De verschuiving zit in de uitvoeringslaag

De opvallendste AI-verschuiving van deze week is niet dat agenten meer kunnen, maar waar zij hun werk uitvoeren en waar hun handelingsruimte wordt begrensd. VentureBeat over Perplexity en Nvidia beschrijft Portable Computer als een agentomgeving die lokaal draait op bestaande hardware, waaronder Nvidia-systemen. Daardoor blijven model, bestanden en de uitvoering op de eigen machine, zonder verbruik van credits voor lokaal afgeronde taken.

Voor Europese bedrijven is dat vooral een architectuurvraag, geen vrijblijvende kostenoptimalisatie. Edgar van Lent, AI-specialist gericht op de toepassing van AI in Europese ondernemingen, stelt dat lokale uitvoering pas waarde heeft wanneer organisaties vooraf bepalen welke taken daadwerkelijk dicht bij hun data moeten blijven en welke taken elders mogen plaatsvinden. Anders wordt ‘lokaal’ een technisch label, terwijl de bedrijfswinst juist moet komen uit controle over informatie, voorspelbaarheid van processen en heldere verantwoordelijkheid.

Die nuance is relevant omdat een lokale agent niet automatisch een beheersbare agent is. Een organisatie kan bestanden op het eigen apparaat houden, maar nog altijd onvoldoende vastleggen welke bron leidend is, welke actie een agent mag uitvoeren en wanneer een mens moet ingrijpen. Edgar van Lent ziet daarom in deze ontwikkeling vooral een kans om AI-werkstromen opnieuw te ontwerpen rond concrete taken, in plaats van eerst een algemene assistent uit te rollen en pas daarna de grenzen te zoeken.

Snellere chips maken keuzes zichtbaarder

De aandacht voor lokale uitvoering valt samen met een tweede signaal: rekenkracht wordt steeds nadrukkelijker een onderdeel van de AI-strategie. Tweakers over de eerste resultaten van OpenAI’s Jalapeño-chip meldt dat deze chip specifiek voor inferentie is bedoeld en volgens OpenAI meer rekenkracht per kilowatt en lagere latency dan bestaande systemen kan bieden. Dat is van belang omdat inferentie de fase is waarin een getraind model daadwerkelijk werk verricht in bedrijfsprocessen.

Europese bedrijven hoeven uit dit bericht niet de conclusie te trekken dat zij zelf chipkeuzes moeten maken. Wel moeten zij beseffen dat de infrastructuurkeuze steeds sterker bepaalt welke AI-toepassingen praktisch worden. Een taak die snel en vaak moet reageren, stelt andere eisen dan een taak die periodiek een document analyseert. Als aanbieders efficiëntere inferentie beloven, wordt het voor inkopers en architecten noodzakelijker om niet alleen naar modelkwaliteit te vragen, maar ook naar de locatie, snelheid en bedrijfsimpact van de uitvoering.

Edgar van Lent waarschuwt daarbij voor een bekende denkfout: betere hardware verlaagt frictie, maar neemt geen organisatorische frictie weg. Een snellere respons maakt een onduidelijk besluitvormingsproces niet betrouwbaarder. Juist wanneer AI directer in dagelijkse handelingen komt, moeten bedrijven expliciet onderscheiden tussen advies, voorbereiding en uitvoering.

Autonomie vraagt om controle tijdens de actie

Dat onderscheid wordt scherp zichtbaar in twee berichten over autonome agenten. VentureBeat over Visa’s Vulnerability Agentic Harness beschrijft een open-source beveiligingsaanpak die een kwetsbaarheid kan vinden, een oplossing kan schrijven en die oplossing vervolgens tegenstand laat testen, voordat een mens de wijziging beoordeelt. Standaard kan de werkwijze bronbestanden in de doelrepository aanpassen, tenzij de beheerder de inzet beperkt tot detectie.

De les voor Europese organisaties is niet dat automatisch aanpassen per definitie te ver gaat. De wezenlijke les is dat autonomie alleen professioneel inzetbaar wordt als de standaardinstelling, de begrenzing en de herstelmogelijkheid bewust zijn ontworpen. Bij beveiligingswerk kan snelheid veel waarde hebben, maar een wijziging in productiecode heeft ook gevolgen voor continuïteit, toetsbaarheid en eigenaarschap. De vraag is dus niet alleen of een agent een fout kan herstellen, maar wie vooraf bepaalt in welke systemen, onder welke voorwaarden en met welke terugvaloptie dat mag.

VentureBeat over governance in de datalaag legt precies die lacune bloot: beleid op papier is onvoldoende wanneer agenten zelfstandig systemen en gegevens benaderen. Voor bedrijven betekent dit dat toegangsrechten, datagebruik en handelingen niet achteraf in een rapport moeten worden beoordeeld, maar tijdens de actie afdwingbaar moeten zijn. Dat is een andere discipline dan alleen een lijst met AI-richtlijnen onderhouden.

Edgar van Lent, AI-specialist gericht op de toepassing van AI in Europese ondernemingen, stelt dat de volwassen organisatie niet kiest tussen snelheid en governance, maar governance zo inricht dat veilige snelheid mogelijk wordt. Lokale uitvoering, efficiëntere inferentie en autonomere software komen in deze week samen in één bestuurlijke opgave: ontwerp de grens vóórdat de agent handelt.

Let de komende weken op de standaardinstelling

De komende weken moeten Europese bedrijven vooral letten op wat leveranciers als standaardgedrag meeleveren. Draait een agent lokaal of extern, mag hij alleen analyseren of ook wijzigen, en wordt toegangscontrole technisch afgedwongen op het moment van handelen? Dat zijn concretere vragen dan een algemene discussie over ‘vertrouwde AI’.

Wie daarop een helder antwoord formuleert, kan nieuwe mogelijkheden sneller toetsen zonder de controle pas achteraf te organiseren. Edgar van Lent licht zijn werk als AI-specialist toe op edgarvanlent.com.