Gemini leest de kaart sneller maar de keuze blijft mensenwerk
In het kort
Google presenteerde op 14 oktober experimentele agents die Gemini verbinden met geografische gegevens en specialistische Earth AI-modellen. De toepassing kan onderzoekers helpen verschillende databronnen te combineren en een analyse op te bouwen. De toegang is nog vroeg en de uitkomsten vragen deskundige controle. De waarde zit vooral in sneller vooronderzoek, niet in een bewezen vervanging van locatieonderzoek of vergunningverlening.
Een geschikte plek voor een magazijn kiezen begint zelden met één kaart. Bereikbaarheid, overstromingsrisico, bevolkingsontwikkeling en beschikbare ruimte kunnen ieder een andere kant op wijzen. De gegevens zijn bovendien verzameld op verschillende momenten en met verschillende definities. Wie ze bij elkaar wil brengen, is vaak meer tijd kwijt aan voorbereiding dan aan de uiteindelijke afweging.
Daar richt Google zijn nieuwe geospatiale agents op. Gemini moet de onderzoeksvraag vertalen naar een reeks bruikbare stappen en de juiste specialistische hulpmiddelen aanspreken. Dat klinkt als een logische uitbreiding van een chatbot, maar de economische betekenis is specifieker. De software kan het verzamelen en verbinden van informatie goedkoper maken. Of de uiteindelijke locatie werkelijk beter is, blijft een andere vraag.
Gemini krijgt toegang tot specialistisch gereedschap
De onderzoekspublicatie van 14 oktober beschrijft een experimentele uitbreiding van Ask Google Earth en toegang via een agentinterface. Het systeem kan eigen bestanden combineren met onder meer Earth Engine, Maps, Data Commons en specialistische Earth AI-modellen. De onderzoekers vergelijken configuraties met Gemini 3.8 Flash en Gemini 3.1 Pro. Dit is geen aankondiging dat iedere Gemini-gebruiker vandaag automatisch alle functies krijgt.
Het onderscheid tussen taalmodel en specialistisch model is hier wezenlijk. Gemini kan helpen bepalen welke gegevens nodig zijn en hoe resultaten moeten worden samengebracht. Een weersmodel, satellietanalyse of bevolkingsbestand levert andere informatie. Een taalmodel dat over een overstromingskaart schrijft, heeft daarmee niet zelfstandig de natuurkundige betrouwbaarheid van die kaart bewezen.
Voor bedrijven ontstaat een mogelijke toepassing in de eerste selectie. Een adviseur kan tientallen locaties sneller terugbrengen tot een overzichtelijke groep. Daarna blijven juridische controle, lokale kennis en onderzoek ter plaatse nodig. De selectie moet ook laten zien waarom een locatie is afgevallen. Anders kan een fout in een vroege kaartlaag onzichtbaar bepalen welke mogelijkheden nooit meer serieus worden bekeken.
Wat een benchmark wel en niet bewijst
Google gebruikt verschillende evaluaties voor verschillende onderdelen van het werk. In de nieuwe GeoExpertQueries-evaluatie wordt onder meer beoordeeld of de stappen aansluiten bij een deskundige werkwijze. Dat is waardevolle procesinformatie, maar geen zelfstandige bevestiging dat het eindantwoord over een echte locatie klopt. Een model kan een keurige methode beschrijven en toch een verkeerde dataset of periode kiezen.
Een praktische test moet daarom beginnen met bekende gevallen. Kan de agent de uitkomst van een eerder onderzocht gebied reconstrueren, inclusief de plekken waar gegevens ontbreken? Vervolgens moeten ook tegenvoorbeelden worden toegevoegd. Denk aan een kaartlaag met een andere schaal, een gewijzigde gemeentegrens of een bestand dat een prognose bevat terwijl de vraag naar gerealiseerde aantallen gaat.
Een mooi ingekleurde kaart kan die verschillen verhullen. Een gemiddelde voor een groot gebied zegt niet automatisch iets over één perceel. Hetzelfde geldt voor een historische overstroming en een modelmatige toekomstige kans. De agent moet zulke verschillen expliciet behouden. Anders versnelt de software vooral de productie van overtuigende plaatjes, terwijl de kwaliteit van de beslissing nauwelijks toeneemt.
