Een groep wetenschappers pleit voor de ontwikkeling van een gespecialiseerde infrastructuur die kunstmatige intelligentie (AI) in staat stelt om efficiënter om te gaan met schaarse middelen. Het doel is om het proces van autonome wetenschappelijke ontdekkingen te optimaliseren, waarbij de focus verschuift van enkel cognitieve verbeteringen naar een integraal beheer van de beschikbare resources.
Volgens een onderzoekspapier dat op 25 september 2026 werd gepubliceerd via arxiv.org, is de huidige trend in de wetenschap een beweging richting multi-agent systemen. Waar AI voorheen vooral werd ingezet voor specifieke, beperkte taken, kunnen deze nieuwe systemen nu complexe onderzoeksworkflows van begin tot eind coördineren. Hoewel de nadruk tot nu toe lag op het versterken van het redeneervermogen en het genereren van hypothesen, stuiten onderzoekers zoals Nenad Tomasev op een praktisch probleem: de beperkte beschikbaarheid van fysieke en economische middelen.
Het valideren van wetenschappelijke theorieën via experimenten is kostbaar en tijdrovend. De auteurs stellen dat een verbetering van het denkvermogen van AI alleen niet volstaat om een volledig geautomatiseerd proces te realiseren. In het document wordt daarom een raamwerk voorgesteld dat gebaseerd is op markten, instituties en economische principes voor agenten, om zo de samenwerking tussen menselijke wetenschappers en AI-systemen te verbeteren.
Om deze nieuwe aanpak te begrijpen, is het onderscheid met traditionele AI cruciaal. Waar generatieve AI vaak reactief werkt op basis van commando's, kenmerkt agentische AI zich door autonomie in besluitvorming. Zoals google.com uitlegt, kan deze vorm van AI zelfstandig doelen definiëren, plannen opstellen en acties ondernemen met minimale menselijke sturing. Dit proces rust op een cyclus van perceptie, redenering, planning, actie en reflectie, waardoor systemen hun eigen resultaten kunnen evalueren en bijsturen.
Deze technologische evolutie maakt het mogelijk om complexe processen met meerdere stappen te automatiseren. Dit fundamentele verschil met oudere AI-toepassingen wordt ook benadrukt door mit.edu, die wijst op de verschuiving naar systemen die daadwerkelijk actie ondernemen in plaats van enkel informatie te verwerken.
De voorgestelde 'agentische economie' moet volgens de onderzoekers vier kernproblemen oplossen. Ten eerste moet het systeem helpen bij het bepalen van onderzoeksprioriteiten en het faciliteren van samenwerking. Ten tweede is er een mechanisme nodig om credits toe te wijzen aan specifieke ontdekkingen. Daarnaast moet de infrastructuur zorgen voor transparantie in aansprakelijkheid en verantwoordelijkheid. Tot slot moet er strikte beveiliging zijn om misbruik van de systemen of lekken van gevoelige informatie te voorkomen.
Naast de technische implementatie waarschuwen de auteurs voor de maatschappelijke impact van semi-autonome wetenschappelijke ontdekkingen. Er is volgens hen een noodzaak voor adequaat governance-beleid om te waarborgen dat de vruchten van AI-gedreven innovaties rechtvaardig worden verdeeld. Door autonome actiekracht te koppelen aan een economisch model, hopen de onderzoekers dat AI transformeert van een ondersteunend instrument naar een actieve partner in het wetenschappelijke proces.