De robodog die India's AI-onderwijskrisis onthulde

Het internet lag in een deuk, maar het lachen had een scherpe ondertoon.

Op 17 februari 2026, in Bharat Mandapam, India's voornaamste congreslocatie, vertelde een hoogleraar van Galgotias University voor een DD News-camera dat haar universiteit "Orion", een gestroomlijnde vierpotige robodog, had gebouwd als onderdeel van een AI Centre of Excellence van ₹350 crore.

Die bewering overleefde de middag niet.

Chinese media en tech-waarnemers stelden al snel dat de machine Unitree’s Go2 was, een robot die online wordt verkocht, en de presentatie liep uit van publiciteit naar schaamte.

Naar verluidt werd de stroom naar de stand afgesloten, de universiteit werd weggestuurd, er volgde een verontschuldiging, en er werd een onderzoek aangekondigd.

Voor een land dat op de derde plaats stond in Stanford’s 2025 Global AI Vibrancy-tool, was het spektakel niet alleen een PR-blunder; het was een stresstest.

Toen de memes vervaagden bleef één vraag over: wat voor soort AI-ecosysteem produceert een demo die niet bestand is tegen een zoekbalk?

Het rapport dat niemand wilde

Het AI-verhaal van India wordt tegenwoordig ondersteund door gedegen validatie.

Stanford’s Global AI Vibrancy-tool voor 2025 plaatste India op de derde plaats, een sprong die de Indiase media lazen als bewijs dat het land op meerdere AI-indicatoren stijgt.

Die ranglijst doet ertoe omdat hij breedte weerspiegelt: talentactiviteit, onderzoekssignalen en de schaal van het ecosysteem, niet slechts één opvallende productlancering.​

Maar AI is een van die vakgebieden waar schaal oppervlakkigheid kan verbergen.

Een land kan veel AI-gebruikers hebben die kant-en-klare tools kunnen inzetten, en toch moeite hebben om AI-bouwers voort te brengen: onderzoekers en ingenieurs die nieuwe methoden creëren, duurzame resultaten publiceren en verdedigbaar intellectueel eigendom genereren.

Hier loopt India's verhaal tegen de kleine lettertjes aan.

Verschillende overzichten en beleidsgerichte samenvattingen hebben benadrukt hoe klein het aandeel van India in wereldwijde AI-patenten blijft vergeleken met de twee grootste AI-machten.

Stanford’s AI Index-rapport 2025 plaatst India op ongeveer 0.37% van de wereldwijde AI-patenten, versus China op ongeveer 70% en de VS op ongeveer 14%.​

Patenten zijn een onvolmaakte maatstaf: veel zijn van lage kwaliteit, sommige doorbraken worden niet gepatenteerd, en open source is reëel.

Maar als proxy voor wie fundamentele technologie bezit, zijn ze het beste dat beschikbaar is, en India's aandeel is uiterst klein.

Als India's patentaandeel zo klein is, impliceert dat niet dat India talent mist. Het betekent dat het ecosysteem beter is in het opleiden van mensen om technologie te gebruiken dan in het op grote schaal creëren ervan.​

Daarom sloeg de Robodog-episode zo hard toe. Een robot kopen en een robot bouwen zijn niet hetzelfde.

De eerste is inkoop. De tweede is onderzoek, productie, systeemengineering, testen en iteratie, werk dat labs, budgetten en ervaren mentoren vereist.

Wanneer een systeem consequent onderinvesteert in het tweede, begint het de schijn van innovatie te belonen boven de praktijk ervan.

​

De financieringsbodem onder 'innovatie'

Achter de meeste verhalen over 'nepinnovatie' schuilt een echt schaarsteverhaal.

India's uitgaven aan onderzoek en ontwikkeling bedragen ongeveer 0.6% van het BBP, zoals vermeld in berichtgeving op basis van de Economic Survey 2025–26.

Dezelfde berichtgeving gekoppeld aan de Economic Survey wijst op een tweede beperking: de bedrijfssector in India draagt slechts ongeveer 41% bij aan de totale R&D-uitgaven.​

Die cijfers bepalen alles stroomafwaarts. Wanneer privaat kapitaal universiteitsonderzoek niet wezenlijk financiert, leunt het systeem sterk op overheidsbudgetten en collegegeldinkomsten.

