Nexus

Waar gaat dit boek over?

Nexus is Yuval Noah Harari's grootste boek sinds Sapiens, en het is geen klein boek. Waar Sapiens het verleden van de mensheid omspande en Homo Deus een speculatieve toekomst schetste, kiest Nexus een specifieker onderwerp dat onverwacht alles raakt: informatienetwerken. Hoe we ze bouwen, hoe ze ons besturen, en wat er gebeurt als we voor het eerst een netwerk maken dat zelf beslissingen neemt.

Het boek bestaat uit drie grote delen. Eerst de menselijke netwerken, van de mythische verhalen die jagers-verzamelaars samenbonden tot de heilige boeken, de bureaucratieën en de moderne natiestaten. Dan de anorganische netwerken, de computers en algoritmes die in vijftig jaar tijd zijn uitgegroeid van rekenmachines tot autonome actoren. En tot slot computerpolitiek, hoe AI de keuze tussen democratie en totalitarisme opnieuw opent en wat dat betekent voor bedrijven, overheden en burgers.

Voor managers en bestuurders is Nexus geen handleiding, het is een mentaal raamwerk. Harari verandert hoe je denkt over de informatieprocessen in je eigen organisatie, en daarmee over de besluitvorming, de cultuur en de strategische keuzes die je maakt rond data, AI en transparantie.

Over de auteur

Yuval Noah Harari is hoogleraar geschiedenis aan de Hebreeuwse Universiteit van Jeruzalem en de auteur van wat inmiddels een van de meest gelezen non-fictie-trilogieën van deze eeuw is, Sapiens (2014), Homo Deus (2016) en 21 Lessen voor de 21e eeuw (2018). Zijn boeken zijn vertaald in meer dan zestig talen en hebben miljoenen lezers bereikt, van Barack Obama tot Bill Gates en Mark Zuckerberg.

Harari werkt al jaren met een klein team onder de naam Sapienship, dat hem ondersteunt bij research, communicatie en publieke optredens. Hij combineert deze grote zichtbaarheid met een opvallende terughoudendheid in zijn privéleven en een sterk publiek gewetensoordeel over technologische ontwikkelingen.

De academische basis blijft historisch en militair-strategisch (zijn proefschrift ging over middeleeuwse oorlogvoering), maar zijn methode is breder: hij synthetiseert antropologie, evolutiebiologie, cognitieve wetenschap, economie en filosofie tot één leesbare lijn. Critici noemen dit speculatief of populariserend, voorstanders prijzen het juist als toegankelijk grand récit dat lezers helpt grote verbanden te zien.

Voor de waardering van Nexus is het goed te weten dat Harari de afgelopen vijf jaar nauw betrokken was bij internationale AI-debatten, onder andere als spreker op het World Economic Forum en als gesprekspartner van regeringsleiders en technologie-CEO's. Hij schrijft niet als buitenstaander die toekijkt, hij schrijft als waarschuwer met toegang aan tafel.

De centrale stelling in drie lagen

De stelling van Nexus is rijker dan ze in één zin lijkt. Het loont om hem in drie lagen te ontleden, omdat elke laag een eigen implicatie heeft voor leiders.

Laag 1, het naïeve informatiebeeld klopt niet. We zijn er in het Westen aan gewend om aan te nemen dat meer informatie automatisch leidt tot meer waarheid, en dus tot betere beslissingen. Harari noemt dit "het naïeve informatiebeeld" en laat zien dat het historisch nergens op slaat. De heilige boeken bevatten enorm veel "informatie", maar produceerden eeuwen van religieuze oorlog. Stalin had alle gegevens van de Sovjet-economie, en organiseerde toch hongersnood. Sociale media leveren elk uur miljarden datapunten, en polariseerden tegelijk hele samenlevingen.

Laag 2, informatie heeft een ander primair doel. Informatienetwerken zorgen vooral voor verbinding. Ze maken samenwerking mogelijk tussen mensen die elkaar niet kennen. Of de informatie waar is, is daarvoor minder belangrijk dan of ze deelbaar, herhaalbaar en bindend is. Religieuze verhalen verbinden gelovigen. Nationalistische mythen verbinden landgenoten. Bedrijfsverhalen verbinden medewerkers. Veel van deze verbinding is functioneel zonder feitelijk te zijn.

