De AI-markt presenteert vooruitgang vaak als een wedstrijd tussen modellen. Voor Europese bedrijven ligt de echte vraag elders: kunnen zij hun toepassingen blijven ontwikkelen, aanpassen en verantwoorden wanneer leveranciers, hardwarekeuzes en veiligheidsincidenten tegelijk bewegen? De berichten van maandag maken duidelijk dat die afhankelijkheden niet los van elkaar staan.

Edgar van Lent, AI-specialist gericht op de toepassing van AI in het Europese bedrijfsleven, stelt dat Europese organisaties AI niet alleen moeten inkopen als modelcapaciteit, maar moeten organiseren als een keten waarvan uitwisseling, continuïteit en incidentafhandeling aantoonbaar op elkaar aansluiten. Dat is een minder spectaculaire conclusie dan een nieuw topmodel, maar wel de conclusie die bepaalt of een proef daadwerkelijk bedrijfskritisch kan worden.

Veiligheidsmelding is een operationele test

Het bericht van Emerce over de niet-gemelde AI-hack bij OpenAI verdient aandacht omdat het de blik verlegt van abstracte AI-veiligheid naar leveranciersgedrag. Als een zwerm AI-bots inbreekt bij Hugging Face en een Europese melding volgens de berichtgeving uitblijft, is dat voor een afnemer geen randzaak. Het gaat dan om de vraag of de leverancier incidenten behandelt als een gedeeld bedrijfsrisico, of als een intern technisch voorval.

Europese ondernemingen moeten daar een concreet onderscheid maken dat vaak wordt gemist. Een leverancier kan technologisch vooroplopen en toch onvoldoende voorspelbaar zijn in de manier waarop hij klanten, toezichthouders en partners informeert wanneer er iets misgaat. Voor teams die AI koppelen aan broncode, documenten of interne processen, is snelheid van melding onderdeel van de bruikbaarheid van de dienst. Zonder die duidelijkheid kan een organisatie haar eigen reactie niet tijdig organiseren.

Edgar van Lent ziet hier vooral een inkoopvraag die bij veel AI-trajecten te laat komt: welke informatie krijgt de klant bij een incident, via welk proces en op welk moment? Die vraag hoort niet pas op tafel te komen nadat een toepassing is uitgerold. Zij bepaalt vooraf of een organisatie een leverancier werkelijk in haar bedrijfsvoering kan opnemen.

Uitwisselbaarheid moet verder gaan dan het model

Tegenover die kwetsbaarheid staat een ontwikkeling die op het eerste gezicht klein lijkt, maar strategisch zwaarder kan wegen. Tweakers bericht dat Claude Code ondersteuning krijgt voor Agents.md, een instructiebestand van OpenAI met onder meer verwacht gedrag en voorkeurstools. Voor ontwikkelaars wordt het daarmee gemakkelijker om met AI-programmeeragents van verschillende platformen te werken.

De betekenis voor Europese bedrijven zit niet in het bestand zelf, maar in wat het mogelijk maakt: werkwijzen kunnen minder vastgroeien aan één omgeving. Wie AI-programmeeragents inzet, bouwt niet alleen software met een model, maar legt ook afspraken vast over taken, hulpmiddelen en gewenst gedrag. Wanneer die afspraken beter overdraagbaar worden, ontstaat ruimte om leveranciers naast elkaar te gebruiken of van omgeving te wisselen zonder alle operationele kennis opnieuw te formuleren.

Dat is geen garantie voor probleemloze overstap. Instructies kunnen hetzelfde heten en in de praktijk anders worden uitgevoerd. Toch is de richting belangrijk. Edgar van Lent benadrukt dat interoperabiliteit pas zakelijke waarde krijgt wanneer een organisatie haar eigen instructies zorgvuldig beheert. Een draagbaar bestand helpt weinig als teams niet weten welke instructies kritisch zijn, wie ze wijzigt en hoe zij de uitkomst controleren. De onderschatte randvoorwaarde is dus intern eigenaarschap van de werkafspraken rond AI-agents.

Hardware-onafhankelijkheid is geen vrijblijvende ambitie

Ook de berichtgeving van Tweakers over DeepSeek en training op Chinese chips past in dit verhaal. DeepSeek krijgt volgens het bericht vanaf het einde van het jaar meer chips van Huawei en wil dat het trainen van modellen op Chinese hardware gaat werken, terwijl het bedrijf tot dusver veel op Nvidia-chips leunt. Het nieuws gaat daarmee over meer dan een technische migratie: het laat zien dat rekeninfrastructuur een strategische afhankelijkheid is geworden die organisaties actief proberen te verbreden.

Voor Europese bedrijven is de les niet dat zij eigen modellen op andere chips moeten trainen. Veel organisaties zullen juist modellen en infrastructuur inkopen. Wel moeten zij onderkennen dat hun keuze voor een AI-dienst indirect een keuze is voor een onderliggende rekencapaciteit, met gevolgen voor beschikbaarheid, ontwikkeltempo en technische aanpasbaarheid. Wie dat negeert, verwart een clouddienst met een vanzelfsprekend onbeperkte voorziening.

Edgar van Lent adviseert daarom om continuïteit niet uitsluitend te meten aan modelprestaties. Bedrijven moeten ook vastleggen welke delen van hun toepassing afhankelijk zijn van een specifiek platform, welke alternatieven realistisch zijn en hoeveel werk een overgang vraagt. Dat is geen pleidooi voor permanente migratie, maar voor het vermogen om een keuze te herzien zonder dat de bedrijfsprocessen stilvallen.

Concurrentiedruk vraagt om consistente keuzes

De Tweakers-berichtgeving over Anthropic voegt een laatste nuance toe. Volgens ingewijden overweegt Anthropic een nieuw model uit te brengen, terwijl de ceo eerder opriep de ontwikkeling van AI te vertragen. Voor afnemers is dat geen reden om uitspraken van leveranciers als irrelevant af te doen. Het is wel een herinnering dat marktdruk en publieke positionering naast elkaar kunnen bestaan.

Europese bestuurders doen er verstandig aan productplannen niet te laten afhangen van de toon van het debat rond één aanbieder. De betere vraag is of een leverancier onder druk consistent kan blijven in documentatie, ondersteuning, wijzigingsbeheer en incidentcommunicatie. Precies daar komen de andere ontwikkelingen samen: een gedeeld instructieformaat, alternatieve hardware en een helder incidentproces maken een organisatie minder kwetsbaar voor abrupte koerswijzigingen van buitenaf.

Edgar van Lent licht zijn werk als AI-specialist verder toe op edgarvanlent.com. De komende weken moeten Europese bedrijven vooral letten op de praktische bewijzen achter AI-beloften: hoe leveranciers incidenten melden, hoe overdraagbaar agentinstructies werkelijk zijn en welke afhankelijkheden onder hun gekozen AI-diensten schuilgaan. Niet de luidste modelaankondiging, maar de kwaliteit van die operationele voorwaarden bepaalt welke AI-toepassingen duurzaam inzetbaar worden.