Klarna verving 700 mensen door AI. En nam ze daarna allemaal weer aan. Dit is wat elke onderneming hieruit moet leren.

Ik was in gesprek met een potentiële klant uit de bankensector toen het nieuws over Klarna naar buiten kwam. Medio 2025. Mijn telefoon trilde — een collega had het artikel doorgestuurd met één regel: "Dit is letterlijk wat jij al die tijd zegt."

De klant was midden in een zin en legde uit hoe ze bovenop GPT-4 een klantenservice-chatbot hadden gebouwd, en hoe die "geweldig werkte". Ik vroeg hem hoe zijn CSAT-scores eruitzagen. Lange stilte. "Dat houden we nog niet bij."

Die stilte zei mij alles. Want Klarna had het bijgehouden. En wat ze aantroffen was verwoestend genoeg om een van de meest breed uitgemeten AI-implementaties uit de geschiedenis van de fintech terug te draaien.

Hier is de korte versie: Klarna, de Zweedse buy-now-pay-later-gigant van $14,6 miljard, verving ongeveer 700 klantenservicemedewerkers door een AI-assistent gebouwd op OpenAI. Ze kondigden het aan als een ereronde — de AI handelde 75% van alle klantgesprekken af in 35 talen. De kosten per transactie daalden met 40%. Wall Street was er dol op. Toen daalden de klanttevredenheidsscores met 22%. Het bedrijf boekte een nettoverlies van $99 miljoen in Q1 2025. En CEO Sebastian Siemiatkowski gaf publiekelijk toe dat het streven naar efficiëntie de servicekwaliteit had uitgehold, met resultaten die hij "generiek" noemde en die niet in staat waren om iets af te handelen dat echt oordeelsvermogen vereiste.

Ze begonnen opnieuw te werven. Ze zetten zelfs software-engineers en marketeers in om de telefoon te bemannen.

Ik bouw al jaren neuro-symbolische AI-systemen bij Veriprajna, en ik heb bedrijf na bedrijf in diezelfde val zien lopen. Niet omdat de technologie slecht is — large language models zijn werkelijk opmerkelijk. Maar omdat er een fundamentele verwarring bestaat tussen juist klinken en juist zijn, en in gereguleerde sectoren zal die verwarring je uiteindelijk alles kosten.

De nacht waarop ik besefte dat "goed genoeg" dat niet is

Voordat ik op de architectuur inga, wil ik je vertellen over een moment dat veranderde hoe ik over dit probleem denk.

We draaiden een pilot voor een juridisch compliancesysteem — geen klantenservice, maar documentanalyse. Het soort werk waarbij je toezichtrapportages ontleedt en intern beleid koppelt aan externe verplichtingen. We hadden een prototype dat een standaard retrieval-augmented generation-opzet gebruikte. Vectorzoekopdrachten, top-k-retrieval, GPT die de samenvatting genereerde. Het was snel. De output las prachtig.

Een van onze engineers — Priya — bleef laat door om edge cases te draaien. Rond 23:00 uur pingde ze ons Slack-kanaal met een screenshot. Het systeem had een perfect vloeiende alinea gegenereerd die een specifieke wettelijke bepaling citeerde. Die bepaling bestond niet. Geen verkeerd citaat, geen parafrase — een volledig verzinsel. En het las zo overtuigend dat je het nooit zou opmerken als je geen expert was in die specifieke regelgeving.

Ik weet nog dat ik aan mijn bureau zat, naar die screenshot staarde en dacht: dit is het product dat we op het punt staan uit te brengen. Een systeem dat liegt met het zelfvertrouwen van een senior partner bij een advocatenkantoor.

We trokken de pilot terug. Bouwden de architectuur volledig opnieuw op. Verloren drie maanden. Het was de beste beslissing die we ooit hebben genomen.

Wanneer een AI-systeem met volmaakt zelfvertrouwen een juridische bronvermelding verzint, is het probleem geen bug — het is de architectuur. Je kunt je met prompt-engineering niet uit een fundamenteel probabilistisch fundament redden.

Wat is de "wrapper-val" en waarom blijft die slimme bedrijven vangen?

Laat me in technische termen uitleggen wat er werkelijk met Klarna gebeurde, want de zakenpers had het grotendeels mis. Ze presenteerden het als "AI is nog niet klaar". Dat is niet het probleem. Het probleem is welk soort AI en hoe het werd ingezet.