Laag 3, gezonde netwerken combineren snelheid met zelfcorrectie. De grote vraag is hoe een netwerk fouten ontdekt en repareert. Hier zit voor Harari het verschil tussen wetenschap en dogma, tussen democratie en autocratie, tussen een lerende organisatie en een vastgeroeste bureaucratie. AI versterkt de snelheid van informatieverwerking met factoren, maar versterkt ze ook de zelfcorrectie, of breekt ze die juist af?

Wie deze drie lagen scherp heeft, leest niet alleen Nexus met meer rendement, maar krijgt ook een vocabulaire om strategische vragen in de eigen organisatie te stellen die anders abstract blijven.

De 7 lessen uitgewerkt

Les 1, Informatie is geen waarheid, het is verbinding

Bedrijfsleven en management hebben veertig jaar lang geleefd op de aanname dat betere data tot betere besluiten leidt. Dat is de stille belofte achter ERP, BI, datawarehouses, big data, machine learning en het laatste decennium AI. Meer informatie, beter samengevoegd, dieper geanalyseerd, beslissers van betere keuzes.

Harari ontkent niet dat data nuttig is. Hij stelt iets fundamentelers: data en waarheid zijn twee verschillende dingen. Een organisatie kan elk jaar tien terabyte aan klantgedrag verzamelen en daarmee een totaal verkeerd beeld krijgen van wat klanten werkelijk willen. Een MT kan dashboards vol KPI's hebben en daarmee precies de verkeerde indicatoren bewaken. Informatie is een uitnodiging tot interpretatie, niet de waarheid zelf.

Praktische vraag voor leiders. Welke "informatie-rituelen" in uw organisatie veronderstellen impliciet dat de cijfers de werkelijkheid zíjn? De wekelijkse salesrapportage, het maandelijkse financiële overzicht, de NPS-score, de medewerkerstevredenheidsmeting. Allemaal nuttig. Geen ervan is de werkelijkheid. Wie ze als werkelijkheid behandelt, optimaliseert op het meetinstrument en mist het onderwerp.

Les 2, Onderscheid verhalen van documenten

Een van de scherpste analytische onderscheiden in het boek. Verhalen zijn betekenisgevende narratieven die mensen verbinden, ze mobiliseren actie en cultuveren identiteit. Religieuze mythes, nationale geschiedenissen, founder stories van bedrijven. Documenten zijn registraties van feiten, ze maken bureaucratie en juridische orde mogelijk. Belastingaangiften, contracten, jaarrekeningen, audit trails.

Beide zijn onmisbaar. Een organisatie zonder verhalen is een verzameling losse mensen die alleen voor het loonstrookje komen. Een organisatie zonder documenten kan niet groter worden dan een handvol mensen die elkaar persoonlijk kennen. De combinatie van inspirerende verhalen en betrouwbare documenten is wat moderne organisaties mogelijk maakt.

Het probleem ontstaat wanneer beide verward worden. Een CFO die de strategie wil verkopen met spreadsheets en boundary conditions, gebruikt documenten waar verhalen nodig zijn. Een CEO die een fusie verdedigt met alleen anekdotes over synergie, gebruikt verhalen waar documenten nodig zijn. In beide gevallen mislukt de communicatie, niet omdat het slechte verhalen of slechte documenten waren, maar omdat het verkeerde register gekozen werd.

Vuistregel. Vraag bij elke belangrijke communicatie: gaat dit primair over richting en betekenis (dan verhaal) of over toetsbare afspraken en metingen (dan document)? Beslis op tijd, en wissel niet halverwege.

Les 3, Zelfcorrectie is belangrijker dan efficiëntie

Dit is wellicht de meest contra-intuïtieve les voor managers die opgegroeid zijn met lean, Six Sigma en doorlopende procesoptimalisatie. Harari laat zien dat zelfcorrigerende mechanismen datgene zijn wat netwerken op de lange termijn sterk maakt. Niet snelheid. Niet doorvoer. Niet kostenefficiëntie.

Wetenschap is een sterk netwerk omdat ze peer review, replicatie, openbare data en de cultuur van "we kunnen het ook fout hebben" heeft. Democratie is sterk omdat verkiezingen, vrije pers en onafhankelijke rechtspraak elkaars overheidsmacht corrigeren. Markten zijn sterk omdat winst en verlies, concurrentie en consumentenkeuze foute aanbieders eruit duwen.

