Wanneer Washington het over AI heeft als het Manhattan Project

Jarenlang hebben we over AI gesproken als een sector. Vandaag, als je naar de Amerikaanse houding kijkt, is het correcter om te spreken van een strategische infrastructuur. Het punt is niet alleen technologisch. Het is politiek, industrieel en, in toenemende mate, een kwestie van nationale veiligheid.

De vergelijking met het Manhattan Project komt niet uit de lucht vallen. Het Manhattan Project werd formeel gestart in 1942 en onder leiding van Leslie Groves, van 1942 tot 1946, transformeerde het theoretisch onderzoek, centrale coördinatie en industriële capaciteit in een programma met meetbare operationele doelstellingen. Het omvatte drie hoofdlocaties, meer dan 100 secundaire locaties en ongeveer 130.000 mensen tegelijkertijd tussen 1942 en 1946, volgens het artikel over het Manhattan Project op Wikipedia. Het is een schaal die helpt om een precieze logica te begrijpen: wanneer Washington besluit dat een technologie strategisch is, versnelt het de overgang van onderzoek naar industrialisatie.

Voor een Italiaanse ondernemer is dit geen academisch debat. Als de Verenigde Staten AI behandelen als een soevereiniteitshefboom, veranderen de machtsverhoudingen in de hele toeleveringsketen. De dominante leveranciers veranderen, de technologische afhankelijkheden veranderen, en ook de risico's rond data, compliance en operationele continuïteit veranderen. In dit kader worden de overwegingen over AI-beveiliging essentieel, niet alleen voor wie modellen ontwikkelt, maar voor elk bedrijf dat ze toepast.

Hier geldt een essentieel onderscheid. De metafoor van het Manhattan Project is krachtig als politieke taal. Maar om echt te begrijpen wat er gebeurt, moet je het narratief scheiden van de operationele structuur.

Inhoudsopgave

• Inleiding: AI is niet langer alleen technologie, het is nationale veiligheid
• Wat we met zekerheid kunnen zeggen
• Waarom taal ertoe doet
• Waar de analogie klopt
• Waar de analogie misleidend wordt
• Een grote, maar niet lineaire strategie
• Waarom deze ambiguïteit ook telt voor bedrijven
• Het echte Europese probleem is niet alleen regelgeving
• Wat dit betekent voor een Italiaans bedrijf
• Vijf praktische criteria om vandaag te kiezen
• Van eenheidsprijs naar systeemrisico
• Conclusie: waar op te letten in de komende maanden en hoe nu te handelen

Inleiding: AI is niet langer alleen technologie, het is nationale veiligheid

Wanneer een overheid de taal van het Manhattan Project gebruikt om over kunstmatige intelligentie te spreken, doet ze meer dan een retorische keuze. Ze zegt daarmee dat ze AI beschouwt als een asset die moet worden beschermd met logica's van nationale prioriteit, industriële capaciteit en centrale coördinatie.

Deze verandering is belangrijk omdat AI, in tegenstelling tot andere recente digitale technologieën, tegelijkertijd software, hardware, energie, data, wetenschappelijk onderzoek en veiligheid raakt. Het is geen willekeurige verticale sector. Het is een algemene technologie die complete waardeketens kan herstructureren.

Kernpunt: als Washington AI behandelt als strategische infrastructuur, komt ook wie AI gebruikt voor forecasting, operations of analytics indirect in dat geopolitieke speelveld terecht.

Voor Italiaanse bedrijven is de kwestie niet om een ideologisch standpunt in te nemen. De kwestie is te begrijpen in welk operationeel ecosysteem ze terechtkomen. Het onderwerp Manhattan-project kunstmatige intelligentie is dus relevant, niet alleen voor wie het Amerikaanse beleid volgt, maar ook voor wie vandaag moet beslissen over technologische stack, gegevensresidentie en afhankelijkheid van leveranciers.

Wat is de Genesis Mission? De feiten achter het narratief

In het publieke debat circuleert het idee van een “Genesis Mission” als groot Amerikaans AI-initiatief. Het narratief presenteert het als een schaalsprong. Het probleem is onderscheid te maken tussen wat vaststaat en wat op dit moment nog wordt gepresenteerd als aankondiging, politieke richting of strategische ambitie.

Wat we met zekerheid kunnen zeggen

Op basis van het beschikbare beeld moet de Genesis Mission vooral worden gelezen als een daad van industrieel beleid en nationale veiligheid. Niet als eenvoudig onderzoeksprogramma. De strategische betekenis ervan zit in het feit dat AI wordt geplaatst binnen dezelfde grammatica waarmee de Verenigde Staten historisch gezien kritieke capaciteiten behandelen.

