AI DAGELIJKS

Hoe werkt Claude echt? Anthropic opent de denkruimte

11 juli 2026 | Boris Kusters

Inhoud

Hoe werkt Claude echt? Anthropic opent de denkruimte

Je typt een vraag aan Claude, en een paar seconden later staat er een antwoord. Wat er tussen die twee momenten precies gebeurt, was tot nu toe een zwarte doos, ook voor Anthropic zelf.

Deze week meldt Anthropic dat onderzoekers voor het eerst een soort binnenkant van het model hebben blootgelegd: een ruimte waarin je kunt volgen hoe Claude concepten combineert voordat er een antwoord verschijnt. MIT Technology Review noemt het de duidelijkste blik ooit in wat er in een groot taalmodel omgaat.

Klinkt als iets voor onderzoekers in witte jassen. Maar het raakt direct de vraag die jij jezelf stelt zodra je AI serieuzer inzet in je bedrijf: waarom zou je een antwoord vertrouwen als niemand kan navragen hoe het tot stand kwam.

Wat heeft Anthropic ontdekt in Claude's binnenkant?

Grote taalmodellen zoals Claude bestaan uit miljarden verbindingen tussen kunstmatige neuronen. Tot voor kort kon niemand, ook de bouwers niet, precies aanwijzen welk stukje van dat netwerk verantwoordelijk is voor welk stuk redenatie. Dat probleem staat bekend als de black box van AI.

Anthropic claimt nu een tussenlaag gevonden te hebben waarin Claude concepten opbouwt voordat het die omzet in taal, een soort intern kladblok. Door die laag te bekijken kunnen onderzoekers grofweg volgen welke ideeën het model combineert, en waar het misgaat zodra een antwoord de mist ingaat.

Dit onderzoeksveld heet interpretability, uitlegbaarheid van AI in gewoon Nederlands. Anthropic investeert daar al langer relatief veel in vergeleken met andere grote AI-bedrijven, en profileert zich er ook expliciet mee.

Waarom dit meer is dan een labcuriositeit

Voor de meeste bedrijven die Claude of ChatGPT gebruiken voelt dit ver van hun bureau. Maar het raakt precies het probleem waar je tegenaan loopt zodra je AI ergens voor inzet met gevolgen: een offerte checken, een contract samenvatten, een klacht beoordelen. Je wilt weten of het model consistent redeneert, of half gokt en toevallig goed uitkomt.

Interpretability-onderzoek is de eerste stap naar een antwoord op die vraag. Het is nog geen kant-en-klare knop die jij morgen in Claude aanzet, maar het is wel het fundament waarop toekomstige controles en garanties gebouwd gaan worden.

Wat dit betekent voor AVG en de EU-AI-Act in je MKB

Hier wordt het concreet. Onder de EU-AI-Act moeten aanbieders van AI-systemen met een hoger risico straks kunnen uitleggen hoe een systeem tot een uitkomst komt. Onder de AVG geldt al langer dat mensen recht hebben op een zinvolle uitleg bij geautomatiseerde besluitvorming die hen raakt.

Zolang AI-modellen echte zwarte dozen zijn, is dat lastig hard te maken. Onderzoek zoals dat van Anthropic is precies het soort werk dat op termijn moet zorgen dat leveranciers die uitleg wel kunnen geven. Voor jou als ondernemer betekent het niet dat je morgen iets moet veranderen, wel dat 'kun je uitleggen hoe je AI tot een besluit komt' een terechte vraag wordt, ook van klanten en toezichthouders.

Transparantie wordt een verkoopargument

Anthropic is niet de enige die inzet op meer openheid, al doet iedereen dat op zijn eigen manier. Hugging Face-topman Clem Delangue vertelde deze week in een podcast dat open source AI harder groeit dan ooit: zijn platform, inmiddels een soort GitHub voor AI-modellen, wordt door ruim de helft van de Fortune 500 gebruikt om modellen en datasets te delen. Bij open modellen kun je in elk geval de code en gewichten zelf inzien, ook al zegt dat nog niets over hoe een model intern redeneert.

Tegelijk zet OpenAI in op het tegenovergestelde: schaal en integratie. Deze week kondigde het bedrijf zijn nieuwe modelfamilie GPT-5.6 aan, met beloofde verbeteringen op onder meer cybersecurity. Microsoft bevestigde meteen dat GPT-5.6 het voorkeursmodel wordt voor Copilot 365, opvallend nieuws gezien de geruchten over spanningen tussen beide bedrijven.

Voor jou als MKB'er is de exacte strategie van elk bedrijf minder belangrijk dan het patroon erachter: elke grote AI-partij zoekt nu een eigen antwoord op dezelfde vraag, hoe overtuig je bedrijven dat ze een AI-model kunnen vertrouwen. Meer druk op leveranciers betekent meer kans dat jij op termijn zelf kunt navragen wat er onder de motorkap gebeurt.

Wat dit betekent voor jou

Dit is geen functie die je vandaag in Claude aanzet, maar wel een signaal waar je iets mee kunt. Bedrijven die nu al bijhouden welke AI ze waarvoor gebruiken, en waarom, staan over een jaar sterker dan bedrijven die AI erbij hebben gepakt zonder er ooit bij stil te staan. Interpretability-onderzoek zoals dat van Anthropic gaat uitleg over AI-beslissingen op termijn makkelijker maken, maar de discipline om het zelf te loggen kunnen Nederlandse MKB'ers nu al opbouwen, ruim voor de EU-AI-Act daar concreet om vraagt.

Werkt deze AI-ontwikkeling door in jouw bedrijf? een korte sparring boeken.

Veelgestelde vragen

Wat is AI interpretability precies?

Interpretability is het onderzoeksveld dat probeert te achterhalen hoe een AI-model intern tot een antwoord komt, in plaats van het model alleen te beoordelen op de uitkomst. Anthropic gebruikt het om te zien welke concepten Claude combineert voordat er tekst verschijnt.

Kan ik nu zelf zien hoe Claude tot een antwoord komt?

Nee, dit is onderzoek met interne tools van Anthropic die niet in de gewone Claude-app of API zitten. Als gebruiker krijg je dit voorlopig niet te zien, het is de basis voor toekomstige verbeteringen in veiligheid en uitlegbaarheid.

Wat betekent dit voor de EU-AI-Act voor mijn bedrijf?

De EU-AI-Act verplicht bij hoger-risico toepassingen tot uitlegbaarheid van AI-beslissingen. Onderzoek zoals dit brengt leveranciers dichter bij het kunnen leveren van die uitleg. Voor jouw MKB betekent het vooral dat je nu al moet bijhouden welk model je waarvoor gebruikt.

Is Claude nu betrouwbaarder dan ChatGPT?

Dat is niet aangetoond. Anthropic legt wel meer nadruk op interpretability-onderzoek dan de meeste concurrenten, maar dat zegt iets over onderzoeksprioriteiten, niet automatisch over de kwaliteit van antwoorden in de praktijk.

Waarom investeert Anthropic hierin terwijl het geen directe omzet oplevert?

Anthropic profileert zich al langer als het veiligheidsgerichte AI-bedrijf. Beter begrip van hoe modellen intern werken helpt ook om fouten en ongewenst gedrag op te sporen voordat een model live gaat, dus indirect is het ook een commercieel argument.

Moet ik als MKB'er nu al actie ondernemen?

Niet met spoed, maar begin met vastleggen welke AI-tools je gebruikt, voor welke taken, en met welke gegevens. Die basis heb je sowieso nodig zodra AVG- of EU-AI-Act-vragen concreet worden.