Een "wrapper" is een dunne softwarelaag die bovenop een large language model van een derde partij zit. Hij verzorgt de opmaak, beheert API-aanroepen en voegt misschien wat gestructureerde outputparsing toe. Maar het eigenlijke denkwerk — het redeneren, het oordelen, het beslissen — wordt volledig uitbesteed aan het LLM. Je wrapper stuurt een prompt, het model voorspelt de meest waarschijnlijke volgende tokens, en je krijgt iets terug dat klinkt als een antwoord.

Dit werkt prachtig voor een demo. Het werkt afdoende bij taken met weinig op het spel. En het faalt catastrofaal bij alles wat vraagt om zekerheid.

De Transformer-architectuur die deze modellen aandrijft gebruikt een self-attention-mechanisme om de relevantie van tokens in een reeks te wegen en te voorspellen wat er daarna komt. Dat is pattern matching — buitengewoon geavanceerde pattern matching, maar niettemin pattern matching. Er is geen intern mechanisme om feiten te toetsen aan een externe bron van waarheid. Het model weet niets — het voorspelt hoe een deskundig antwoord eruit zou zien.

Klarna's AI kon feilloos wachtwoorden resetten. Maar wanneer een klant een complex geschil had waarin een gedeeltelijke terugbetaling, een meningsverschil met een handelaar en consumentenbeschermingsregels in twee rechtsgebieden samenkwamen? Dan viel het model terug op wat ik slop-spinning noem — het genereren van plausibel klinkende antwoorden die in cirkels ronddraaiden, nooit iets oplosten en klanten frustreerden tot in wat een analist omschreef als een "kafkaëske lus".

En hier komt het deel dat elke bedrijfsleider de stuipen op het lijf zou moeten jagen: de kostencijfers zagen er geweldig uit gedurende de hele periode waarin de ervaring verslechterde. De kosten per transactie daalden van $0,32 naar $0,19. De oplostijd van chats ging van 11 minuten naar minder dan 2. Als je alleen naar het dashboard keek, zou je denken dat je aan het winnen was — tot precies het moment waarop je klanten begonnen weg te lopen.

Waarom kun je niet gewoon betere guardrails aan een LLM toevoegen?

Dit is de vraag die ik het vaakst krijg, en ze legt het kernmisverstand bloot. Mensen denken dat de oplossing betere prompts zijn, meer few-shot-voorbeelden, strakkere systeeminstructies. "Zeg het model gewoon dat het niet mag hallucineren."

Dat is alsof je een weersvoorspellingsmodel zegt dat het niet fout mag zijn. Het probabilistische karakter is geen fout die je kunt patchen — het is het fundamentele mechanisme van hoe het systeem werkt.

Een investeerder zei ooit botweg tegen me: "Gebruik gewoon GPT en zet er wat regels bovenop." Ik vroeg hem of hij een rekenmachine zou vertrouwen die 95% van de tijd gelijk had. Hij lachte. Ik zei: "Dat is wat je voorstelt voor bankcompliance." Hij stopte met lachen.

De technische faalmodi gaan dieper dan hallucinatie. Wrappers missen wat ik state-schema-persistentie zou noemen. Naarmate een gesprek vordert, raakt het contextvenster vol. Informatie van vroeg in het gesprek wordt gecomprimeerd of weggelaten. Het model kan zichzelf binnen één sessie tegenspreken zonder enig besef dat het dat doet. In de klantenservice betekent dit dat de agent je identiteit bij beurt 3 kan verifiëren en je bij beurt 15 opnieuw om verificatie vraagt — of erger, verificatie volledig overslaat omdat het gespreksverloop het "overtuigde" dat verificatie al had plaatsgevonden.

Dit is de kwetsbaarheid die ik de Infinite Freedom Fallacy noem. Omdat het LLM geen harde structurele beperkingen heeft op wat het kan zeggen of doen, kan een voldoende slimme gebruiker — of een voldoende complexe situatie — het in toestanden duwen die bedrijfsregels, wettelijke vereisten of elementaire logica schenden. Dit los je niet op met prompting. Je hebt een volledig ander soort architectuur nodig.

Ik heb uitgebreid over dit probleem geschreven in de interactieve versie van ons onderzoek, maar het kerninzicht is eenvoudig: je moet de stem scheiden van het brein.

De 20% die alles kapotmaakt

Er is een patroon dat ik in elke sector zie waarin we werken, en ik denk dat het verklaart waarom zoveel AI-implementaties het traject van Klarna volgen.

AI kan in 2025 ongeveer 80% van de routinematige, veelvoorkomende interacties competent afhandelen. Wachtwoordresets, controle van bestelstatussen, standaard FAQ-antwoorden — dat zijn opgeloste problemen. De overige 20% van de interacties zijn degene die er werkelijk toe doen. Dat zijn de complexe geschillen, de edge cases, de momenten waarop een klant gefrustreerd, in de war of bang is. En zij zijn de belangrijkste bepalende factoren voor merkreputatie en financiële aansprakelijkheid.