Dat leidt vaak tot voorspelbaar gedrag: universiteiten optimaliseren voor wat goedkoop is om te tonen en makkelijk te tellen: nieuwe centra, nieuwe MoU's, nieuwe 'AI'-opleidingen en conferentieartikelen, in plaats van wat duur is om op te bouwen, zoals toegang tot rekenkracht, hoogwaardige datasets, hardwarelabs en langdurige onderzoeksbegeleiding.

Vergelijkingen met peer-economieën laten India's positie nog meer opvallen.

Op basis van de Economic Survey-rapportage is India's R&D-intensiteit van 0.6% afgezet tegen veel hogere niveaus in de VS, China en Zuid-Korea.

Het contrast wordt scherper als we nader kijken naar het aandeel van de bedrijfssector, met veel hogere private deelname in die economieën.​

Met andere woorden, India probeert een deep-tech race te winnen met een ondiepe R&D-poel, en met bedrijven die nog niet het merendeel van het onderzoeksrisico dragen.

Hier raakt verantwoording vertekend. Wanneer middelen schaars zijn en indicatoren ruis bevatten, jagen instellingen op signalen.

Ze hernoemen geïmporteerde drones tot 'inheemse platformen.' Ze beschouwen leverancierssamenwerkingen als 'onderzoeksprestaties.'

Ze dienen patenten van lage kwaliteit in om innovatiedashboards op te blazen. Ze duwen faculteitsleden richting aantalgerichte publicatiedoelstellingen.

Geen van dit gedrag is te verdedigen. Maar het is begrijpelijk in een systeem dat outputs beloont die op vooruitgang lijken, zelfs als de onderliggende capaciteit ontbreekt.

Waar de pijplijn knakt: klaslokalen, mentoren en rekenkracht

Als je wilt weten waarom het 'Orion'-moment plausibel is, moet je uit de expositieruimte stappen en de gemiddelde ingenieursklas binnenlopen.

Invezz sprak met prof. Naveen Garg, hoofd van de afdeling Computer Science and Engineering aan IIT Delhi, die de breuk beschrijft als een kwestie van fundamenten en mentorschap.

India heeft, zegt hij, "een grotere groep afgestudeerden met sterke fundamenten in wiskunde en informatica" en "een grotere pool van mensen die het mentorschap kunnen bieden voor kwalitatief AI-onderzoek."

Hij is even direct over de prikkels:

"De regering lijkt niet serieus de prikkels te bieden die nodig zijn om ons een toonaangevend onderzoeksland op het gebied van AI te maken. De grote spelers zoals China en de VS hebben daadwerkelijk enorme middelen geïnvesteerd in het creëren van kwalitatief hoogwaardige onderzoekers. Dat is in het land nog niet gebeurd," zei hij.

Dat 'mentorpool'-probleem is geen academische muggenzifterij. Het bepaalt of studenten recepten leren of redeneren.

Modern AI-werk vereist statistisch denken, optimalisatie en degelijke systeemkennis.

Het vereist ook oordeelsvermogen: hoe een model te evalueren, hoe het te testen onder realistische omstandigheden, hoe fouten te detecteren en hoe onzekerheid verantwoord te communiceren.

Dan is er de beperking van de infrastructuur, die stilletjes vormgeeft aan wat studenten kunnen doen.

Hardeep, een Senior AI Engineer en alumnus van IIIT Prayagraj, schrijft zijn diploma toe dat het hem "sterke theoretische fundamenten in Machine Learning (ML), Natural Language Processing (NLP) en algoritmen" gaf.

Maar hij voegt een cruciaal detail toe in gesprek met Invezz: "Transformers en moderne LLM's kwamen toen niet aan bod, en praktijkgerichte projectwerkzaamheden waren beperkt vanwege de infrastructuurkosten."

Voor niet-specialisten: "Transformers" zijn een modelarchitectuur die veel moderne AI-systemen aandrijft, inclusief large language models (LLMs) die tekst genereren.

Het trainen en testen ervan op zinvolle schaal vereist vaak dure rekenkracht (GPU's) en zorgvuldige engineering, middelen waar veel hogescholen niet over beschikken.

