Technologische innovatie is een complexe proces dat zich niet lineair ontwikkelt, en afhankelijk is van een samenspel van factoren. In een integraal model, kunnen we de dynamiek van innovatie beschrijven als een multidimensionaal proces met vier fundamentele pijlers:
- Technologische Ontwikkeling en Diffusie (S-curve, diffusie van innovaties, infrastructuur)
- Economische en Marktmechanismen (Kostenstructuren, netwerkeffecten, overheidsstimulansen)
- Sociaal-culturele Acceptatie en Menselijke Factoren (Innovatiecultuur, psychologische barrières, regulering)
- Institutionele en Beleidsmatige Interventies (Overheidsrol, regelgeving, internationale samenwerking)
Deze vier pijlers bepalen of en hoe snel een nieuwe technologie succesvol zal zijn. Probleem is echter dat deze pijlers onderling afhankelijk zijn. Hieronder beschrijf ik de vier pijlers meer in detail.
1. Technologische Ontwikkeling en Diffusie
Dit aspect beschrijft hoe een technologie ontstaat, groeit en zich verspreidt. Dit proces volgt meestal een combinatie van de S-curve van innovatie en het diffusiemodel van Rogers.
🔹 Fases van de S-curve:
- Experimentele fase – Technologie is nieuw, duur en weinig efficiënt. Alleen pioniers en onderzoekers werken ermee.
- Exponentele groei – Door verbeteringen in techniek en productie wordt de technologie bruikbaar en aantrekkelijk.
- Marktverzadiging – De meeste potentiële gebruikers hebben de technologie geadopteerd; groei vlakt af.
- Vervanging of doorontwikkeling – Een nieuwere technologie neemt de plaats in van de oude, of de innovatie wordt verder geoptimaliseerd.
🔹 Diffusiemodel van Rogers:
Deze theorie verklaart hoe technologie zich verspreidt onder verschillende gebruikersgroepen:
- Innovators (2,5%) – Pioniers en tech-enthousiastelingen.
- Early Adopters (13,5%) – Trendsetters en invloedrijke gebruikers.
- Early Majority (34%) – De grote massa die de voordelen inziet als de technologie bewezen is.
- Late Majority (34%) – Conservatieve groep die pas overstapt als ze geen keuze meer heeft.
- Laggards (16%) – De achterblijvers, die vasthouden aan oude methoden.
🔹 Belangrijke remmende factoren in deze fase:
- Technologische beperkingen – Onvoldoende prestaties, te hoge kosten of moeilijk te produceren.
- Infrastructuurproblemen – Een technologie heeft vaak ondersteunende systemen nodig (bijv. laadpalen voor elektrische auto’s).
- Gebrek aan standaarden – Nieuwe technologieën hebben vaak te maken met incompatibiliteit (bijv. VHS vs. Betamax).
2. Economische en Marktmechanismen
Innovatie wordt niet alleen bepaald door technologische vooruitgang, maar ook door economische haalbaarheid en marktdynamiek.
🔹 Economie van innovatie (Schaalvoordelen & Netwerkeffecten)
- Schaalvoordelen: Hoe meer een technologie geproduceerd wordt, hoe goedkoper ze wordt. Dit is essentieel voor brede adoptie.
- Netwerkeffecten: Een technologie wordt waardevoller als meer mensen ze gebruiken (bijv. telefoons, sociale netwerken, betaalmethoden).
🔹 De rol van kosten en prijsdaling (Wetten van schaal & Learning Curve Effect)
- Eerste versies zijn duur en beperkt toegankelijk – Denk aan de eerste mobiele telefoons of VR-headsets.
- Door schaalvergroting en leereffecten dalen de kosten – Wanneer productie efficiënter wordt, neemt de adoptie toe.
🔹 Overheidsinterventies om marktacceptatie te versnellen:
- Subsidies & belastingvoordelen – Overheden kunnen innovatie aantrekkelijker maken door kosten te verlagen.
- Overheid als ‘launch customer’ – Door innovaties zelf af te nemen, geven ze een technologie een eerste markt (bijv. SpaceX).
- Handelsverdragen en internationale samenwerking – Innovatie verspreidt sneller als regelgeving wordt gestroomlijnd.
🔹 Belangrijke remmende factoren in deze fase:
- Te hoge productiekosten – Technologie is onbetaalbaar voor de massa.