Klarna optimaliseerde voor de 80% en negeerde de 20%. De rekensom leek voor de hand liggend: automatiseer het makkelijke werk, bespaar miljoenen. Maar de 20% is waar vertrouwen wordt opgebouwd of vernietigd. Een klant met een soepele wachtwoordreset vertelt het aan niemand. Een klant die 45 minuten vastzit in een AI-lus om een factureringsfout op te lossen, vertelt het aan iedereen.

De 80% van de interacties die AI goed afhandelt zijn onzichtbaar voor je merk. De 20% die het slecht afhandelt zijn de enige die iemand zich herinnert.

De ironie is dat Klarna's aanvankelijke besparing van $10 miljoen door personeelsreductie vrijwel zeker in het niet viel bij de klantlevenswaarde die ze vernietigden met verslechterde ervaringen. Wanneer je een bedrijf van $14,6 miljard bent dat zich voorbereidt op een beursgang, is een daling van 22% in klanttevredenheid geen meetprobleem — het is een existentieel probleem.

Wat betekent "deterministische AI" eigenlijk?

Dus als wrappers het probleem zijn, wat is dan de oplossing? Hier wordt het even wat technisch, maar ik beloof het concreet te houden.

Bij Veriprajna bouwen we wat neuro-symbolische AI heet. De naam klinkt academisch, maar het concept is intuïtief: je neemt de taalvaardigheid van een neuraal netwerk en begrenst die binnen de strakke logica van een symbolische redeneermachine. Het neurale net doet het "zachte" werk — natuurlijke taal begrijpen, voor mensen leesbare antwoorden genereren, dubbelzinnige vragen interpreteren. De symbolische machine doet het "harde" werk — regels afdwingen, logica valideren, ervoor zorgen dat elke output herleidbaar is tot een geverifieerde bron.

Wij noemen dit de Neuro-Symbolische Sandwich. Voordat een query het LLM bereikt, toetst een intentievalidatielaag hem aan beleidsbeperkingen en screent op vijandige input. Nadat het LLM een antwoord heeft gegenereerd, controleert een validatie-engine — meestal een Finite State Machine of een logica-solver — elke bewering aan de kennisgraaf en elke actie aan de bedrijfsregels. Schendt het antwoord ook maar één beperking, dan komt het er niet door. Punt uit.

Er is een techniek die we gebruiken, constrained decoding — ook bekend als token masking — die ik bijzonder elegant vind. In plaats van het model vrij te laten genereren en daarna de output te controleren, verhinderen we fysiek dat bepaalde tokens überhaupt worden gegenereerd. Als het model een belastingcompliancerapport produceert, zorgt de symbolische laag ervoor dat elk getal overeenkomt met een geverifieerde berekening. Het model kan letterlijk geen getal hallucineren, omdat de gehallucineerde tokens uit de kansverdeling worden gemaskeerd voordat de generatie plaatsvindt.

Dit is geen "guardrails toevoegen". Dit is een fundamenteel andere architectuur waarin het LLM de stem is en de symbolische engine het brein, en waarin de stem nooit mag spreken zonder goedkeuring van het brein.

Toen de kennisgraaf ons behoedde voor een fout van $2 miljoen

Standaard RAG — retrieval-augmented generation — heeft een probleem waar de meeste mensen niet over praten. Het steunt op vectorgelijkenis om relevante documenten te vinden. Maar vectorgelijkenis begrijpt richting niet. "Bedrijf A klaagde Bedrijf B aan" en "Bedrijf B klaagde Bedrijf A aan" hebben mogelijk vrijwel identieke vector-embeddings, maar ze beschrijven volledig tegengestelde juridische situaties.

We ontdekten dit op de harde manier tijdens een juridische pilot. Ons systeem analyseerde de procesgeschiedenis van een zakelijke klant, en de standaard RAG-opzet bleef de rollen van eiser en gedaagde door elkaar halen. De output was vloeiend, goed gestructureerd en gevaarlijk fout.

Toen zijn we overgestapt op wat wij Citation-Enforced GraphRAG noemen. In plaats van documenten in een vectorstore te dumpen, ontleden we ze tot een kennisgraaf — entiteiten verbonden door getypeerde, gerichte relaties. Wanneer het systeem een bewering doet, moet het die bewering herleiden tot specifieke knopen en verbindingen in de graaf. Kan de graaf de bewering niet onderbouwen, dan doet het systeem haar niet.