Er zijn enkele kwalitatieve elementen die deze aanpak goed definiëren:

• Centrale rol van de staat: de overheid beperkt zich niet tot reguleren. Ze stuurt prioriteiten, signaleert urgentie en probeert kritieke infrastructuren te coördineren.
• Industriële betrokkenheid: AI wordt niet behandeld als louter academisch onderzoek. Het wordt behandeld als een ecosysteem dat rekenkracht, toeleveringsketens, energie en integratie met private spelers vereist.
• Brede doelstellingen: het kader betreft niet één enkel product of één enkel laboratorium. Het betreft wetenschap, concurrentievermogen en veiligheid.

Deze aanpak doet denken aan de logica van “mission-driven” programma's, zoals ook beschreven in het geval van het Manhattan Project: concentratie van talent, centrale coördinatie en meetbare doelstellingen, zoals gereconstrueerd in het artikel over het Manhattan Project op Wikipedia.

Waarom taal ertoe doet

Het strategische punt is niet alleen wat er zal worden gerealiseerd. Het is wat de taal legitimeert. Als een politieke leiding een metafoor van nationale mobilisatie gebruikt, bereidt ze de grond voor beslissingen die anders uitzonderlijk zouden lijken: budgetprioriteiten, voorkeurstrajecten voor infrastructuur, versterkte samenwerking tussen staat en industrie, grotere selectiviteit ten aanzien van leveranciers en toeleveringsketens.

Het is niet nodig dat elk detail al vastligt om de markt van gedrag te laten veranderen. Vaak volstaat het politieke signaal.

Daarom moet de Genesis Mission met koele blik worden geanalyseerd. Niet als oprichtingsmythe, maar als indicator van het feit dat de Verenigde Staten AI zien binnen een systemische concurrentiestrijd. Voor een Europese lezer is de betekenis niet “er komt een nieuwe Oppenheimer”. De betekenis is: Washington organiseert zich om technologische capaciteiten om te zetten in duurzaam geopolitiek voordeel.

De parallel met het Manhattanproject: wat werkt en wat niet

De metafoor van het Manhattan Project werkt omdat ze een snelle, gecentraliseerde en topprioritaire mobilisatie oproept. Maar letterlijk genomen is ze onnauwkeurig. Om het Manhattanproject van kunstmatige intelligentie echt te begrijpen, moet je minder naar het epos van Oppenheimer kijken en meer naar de materiële structuur van het oorspronkelijke programma.

Waar de analogie standhoudt

Het Manhattan Project was een programma van uitzonderlijke schaal. De Trinity-test van 16 juli 1945 was de eerste nucleaire test in de geschiedenis en luidde het atoomtijdperk in. Beschikbare bronnen wijzen ook op een kostprijs van ongeveer 2 miljard dollar (destijds), met een eerste financiering van 500 miljoen dollar en meer dan de helft van de middelen bestemd voor de scheiding van splijtstoffen, zoals gereconstrueerd in deze historische analyse van het Manhattanproject.

Dit is het eerste bruikbare aanknopingspunt om AI te begrijpen. Grote doorbraken komen niet alleen uit een goed wetenschappelijk idee. Ze ontstaan wanneer drie factoren samenkomen:

1. Wetenschappelijke ontdekking
2. Productieketen
3. Strategisch doel

Er is nog een tweede, nog interessanter element. In het oorspronkelijke project ging meer dan 90% van de kosten naar gebouwen en de productie van splijtbaar materiaal, met activiteiten verspreid over meer dan 30 locaties en een strategie die “parallel” werd genoemd, oftewel onderzoek, installaties en organisatorische aanpassing die gezamenlijk werden ontwikkeld, zoals Mimesis Scenari benadrukt.

Voor AI is deze parallel verhelderend. Het knelpunt zit niet alleen in het algoritme. Het zit in infrastructuur, data, energie, industriële processen en het vermogen om alles snel te coördineren.

Waar de analogie misleidend wordt

AI is geen bom. Het is geen enkel artefact met een eenduidig operationeel doel. Het is een familie van capaciteiten die zich verspreidt over software, modellen, embedded systemen, cloudplatforms, tools voor bedrijven en veiligheidsapparaten.

Hier begint de Manhattan-metafoor aan precisie te verliezen.

• Kernenergie was geheim te houden. AI ontstaat en ontwikkelt zich in een veel opener ecosysteem, met publiek onderzoek, open source, wereldwijd talent en snelle kennisoverdracht.
• Het doel was specifiek. Bij AI zijn de doelen talrijk en vaak vervlechten civiele, wetenschappelijke, commerciële en militaire toepassingen zich met elkaar.
• De governance is hybride. Vandaag verschuift het operationele zwaartepunt ook naar hyperscalers, private labs en platforms die geen enkele staat volledig controleert.

