Coördinatietaks: de verborgen prijs van samenwerking in het AI-tijdperk
Stel je voor dat tien mensen samen een huis bouwen. Zijn ze dan tien keer zo snel klaar als wanneer één timmerman het alleen zou doen? In de praktijk niet: er moet overlegd worden over wie wat doet, fouten van de ene persoon moeten door de ander worden rechtgezet, en iedereen moet soms wachten tot de juiste collega op de juiste plek is. Die extra tijd en moeite, die niets toevoegen aan het huis zelf maar wel nodig zijn om de samenwerking te laten slagen, noemen economen en technologen de coördinatietaks: de prijs die je betaalt, in tijd, geld of kwaliteit, om meerdere partijen op één lijn te krijgen.
De term duikt steeds vaker op in gesprekken over kunstmatige intelligentie (AI). Daar gaat het niet om timmerlui, maar om mensen, bedrijven, landen en - steeds vaker - AI-systemen die iets samen moeten doen: onderzoek delen, veiligheidsregels afspreken, of letterlijk als digitale 'collega's' samenwerken aan een taak. Een vraag die onderzoekers bezighoudt is of AI-systemen die coördinatietaks kunnen ontlopen op een manier die mensen nooit konden, en wat dat zou betekenen voor wie straks de meeste macht, kennis of economische waarde in handen heeft.
Wat is het precies?
Het woord 'taks' betekent hier 'heffing' of 'belasting' - niet in de zin van een overheidsbelasting, maar als metafoor voor een onvermijdelijke kostenpost. De coördinatietaks is dus geen bedrag op een rekening, maar een verlies aan efficiëntie dat ontstaat zodra je van één naar meerdere actoren gaat.
Economen kennen dit probleem al lang. De Britse econoom Ronald Coase legde in 1937 uit waarom bedrijven überhaupt bestaan: het is vaak goedkoper om mensen in dienst te nemen en intern aan te sturen dan om voor elk klusje losse contracten op de vrije markt af te sluiten. Maar die interne aansturing - vergaderingen, hiërarchie, goedkeuringsprocedures - is zelf ook niet gratis. Hoe groter de organisatie, hoe hoger die interne kosten kunnen oplopen, tot het punt waarop een extra medewerker meer tijd kost dan hij oplevert.
Softwarepionier Fred Brooks vatte dit in 1975 samen in wat nu 'Brooks' wet' heet: het toevoegen van mensen aan een project dat achterloopt, maakt het project vaak juist langzamer. Nieuwe mensen moeten worden ingewerkt, en elk extra teamlid voegt nieuwe communicatielijnen toe: bij vier mensen zijn dat al zes mogelijke onderlinge lijntjes, bij tien mensen 45. Al die lijntjes moeten onderhouden worden - dat is de coördinatietaks in actie.
In de context van AI krijgt het begrip een extra laag. Moderne AI-systemen werken steeds vaker niet alleen, maar in teams van gespecialiseerde 'AI-agenten' die taken verdelen: de ene agent zoekt informatie op, de andere schrijft code, een derde controleert het resultaat. Ook die agenten moeten op elkaar afgestemd worden, elkaars fouten opvangen en resultaten op elkaar laten aansluiten - met bijkomende kosten aan rekenkracht, tijd en foutgevoeligheid. Sommige onderzoekers opperen dat meerdere kopieën van hetzelfde AI-model - omdat ze in theorie dezelfde 'gedachten' en doelen delen - elkaar makkelijker zouden kunnen begrijpen dan mensen elkaar begrijpen, waardoor hun onderlinge coördinatietaks mogelijk veel lager uitvalt. Dat is een aantrekkelijke theorie, maar nog grotendeels onbewezen: in de praktijk blijken ook AI-agenten onderling fouten te maken, taken dubbel te doen of opdrachten verkeerd te interpreteren.
Wat wil men ermee bereiken?
Niemand 'bouwt' de coördinatietaks - het is geen technologie die je kunt uitvinden, maar een verschijnsel dat je wilt begrijpen en waar mogelijk verminderen. Onderzoekers en beleidsmakers die zich ermee bezighouden, hebben uiteenlopende doelen.
Bedrijven die AI-systemen bouwen willen vooral weten hoe ze teams van AI-agenten zo kunnen inrichten dat de coördinatietaks laag blijft, zodat agenten sneller en goedkoper taken afhandelen zonder dat de kosten van afstemming de winst van samenwerking opeten.
Beleidsmakers en toezichthouders kijken er juist andersom naar: zij willen een hoge coördinatietaks tussen landen en bedrijven overwinnen, omdat internationale afspraken over veilige AI alleen werken als iedereen bereid is tijd en concessies te investeren in gezamenlijke regels. Een lage bereidheid om die taks te betalen leidt tot een wedloop waarin elke partij zijn eigen regels blijft maken, met alle risico's van dien.
