Wat Mariner was en wat het deed

Project Mariner was een Chrome-extensie die je AI-opdrachten kon geven in natuurlijke taal: "vergelijk deze drie webshops op prijs", "vul dit formulier in met mijn gegevens", "boek deze vlucht". De AI navigeerde dan zelfstandig door websites om de taak uit te voeren.

Ik heb Mariner een paar weken getest in december 2025. Mijn favoriete use-case: prijsvergelijking. Geef de opdracht "vergelijk drie hosting-aanbieders op prijs en maandelijkse limieten", laat hem doen, krijg een overzichtje terug. Werkte beter dan ik had verwacht.

Wat minder werkte: alles wat met inloggen of betalen te maken had. Mariner stopte vaak halverwege omdat de site een captcha gaf, of hij twijfelde of hij wel met je accountgegevens mocht werken. Begrijpelijk vanuit veiligheidsperspectief, frustrerend in de praktijk.

Waar de functionaliteit naartoe is verhuisd

De agent-features zijn opgegaan in Gemini Agent (de chatbot die ook taken kan uitvoeren) en in Google Search (waar AI-Overviews ook meer taken uitvoeren). Voor de gewone gebruiker is dat een verbetering: minder losse tools, meer geïntegreerd.

Wie Mariner miste vindt het meeste terug in Gemini Agent. Het kan vergelijkbare taken: prijzen vergelijken, samenvattingen maken van meerdere bronnen, simpele formulieren invullen. De agent leeft binnen de Gemini-app of -webinterface, niet als browserextensie.

De andere kant: Google Search zelf wordt agentischer. Als je iets vraagt zoals "wat is de beste hosting voor een WordPress-site", krijg je geen lijstje meer maar een uitgewerkt antwoord met directe links. Dat is voor ondernemers waarschijnlijk het meest direct merkbare verschil.

Wat dit zegt over Google's AI-strategie

Google bundelt zijn AI-experimenten richting twee productlijnen: Gemini en Search. Losse experimenten zoals Mariner verdwijnen of worden geïntegreerd. Dat is goed nieuws voor focus, minder goed nieuws voor wie graag met early-stage tools werkt.

Een paar jaar geleden had Google soms drie verschillende AI-producten die hetzelfde leken te doen. Inmiddels lijkt het bedrijf intern de keuze gemaakt te hebben: Gemini is de assistent, Search is de antwoordmachine, en alles wat daar niet in past wordt opgegaan of opgeheven.

Wat je hier als ondernemer aan hebt: je hoeft minder verschillende Google-tools tegelijk in de gaten te houden. Wat je niet meer hebt: de speeltuin van early-stage experimentele tools zoals Mariner. Wie van die fase houdt zit beter bij Anthropic of OpenAI, die nog wel rauwere bèta-features uitbrengen.

Wat "zelfverbetering" in AI nu echt is

Het mooie verhaal: AI traint AI, dus elke generatie wordt exponentieel beter. De realiteit: AI-modellen helpen met het genereren van trainingsdata en het destilleren van kleinere modellen. Echte recursive zelfverbetering bestaat niet, daar staat de vakwereld nog ver vanaf.

De marketing-versie van dit verhaal klinkt als sciencefiction: AI bouwt AI, en straks zijn we niet meer nodig. De technische realiteit is veel saaier. AI-modellen worden gebruikt om trainingsdata te labellen, om edge cases te genereren en om kleinere modellen te trainen op de output van grotere. Dat heet distillatie en het is geen magie.

Wat ik er bij klanten van merk: de tools die ik vorig jaar adviseerde zijn nu verouderd. Niet omdat AI zichzelf overtroffen heeft, maar omdat er gewoon snel nieuwe modellen worden uitgebracht en de prijzen schuiven. Dat is geen exponentiële zelfverbetering. Dat is een markt in beweging.

Het effect dat je écht merkt: tooling-instabiliteit

Wat ondernemers in 2026 voelen is geen exponentiële sprong, maar instabiele tooling. Een tool die zes maanden geleden goed werkte heeft nu een ander prijsmodel, andere features of is opgekocht door een groter bedrijf.

Concreet bij mij: ik adviseerde vorig jaar een klant om een specifieke AI-schrijftool te gebruiken voor zijn klantenservice-mails. Drie maanden later kocht een groter platform de tool, twee maanden later werd de prijs verdubbeld en verdween een feature die hij dagelijks gebruikte.

Dat is wat "exponentiële versnelling" in de praktijk betekent: niet dat alles beter wordt, maar dat alles sneller verandert. Voor een ondernemer is dat een planning-probleem, niet een opportunity-probleem.

Wat dit betekent voor je AI-strategie

Drie principes die ik bij elke klant inbouw: geen langlopende contracten op AI-tools, modulaire setups die makkelijk wisselbaar zijn, en niet je hele bedrijf bouwen op één leverancier. Dat klinkt voor de hand liggend, maar ik zie regelmatig anders.

Wat ik concreet doe: voor elke klant die AI integreert kies ik tools met een API die op meerdere providers werkt. OpenAI-compatible APIs van Anthropic, Google en open-source-modellen. Dat scheelt straks veel pijn als één leverancier zijn prijzen verdubbelt.

Voor klanten zonder eigen IT-team: kies maand-tot-maand abonnementen, niet jaarcontracten. De besparing van een jaarcontract is meestal 10 tot 20 procent. Het risico op vastzitten aan een tool die over zes maanden niet meer past, is veel groter dan die besparing.

Hoe je rustig blijft tussen alle hype

Ik heb een filter ontwikkeld voor AI-nieuws: lees pas de hands-on reviews na drie maanden, niet de launch-aankondigingen. Dat scheelt een hoop adrenaline en je mist niets dat er echt toe doet.

Wat ik bij mezelf merk: in het begin volgde ik elke launch live. Ik wilde direct testen, direct adviseren. Inmiddels wacht ik standaard drie maanden voordat ik een nieuwe tool serieus oppak. Driekwart van de hyped tools is dan al weer vergeten of merkbaar tegengevallen.

Mijn praktische tip aan klanten: abonneer je niet op AI-nieuws. Kies twee mensen die jij vertrouwt op het vak (geen AI-influencers, maar echte gebruikers) en lees alleen wat zij delen. Dat geeft je tijd terug en het signaal-naar-ruis-verhouding is veel beter.