Praktische regel: de juiste parallel is niet “wie is de nieuwe Oppenheimer?”. Het is “wie controleert compute, data, supply chain en markttoegang?”.

Voor wie mkb en kunstmatige intelligentie vandaag leest, is het gevolg concreet. Als je de metafoor te letterlijk neemt, onderschat je wat werkelijk de schaal in AI bepaalt: niet het geïsoleerde genie, maar de industriële organisatie.

De tegenstrijdigheden van het Amerikaanse plan

Grote nationale strategieën verlopen nooit lineair. Ook de Amerikaanse strategie rond AI kent interne spanningen die een Europese waarnemer aandachtig moet lezen, want ze maken deel uit van de kern van de zaak, niet van achtergrondruis.

Een grote, maar niet-lineaire strategie

De eerste tegenstrijdigheid is eenvoudig. De Verenigde Staten bestempelen AI als strategische prioriteit, maar elke versnelling van dit type moet samengaan met politieke beperkingen, budgetonderhandelingen, uiteenlopende industriële belangen en implementatietermijnen die zelden overeenkomen met het publieke verhaal.

Dit brengt een typisch verschijnsel van grootschalig technologiebeleid met zich mee. De verklaring van intenties oogt monolithisch. De werkelijke uitvoering is daarentegen gefragmenteerd. Sommige structuren gaan snel vooruit, andere bewegen trager. Sommige onderdelen zijn heel duidelijk, zoals het geopolitieke signaal. Andere blijven ondoorzichtig, zoals operationele governance, langetermijnstructuren of de werkelijke reikwijdte van de prioriteiten.

Waarom deze ambiguïteit ook voor bedrijven telt

Voor een Italiaans bedrijf is deze ambiguïteit geen detail voor waarnemers in Washington. Het betekent dat de AI-markt de komende maanden en jaren beïnvloed kan worden door beslissingen die niet zuiver economisch zijn. Een provider kan sterker worden omdat hij aansluit bij een nationale prioriteit. Een infrastructuur kan kritischer worden omdat ze wordt ingebed in een veiligheidslogica. Een afhankelijkheid die vandaag “technisch” is, kan morgen ook politiek worden.

Bedrijven opereren niet buiten de geopolitiek. Ze ondervinden de gevolgen ervan in hun kostenstructuur, in de beschikbaarheid van diensten en in hun keuzevrijheid.

Dit geldt des te meer wanneer je kijkt naar de concurrentie tussen blokken. De Verenigde Staten behandelen AI steeds meer als een soevereiniteitsasset. China maakt, op zijn eigen manier, een vergelijkbare keuze. Daartussenin loopt Europa het risico terecht te komen in de positie van wie veel reguleert, maar minder van de doorslaggevende industriële knooppunten controleert.

Implicaties voor Europa: klemgezet tussen twee blokken

Het Europese probleem is niet alleen de achterstand in een technologische race. Het is het feit dat deze race verandert in een competitie tussen blokken die industrie, veiligheid en buitenlands beleid integreren. In dit scenario komt Europa vaak met een vooral normatieve aanpak.

Het echte Europese probleem is niet alleen normatief

De EU AI Act is belangrijk omdat hij grenzen, verantwoordelijkheden en risicoklassen definieert. In de context waarnaar Sanoma Italia verwijst, valt generatieve AI onder het beperkte risico wanneer het gebruik bewust is. Maar dit alleen beantwoordt niet de meer concrete vraag: bouwt Europa ook een vergelijkbare industriële capaciteit op?

Op het Italiaanse terrein blijft de situatie ongelijk. De cijfers waarnaar Sanoma verwijst geven aan dat, volgens ISTAT, de verspreiding van AI bij bedrijven en de overheid vlekkerig verloopt en dat het gebrek aan vaardigheden een van de belangrijkste remmen is, zoals samengevat in het artikel van Sanoma over de lange golf van Prometeo. Dit verlegt de focus: het probleem is niet alleen het reguleren van AI-gebruik, maar begrijpen wie werkelijk in staat is om het op te schalen.

In de praktijk loopt Europa het risico op een dubbele asymmetrie:

ThemaVS en ChinaEuropaStrategische visieAI als machtshefboomAI als gebied om te reguleren en coördinerenInfrastructuursterke integratie tussen staat en industriegrotere afhankelijkheid van externe leveranciersInterne adoptienationale en industriële drijfveerongelijke verspreiding

Wat betekent dit voor een Italiaans bedrijf

Voor een mkb-bedrijf is dit geen geopolitieke theorie. Het heeft directe gevolgen voor drie operationele beslissingen.

