Top 10 AI influencers to follow on LinkedIn in 2026

Het AI landschap verandert dagelijks. Voor bedrijfsleiders en technische professionals is de uitdaging niet langer het vinden van informatie, maar het filteren ervan. Het verschil tussen een matige strategie en een concurrentievoordeel ligt vaak in de kwaliteit van je informatiedieet.

LinkedIn heeft zich ontpopt als het primaire platform voor discussies over AI. In tegenstelling tot het hectische tempo van X (voorheen Twitter) of de academische context van ArXiv, biedt LinkedIn een middenweg waar technische doorbraken worden gecontextualiseerd voor zakelijke impact.

Om je te helpen een hoogwaardige feed samen te stellen, hebben we tien experts geselecteerd die consequent bruikbare inzichten bieden. Deze personen zijn bouwers, onderzoekers en strategen die het vakgebied definiëren in plaats van er alleen maar commentaar op te geven.

Wat definieert een top 10 AI influencer?

We hebben deze profielen geselecteerd op basis van drie objectieve criteria:

• Autoriteit: Ze hebben significante systemen gebouwd, grote onderzoekslabs geleid of Fortune 500-bedrijven geadviseerd.
• Duidelijkheid: Ze vertalen complexe technische concepten naar strategische bedrijfswaarde.

Consistentie: Ze plaatsen regelmatig content met een hoge signaalwaarde zonder te vertrouwen op hype of sensatiezucht.

Andrew Ng is waarschijnlijk de invloedrijkste docent in het vakgebied. Als medeoprichter van Coursera en voormalig hoofd van Google Brain en Baidu AI Group, heeft Ng een uniek vermogen om complexe machine learning concepten te vereenvoudigen.

Recentelijk heeft Ng zijn focus verlegd naar “agentic workflows“, het idee dat AI-agents die hun eigen output iteratief verbeteren, beter kunnen presteren dan zero-shot prompting. Zijn posts bevatten vaak diagrammen en korte uitleg die van onschatbare waarde zijn voor technische leads en product managers. Als je het begrip van je team wilt verdiepen, heeft Andrew Ng de content om dat te doen.

Menno Fokkema is de drijvende kracht achter DataNorth AI, een toonaangevend consultancy bureau dat zich richt op het toegankelijk maken van AI voor bedrijven in heel Europa. In tegenstelling tot theoretici die zich uitsluitend richten op toekomstige mogelijkheden, is de content van Fokkema geworteld in de directe, praktische realiteit van het implementeren van AI in de onderneming.

Hij deelt regelmatig inzichten over het overwinnen van de “pilot-valkuil” waar veel organisaties mee te maken hebben, waarbij AI-projecten niet verder schalen dan de Proof of Concept-fase. Zijn posts ontleden de nuances van AI-strategieën en bieden kaders om technische capaciteiten af te stemmen op bedrijfsdoelstellingen. Het volgen van hem biedt een directe lijn naar de laatste trends op het gebied van AI-compliance en de EU AI Act, zodat je organisatie innovatief én compliant blijft.

Allie K. Miller overbrugt de kloof tussen technische engineering en besluitvorming op directieniveau. Na honderden startups en Fortune 500-bedrijven te hebben geadviseerd, richt ze zich sterk op de “mensen”- en “proces”-kant van AI adoptie.

Haar content is vooral nuttig voor organisaties die willen onderzoeken of AI haalbaar voor hen is. Ze plaatst regelmatig checklists voor het screenen van AI-leveranciers, kaders voor het berekenen van ROI en strategieën voor het bijscholen van werknemers. Miller vermijdt jargon en spreekt liever in termen van efficiëntiewinst, omzetgroei en concurrentievoordelen (moats).

Cassie Kozyrkov heeft het vakgebied Decision Intelligence opgericht bij Google. Haar filosofie is dat AI simpelweg een hulpmiddel is om beslissingen op schaal te nemen. Bijgevolg richt haar schrijven zich op het rigoureuze statistische denken dat nodig is om AI veilig te gebruiken.

Ze is essentieel om te volgen voor leiders die geïnteresseerd zijn in AI voor executives. Kozyrkov daagt lezers uit om te definiëren hoe “goed” eruit ziet voordat ze beginnen met coderen. Haar posts deconstrueren vaak veelvoorkomende logische drogredenen in data science, waardoor ze uitstekend leesvoer zijn voor teams die zich voorbereiden op een AI roadmap-sessie.

Bernard Marr is een productief auteur en futurist die uitblinkt in het overzien van de breedte van de industrie. Terwijl anderen diep in de code duiken, kijkt Marr naar de macro-trends die sectoren zoals productie, retail en gezondheidszorg beïnvloeden.

Zijn lijsten met “Top 10 Use Cases” voor tools zoals ChatGPT of Microsoft Copilot zijn zeer praktisch voor niet-technische belanghebbenden die op zoek zijn naar inspiratie. Marr biedt een helikopterview die gedetailleerde technische literatuur aanvult, zodat je door de bomen het bos blijft zien.