De verbetering in nauwkeurigheid was dramatisch — 30-35% hoger dan standaard RAG bij complexe multi-hop-redeneertaken. Maar belangrijker nog, het gaf ons iets wat geen enkele hoeveelheid prompt-engineering kon geven: een audittrail. Elke output kan worden herleid via het exacte redeneerpad, van entiteit naar entiteit, van relatie naar relatie. Een compliance officer kan zien waarom het systeem tot een conclusie kwam, niet alleen wat het concludeerde.

Voor de volledige technische uiteenzetting van hoe deze architectuur werkt in verschillende domeinen — bankwezen, juridisch, productie — zie onze technische verdieping.

Het meningsverschil dat mijn team bijna splitste

Ik wil ergens eerlijk over zijn. Op deze manier bouwen is moeilijker. Aanzienlijk moeilijker. En er was een moment, misschien achttien maanden geleden, waarop mijn team een oprechte discussie had over de vraag of we niet aan het overengineeren waren.

We zaten in een vergaderzaal — whiteboards vol architectuurdiagrammen — en een van onze senior engineers betoogde dat we een wrapper-gebaseerde MVP moesten uitbrengen voor een klant uit de maakindustrie. "Zorg dat er omzet binnenkomt, bewijs het concept, verstevig de architectuur later." Het was een redelijk argument. De klant stond te popelen. De planning was krap. En elke concurrent in ons vakgebied bracht wrapper-producten uit en sleepte deals binnen.

Ik herinner me de stilte nadat hij was uitgesproken. Toen haalde Priya — dezelfde engineer die de spookbronvermelding had betrapt — een slide tevoorschijn die ze al een tijd achter de hand hield. Hij toonde drie praktijkgevallen uit het voorgaande kwartaal waarin wrapper-gebaseerde AI-systemen output hadden gegenereerd die, als ernaar was gehandeld, wettelijke vereisten zou hebben geschonden. Geen hypothetische overtredingen. Echte, alleen opgemerkt omdat er toevallig mensen meekeken.

Ik nam de beslissing om koers te houden. We verloren die deal aan een concurrent die sneller leverde. Zes maanden later produceerde het systeem van die concurrent een compliance-overtreding die hun klant een herstelactie van miljoenen kostte. De klant kwam bij ons.

Snelheid zonder correctheid is geen concurrentievoordeel. Het is een risico met een vertraagde lont.

Ik vertel dit verhaal niet om vooruitziend te lijken. Ik vertel het omdat de druk om snel te leveren en later te itereren enorm is, en in de meeste softwarecontexten is dat het juiste instinct. Maar in gereguleerde sectoren — bankwezen, zorg, juridisch, productie — betekent "later itereren" "repareren na de overtreding". En overtredingen in deze domeinen komen niet met een respijtperiode.

Waarom 2026 het jaar is waarin de rekening wordt gepresenteerd

Hier is het macroplaatje. McKinsey ontdekte dat 88% van de organisaties AI gebruikt, maar dat slechts 39% op ondernemingsniveau een positief effect op de winst kan aanwijzen. Die kloof wordt binnenkort onhoudbaar.

De "investeren en leren"-fase van AI-adoptie is voorbij. CFO's vragen niet meer: "Gebruiken we AI?" Ze vragen: "Wat is het effect op de EBIT?" En voor de meeste organisaties luidt het eerlijke antwoord: "We hebben wat tijd bespaard op administratieve taken."

Dat is niet genoeg. Tijd besparen op e-mails en presentaties is "Productiviteits-AI" — nuttig maar incrementeel. Wat bedrijven werkelijk nodig hebben is "Operationele AI" — systemen die harde financiële frictie in de fysieke economie wegnemen. Voorraadtekorten voorkomen. Compliance-overtredingen opsporen voordat ze plaatsvinden. De jaarlijkse kosten van $890 miljard aan retourzendingen in de detailhandel terugdringen door accurate virtuele pasfuncties te bieden in plaats van door AI gegenereerde fantasiebeelden die er geweldig uitzien maar niet weergeven hoe stof daadwerkelijk om een menselijk lichaam valt.

Het Klarna-verhaal is hier leerzaam omdat hun cijfers leken op ROI. Kosten per transactie 40% omlaag! Maar ze maten het verkeerde. Ze maten bespaarde tijd en geschrapte arbeidsplaatsen. Ze maten niet het geërodeerde vertrouwen en de verloren klanten. Als je de kosten van het opnieuw aannemen, de merkschade en het Q1-verlies van $99 miljoen meerekent, verdampen de "besparingen".