De juiste prijs is de prijs per bruikbare voorselectie
Voor deze experimentele complete toepassing is in de geraadpleegde aankondiging geen algemeen toepasbare prijs per afgerond onderzoek vastgesteld. Een normale Gemini-tokenprijs is daarom geen volledige offerte voor geografische analyse. Gegevensdiensten, specialistische berekeningen, opslag, verwerking en menselijke controle kunnen daar bovenop komen. Voor een zakelijke beslissing is een projectbudget zinvoller dan doen alsof alleen de chatrekening telt.
Neem een illustratieve vergelijking voor één locatieonderzoek. Handmatig verzamelen en voorbereiden vraagt tien uur tegen €80 per uur, dus €800 aan capaciteit. Een agent zou die voorbereiding naar zes uur kunnen terugbrengen, terwijl controle twee extra uren vraagt. Er blijven dan twee netto gewonnen uren over, met een waarde van €160. Als de extra gegevens- en rekenkosten €60 bedragen, resteert €100 economische ruimte per onderzoek. Geen van deze tijden is een gemeten Gemini-prestatie.
De controle mag niet verdwijnen omdat het resultaat sneller beschikbaar is. Juist geautomatiseerde analyses zijn gemakkelijk op grotere schaal te produceren. Daardoor kunnen fouten vaker worden herhaald voordat iemand ze ziet. Een uniforme gegevensdefinitie en een versiearchief kunnen dan meer opleveren dan nog meer snelheid in het taalmodel.
De omgekeerde rekensom voor een adviesbureau
Veronderstel dat een bureau jaarlijks 100 geschikte vooronderzoeken uitvoert. Inrichting en validatie van de nieuwe werkwijze kosten eenmalig €12.000. Aanvullend beheer kost €3.000 per jaar. Variabele model-, gegevens- en controlekosten zitten al in de netto marge per onderzoek en worden dus niet nog eens afgetrokken.
Om alle extra kosten in 2027 terug te verdienen is €15.000 gedeeld door 100, ofwel €150 netto voordeel per onderzoek nodig. Bij een uurwaarde van €80 betekent dat 1,875 netto vrijgespeelde uren per onderzoek, nadat variabele meerkosten in urenwaarde zijn verwerkt. Dat is de drempel waarop een proef moet worden ingericht. Het aantal automatisch gemaakte kaarten is daarvoor geen bruikbare vervanger.
De tegenwerping is dat vrijgekomen uren niet zomaar verkocht kunnen worden. Dat klopt. Voor een bureau met onvoldoende opdrachten is tijdwinst vooral ruimte in de agenda. Voor een organisatie die dure externe inhuur kan verminderen, kan dezelfde verbetering wel kasbesparing worden. De rekensom moet worden gekoppeld aan die concrete situatie, niet aan een willekeurig hoog intern uurtarief.
Wat drie scenario’s laten zien
Voor 2027 tot en met 2029 rekenen we met 100 onderzoeken per jaar en netto voordelen van €50, €150 en €300 per onderzoek. Die bedragen zijn aannames na variabele extra kosten. De jaarlijkse uitkomst is volume maal voordeel, minus €3.000 beheer en in 2027 nog €12.000 inrichting. Zo ontstaat in het eerste jaar min €10.000, €0 of plus €15.000.
In 2028 en 2029 worden dat bij dezelfde aannames plus €2.000, €12.000 en €27.000 per jaar. De scenario’s bevatten geen toekomstige tariefvoorspelling en geen gegarandeerde productiviteitswinst. Ze zijn op 15 oktober opgesteld, vóór belastingen en financiering. Wanneer een betaalde gegevenslaag duurder wordt of meer controle nodig blijkt, daalt het voordeel per onderzoek en kan het middenpad alsnog negatief worden.
Een verantwoorde invoering begint daarom klein: één soort vraag, vaste bronversies en een bestaande deskundige beoordeling als vergelijking. Leg vast welke stap Gemini uitvoert en waar een specialist overneemt. Controleer ook of de experimentele toegang en gegevensrechten passen bij het beoogde commerciële gebruik. Een aangekondigde koppeling is nog geen operationele dienst met voorspelbare beschikbaarheid.
Voor Google is deze ontwikkeling interessant omdat het taalmodellen verbindt met gegevens en gereedschappen die moeilijker uitwisselbaar zijn dan een losse chatfunctie. Dat kan de dienstverlening waardevoller maken, maar ook de afhankelijkheid van het platform vergroten. Voor de gebruiker is de beste uitkomst niet de meest indrukwekkende kaart. Het is een vooronderzoek waarvan de herkomst, beperkingen en beslissende aannames sneller controleerbaar zijn.
Opmerkingen