← Terug naar kennisbank

AI Nieuws

Garry Tan besteedt tot €200.000 per jaar aan persoonlijke AI‑agenten

Garry Tan besteedt tot €200.000 per jaar aan persoonlijke AI‑agenten

·

Leestijd: 3 min

Garry Tan, de CEO van startupversneller Y Combinator, gebruikt persoonlijke AI‑agenten intensief — zo intensief dat hij op een podcast zei jaarlijks tussen de $100.000 en $200.000 uit te geven aan zogenaamde tokens. Dat bedrag illustreert hoe krachtig, maar ook hoe duur deze tools nog zijn.

Wat doet hij precies met die agenten?

Tan gebruikt zijn agenten op veel verschillende manieren, zowel voor werk als thuis. Hij heeft zijn set met 23 vaardigheden voor het model Claude Code onder de naam gstack openbaar gemaakt op GitHub. Daarmee laat hij zien wat zulke agenten kunnen en wil anderen helpen ermee te leren werken.

Concreet zegt hij dat zijn agents:

  • helpen met research en voorbereiding op interviews en podcasts,

  • zelfstandig taken uitvoeren of voorstellen doen voordat hij erom vraagt,

  • veel persoonlijke documenten doorlezen om context te hebben, zoals e‑mail, Dropbox en Apple Notes — zelfs therapienotities van twintig jaar terug.

Bij Y Combinator gebruiken ze een interne agent met de naam Stray Light. Die heeft volgens Tan een eigen persoonlijkheid én een ‘bedrijfshersenen’: een opslag met de context van alle oprichters die YC ooit heeft gesteund, alle e‑mails en alle aanvragen. Dat maakt het mogelijk om snel relevante informatie te vinden en procesveranderingen te ondersteunen.

Waarom raakt dit mensen zo enthousiast — en soms bezorgd?

Tan vergelijkt een persoonlijke AI met een constant aanwezige hulp: een soort moderne Jiminy Cricket op je schouder die je herinnert aan dingen, je helpt rond te kijken en soms alvast stappen zet. Voor hem werkt dat bijna als een assistent die een deel van het werk autonoom kan oppakken.

Tegelijkertijd zitten er duidelijke zorgen aan vast. Tan zelf noemt twee grote punten:

  • Kosten: hij erkent dat de bedragen die hij uitgeeft een privilege zijn. Voor veel mensen en organisaties zijn zulke looptijdkosten nu nog te hoog om gangbaar te worden.

  • Privacy en controle: zijn agents hebben toegang tot zeer persoonlijke informatie. Dat roept vragen op over wie die data kan zien en wie er verantwoordelijk is als er iets misgaat.

Tan waarschuwt er ook voor om agenten te behandelen als traditionele software. Als teams alleen letten op voorspelbaarheid en veiligheid, verliezen ze volgens hem juist de aantrekkelijke menselijke kanten van AI‑samenwerking: flexibiliteit, creatief meedenken en intuïtieve voorstellen.

Wat betekent dit voor de toekomst van persoonlijke AI?

Tan verwacht dat persoonlijke AI‑agenten uiteindelijk bij veel mensen terechtkomen, maar hij ziet één voorwaarde: de kosten moeten omlaag. Tot die tijd blijft het gebruik vaak voorbehouden aan grotere bedrijven of welgestelde individuen.

Daarnaast plaatst hij een kritiek op het idee dat grote techbedrijven onbetwiste aanbieders van gratis agenten zouden moeten zijn. Als één groot bedrijf de algoritmes en standaardinstellingen bepaalt, levert dat macht en invloed op, en dat wil hij liever niet. In plaats daarvan schetst hij het beeld van een persoonlijke AI die jij zelf controleert en kunt programmeren — kort gezegd: een assistent die bij jou hoort en niet bij een extern bedrijf.

Conclusie

Garry Tan vormt met zijn ervaringen een verhelderend voorbeeld van wat persoonlijke AI‑agenten nu al kunnen: ze ondersteunen zowel bij werk als bij privézaken, doen zelfstandig suggesties en bewaren veel context over iemands leven of organisatie. Tegelijkertijd laten zijn uitgaven en keuzes zien dat er nog drempels zijn: vooral kosten, privacy en de vraag wie de controle heeft over zulke systemen.

Dat maakt duidelijk dat persoonlijke agenten veel potentie hebben, maar dat er eerst praktische en ethische knopen moeten worden doorgehakt voordat ze voor iedereen vanzelfsprekend worden.