De Jevons-paradox is het idee dat wanneer iets efficiënter wordt, we er vaak meer van gaan gebruiken in plaats van minder. Het klassieke voorbeeld komt uit de 19de eeuw, het actuele voorbeeld uit de AI-discussie.
De Jevons-paradox zegt dat wanneer iets efficiënter wordt, we er vaak meer van gaan gebruiken in plaats van minder. Je zou denken dat je minder verbruikt zodra hetzelfde werk met minder moeite kan, maar in de praktijk trekt de lagere drempel net extra vraag aan.
De gedachte komt van de Britse econoom William Stanley Jevons. Hij merkte in de 19de eeuw dat het steenkoolverbruik steeg naarmate stoommachines efficiënter werden, niet daalde. Hoe goedkoper en makkelijker steenkool inzetbaar was, hoe meer industrieën erop leunden.
Hetzelfde patroon zie je vandaag op verschillende plekken opduiken:
Zuinigere auto's maken rijden goedkoper, dus rijden we meer kilometers.
LED-verlichting verbruikt minder stroom, dus hangen we overal extra lampen.
Efficiëntere processors drukken de kost per berekening, dus draaien er meer servers en toestellen.
Elke efficiëntiesprong verlaagt de kost en de moeite, en dat lokt bredere inzet uit.
Als de Jevons-paradox ook op AI slaat, zou dezelfde logica kunnen spelen. AI maakt taken zoals schrijven, coderen of analyseren sneller en goedkoper. In plaats van het totale werk te verminderen, kan het de totale output en energievraag net vergroten. Meer data die verwerkt wordt, meer modellen die draaien, meer mensen die AI inzetten voor alledaags werk.
Voor wie energie en rekenkost in het oog houdt, is dat een nuttige waarschuwing: efficiëntiewinst betekent niet automatisch milieuwinst. De totale voetafdruk hangt af van de schaal waarop de efficiëntere technologie wordt uitgerold.
Collect&Go en Telenet Business testen in Leuven een autonoom elektrisch bezorgvoertuig, aangestuurd over 5G. Wat betekent dat voor logistiek...
Process mining legt bloot waar cash vastzit in aankoop, voorraad en goedkeuringsflows. Zo maakt gerichte automatisatie werkkapitaal vrij bij...