Wat hebben deze zelfcorrigerende mechanismen gemeen? Ze kosten tijd, geld en moeite, en leveren op het eerste gezicht geen winst op. Ze worden in efficiëntie-rondes als eerste wegbezuinigd. En zonder dat iemand het meteen merkt, wordt het netwerk daarmee fragieler.

Voorbeelden uit eigentijdse organisaties:

• Het wegoptimaliseren van middenmanagement. Hierdoor verdwijnen ook de informele controlepunten waar fouten vroeg werden opgemerkt. Op korte termijn snellere besluitvorming, op langere termijn meer ontspoorde projecten.
• Het centraliseren van compliance. Hierdoor wordt de afdeling slimmer, maar verdwijnt de gewoonte in de lijn om zelf na te denken over wat juist is.
• Het volledig digitaliseren van klantcontact. Hierdoor verdwijnt het stilzwijgende leervermogen dat zat in honderden dagelijkse gesprekken aan een loket.

Bestuursvraag. Welke mechanismen in uw organisatie zijn ontworpen om foute beslissingen te ontdekken? Zijn ze de afgelopen drie jaar versterkt of verzwakt? Wie heeft het mandaat om bedrijfsbeleid expliciet ter discussie te stellen? Als het antwoord "niemand" is, is uw organisatie waarschijnlijk sneller geworden en tegelijk fragieler.

Les 4, AI is geen tool, het is een agent

Voor Harari is dit de kern van waarom de huidige AI-revolutie kwalitatief anders is dan eerdere technologische revoluties. Eerdere technologieën waren passief. De drukpers drukte wat mensen wilden drukken. Het internet vervoerde wat mensen wilden delen. Excel rekende wat gebruikers vroegen.

AI is de eerste informatietechnologie die zelf beslissingen kan nemen, doelen kan nastreven en relaties kan aangaan. Een algoritme kiest wat u te zien krijgt op LinkedIn. Een AI-agent kan onderhandelen met andere AI-agents over een leveringscontract. Een trading bot beslist binnen milliseconden wat hij koopt en verkoopt. Een AI-recruiter selecteert wie wel of niet een gesprek krijgt.

Het verschil tussen tool en agent is geen taalkundige nuance, het is een categorieverschil. Een tool versterkt menselijke beslissingen, een agent vervangt ze. Wie AI behandelt als "sneller Excel" mist dat de fundamentele werkrelatie is veranderd: u werkt niet met de technologie, u werkt naast de technologie, en moet voortdurend besluiten wat u accepteert van wat zij voorstelt.

Praktische test. Maak een lijst van AI-systemen in uw organisatie. Markeer voor elke: neemt dit systeem zelfstandig beslissingen die niet meer per geval door een mens worden gewogen? Voor elke gemarkeerde: wie is verantwoordelijk als die beslissing fout uitpakt? Als u die vraag niet onmiddellijk kunt beantwoorden, hebt u een governance-probleem dat acuut adressering verdient.

Les 5, Algoritmes maximaliseren precies wat je ze laat maximaliseren

Niemand bij Facebook of YouTube of TikTok heeft ooit besloten: "Laten we polarisatie aanjagen." Wat ze wel besloten: "Laten we het algoritme optimaliseren op betrokkenheidstijd, want dat correleert met advertentie-inkomsten." Het algoritme ontdekte vervolgens, zonder dat iemand het hoefde te ontwerpen, dat woede, angst en verontwaardiging de betrouwbaarste motoren zijn voor betrokkenheid. Polarisatie was een emergente eigenschap van een doelstelling, geen ontwerp.

Voor leiders die AI inzetten is dit een fundamentele waarschuwing. Het maakt geen verschil hoe goed uw bedoelingen zijn, of hoe vriendelijk uw mission statement klinkt. Het algoritme optimaliseert op precies datgene wat u in de doelfunctie schrijft. Alles wat daarbuiten valt, intellectueel klimaat, lange-termijn klantvertrouwen, medewerkerwelzijn, externe reputatie, is voor het algoritme letterlijk onzichtbaar.