- Geen duidelijke business case – Ondernemers zien geen rendabel model.
- Kartelvorming en gevestigde belangen – Oude industrieën kunnen innovatie blokkeren (zoals de olie-industrie bij elektrische auto’s).
3. Sociaal-culturele Acceptatie en Menselijke Factoren
Zelfs als een technologie technisch werkt en economisch rendabel is, moet ze sociaal geaccepteerd worden. Dit hangt af van psychologische en culturele factoren.
🔹 Technology Acceptance Model (TAM): Waarom mensen technologie omarmen of afwijzen
- Waargenomen nut – Helpt deze technologie mij?
- Waargenomen gebruiksgemak – Is het eenvoudig te begrijpen en te gebruiken?
🔹 Sociale factoren en innovatiecultuur
- Innovatievriendelijke mentaliteit – In Silicon Valley wordt mislukking gezien als een leermoment, in Europa eerder als een stigma.
- Overheidscommunicatie en framing – Wordt een technologie gepresenteerd als oplossing of als bedreiging?
🔹 Regulering en ethische vraagstukken
- Privacy en AI – AI-systemen kunnen revolutionair zijn, maar roepen ook ethische dilemma’s op.
- Veiligheid en verantwoordelijkheid – Zelfrijdende auto’s en drones vereisen nieuwe wetten.
🔹 Belangrijke remmende factoren in deze fase:
- Onbekendheid & wantrouwen – Mensen vermijden wat ze niet begrijpen.
- Culturele weerstand – Sommige technologieën botsen met maatschappelijke waarden (zoals genetische modificatie).
4. Institutionele en Beleidsmatige Interventies
Tot slot spelen overheden en internationale instellingen een cruciale rol in het succes van technologische innovatie.
🔹 Rol van de overheid in innovatiebevordering:
- Investeren in fundamenteel onderzoek – Universiteiten en onderzoeksinstellingen spelen een sleutelrol.
- Regulatory sandboxes – Overheden creëren experimentele ruimtes waar bedrijven zonder strenge regels kunnen innoveren (bijv. fintech).
- Open data & infrastructuur – Overheden kunnen innovatie versnellen door datasets en infrastructuur beschikbaar te maken.
🔹 Internationale samenwerking & standaardisering
- Gezamenlijke R&D-initiatieven – Horizon Europe en andere internationale programma’s stimuleren innovatie.
- Wereldwijde regulering van technologieën – Zoals afspraken over AI-ethiek en cybersecurity.
🔹 Belangrijke remmende factoren in deze fase:
- Te strikte regelgeving – Kan innovatie verstikken.
- Gebrek aan langetermijnbeleid – Korte-termijnpolitiek kan innovatie ontmoedigen.
Dit Integrale Model voor technologische innovatie kent de volgende variabelen:
- Technologische ontwikkeling (T) groeit door investeringen in R&D (I) en infrastructuur (INF), maar wordt geremd door kosten (C).
- Economische groei (E) wordt gestimuleerd door technologische vooruitgang (T), marktadoptie (M), en netwerkeffecten (N), maar kan worden afgeremd door kosten (C) en regulering (R).
- Sociale acceptatie (S) neemt toe door de combinatie van technologie (T) en economie (E), evenals de gebruikservaring (G) en publieke perceptie (P), maar weerstand (W) remt het proces.
