Europa als slimme volger in het AI-tijdperk

In het artikel The Smart Second Mover wordt betoogd dat niet elke race het waard is om direct aan mee te doen. Zeker in technologische contexten is het soms strategisch slimmer om pas te bewegen wanneer de contouren van de winnaar zich beginnen af te tekenen. “Beter goed gepikt, dan slecht bedacht.” Het is een gedachte die aansluit bij de huidige AI-wedloop, waarin Europa zich wellicht beter kan positioneren als slimme volger dan als achtervolgende uitvinder.

Europa loopt niet voorop – en dat is prima

De realiteit is dat Europa de AI-race zoals die nu gevoerd wordt, niet kan winnen. De combinatie van hoge energiekosten, logge ruimtelijke ordening, fragmentatie van infrastructuren en een overgereguleerd ondernemersklimaat maakt het onmogelijk om de schaal en snelheid van de VS of China te evenaren. Voeg daarbij een AI-wetgevingskader dat eerder afremt dan stimuleert en het lijkt logisch om niet blindelings mee te racen.

Maar in die ogenschijnlijke zwakte schuilt juist kracht. Europa lijkt vandaag op Amerika van de 19e eeuw: niet de uitvinder van de technologie, maar wél in het bezit van een immense thuismarkt, goed opgeleide arbeidskrachten en sterke industriële sectoren – van machinebouw en farmacie tot automotive – die allemaal kunnen profiteren van AI. Het gaat niet om het bouwen van grote modellen, maar om het slim en effectief inzetten van bestaande technologie. Dáár ligt onze kans.

De hype voorbij – van Dunning-Kruger naar waardecreatie

De hype rond AI kent sterke gelijkenis met het Dunning-Kruger-effect: wie weinig weet, denkt alles te snappen. Dit wordt treffend de ‘Mount of Stupidity’ genoemd: de piek van onrealistische verwachtingen, gevolgd door een onvermijdelijke teleurstelling. Tijdens die hype verdienen vooral consultants en zelfbenoemde specialisten. Bedrijven zelf? Die verbranden meer geld dan ze verdienen.

We zijn momenteel in de ‘Valley of Despair’ beland en van daaruit moeten we langzaam onze kennis en ervaring opbouwen. Net zoals we in 2001 de internet-bubble achter ons moesten laten. Maar laten we dat op onze eigen manier doen.

De les: volwassen waardecreatie begint pas ná de hype. En daar zit Europa nu! De tijd van grote beloften is voorbij; de tijd van slimme integratie breekt aan. Daar moeten we op gaan acteren.

De slimme volger: integreren in plaats van inhalen

In plaats van kostbare inhaalmanoeuvres te proberen in modelbouw, kan Europa zich richten op AI-adoptie in bestaande industrieën. Net zoals bij de cloudtransitie zagen we dat distributie en toepassing krachtiger zijn dan pure infrastructuur. Dat geldt dat ook voor AI. Als generatieve AI steeds meer commodity wordt – vergelijkbaar, inwisselbaar, goedkoop – verschuift de waarde naar degene die het slimst toepast. Dus geen grote centrale infrastructuren bouwen, maar decentraal gaan. Sectorgerichte decentrale intelligentie.

Het gevaar is immers dat we onze industrieën opnieuw laten verworden tot ‘domme pijpen’ – zoals gebeurde met onze telecombedrijven – of hoge afdracht laten betalen aan dominante platforms, zoals in de hotelbranche. AI dreigt eenzelfde pad te volgen: wij gebruiken, Silicon Valley verdient. Dat moeten we voorkomen. Geen centralisatie maar juist sectorspecifieke decentralisatie.

Van regulering naar deregulering – tijd voor snelheid

Europa is goed in regels. Maar als slimme volger moet je vooral snel zijn in toepassingen. Snel experimenteren, snel integreren, snel leren. We moeten bedrijven ruimte geven om met minimale vertraging AI toe te passen in fabrieken, laboratoria en kantoren. Laat concurrentie tussen AI-aanbieders bloeien, juist om lock-in en platformdominantie te voorkomen.

Regelgeving moet niet langer sturen op veiligheid alleen, maar op waardecreatie. Security by design en verder vooral open standaarden, dataportabiliteit en interoperabiliteit als nieuwe fundamenten. Alleen zo houden bedrijven controle over hun innovaties én hun marges. Met voldoende basis veiligheid en cybersecurity in de gebruikte platformen. 

Dataportabiliteit en sectorspecifieke commons

Een krachtig voorbeeld van slimme regulering was PSD2, waarmee banken werden gedwongen hun API’s open te stellen. Dit leidde tot een bloeiend fintech-ecosysteem, zónder dat er nieuwe banken gebouwd hoefden te worden. Europa zou die aanpak kunnen herhalen met AI.

In plaats van te mikken op één Europese “data-infrastructuur”, moeten we sectorspecifieke datacommons creëren. Gezamenlijke datasets, toegespitst op industrieën waarin Europa wél sterk is. Daarmee creëren we structurele schaalvoordelen die niet afhankelijk zijn van Silicon Valley-modellen. Juist daar ligt de kracht van Europa, zoals beschreven in de blog ‘Van zijderoute naar dataknooppunt: Europa’s digitale Renaissance’. 