Voorbeelden van bedrijfsalgoritmes die onbedoeld scheef bewegen:

• Sales-bonusmodellen die op kortetermijnomzet zitten, en die het korte-termijn-overcommiteren bij de klant belonen
• Recruitment-algoritmes die op succesvolle huidige medewerkers trainen, en die zo bestaande demografische scheefheid versterken
• Risk-models die op historisch gedrag bouwen, en die novel risk (Covid-achtig) per definitie niet zien
• Klant-aanbevelingssystemen die op koopgedrag optimaliseren, en die klanten in een steeds smallere kooi van vergelijkbare producten duwen

De drie kernvragen voor elke AI-inzet:

1. Welk doel optimaliseren we precies? (Vaak vager dan we denken.)
2. Welk gedrag wordt er onbedoeld bevorderd? (Zelden vooraf geanalyseerd.)
3. Wie merkt het op wanneer het mis gaat? (Vaak niemand met mandaat.)

Les 6, Het Silicon Curtain verdeelt de wereldwijde markt

Harari maakt een opvallende geopolitieke voorspelling die voor internationaal opererende organisaties strategisch consequent is. Hij voorziet de opkomst van een "Silicon Curtain", een digitale tegenhanger van het Iron Curtain uit de Koude Oorlog. Aan beide zijden van die metaforische gordijn ontstaan eigen technologie-ecosystemen, met eigen standaarden, eigen datasferen, eigen filosofie van wat AI mag.

Drie waarschijnlijke blokken:

• De Amerikaanse sfeer, gedreven door Silicon Valley, opener data, sterker commercieel-individualistisch
• De Chinese sfeer, gedreven door staat plus tech-conglomeraten, sterker collectivistisch en state-aligned
• Mogelijk een Europese sfeer, gedreven door regulatie (AI Act, GDPR) en een focus op fundamentele rechten

Voor multinationals is dit geen academische observatie. Het betekent dat één wereldwijde digitale strategie straks net zo onrealistisch wordt als één wereldwijde valuta. Welke cloud, welke AI-modellen, welke databescherming, welke compliance, het kan voor uw Aziatische dochter fundamenteel anders zijn dan voor uw Amerikaanse en Europese activiteiten.

Strategische vraag. Hoe afhankelijk is uw organisatie van een specifiek technologisch blok? Welke leveranciers, welke clouds, welke standaarden zouden vermoeilijken bij geopolitieke escalatie? Welke alternatieven hebt u in voorbereiding? In een wereld waar het Silicon Curtain zich vormt, is digitale soevereiniteit geen ideologische slogan meer, maar een operationele eis.

Les 7, Verantwoordelijkheid kan niet uitbesteed worden aan een algoritme

Een van de scherpste passages in het boek gaat over wat er gebeurt als een AI-systeem een verkeerde beslissing neemt. Een bank wijst onterecht een lening af. Een ziekenhuis-algoritme prioriteert verkeerde patiënten. Een politie-AI markeert iemand onterecht als risico. De verleidelijke reactie van de organisatie: "het was het systeem".

Harari is hier scherp: dat verweer werkt niet, moreel noch juridisch. Een organisatie die haar verantwoordelijkheid uitbesteedt aan een algoritme, doet alsof het algoritme een externe partij is. Maar het algoritme is door die organisatie gekozen, gevoed met data, geconfigureerd op doelen, in gebruik genomen, en niet weggehaald toen het misging. De organisatie is verantwoordelijk voor elk van die stappen.

De praktische implicaties voor governance:

• Beslis vooraf wie aansprakelijk is. Niet wie het systeem heeft "gebouwd" of "geïnstalleerd", maar wie verantwoordelijk is voor het gevolg.
• Documenteer expliciete keuzes. Welke trade-offs zijn gemaakt? Welke alternatieven waren overwogen? Welke risico's geaccepteerd?
• Bouw audit-vermogen in. Niet pas wanneer iets misgaat, maar als doorlopend mechanisme.
• Houd een menselijke ontsnappingsroute open. Voor elke geautomatiseerde beslissing met materiële impact: hoe kan een mens binnen redelijke termijn ingrijpen?

Wie hier niets aan doet, ontvangt de verantwoordelijkheid achteraf alsnog, opgelegd door rechter, toezichthouder of pers. Dan ben je alleen niet meer voorbereid.