- Overheidsbeleid (B) groeit door economische opbrengsten (E) en politieke prioriteiten (P), wat weer invloed heeft op investeringen in innovatie
Deze variabelen kunnen we ook kwantificeren:
Als we de basisrelaties uit het systeemdynamische model samennemen komen we tot één groot differentiaalmodel:
dTdt=αI+βINF−γCdEdt=δT+ϵM+ζN−ηC−θRdSdt=λU+μG+νP−ξWdBdt=ρE+σP\begin{aligned} \frac{dT}{dt} &= \alpha I + \beta INF – \gamma C \\ \frac{dE}{dt} &= \delta T + \epsilon M + \zeta N – \eta C – \theta R \\ \frac{dS}{dt} &= \lambda U + \mu G + \nu P – \xi W \\ \frac{dB}{dt} &= \rho E + \sigma P \\ \end{aligned}dtdTdtdEdtdSdtdB=αI+βINF−γC=δT+ϵM+ζN−ηC−θR=λU+μG+νP−ξW=ρE+σP
Vervangen we de afhankelijke variabelen (I,INF,C,M,N,U,G,P,W,RI, INF, C, M, N, U, G, P, W, RI,INF,C,M,N,U,G,P,W,R) door hun relaties met elkaar, dan krijgen we een geïntegreerde vergelijking die de dynamische interacties in één systeem weergeeft:dTdt=α(ρE+σP)+βINF−γCdEdt=δT+ϵ(S+N)+ζN−ηC−θRdSdt=λ(T+E)+μG+νP−ξWdBdt=ρE+σP\begin{aligned} \frac{dT}{dt} &= \alpha (\rho E + \sigma P) + \beta INF – \gamma C \\ \frac{dE}{dt} &= \delta T + \epsilon (S + N) + \zeta N – \eta C – \theta R \\ \frac{dS}{dt} &= \lambda (T + E) + \mu G + \nu P – \xi W \\ \frac{dB}{dt} &= \rho E + \sigma P \end{aligned}dtdTdtdEdtdSdtdB=α(ρE+σP)+βINF−γC=δT+ϵ(S+N)+ζN−ηC−θR=λ(T+E)+μG+νP−ξW=ρE+σP
Dit model kunnen we nu gebruiken om de snelheid van innovatie voor verschillende technologieën te bepalen. Hierbij moeten we wel bedenken dat veel van deze variabelen niet nauwkeurig meetbaar zijn. We zullen dus vaak moeten werken met onderbouwde schattingen.
Laten we nu eens wat toepassingen van dit model bekijken. Bijvoorbeeld de komst van de EV. Om de analyse specifiek te maken voor een land, moeten we de kernvariabelen eerst landspecifiek maken.
- R&D-investeringen in EV’s (I) – Sommige landen investeren meer in technologische ontwikkeling (bijv. China, Duitsland).
- Infrastructuur (INF) – Landen met betere laadinfrastructuur hebben snellere acceptatie (bijv. Nederland, Noorwegen).
- Batterijkosten (C) – Prijs per kWh varieert per markt door subsidies en productiecapaciteit.
- Marktaandeel EV’s (M) – EV-penetratie is in Noorwegen 80%, in de VS ~10%, en in Nederland ~30%.
- Regulering (R) – Emissie-eisen en subsidies zijn per land verschillend (bijv. strenge EU-normen vs. minder beleid in sommige VS-staten).
- Sociale acceptatie (S) – Publiek sentiment tegenover EV’s varieert (hoger in West-Europa, lager in sommige delen van de VS).
- Overheidsbeleid (B) – Sommige landen (zoals Noorwegen) subsidiëren EV’s sterk, terwijl andere (zoals India) hier pas mee beginnen.
Toepassing van dit integrale model op de adoptie van humanoids
- Technologische Ontwikkeling (T) groeit langzaam maar gestaag 🤖
- Startpunt: 0.5 (relatief laag, omdat humanoids nog in de experimentele fase zitten).
- Drijvende krachten: Hoge R&D-investeringen (~$80 miljard per jaar) en verbeteringen in AI, sensoren en robotica.
- Remmende factor: Hoge kosten (CCC), momenteel rond $5000 per eenheid voor geavanceerde humanoids.
- Economische Groei (E) van de humanoid-markt blijft achter bij de technologie 💰
- Startpunt: 0.5 (huidige beperkte markttoepassingen).
- Drijvende krachten: Productiekosten dalen en humanoids worden ingezet in fabrieken, zorg en logistiek.
- Remmende factor: Hoge initiële aanschafkosten en trage netwerkeffecten (NNN).
- Sociale Acceptatie (S) is een kritische bottleneck 🤔
- Startpunt: 0.3 (lage publieke acceptatie en ethische bezwaren).
- Drijvende krachten: Publieke perceptie (PPP) en bewezen nuttigheid (UUU) verbeteren acceptatie.
- Remmende factor: Werkgelegenheidsangst en ethische bezwaren (WWW), bijvoorbeeld rondom AI-bewustzijn en veiligheid.
- Overheidsbeleid (B) speelt een cruciale rol 🏛
- Startpunt: 1.0 (huidige beleidsfocus op AI-regulering).