Een derde groep, met onderzoekers als Allan Dafoe voorop, bestudeert de coördinatietaks vanuit het vakgebied 'cooperative AI': hoe zorg je dat AI-systemen - onderling, maar ook met mensen - beter leren samenwerken, afspraken naleven en vertrouwen opbouwen, zodat de wereld niet verstrikt raakt in AI-systemen die elkaar dwarszitten of misbruiken.
Voorbeelden uit de praktijk
OpenAI Five (2018-2019): vijf AI-bots die het computerspel Dota 2 moesten leren spelen als team, liepen in het begin vooral tegen elkaar aan. Door een gedeelde beloningsfunctie te gebruiken in plaats van ieder bot voor zichzelf te laten leren, werd de onderlinge coördinatietaks sterk verlaagd. In april 2019 won het team uiteindelijk van de toenmalige wereldkampioenen.
DeepMind's Capture the Flag-agenten (2019): in het spel Quake III Arena leerden AI-agenten teamwork te ontwikkelen zonder dat ze expliciet met elkaar konden communiceren, wat liet zien hoeveel coördinatie uit gedrag alleen kan ontstaan - en hoeveel er alsnog misging.
De Europese AI Act (aangenomen in 2024): het kostte de 27 EU-lidstaten jaren onderhandelen en talloze compromissen om tot één gezamenlijk wetgevend kader voor AI te komen. Dat proces is een schoolvoorbeeld van coördinatietaks op bestuurlijk niveau.
De internationale AI Safety Summits (Bletchley Park, Verenigd Koninkrijk, 2023; Seoul, 2024; Parijs, 2025): landen en AI-bedrijven probeerden hier vrijwillige veiligheidsafspraken te maken. De wisselende betrokkenheid van grote machtsblokken zoals de Verenigde Staten en China laat zien hoe moeizaam internationale coördinatie in de praktijk verloopt.
De Cooperative AI Foundation (opgericht in 2020 in Oxford): deze stichting financiert onderzoek dat specifiek gericht is op het verlagen van coördinatietaks tussen AI-systemen onderling en tussen AI en mensen, onder meer via workshops op grote AI-conferenties zoals NeurIPS.
Hoe ver is de techniek?
Belangrijk om te beseffen: coördinatietaks is geen technologie die ergens 'klaar' kan zijn, zoals een chip of een vaccin. Het is een analytisch begrip - een manier om naar een probleem te kijken - dat op verschillende plekken in verschillend tempo wordt onderzocht en toegepast.
Op het niveau van samenwerkende AI-agenten gaat de ontwikkeling snel. Sinds 2023 experimenteren bedrijven als OpenAI, Anthropic en Google met 'multi-agent'-systemen waarin meerdere AI-modellen taken verdelen. De praktijk laat zien dat coördinatietaks reëel blijft: agenten doen dubbel werk, interpreteren opdrachten verschillend of geven onbedoeld foutieve tussenresultaten aan elkaar door. Er is nog geen betrouwbare manier om dit volledig te voorkomen; vooral steeds betere afspraken (zogeheten 'protocollen') en controlemechanismen moeten de schade beperken.
Op het niveau van internationale regelgeving gaat het trager. Akkoorden zoals de AI Act of de verklaringen van de AI Safety Summits tonen dat landen bereid zijn een deel van de coördinatietaks te betalen, maar grote machtsblokken doen dat in sterk verschillende mate en tempo, en afdwingbare wereldwijde afspraken zijn er nog niet.
De aanname dat identieke AI-kopieën elkaar fundamenteel beter zouden begrijpen dan mensen elkaar begrijpen - en dus een lagere coördinatietaks zouden hebben - is vooralsnog grotendeels theoretisch. Er is nog weinig hard experimenteel bewijs dat dit effect bij de huidige generatie AI-modellen al een grote rol speelt.
Wie werken eraan?
Op het gebied van praktisch AI-onderzoek zijn DeepMind (onderdeel van Google), OpenAI en Anthropic actief met onderzoek naar multi-agent systemen en de samenwerkingsproblemen die daarbij ontstaan.
Op wetenschappelijk-theoretisch vlak speelt de Cooperative AI Foundation in Oxford, mede opgericht door onderzoeker Allan Dafoe, een leidende rol, net als economen die voortbouwen op het werk van Ronald Coase en latere Nobelprijswinnaars in de zogeheten mechanism design-theorie, zoals Leonid Hurwicz, Eric Maskin en Roger Myerson.
Op het gebied van internationale regelgeving zijn vooral de Europese Unie (met de AI Act), de OESO en nationale AI-veiligheidsinstituten betrokken bij het proberen te verlagen van de coördinatietaks tussen overheden en bedrijven.