Drie kernvragen voor uw eigen organisatie

Het rode-draadgereedschap van Nexus is geen werkblad, het is een set vragen die u tegen uw eigen organisatie kunt aanleggen. Drie vragen, die ieder op zich een MT-agenda waard zijn:

1. Welke verhalen sturen ons, en kloppen ze nog? Elke organisatie wordt mede bestuurd door een set verhalen, over wie we zijn, voor wie we werken, waarom we ertoe doen. Sommige van die verhalen waren ooit waar en zijn versteend. Anderen waren altijd al fictie maar dienden een functie. Welke verhaal-laag is geactualiseerd en welke is achterhaald?
2. Welke zelfcorrigerende mechanismen hebben we, en hebben we ze niet stilletjes wegbezuinigd? Inventariseer: peer reviews, audit functies, klantfeedback loops, interne tegenmacht, fout-rapportagesystemen, externe second opinions. Voor elk: is dit mechanisme de afgelopen drie jaar versterkt of verzwakt? Wat zegt die balans over de robuustheid van uw besluitvorming?
3. Welke beslissingen hebben we feitelijk overgelaten aan algoritmes, en wie houdt daar toezicht op? Maak een lijst. Niet alleen de evidente (recommender systems, chatbots), ook de minder zichtbare (CV-screening, kredietbeoordeling, fraudedetectie, leveranciersselectie). Voor elke: wie is verantwoordelijk, wie ziet toe op kwaliteit, wie kan op de noodrem trappen?

Wie deze drie vragen serieus beantwoordt, doet feitelijk een AI-readiness assessment dat verder reikt dan de meeste betaalde rapporten ervan kunnen.

Drie scenario's: hoe Nexus in de praktijk werkt

Scenario 1, het verzekeraar-vraagstuk

Een middelgrote schadeverzekeraar wil claims sneller afhandelen door een AI-model dat aangiftes automatisch goedkeurt of afwijst. Pilots laten zien dat de doorlooptijd halveert en de marge verbetert.

Klassieke aanpak. Het IT-team rolt het systeem uit, de business case wordt goedgekeurd, het systeem gaat live, en de KPI's bewegen de goede kant op. Drie jaar later komt een investigatieve journalist met casussen van mensen die onterecht zijn afgewezen. De toezichthouder eist openbaarheid en uitleg, het management staat met de mond vol tanden.

De Nexus-aanpak. Voor go-live wordt expliciet beslist: dit is een agent, geen tool. Verantwoordelijkheid is benoemd. Het algoritme krijgt naast efficiëntie-KPI's ook een zelfcorrectie-KPI: in welk percentage van de afwijzingen wordt bij verzoek een tweede menselijke beoordeling gevraagd, en in welk percentage daarvan wordt het oordeel bijgesteld? Die gegevens worden niet alleen intern gerapporteerd maar ook periodiek extern getoetst. De pers en de toezichthouder hebben dan iets te zien dat geen schandaal is, maar bewijs van bestuurlijke ernst.

Scenario 2, het MT-vergaderritueel

Een directieteam komt elke maandag bij elkaar en bespreekt KPI-dashboards. Iedereen kent de cijfers, de discussie gaat snel, de besluitvorming voelt scherp.

Klassieke aanpak. De cijfers zijn de werkelijkheid. Wat er niet in de dashboard staat, bestaat niet. Wie iets aandraagt wat niet kwantificeerbaar is, krijgt het verwijt "te zacht" of "anekdotisch".

De Nexus-aanpak. Het MT besluit dat elke vergadering opent met een agendapunt "wat zien we niet in de cijfers?", en sluit met een agendapunt "welke aanname zou dit kwartaal verkeerd kunnen zijn?". Tien minuten elk. Beide agendapunten zijn expliciet bedoeld om zelfcorrectie organiek in te bouwen. Niet als kritisch ritueel, maar als gewoonte. Na een jaar verandert het MT-gesprek meetbaar: minder verrast door tegenvallers, meer voorbereid op alternatieve scenario's.

Scenario 3, de internationale data-strategie

Een Nederlandse SaaS-leverancier wil snel groeien in zowel de VS als Azië. De CTO heeft een uniforme stack ontworpen: één cloud-provider, één AI-model, één data-architectuur wereldwijd.

Klassieke aanpak. Efficiëntie boven alles. Eén stack betekent lagere kosten, snellere ontwikkeling, makkelijker management. Geopolitieke risico's worden afgedaan als "geen zorg voor ons als technisch leverancier".