- Drijvende krachten: Groei van de economie (EEE) en publieke perceptie (PPP).
- Trend: Strikte regelgeving (RRR) in de beginfase, later mogelijk soepeler beleid afhankelijk van economische impact.
Samenvattend
✅ Technologie ontwikkelt zich snel, maar marktvraag en acceptatie blijven achter.
✅ Kostenreductie en bewezen toepassingen zijn cruciaal om humanoids economisch haalbaar te maken.
✅ Sociale acceptatie blijft een grote uitdaging: ethiek, werkgelegenheid en vertrouwen zijn obstakels.
✅ Overheidsbeleid speelt een sleutelrol in zowel het reguleren als stimuleren van humanoid-ontwikkeling.
Met dit model kunnen we ook berekenen wanneer het kantelpunt zal optreden in de adoptie van humanoïde robots. Dit is dan af te leiden uit de volgende factoren:
1. Technologische Ontwikkeling (T)
- ✅ Geavanceerde AI & Robotica: Grote vooruitgangen in AI, sensoren en actuatoren maken humanoïde robots steeds capabeler.
- ✅ Toenemende investeringen: Bedrijven zoals Tesla (Optimus), Agility Robotics (Digit) en Figure AI versnellen de ontwikkeling.
- 🔸 Uitdagingen: Batterijduur, autonomie en bewegingscoördinatie zijn nog niet optimaal.
- ➡ Schattingsbereik: 2-4 jaar verwijderd van kritische verbeteringen in hardware en AI.
2. Economische Groei & Kosten (E)
- ✅ Meer investeringen: Humanoïde bedrijven ontvangen miljarden aan kapitaal, vergelijkbaar met de vroege stadia van EV’s.
✅ Productiekosten dalen: Robotprijzen dalen door schaalvoordelen en efficiëntere assemblage.
🔸 Nog uitdagingen: Hoge aanschafkosten ($5000-$10.000 per eenheid) beperken grootschalige adoptie. - ➡ Schattingsbereik: 3-5 jaar verwijderd van grootschalige economische levensvatbaarheid.
3. Sociale Acceptatie (S)
- ✅ Eerste toepassingen: Robots worden steeds meer ingezet in industrie, magazijnen en zorg.
✅ Toenemende gewenning: Mensen wennen aan robots in dagelijkse interacties, zoals chatbots en semi-autonome systemen.
🔸 Nog weerstand: Angst voor banenverlies, ethische dilemma’s (AI-zelfbewustzijn), en veiligheid spelen een rol. - ➡ Schattingsbereik: 3-6 jaar verwijderd van brede acceptatie.
4. Overheidsbeleid & Regulering (B)
- ✅ Strengere AI-regelgeving: De EU AI Act en Amerikaanse wetgeving sturen het gebruik van humanoïde robots.
✅ Overheden investeren: China, de VS en de EU stimuleren de ontwikkeling via subsidies en R&D-programma’s.
🔸 Nog onzeker: Privacywetgeving en arbeidswetgeving zijn nog in ontwikkeling. - ➡ Schattingsbereik: 2-5 jaar verwijderd van consistente regelgeving.
Totale Afstand tot het Kantelpunt:
Op basis van de traagste factor (sociale acceptatie en kostenreductie) bevinden we ons volgens deze berekening ongeveer 3 tot 5 jaar vóór het kantelpunt. Dit betekent dat humanoïde robots rond 2028-2030 exponentieel in adoptie kunnen groeien, vergelijkbaar met hoe EV’s rond 2020 een versnelling doormaakten.
Peter van der Wel (12025)
Leer toekomstgericht denken in de Masterclass Toekomstverkennen
Wil je zelf concreet aan de slag met toekomstverkennen? Binnenkort geef ik weer een Masterclass Toekomstverkennen. Daar leer je hoe je trends analyseert, scenario’s ontwikkelt en strategische keuzes maakt die je organisatie toekomstbestendig maken. Klik hier voor meer info
PS: Vond je het een nuttige blog? Post hem op de socials en/of stuur hem door naar een collega of vriend waarvan je denkt dat ze hem ook interessant zullen vinden! Kreeg je ’m zelf doorgestuurd? Abonneer je hier gratis op nieuwe blogs.
PPS: Reacties zijn welkom. Je kunt ze mailen naar mijn mailadres.
