Volgens de Algemene Inlichtingen- en Veiligheidsdienst (AIVD) hadden de Russen interesse in informatie over kunstmatige intelligentie, halfgeleiders en nanotechnologie. Vrijmoet stelt dat de schade voor Nederland afhangt van het type informatie dat mogelijk voor de Russen beschikbaar is gekomen op het gebied van kunstmatige intelligentie. „Het lekken van algoritmes en kunstmatige intelligentie-modellen die door Nederlandse bedrijven zijn ontwikkeld, kan de Nederlandse concurrentiepositie zeker schaden.”

Vrijmoet legt uit dat het Nederlands bedrijfsleven steeds meer investeert in de drie belangrijke toepassingsgebieden van kunstmatige intelligentie; machine learning (het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren), natural language procession ( een algoritme trainen om te kunnen lezen, schrijven, luisteren en spreken) en computer vision (een algoritme leren om dingen te kunnen waarnemen, herkennen en analyseren). „Die toepassingen maken Nederlandse bedrijven veel efficiënter of zijn gericht op omzetgroei. Als ze in handen vallen van een concurrent kan dat schade opleveren. Zo kan machine learning worden ingezet om defensiesystemen, healthcare systemen of vlucht-geleidingssystemen te optimaliseren.”

Vrijmoet wijst erop dat Rusland Nederlandse informatie over kunstmatige intelligentie zou kunnen gebruiken om de concurrentiepositie van grote staatsbedrijven te verbeteren. „Om een voorbeeld te geven: een bedrijf als Shell of een andere onderneming die actief is in de olie of gas zou natural language processing kunnen gebruiken als een manier om duizenden geologische rapporten volledig automatisch te analyseren. Daarmee kunnen ze het zoeken naar grondstoffen veel efficiënter maken.”

Verder denkt Vrijmoet dat de Russen veel baat kunnen hebben bij het fundamenteel onderzoek dat aan de Nederlandse universiteiten naar kunstmatige intelligentie wordt gedaan. „Er wordt bijvoorbeeld veel onderzoek gedaan naar analyse van video- en audiodata. Op fundamenteel onderzoek naar audiodata zou bijvoorbeeld kunnen worden voortgebouwd om modellen verder te trainen om mensen op basis van onder meer stemklank, intonatie, ritme te herkennen en vervolgens te tracken. Ook in China zien we helaas tekenen dat de technologie op deze wijze wordt misbruikt.”