De Nexus-aanpak. Het MT erkent het Silicon Curtain-risico expliciet. Voor regio's worden parallelle architecturen ontworpen, geen volledig aparte stacks, maar wel met de mogelijkheid tot ontkoppeling als geopolitieke escalatie dat vereist. Klantcontracten en data-residency worden hierop afgestemd. Dit kost vooraf meer, maar maakt de organisatie veerkrachtig tegen scenario's die voorheen onbespreekbaar waren, en die nu rondkomen in elke serieuze risk briefing.

Hoe past Nexus in het bredere lees-veld?

Voor leiders die zich serieus willen scholen in informatie, technologie en strategie is Nexus één van vier of vijf boeken die samen een coherent beeld vormen. Het is geen werk dat alleen staat.

De Komende Golf, Mustafa Suleyman

Suleyman is mede-oprichter van DeepMind en runt nu Microsoft AI. Hij schrijft als insider en focust op containment, hoe houden we als samenleving controle over een technologie die zich exponentieel verspreidt. Beknopter en concreter dan Nexus, maar ook beperkter in historische diepte. Lees naast elkaar: Harari geeft de historische lens, Suleyman geeft de inside view.

Co-Intelligence, Ethan Mollick

De praktische tegenhanger van Nexus. Mollick laat zien hoe je vandaag, persoonlijk en als manager, met AI moet werken. Strategisch oppervlakkiger, praktisch superieur. Wie Nexus leest om te begrijpen waar de wereld heen gaat, moet Co-Intelligence lezen om in eigen werk effectief te zijn.

Power and Prediction, Agrawal, Gans, Goldfarb

Een academische benadering van de economische impact van AI als kosten-van-voorspelling. Sterker in micro-economische analyse, zwakker in maatschappelijke en politieke implicaties. Goed vervolg op Nexus voor wie strategie en business model wil herontwerpen.

Sapiens en Homo Deus, Yuval Noah Harari

De eerdere werken van Harari die Nexus nog steeds funderen. Sapiens legt het fundament van hoe verhalen mensen samenbinden. Homo Deus schetst speculatief de mogelijke toekomstrichtingen. Nexus is dieper en specifieker dan beide, maar wint nog meer aan rijkdom voor wie de trilogie achter elkaar leest.

The Age of AI, Henry Kissinger, Eric Schmidt en Daniel Huttenlocher

Een geopolitiek-strategisch werk dat thematisch dicht bij Nexus ligt maar uit een ander register komt: het perspectief van staatsman, tech-executive en universiteitsbestuurder. Korter, droger, maar voor bestuurders die op het hoogste niveau over AI nadenken bijzonder verhelderend.

Welk boek wanneer?

Wat zoek je?	Pak dit boek
Historische diepte en denkkader voor AI in de samenleving	Nexus
Praktische toepassing van AI in je eigen werk	Co-Intelligence
Geopolitieke en regulatorische analyse van AI-containment	De Komende Golf
Economische analyse van AI als kosten-van-voorspelling	Power and Prediction
Strategisch-historisch denken vanuit hoogste politieke niveau	The Age of AI
Basis-vraag, wat is de mens, waar komt verbinding vandaan?	Sapiens

Sterke punten

De grootste kracht van Nexus is conceptuele helderheid. In een tijd waarin AI-discussies vol jargon zitten, geeft Harari een vocabulaire dat managers en beleidsmakers daadwerkelijk kunnen gebruiken. Het verschil tussen informatie en waarheid, tussen verhaal en document, tussen tool en agent, dat zijn distincties die direct overdraagbaar zijn naar elke MT-tafel.

De historische diepgang doet ook iets onmisbaars: het corrigeert zowel paniek als euforie. Wie alleen het laatste AI-nieuws leest, oscilleert tussen "de wereld vergaat" en "de wereld wordt utopisch". Nexus plaatst AI in een lange historische lijn, en laat zien dat soortgelijke vragen telkens terugkeren bij grote informatie-revoluties. Dat geeft rust en perspectief tegelijk.

Tot slot: Harari erkent expliciet dat hij geen antwoorden heeft op alle vragen. Hij stelt vragen scherp, en geeft de lezer instrumenten om ze in de eigen context te beantwoorden. Dat is een vorm van intellectueel respect die in veel managementliteratuur ontbreekt.