• Keuze van de leverancier: een AI-service gebruiken betekent ook de infrastructurele afhankelijkheid daarvan accepteren.
• Locatie van de data: niet alle oplossingen bieden dezelfde controle over waar data, prompts, output en logs doorheen gaan.
• Strategische continuïteit: een technologiepartner kan prioriteiten, toegangsvoorwaarden of afhankelijkheidsstacks sneller veranderen dan een klantbedrijf zich kan aanpassen.

Als AI strategische infrastructuur wordt voor staten, is het kiezen van een AI-leverancier niet langer alleen inkoop. Het is risicobeheer.

In deze context is het ook nuttig om het debat over ELECTE over de AI Act te volgen, want voor veel Italiaanse bedrijven is de echte uitdaging het combineren van snelle innovatie met operationele controle en Europese naleving.

Technologische soevereiniteit als strategische keuze voor mkb-bedrijven

Het woord “soevereiniteit” lijkt misschien ver af te staan van mkb-bedrijven. In werkelijkheid beschrijft het een zeer praktische behoefte: controle behouden over technologieën die inmiddels centraal staan voor sales, operations, forecasting, compliance en rapportage.

Vijf praktische criteria om vandaag te kiezen

Als je AI- of analyticsplatforms aan het evalueren bent, raad ik je aan om het thema soevereiniteit operationeel te benaderen. Dit zijn de criteria die er echt toe doen.

1. Waar de data zich bevinden
2. Vraag waar de data worden verwerkt, opgeslagen en gerepliceerd. Blijf niet alleen bij de commerciële interface staan.
3. Van welke infrastructuren de service afhankelijk is
4. Een platform kan een Europees merk hebben maar kritisch afhankelijk zijn van niet-Europese stacks. Dat verschil is substantieel.
5. Hoe compliance en auditbaarheid worden beheerd
6. Voor functies als risk, finance of managementrapportage is de traceerbaarheid van processen minstens zo belangrijk als de kwaliteit van de output.
7. Hoe vervangbaar de leverancier is
8. Hoe hoger de lock-in, hoe groter het strategische risico.
9. Welk deel van de waarde onder jouw controle blijft
10. Als jouw belangrijkste besluitvormingsprocessen volledig afhankelijk zijn van externe systemen, verplaats je operationele macht buiten je bedrijf.

Van eenheidsprijs naar systemisch risico

Veel mkb-bedrijven kopen AI op basis van demo's, gebruiksgemak en initiële kosten. Dat is begrijpelijk, maar tegenwoordig onvolledig. De juiste vraag is niet alleen “doet deze oplossing wat ik nodig heb?”. De volledige vraag is “blijft deze oplossing coherent met mijn operationele, wettelijke en strategische beperkingen als de geopolitieke context verslechtert of verandert?”.

Hier houdt het verhaal over het Manhattan Project kunstmatige intelligentie op ver weg te lijken. Als de Verenigde Staten en China AI behandelen als nationale infrastructuur, zou elk Europees bedrijf zich op zijn minst moeten afvragen waar het zich bevindt binnen die kaart.

Managementkeuze: de beste AI-partner is niet degene met de meeste functies. Het is degene die je onnodige blootstelling vermindert zonder de innovatie te vertragen.

Daarom is technologische soevereiniteit geen autarkie. Het is de capaciteit om bewust te kiezen, risico te verdelen en controle te behouden over kritieke processen.

Conclusie: waar moet je de komende maanden op letten en hoe handel je vandaag

De nuttigste les is niet dat we een herhaling van het Manhattan Project beleven. Dat is het niet. De les is concreter. AI is inmiddels voorbij de grens van de louter tech-markt en is de sfeer van nationale strategie binnengetreden.

Voor een Italiaanse ondernemer loont het om de komende maanden op een aantal signalen te letten: de mate van daadwerkelijke coördinatie tussen de Amerikaanse overheid en de industrie, de vertaling van het verhaal naar operationele capaciteit, de ontwikkeling van de Europese positie tussen regelgeving en investeringen, en vooral de manier waarop deze dynamieken doorwerken op cloud, modellen, toegang tot compute en datagovernance.

De meest rationele keuze vandaag is niet wachten op volledige duidelijkheid. Die komt niet snel. De rationele keuze is het bouwen van een AI-strategie die innovatie, compliance en het verminderen van kritieke afhankelijkheid combineert.

In een wereld waarin geopolitiek doordringt tot in de technologische stack, weegt de juiste keuze van partners even zwaar als de juiste keuze van tools.

Wil je een AI-strategie bouwen die solider is en beter aansluit bij de Europese context, bekijk dan ELECTE, het AI-powered dataplatform dat bedrijfsgegevens omzet in heldere operationele beslissingen, met een aanpak die is afgestemd op de behoeften van Europese bedrijven. Je kunt zien hoe het werkt en beoordelen of het past bij jouw stack, zonder onnodige complicaties.