Vaak aangeduid als de “Godmother of AI”, was Fei-Fei Li de bedenker van ImageNet, de dataset die de moderne deep learning-boom gekatalyseerd. Vandaag leidt ze World Labs en het Stanford Institute for Human-Centered AI (HAI).

Haar content is cruciaal voor diegenen die geïnteresseerd zijn in computer vision en “ruimtelijke intelligentie” (spatial intelligence), het vermogen van AI om de 3D-wereld te begrijpen en erin te navigeren. Bovendien is ze een toonaangevende stem over de ethische implicaties van AI, wat haar perspectief kritiek maakt voor organisaties die navigeren door AI-ethiek.

Andrej Karpathy is misschien wel de meest geliefde technische uitlegger in de AI-gemeenschap. Als voormalig Director of AI bij Tesla en oprichtend lid van OpenAI, richt hij zich nu op AI-educatie via Eureka Labs.

Karpathy’s posts zijn technisch maar toegankelijk. Hij legt uit hoe Large Language Models (LLM’s) daadwerkelijk “denken” en hallucineren. Voor technische teams die lokale LLM’s willen implementeren of hun RAG (Retrieval-Augmented Generation) pipelines willen optimaliseren, zijn zijn inzichten verplichte kost. Hij breekt vaak de nieuwste onderzoekspapers op in begrijpelijke conclusies.

Ethan Mollick benadert AI als socioloog en managementprofessor. Hij is de leidende autoriteit op het gebied van hoe Generative AI de manier waarop we werken nu verandert. Hij theoretiseert niet over AGI in 2030; hij test hoe ChatGPT-4 de schrijfkwaliteit of programmeer snelheid vandaag beïnvloedt.

Zijn experimenten zijn zeer relevant voor HR- en operationele leiders. Als je een scan voor de gereedheid van AI-personeel overweegt, biedt Mollicks data over werknemersadoptie en “shadow AI“-gebruik essentiële context.

Als Turing Award-winnaar en een van de “Godfathers of Deep Learning”, is Yann LeCun een fel pleitbezorger voor open-source AI. Hij betoogt dat AI-systemen moeten leren zoals mensen dat doen: door interne “world models” te bouwen in plaats van alleen het volgende token in een zin te voorspellen.

LeCun is een kritische stem voor het begrijpen van het open-source ecosysteem, inclusief modellen zoals Llama. Voor bedrijven die evalueren of ze moeten bouwen op propriëtaire modellen of open weights, bieden zijn argumenten een sterke technische basis. Zijn recente onderneming, AMI Labs, heeft als doel deze “Advanced Machine Intelligence”

Demis Hassabis leidt Google DeepMind, het lab dat verantwoordelijk is voor AlphaGo en AlphaFold. Zijn werk richt zich op het gebruik van AI om fundamentele wetenschappelijke problemen op te lossen, zoals het vouwen van eiwitten en materiaalkunde.

Hoewel zijn werk vaak abstract is, geeft het aan waar de harde wetenschap van deep learning naartoe gaat. Het volgen van Hassabis geeft je een glimp van “AI for Science”, het gebruik van AI om innovatie in farmacie, energie en natuurkunde te versnellen.

Vergelijking van focusgebieden van experts

Influencer	Primaire focus	Beste voor…
Andrew Ng	Educatie & Agents	Engineers, Product Managers, Studenten
Menno Fokkema	Strategie & Implementatie	Bedrijfsleiders, EU compliance, Implementatie
Allie K. Miller	Business ROI & VC	Startups, Executives, Investeerders
Cassie Kozyrkov	Decision Intelligence	Data Scientists, Risk Officers
Ethan Mollick	Toekomst van werk	HR, Management, Operations
Andrej Karpathy	Technische Deep Dives	Developers, AI Engineers
Fei-Fei Li	Spatial AI & Vision	Gezondheidszorg, Robotica, Ethiek

Hoe cureer je je AI feed?

Het bouwen van een hoogwaardig informatiedieet vereist meer dan alleen de juiste mensen volgen. Je moet ook actief de ruis filteren.

• Geef prioriteit aan bouwers boven commentatoren: De bovenstaande lijst geeft prioriteit aan mensen die actief bedrijven bouwen of code opleveren (shippen). Praktische ervaring wint het meestal van theoretische observatie.
• Zoek naar “Hoe”, niet alleen “Wauw”: Vermijd influencers die alleen demo video’s plaatsen met bijschriften als “Mind-blowing!”. Zoek naar degenen die de prompt engineering of de workflow achter de automatisering uitleggen.
• Diversifieer je bronnen: Zorg ervoor dat je een mix volgt van technische experts (Karpathy, LeCun) en bedrijfsstrategen (Fokkema, Miller). Dit voorkomt dat je je te veel richt op technologie die commercieel nog niet levensvatbaar is.
• Reageer op de content: Het LinkedIn-algoritme geeft prioriteit aan content waarmee je interageert. Als je meer technische analyses wilt, like en reageer dan op die specifieke posts om je feed te trainen.

Veelgestelde vragen (FAQ)