sturen ons, en welke rol krijgt AI daarin?

De normatieve kaders die daaruit volgen zijn helder:

• Binnen planetaire grenzen: onder andere CO₂-, materiaal- en waterbudgetten als randvoorwaarde.
• Publiek belang voorop: AI koppelen aan publieke infrastructuren en commons.
• Meervoudige intelligenties: technologie als onderdeel van ecologische en sociale netwerken.
• Begrensde technologie: niet alles wat kan, hoeft.
• Adaptief leren: systemen ontwerpen die hun koers aanpassen op basis van praktijkervaring en feedback.

We staan op een kruispunt. AI kan de stoommachine van onze tijd blijken: een uitvinding die het probleem dat zij moest oplossen juist versnelt. Maar AI kan ook het kompas worden waarmee we richting geven aan een regeneratieve toekomst.

Versterkt wat wij bouwen de logica van groei, of opent het de weg naar een ander systeem?

Alleen als we die vraag hardop en eerlijk beantwoorden, kan AI ons leiden naar een toekomst die leefbaar is. Voor onszelf, voor de natuur en voor de generaties die volgen. Het zal duidelijk zijn waar ik voor zou kiezen.

Overzicht blogs die samen het essay vormen:

1. Slimmer, sneller… en dan?
2. Wat is AI, en waarom cruciaal voor de energietransitie?
3. Wat zijn de verborgen kosten van AI?
4. De Jevons-paradox in de energietransitie
5. Kompas voor AI in de energietransitie
6. AI voorbij optimalisatie: naar een regeneratieve koers
7. AI in de energietransitie: van optimalisatie naar regeneratie

Bijlagen:

• AI in de energietransitie: voorbij optimalisatie (verkennend literatuuronderzoek)
• AI voor een regeneratieve energietransitie (praktijkvoorbeelden)
• Slim Strandnet: het elektriciteitsnet van de toekomst? (praktijkvoorbeeld)
• Regeneratie: meer dan duurzaamheid (definitie regeneratie)
• Energieblindheid volgens Nate Hagens
• Van A naar Anders: navigeren in complexe verandering
• Leren denken als bossen (waar het allemaal mee begon)

Het definitieve essay volgt binnenkort.