De bedrijven die in 2026 zullen winnen, zijn degenen die voorkómen operationele verliezen meten, niet bespaarde uren. Degenen die AI inzetten die 's nachts 10.000 scenario's van verstoringen in de toeleveringsketen kan simuleren en crisisherstelplannen kan bouwen die geen enkel menselijk team in een decennium zou kunnen produceren. Degenen wier AI-systemen hun redenering aan een toezichthouder kunnen bewijzen, en niet alleen een overtuigende alinea produceren.

Hoe zit het met de mensen?

Mensen verzetten zich altijd tegen deze framing. "Als AI zo goed wordt, wat gebeurt er dan met de mensen?"

Ik denk dat het antwoord het tegenovergestelde is van wat de meeste mensen verwachten. De organisaties die diepgaande, architectonisch degelijke AI inzetten hebben niet minder mensen nodig — ze hebben andere mensen nodig. De traditionele consultancypiramide, met haar enorme basis van junior analisten die datasynthese en presentaties maken, stort in. AI doet dat werk sneller en beter. Maar de behoefte aan senior oordeelsvermogen, strategisch denken, ethisch toezicht en oprechte menselijke empathie overleeft niet alleen — ze neemt juist toe.

Wat opkomt is iets wat de sector het "Obelisk"-model noemt: slankere, expertzwaardere teams waarin professionals aan het begin van hun loopbaan "AI-facilitators" zijn die AI-workflows ontwerpen en beheren, professionals halverwege hun loopbaan "engagement-architecten" zijn die bepalen welke problemen het oplossen waard zijn, en senior leiders zich richten op het diep menselijke werk van vertrouwen opbouwen en omgaan met dubbelzinnigheid.

McKinsey's interne AI-assistent "Lilli" wordt gebruikt door 72% van hun personeel en heeft de onderzoekstijd met 30% verkort. BCG's "Deckster" automatiseert het maken van presentaties. Maar geen van beide firma's krimpt. Ze herstructureren — volume vervangen door precisie, gefactureerde uren door geleverde resultaten.

De fout van Klarna was niet het gebruik van AI. Het was AI gebruiken als vervanging van mensen in plaats van als versterker van menselijk vermogen. Dat onderscheid klinkt subtiel. Dat is het niet. Het is het verschil tussen een besparing van $10 miljoen en een verlies van $99 miljoen.

De architectuur van vertrouwen

Ik wil afsluiten met iets wat me bezighoudt sinds die late avond waarop Priya de spookbronvermelding vond.

We beleven een moment waarop AI-systemen output kunnen produceren die niet te onderscheiden is van het werk van menselijke experts — en die toch volledig en zelfverzekerd fout is. Dit is geen tijdelijke beperking die door GPT-6 of GPT-7 wordt opgelost. Het is een inherente eigenschap van hoe probabilistische taalmodellen functioneren. Ze optimaliseren voor plausibiliteit, niet voor waarheid. En in domeinen waar waarheid ertoe doet — waar een fout antwoord een compliance-overtreding, een verkeerde diagnose of een verzonnen juridisch precedent betekent — is plausibiliteit het gevaarlijkste wat er bestaat.

De oplossing is niet om AI op te geven. De oplossing is om AI-systemen te bouwen waarin waarheid architectonisch wordt afgedwongen, niet probabilistisch wordt gehoopt. Waarin elke bewering herleidbaar is tot een geverifieerde bron. Waarin het systeem letterlijk geen output kan genereren die de regels schendt van het domein waarin het opereert. Waarin de audittrail geen functie is — maar het fundament.

Dit is wat we bij Veriprajna bouwen. Niet omdat deterministische AI makkelijker is — het is aanzienlijk moeilijker. Niet omdat het beter demonstreert — wrappers demonstreren prachtig. Maar omdat in sectoren die zich niet kunnen veroorloven te gokken, de enige duurzame architectuur er een is die gokken onmogelijk maakt.

Klarna leerde deze les tegen de prijs van 700 banen, een CSAT-daling van 22% en een kwartaalverlies van $99 miljoen. De vraag voor elke bedrijfsleider die dit leest is eenvoudig: wil je het leren van hun verhaal, of van je eigen?

De toekomst van enterprise-AI draait niet om taalmodellen slimmer maken. Ze draait erom ze verantwoordelijk te maken — architectonisch, aantoonbaar, onveranderlijk verantwoordelijk.

Het wrapper-tijdperk is voorbij. Wat erna komt zal moeilijker te bouwen zijn, langzamer uit te brengen, en elke extra maand engineering waard. Want uiteindelijk is het enige AI-systeem dat het inzetten waard is er een waar je je bedrijf op zou durven verwedden. En je moet je bedrijf nooit verwedden op een systeem dat zijn werk niet kan tonen.