Top 10 AI influencers om te volgen op LinkedIn in 2026 (Geüpdatet Q4)

Het AI-landschap verandert dagelijks. Voor bestuurders 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 zit vaak in de kwaliteit van je informatiedieet.

LinkedIn zit tussen de snelheid van X en de dichtheid van arXiv in. Daardoor is het het beste platform om technische doorbraken te zien naar zakelijke impact. Dat werkt alleen als je de juiste mensen volgt, en als die mensen er daadwerkelijk posten.

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.

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.

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.

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).

Ethan Mollick benadert AI als managementonderzoeker, niet als technoloog. Hij is de belangrijkste autoriteit op het gebied van hoe generatieve AI werk nu verandert. Hij speculeert niet over wanneer AGI er is. Hij doet gecontroleerde experimenten naar de vraag of AI de schrijfkwaliteit, de programmeersnelheid of de besluitvorming verbetert, en publiceert wat eruit komt.

Zijn Prompting Science Reports, in 2026 gemaakt met Wharton Generative AI Labs, zijn de moeite waard voordat je investeert in prompt-engineeringtrainingen. De uitkomst: het rendement van prompttrucs is wisselend en taakafhankelijk, de winst van chain of thought is kleiner geworden bij redeneermodellen, en expertpersona’s verbeteren de nauwkeurigheid niet betrouwbaar. Zijn eigen samenvatting komt erop neer dat specificaties meer opleveren dan trucs.

Zijn boek Co-Intelligence uit 2024 werd een bestseller. Hij heeft zelf gezegd dat het geschreven is voor een wereld van chatbots, en dat autonome agents het beeld genoeg hebben veranderd voor een vervolg. Dat boek, Co-Existence, verschijnt op 20 oktober 2026. Overweeg je een scan van de AI-gereedheid van medewerkers, dan geeft zijn onderzoek de nulmeting.

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.

Yann LeCun won de Turing Award en is een van de grondleggers van modern deep learning. Hij vertrok in november 2025 bij Meta na ruim tien jaar als Chief AI Scientist. Hij is nu executive chairman van AMI Labs, het Parijse bedrijf voor wereldmodellen dat hij mede oprichtte en dat in maart 2026 een startronde van 1,03 miljard dollar ophaalde.

Zijn stelling is dat modellen die getraind zijn om het volgende woord te voorspellen nooit tot betrouwbare machine-intelligentie komen, en dat systemen interne wereldmodellen moeten opbouwen uit waarneming, met geheugen en planning. AMI Labs is een directe weddenschap op die stelling, opgezet als onderzoeksorganisatie en niet als productbedrijf.

Hij pleit daarnaast consequent voor open gewichten, wat hem relevant maakt voor elke organisatie die kiest tussen gesloten modellen en open alternatieven, inclusief lokale LLM’s waarbij data het pand niet uit mag. Juist omdat hij tegen de consensus in gaat, en dat technisch onderbouwt, is hij het volgen waard.

Fei-Fei Li staat bekend als de grondlegger van ImageNet, de dataset die het moderne deep learning op gang bracht. Ze leidt nu World Labs als CEO, naast haar rol bij het Stanford Institute for Human-Centered AI.

Haar werk is het helderste venster op ruimtelijke intelligentie: het vermogen van AI om te redeneren over de driedimensionale wereld in plaats van alleen over tekst. World Labs haalde in februari 2026 een miljard dollar op en bracht in september 2026 Atlas uit, een model dat 3D-omgevingen genereert, reconstrueert en simuleert op basis van een handvol foto’s. Die richting is relevant voor iedereen die werkt aan robotica, simulatie of computer vision in fysieke omgevingen.

Ze blijft een leidende stem over de ethische kant van de technologie, wat haar relevant maakt voor organisaties die werk maken van AI-ethiek.

Demis Hassabis deelde in 2024 de Nobelprijs voor Scheikunde voor het werk van AlphaFold aan het voorspellen van eiwitstructuren. In augustus 2026 trad hij terug uit de dagelijkse leiding van Google DeepMind en werd hij chairman daarvan en chief scientist van Alphabet, om zich op de lange lijn te richten. Hij blijft CEO van Isomorphic Labs, het bedrijf voor medicijnontwikkeling dat in mei 2026 2,1 miljard dollar ophaalde.

Zijn posts zijn schaars en op hoofdlijnen. Volg hem voor de richting van AI in de wetenschap, farmacie, energie en materiaalkunde, en voor hoe de prioriteiten in deep learning aan de frontlinie verschuiven. Volg hem niet voor een gestage stroom berichten.

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.

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

Meer stemmen uit de praktijk

Drie namen erbij, voor een feed die dichter op het bouwen en uitrollen zit:

• Armand Ruiz, VP AI Platform bij IBM. Post bijna dagelijks over AI in grote organisaties, met een publiek dat op LinkedIn zit en niet elders.
• Chris van Riemsdijk, AI-consultant bij DataNorth AI. Hij gaf ruim 200 AI-workshops in Nederland, Europa en de Verenigde Staten. Schrijft over wat er in de praktijk overeind blijft bij taalmodellen, computer vision en NLP.
• Nick Moesker, AI Lead en medeoprichter van DataNorth AI. Behandelt agentic AI en wat elke nieuwe model release verandert aan wat er te bouwen valt.

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)