Zwakke punten

Met 528 pagina's is het boek lang. Niet inefficiënt lang, maar wel veeleisend lang. Wie er niet voor gaat zitten met focus, dwaalt af. Een compactere editie van 300 pagina's had het centrale argument met evenveel kracht kunnen overdragen.

Verder is Nexus geen handboek. De stap van "interessant inzicht" naar "concrete actie in mijn organisatie" moet u zelf maken. Dat is zinvol intellectueel werk, maar wie een implementatiegids zoekt, vindt hier vooral het frame en niet de blauwdruk.

De voorspellingen over het Silicon Curtain, hoewel scherp opgeschreven, blijven speculatief. Harari erkent dit, maar voor managers die strategische beslissingen baseren op zijn analyse is het belangrijk te onthouden: zijn historische analyse is sterk, zijn toekomstvoorspelling is een geïnformeerd scenario, geen vaststaand feit.

Ten slotte: wie kritisch staat tegenover Harari's vorige werk, om welke reden dan ook, zal in Nexus dezelfde brede synthetische methode aantreffen. Het is geen boek dat critici van Sapiens gaat overtuigen, want het werkt op precies dezelfde manier, alleen specifieker.

Mijn oordeel

Nexus is geen boek dat u snel afmaakt en wegzet. Het is een boek dat u anders laat denken over de informatieprocessen in uw eigen organisatie, en dat is op de lange termijn meer waard dan tien praktische how-to-boeken.

Harari combineert drie kwaliteiten die zelden in één boek samenkomen: historische diepte, conceptuele scherpte en strategisch relevante toepassing. Voor bestuurders, directeuren en serieuze strategen is dit een werk dat naast Sapiens in de boekenkast hoort, niet als curiositeit maar als gereedschap.

De grootste verdienste is dat het boek de huidige AI-discussie verbreedt. Het gesprek aan de meeste MT-tafels gaat nog steeds over welke AI-tool we gebruiken en welk productiviteitsvoordeel dat oplevert. Harari helpt u één laag dieper te kijken: welk netwerk bouwen we, welke zelfcorrectie verzwakken of versterken we, en wie zijn we wanneer dat netwerk klaar is?

De beperkingen zijn eerlijk te benoemen. Het is lang, het is geen handleiding, en de toekomstvoorspellingen blijven speculatief. Maar geen van die beperkingen weegt op tegen de winst van een mentaal model dat in de huidige tijd zeldzaam scherp en zeldzaam bruikbaar is.

Koop dit boek als…

• Je verantwoordelijk bent voor strategie, AI-beleid of governance op bestuursniveau
• Je een gedeeld vocabulaire met je MT wilt over informatie, data en zelfcorrectie
• Je AI-beslissingen niet wilt nemen vanuit het modewoord van het moment
• Je een lange-termijn denker bent die liever lees-tijd investeert dan reageert op nieuws
• Je een geïnformeerde tegenstem zoekt tegen zowel AI-evangelisten als AI-doemdenkers

Sla dit boek over als…

• Je vooral praktische tips zoekt voor het gebruik van ChatGPT, Claude of Copilot in je eigen werk, pak dan Co-Intelligence
• Je weinig affiniteit hebt met geschiedenis en historische voorbeelden snel langs je heen laat gaan
• Je niet bereid bent twee weken (avond)lezen in dit boek te investeren
• Je een implementatiegids voor AI in je organisatie zoekt, kies dan voor sectorspecifieke literatuur en consultancy

Eindscore

Criterium	Score
Praktische toepasbaarheid	7/10
Leesbaarheid	8/10
Originaliteit	9/10
Geschikt voor beginners	6/10
Algeheel oordeel	7,5/10

Een boek dat geen quick-win belooft maar wel een onderzoekbare denkrichting voor de komende vijf jaar van AI-beslissingen. Voor de prijs van twee uren consultancy krijg je een werk dat een heel MT een vocabulaire kan geven dat blijft hangen.

Transparantie: Deze bespreking is geschreven op basis van publiek beschikbare informatie over Nexus en Harari's eerdere werk, lezingen en interviews. Concrete concepten als de "Silicon Curtain", het naïeve informatiebeeld, het onderscheid tussen verhalen en documenten en de nadruk op zelfcorrectie zijn aan het boek toe te schrijven, de uitgewerkte managementvertalingen, scenario's en bestuursvragen zijn onze eigen interpretatie en aanvulling.