Ik heb deze week meerdere oprichtersdivisies gezien, zowel van teams waar partners recentelijk elkaar hebben ontmoet en besloten hebben om samen te bouwen. Ze hebben alle aanbevolen stappen doorlopen om elkaar te screenen - diepgaande werkproeven, persoonlijkheidsbeoordelingen, een heleboel backchannel referenties - maar toch, toen er een periode van echte conflicten ontstond, begonnen de losse eindjes zichtbaar te worden en de misalignment kwam naar boven. Ze hadden de integriteit en het vooruitzicht om die voortekenen te zien en actie te ondernemen. Wat dit me steeds herinnert, is dat zelfs de beste "oprichter screening" zelden de textuur van echte gedeelde geschiedenis recreëert. Voormalige collega's die moeilijke dingen hebben geleverd. Schoolgenoten die samen nachten doorhaalden. Het kind aan de overkant van de straat met wie je in het weekend codeerde voordat oprichterskapitaal zelfs maar een concept voor je was. Die soort geschiedenis wordt een schokdemper wanneer dingen moeilijk worden. Het is niet zo dat nieuwe combinaties niet kunnen werken - dat kunnen ze - maar oprichters zouden eerst moeten kijken naar mensen met wie ze al een reputatie hebben. Gedeelde context garandeert geen alignment, maar het vergroot de kans enorm dat de relatie buigt in plaats van breekt.

In 2026 verwacht ik dat we de geboorte van de eerste AI-native universiteit zullen zien. In de afgelopen jaren hebben universiteiten geëxperimenteerd met AI-ondersteunde beoordeling, tutoring en planning. Maar wat nu opkomt is dieper, een adaptieve academische organisatie die in real-time leert en zichzelf optimaliseert. Stel je een instelling voor waar cursussen, advies, onderzoeks samenwerking en zelfs gebouwoperaties continu zich aanpassen op basis van dataterugkoppelingsloops. Schema's optimaliseren zichzelf. Lezenlijsten evolueren 's nachts en herschrijven zichzelf naarmate er nieuw onderzoek verschijnt. Leerpaden verschuiven in real-time om aan het tempo en de context van elke student te voldoen. We zien al voorlopers. De campusbrede samenwerking van ASU met OpenAI heeft honderden AI-gedreven projecten opgeleverd in het onderwijs en de administratie. SUNY integreert nu AI-geletterdheid in zijn algemene onderwijseisen. Dit zijn de bouwstenen voor een meer fundamentele inzet. In de AI-native universiteit worden professoren architecten van leren, die data cureren, modellen afstemmen en studenten leren hoe ze machine-redenering kunnen ondervragen. Beoordeling verschuift ook. Detectietools en plagiaatverboden maken plaats voor AI-bewuste evaluatie, waarbij studenten worden beoordeeld op hoe ze AI gebruiken, niet of ze het hebben gebruikt. Transparantie en tactvolle toepassing vervangen verbod. En terwijl elke industrie worstelt om mensen te vinden die AI-systemen kunnen ontwerpen, besturen en samenwerken, wordt deze nieuwe universiteit de trainingsgrond, die afgestudeerden produceert die vloeiend zijn in orkestratie en helpen een snel veranderende arbeidsmarkt te versterken. Deze AI-native universiteit zal de talentmotor worden voor een nieuwe economie. Denk je dat er in 2026 een AI-native universiteit zal ontstaan? Laat je gedachten achter in de reacties.