Hardeep's conclusie is de zin die beleidsmakers het meest zou moeten verontrusten:

"Tegenwoordig is het bouwen van echte AI-producten veel toegankelijker; succes hangt grotendeels af van individuele nieuwsgierigheid en zelfstudie in plaats van alleen universitair onderwijs."

Zelfstudie is geen gebrek; het is een deugd in de technologiesector.

Het probleem ontstaat wanneer zelfstudie een vervanging wordt voor institutionele capaciteit.

Wanneer universiteiten consequent de moeilijkste onderdelen van de opleiding uitbesteden aan YouTube, open cursussen en persoonlijke laptops, plukken zij nog steeds de reputatievoordelen, maar betalen studenten de echte prijs in tijd, onzekerheid en ongelijkmatige uitkomsten.

Daarom is toegang tot rekenkracht de nieuwe scheidslijn geworden. De Indiase beleidsaanpak begint die beperking te herkennen.

Rapporten rond de IndiaAI Mission wijzen op grootschalige inzet van GPU's, ongeveer 18,000 GPU's al ingezet onder de missie.

Dat doet ertoe omdat gedeelde rekenkracht de drempel kan verlagen voor onderzoekers en startups die anders geen serieuze experimenten kunnen uitvoeren.​

Maar GPU-inkoop is niet hetzelfde als onderzoekscapaciteit.

Rekenkracht zonder mentoren veroorzaakt churn: mensen die experimenten uitvoeren zonder sterke richtlijnen voor evaluatie, ethiek en reproduceerbaarheid.

Mentoren zonder rekenkracht veroorzaken frustratie: studenten die de theorie begrijpen maar geen zinvol hands-on werk kunnen doen.

Een geloofwaardige AI-onderwijsstrategie heeft beide nodig, en niet alleen op een dunne laag van elitecampussen.

Het geloofwaardigheidsprobleem: een onderzoekscultuur die je niet kunt uitzetten

Een robodog kan worden uitgeschakeld. Een geloofwaardigheidscrisis niet.

Het Indiase publicatiesysteem heeft te maken gekregen met toenemende kritiek op onderzoeksintegriteit, waaronder de rol van 'paper mills' en in sommige gevallen gemanipuleerde peer review.

Een in september 2025 peer-reviewed studie gepubliceerd in de Journal of Data Science, Computing and Information Sciences gebruikte Retraction Watch-data en onderzocht 2,853 ingetrokken papers door Indiase onderzoekers van 2010 tot 2024.

De studie vond dat retracties na 2021 toenamen, met 57.55% die plaatsvond tussen 2021 en 2024.

Dezelfde analyse noemt de voornaamste aangevoerde redenen, waaronder fake peer review (1,007 papers), plagiaat (880) en datamanipulatie/falsificatie (746).​

Voor lezers die niet vertrouwd zijn met 'fake peer review': peer review zou onafhankelijke deskundige controle vóór publicatie moeten zijn.

Wanneer het wordt vervalst of gecompromitteerd, kan onbetrouwbaar werk in het wetenschappelijke record terechtkomen.

Retracties zijn de noodrem van het systeem, maar ze onthullen ook de kosten van zwakke prikkels en zwakke handhaving.​

Waarom doet dit ertoe voor AI? Omdat AI-vooruitgang afhankelijk is van betrouwbaar onderzoek.

Als de onderzoekspijplijn ruis bevat — papers die niet reproduceerbaar zijn, resultaten die overdreven worden, datasets die twijfelachtig zijn — vertraagt de adoptie door de industrie en lijdt de mondiale geloofwaardigheid.

Het land besteedt uiteindelijk meer tijd aan het najagen van indicatoren dan aan het opbouwen van duurzame capaciteit.

De robodog-episode is in die zin de visuele verwant van een dieper patroon: presentatie boven bewijs.

Wanneer instellingen worden beloond om zichtbaar te zijn aan de frontlinie in plaats van voor het doen van frontlijnwerk, zullen ze voorspelbaar in optiek investeren.

Daarom kan de beleidsreactie niet stoppen bij bestraffing. Ze moet de prikkels veranderen: wat ranglijsten waarderen, wat accreditatie-audits onderzoeken en waaraan financiering wordt gekoppeld.

Als het systeem blijft betalen voor volume, zal het volume blijven leveren, soms eerlijk, soms niet.

