Dwarkesh Patel kondigt nieuwe aflevering aan met één woord: 'Tomorrow'

Dwarkesh Patel kondigt nieuwe aflevering aan met één woord: 'Tomorrow'

Gisteren postte Dwarkesh Patel — de AI-podcaster die de laatste jaren vrijwel iedere grote naam uit het AI-landschap aan tafel kreeg — een tweet van precies één woord: Tomorrow. Meer niet, plus een bijgevoegd beeld. Geen guest-reveal, geen thread, geen uitleg. Ik viel over dit bericht omdat ik merk dat zelfs zo'n minimale post in AI-kringen meteen speculatie losmaakt, en dat zegt volgens mij iets over hoe het AI-gesprek op dit moment georganiseerd is.

Wat er feitelijk bekend is

De laatste aflevering van de Dwarkesh Podcast verscheen op 7 april 2026, met Michael Nielsen over hoe wetenschappelijke vooruitgang herkend wordt. Zijn podcast verschijnt in een ongeveer wekelijks ritme. Op het moment dat ik dit schrijf — 14 april 2026 — is er verder geen publieke aankondiging te vinden over wie morgen aan tafel zit. De tweet bevat een afbeelding, maar de inhoud daarvan kan ik op dit moment niet onafhankelijk verifiëren. Ik benoem dat expliciet, want ik wil geen naam noemen die ik niet zwart-op-wit heb.

Eerder dit jaar sprak Patel onder meer met Dario Amodei (Anthropic) en Elon Musk. Dat patroon — lange, inhoudelijke gesprekken met de mensen die de richting van de AI-industrie bepalen — maakt dat één woord op X ineens een heel publiek op scherp zet.

Waarom ik hier als ondernemer naar kijk

Je zou kunnen zeggen: het is maar een tweet. Waar maak ik me druk om? Eerlijk, ik vind het juist interessant omdat het laat zien hoe de AI-wereld informatie distribueert. Een onderzoeker, investeerder of onderzoekslab lekt zelden direct een volledig nieuwsbericht. De échte signalen komen vaak in gesprekken van twee, drie uur — precies de vorm die Patel bedient. En die signalen bepalen soms maanden later wat voor jou als Nederlandse ondernemer relevant wordt in tooling, kosten of regelgeving.

Wat mij hier opvalt is dat de weg van onderzoekslab naar inzetbare technologie in jouw bedrijf korter is dan veel mensen denken. Wat een labhoofd vandaag in een podcast zegt over de kosten van inferentie, over modelgrootte, of over agentisch werken, vertaalt zich binnen zes tot twaalf maanden naar tools die jouw boekhouder, je klantenservice of je salesafdeling raken. Ik denk dat het daarom de moeite waard is om deze bronnen niet alleen aan je IT-leverancier over te laten.

De waarde van lange gesprekken in een tijd van korte berichten

Het contrast tussen die ene tweet van één woord en het formaat dat Patel daadwerkelijk brengt — gesprekken van twee tot drie uur, vaak technisch-diepgaand — vind ik eerlijk gezegd vermakelijk. Hij gooit één lettergreep online en een half AI-Twitter gaat raden wie morgen aanschuift. Vervolgens zit je, als je aflevering start, drie uur naar nuance te luisteren.

Voor een MKB-ondernemer is die lange vorm waardevoller dan het lijkt. Niet omdat je elke week drie uur AI-podcast kunt luisteren — dat kan bijna niemand — maar omdat je er op een rustig moment één kunt uitkiezen die past bij een vraag die jij hebt. Vraag je je af hoe agents écht werken in productie? Er staat vrijwel zeker een aflevering. Wil je weten waarom Europese datasoevereiniteit niet triviaal is? Idem.

Wat ik zelf meeneem uit zulke gesprekken

Ik probeer bij dit soort podcasts drie dingen uit te filteren, en misschien heb jij daar iets aan:

  • Tijdschalen: als een CEO zegt "binnen achttien maanden" en een onderzoeker zegt "vijf jaar", zit de werkelijkheid vaak daar ergens tussenin.
  • Kosten: wat wordt er gezegd over prijs per miljoen tokens, hardwarekosten of stroomverbruik? Dat zijn de getallen die uiteindelijk bepalen of jouw use-case haalbaar wordt.
  • Wat nu al werkt: onder de hype zit meestal een klein lijstje dingen dat vandaag al betrouwbaar is. Dát is wat je vandaag in je bedrijf kunt inzetten.

De Nederlandse invalshoek

Hier zit voor mij de echte vraag. De Dwarkesh-podcast is overwegend Amerikaans in gast en perspectief. Patel praat met mensen uit San Francisco, Londen, soms Bangalore. Voor Nederland — en breder: Europa — betekent dat dat wij het gesprek moeten vertalen naar onze context. En die context wijkt af.

Een paar voorbeelden waar ik telkens op stuit:

  • AVG en de AI Act: wat in Amerikaanse podcasts "gewoon uitrollen" heet, is in Nederland "eerst DPIA, dan aanbesteden, dan uitrollen". Dat kost maanden.
  • Taalmodellen en het Nederlands: de beste modellen blinken uit in Engels. Voor een MKB-klant die met Nederlandstalige klanten, offertes en mails werkt, is dat een praktisch probleem — geen theoretisch.
  • Datasoevereiniteit: waar draait het model? Wie heeft toegang tot de logs? Voor een Amerikaans techbedrijf een voetnoot, voor een Nederlandse zorgpartij of financieel dienstverlener een gespreksbreker.

Kun je je voorstellen wat dit betekent als je bijvoorbeeld een zorgorganisatie runt en de rest van de wereld praat over agents die zelfstandig beslissingen nemen? Je kunt niet simpelweg kopiëren wat Amerikaanse collega's doen. Je moet filteren.

Waarom één woord "Tomorrow" niet niets is

Terug naar die tweet. Op zichzelf is het een teaser, meer niet. Maar de aandacht die het krijgt — en de snelheid waarmee de AI-community speculeert over wie het gaat worden — zegt iets over het moment waarin we leven. Een podcastgast is in 2026 blijkbaar relevanter geworden dan menig persbericht van een beursgenoteerd bedrijf. Dat vind ik op zich al opmerkelijk.

Voor mij is het vooral een signaal dat je als ondernemer niet alleen naar het nieuws hoeft te kijken dat groot gebracht wordt. Het echte inzicht zit vaak in de bronnen waar de beslissers zélf luisteren, en dat is zelden een persbericht. Soms is het één woord op X.

Afsluitende observatie

Ik ga morgen kijken wie er aanschuift. Niet omdat ik er een gok op durf te wagen — dat zou raden zijn — maar omdat ik benieuwd ben welk stukje van de puzzel weer beweegt. Als de gast iemand is uit de frontier-labs, geeft het me een nieuw ijkpunt voor waar modellen naartoe gaan. Is het een onderzoeker of criticus, dan krijg ik er een ander frame bij waarmee ik naar de hype kan kijken. Beide zijn nuttig.

Wat mij betreft is dat de rustigste manier om met AI-nieuws om te gaan: niet alles meteen willen weten, maar één goede bron per week laten vallen op het moment dat het jou uitkomt. De rest is ruis.