Van onderwijsversnippering naar leerlaboratorium

De AI-revolutie stelt ook het onderwijssysteem op de proef. Niemand weet nog hoe het AI-onderwijs van morgen eruit moet zien. Maar juist Europa’s versplinterde onderwijslandschap kan hier een voordeel zijn. Laat lidstaten experimenteren met diverse modellen, organiseer gecontroleerde studies en deel best practices. Een multinationaal leerlab waarin we sneller ontdekken wat écht werkt.

Conclusie: een slimme strategie voor een slim continent

Europa moet de AI-wedloop niet willen winnen zoals Amerika of China dat doen. In plaats daarvan kunnen we winnen als slimme volger: door technologie strategisch te integreren, regelgeving als hefboom in te zetten en nationale industriële kracht om te zetten in concurrentievoordeel. Zoals we deden met Airbus en Galileo. Geen AI-industrie bouwen vanuit niets, maar AI slim verweven in wat er al is. Met de regels en wetgeving die wij hoog achten, maar als overheden vooral de industrie vrijlaten dat initiatief te nemen, te trekken en te ondersteunen.

Of, zoals de auteur het verwoordt: ‘liever goed gepikt dan slecht bedacht’.

Photo by Josh Willink

————————— Translated by ChatGPT  ———————————

Better Smartly Copied Than Badly Invented

Europe as a smart follower in the AI era

In the article The Smart Second Mover, Luis Garicano argues that not every race is worth joining from the start. In technology especially, it is often wiser to move once the contours of the winners become clear. “Better smartly copied than badly invented.” This principle fits Europe’s position in today’s global AI race. Rather than striving to lead at any cost, we might gain more by playing the smart follower.

Europe is not leading – and that’s perfectly fine

Let’s face it: Europe will not win the AI race as it’s currently unfolding. High energy prices, spatial constraints, fragmented infrastructure, and an overly regulated business environment prevent us from matching the scale and speed of the US or China. Add an AI regulatory framework that emphasizes caution over innovation, and it becomes evident that racing to catch up is a dead-end strategy.

But within that apparent weakness lies strength. Europe today resembles 19th-century America—not the originator of new technologies, but a vast internal market with skilled workers and strong industries. From machinery and automotive to pharmaceuticals, Europe has everything to benefit from AI. Our opportunity is not in building the biggest models but in applying existing tools wisely and effectively.

Beyond the hype – from Dunning-Kruger to value creation

The current AI craze strongly mirrors the Dunning-Kruger effect: those who know little, claim to know everything. Gartner’s Hype Cycle captures this well with its ‘Peak of Inflated Expectations’—what we might jokingly call the “Mount of Stupidity.” Consultants and self-proclaimed experts thrive at this stage. Companies? They often waste more than they gain.

The lesson: real value creation begins after the hype. And that’s precisely where Europe finds itself now.

The smart follower: integration over invention

Instead of investing billions to catch up in foundation model development, Europe should focus on adopting AI into its existing industrial ecosystems. As we’ve seen in the evolution of cloud computing, value often lies not in the infrastructure itself but in distribution and intelligent use.

We must avoid repeating the mistake of turning our industries into “dumb pipes,” as we did with telecom—relying on others for platforms, data, and value extraction. AI risks following the same path: Europe uses it, Silicon Valley profits. We must act now to retain control and value locally.

From regulation to liberation – we need speed

Europe is good at rules. But a smart follower needs speed. We must empower companies to experiment quickly, implement efficiently, and learn fast. Competition between AI vendors should be encouraged—not stifled—to prevent new dependencies and monopolies.

Regulation must evolve from simply ensuring safety to actively enabling value. Interoperability, data portability, and open standards are key. That’s how we keep ownership of our innovations and our margins.

Data portability and sector-specific commons

A good example of smart regulation is PSD2, which forced banks to open their APIs—unlocking a vibrant fintech ecosystem without needing new banks. Europe should repeat that strategy with AI.

Instead of aiming for one European data infrastructure, we should build sector-specific data commons. Shared datasets focused on industries where Europe is strong. This creates structural advantages that do not depend on Big Tech or foreign models. That is precisely where Europe’s strength lies, as described in the blog From Silk Road to Data Hub: Europe’s Digital Renaissance.

From fragmented education to living labs

AI also challenges our educational system. No one yet knows what AI education should look like tomorrow. But Europe’s fragmented educational landscape can be an asset here. Let member states experiment with different models, set up controlled studies, and openly share best practices. A multinational learning lab to accelerate discovery.

Conclusion: a smart strategy for a smart continent

Europe should not try to win the AI race in the same way the US or China do. Instead, we must excel as a smart second mover: strategically integrating technology, using regulation as a lever, and translating industrial strength into competitive advantage. Not building an AI industry from scratch, but weaving AI intelligently into what already exists.

As the original author puts it: better smartly copied than badly invented.