​

Bouwers vs gebruikers: het talentlek

Het AI-debat in India splijt steeds meer in twee kampen: de optimisten die beweren dat India een bouwer wordt, en de sceptici die zeggen dat India nog grotendeels een gebruiker op schaal is.

Prof. M Jagadesh Kumar, voormalig UGC-voorzitter en voorzitter van de NEP 2020 Review Committee, voert het optimistische betoog met overtuiging:

"Vandaag zijn Indiase instellingen niet alleen gebruikers van AI. Ze worden snel bouwers van AI. Indiase instellingen werken steeds meer samen met het bedrijfsleven om AI-oplossingen te ontwikkelen in onderwijs, gezondheid, bestuur, landbouw en slimme steden. Ik kan u enkele voorbeelden geven," zei prof. Kumar tegen Invezz.

"Het ministerie van Onderwijs heeft AI Centres of Excellence gesteund, zoals TANUH bij IISc. Dit centrum werkt aan schaalbare AI-oplossingen voor de gezondheidszorg (vooral niet-overdraagbare ziekten). IIT Madras Global Research Foundation kondigde een Applied AI Innovation Centre aan om toegepaste AI te versnellen. Het centrum verbindt onderzoek met verantwoord gebruik in de praktijk," voegde hij toe.

Hij benadrukte verder de IndiaAI Mission, die AI-innovatie, toegang en India-centrische oplossingen bevordert in samenwerking met Indiase onderwijsinstellingen.

"Deze voorbeelden tonen aan dat veel Indiase universiteiten werken met AI die inclusief en inzetbaar is."

Met betrekking tot het incident bij Galgotias is prof. Kumar gematigd zonder een instelling bij naam te noemen:

"Als een instituut zijn beweringen overtreedt, moeten de verzachtende maatregelen proportioneel, educatief en corrigerend zijn. Instellingen moeten ook hun teams trainen in ethiek, onderzoeksintegriteit en verantwoordelijke communicatie. Deze benadering is de meest zekere manier om de reputatie van India's echte vernieuwers te beschermen," zei hij.

"Het voorkomt ook dat eventuele opgeblazen beweringen een vals narratief creëren. Maar er bestaat geen twijfel in mijn hoofd dat India's hogeronderwijsinstellingen snel AI-capaciteit opbouwen en inclusieve oplossingen creëren," voegde hij eraan toe.

Toch is het punt van de scepticus moeilijk te negeren: elite-uitbijters definiëren niet de mediaan. Een handvol topinstituten kan daadwerkelijk bouwen en publiceren.

Maar het hogere onderwijssysteem van India is omvangrijk en ongelijk. Als de meeste campussen geen echte toegang tot rekenkracht, geloofwaardige begeleiding en een onderzoeks­cultuur met integriteit kunnen bieden, blijft de 'bouwer'-status geconcentreerd aan de top.

Klaslokalen boven ceremonies

En zelfs wanneer India sterk AI-talent voortbrengt, worstelt het land ermee dat talent te behouden.

Verslaggeving die Stanford AI Index-gebonden talentmetrics samenvat, heeft India's netto AI-talentmigratiescore op -1.55 benadrukt, wat op die maat een netto uitstroom aangeeft.

Dat doet ertoe omdat braindrain niet slechts een krantenkop is.

Het is een cumulatief verlies van mentoren, oprichters en onderzoeksleiders, precies de mensen die nodig zijn om de binnenlandse pijplijn te versterken.​

Financieel gezien investeert India in talentontwikkeling maar plukt het niet genoeg van de langetermijnrendementen.

En wanneer rendementen wegvloeien, voelen instellingen nog meer druk om te presteren voor rankings en PR, omdat het diepere resultaat, een stabiel onderzoeks-ecosysteem, moeilijk snel te tonen is.

De Unitree Go2 (of het nu dat model was of niet) is uiteindelijk een rekwisiet in een groter verhaal.

India ontbreekt het niet aan ambitie. Het ontbreekt niet aan slimme studenten. Het ontbreekt aan het type onderwijs- en onderzoeksarchitectuur dat ambitie omzet in eigen technologie.

De robodog was niet het schandaal. Het systeem dat het plausibel maakte, was dat wel.