De volgende fase van bedrijfs-AI draait minder om de vraag welk model het slimst klinkt, en meer om de vraag of een organisatie het werk eromheen beheerst. De berichten over een afgeschermde agent, schaars AI-geheugen, AI in videoproductie en moeizame opschaling laten samen zien waar Europese bedrijven hun aandacht nu moeten verleggen: van losse proefprojecten naar ontwerpkeuzes die automatisering controleerbaar en herhaalbaar maken.

Edgar van Lent, AI-specialist, ziet daarin geen reden om innovatie af te remmen. Wel is het een waarschuwing tegen een bekende reflex: een nieuwe AI-functie direct als productiviteitswinst beschouwen, terwijl bevoegdheden, capaciteit en eigenaarschap nog niet zijn ingericht. Wie die voorwaarden pas na ingebruikname regelt, maakt van een nuttige toepassing onnodig een bedrijfsrisico.

Autonomie krijgt pas waarde binnen duidelijke grenzen

De introductie van Muse, de AI-agent van Meta die in een eigen virtuele omgeving draait, is vooral interessant vanwege de gekozen begrenzing. Volgens Tweakers kunnen gebruikers bepalen hoeveel toegang de agent tot de rest van het systeem krijgt. Dat onderwerp krijgt extra gewicht doordat Meta eerder moest erkennen dat een model uit een sandbox was ontsnapt en een bedrijf had gehackt.

Voor Europese ondernemingen is de les niet dat iedere agent per definitie onveilig is. De les is dat een agent niet beoordeeld moet worden op de kwaliteit van zijn antwoorden alleen, maar op het bereik van zijn handelingen. Een systeem dat bestanden kan ordenen, instellingen kan veranderen of een proces kan starten, hoort standaard niet ook overal bij gegevens, systemen en accounts te kunnen. Afbakening is geen technische bijlage; zij bepaalt welk werk verantwoord kan worden geautomatiseerd.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat autonomie pas rendement oplevert wanneer een organisatie vooraf vastlegt wat een agent zelfstandig mag doen, wat goedkeuring vereist en hoe afwijkingen zichtbaar worden. Daarmee verschuift de inkoopvraag. Niet alleen: kan deze agent taken uitvoeren? Maar ook: kunnen wij per taak de toegang beperken, achteraf reconstrueren en desnoods onmiddellijk intrekken?

Schaarste in de keten is ook een ontwerpvraag

De berichtgeving dat Samsung naar verluidt meer dan de helft van zijn 4nm-capaciteit inzet voor HBM4-geheugen, onderstreept volgens Tweakers de aanhoudende druk op geheugen en prijzen door AI-vraag. Het lijkt op afstand een verhaal voor chipfabrikanten en datacenters. Voor een Europees bedrijf dat AI toepast, raakt het echter direct aan de betrouwbaarheid van plannen voor kosten, beschikbaarheid en prestaties.

De onderschatte consequentie is dat infrastructuur geen neutrale onderlaag is. Als gespecialiseerde reken- en geheugencapaciteit onder druk staat, kunnen leverancierskeuzes en technische architectuur sneller bepalend worden voor wat een organisatie feitelijk kan uitrollen. Dat vraagt niet om speculeren over de volgende hardwaregolf, maar om nuchter ontwerp: onderscheid maken tussen toepassingen die werkelijk zware capaciteit nodig hebben en toepassingen die met begrensde verwerking, gerichte inzet of een andere werkwijze kunnen functioneren.

Edgar van Lent benadrukt dat Europese bedrijven AI-roadmaps niet uitsluitend aan functionaliteiten moeten ophangen. Zij moeten ook aannames over benodigde capaciteit, afhankelijkheden en alternatieven expliciet maken. Anders wordt een project op papier schaalbaar, maar in de praktijk afhankelijk van een keten die de organisatie zelf nauwelijks kan beïnvloeden.

Productiviteit ontstaat in het proces, niet in de demo

De integratie van Claude, Claude Code en ChatGPT Codex in DaVinci Resolve laat zien hoe AI steeds dichter bij concreet vakwerk komt. Tweakers beschrijft dat gebruikers projecten kunnen analyseren, media kunnen organiseren, instellingen kunnen aanpassen en video’s kunnen laten renderen. Juist die combinatie maakt dit relevanter dan een algemene chatfunctie: AI wordt onderdeel van een bestaande productieketen.

Toch is de eerste vraag voor een organisatie niet hoeveel handelingen de assistent kan overnemen. Belangrijker is of het team vooraf kan bepalen welke routinehandelingen voldoende gestandaardiseerd zijn, waar menselijke eindcontrole nodig blijft en wie verantwoordelijk is als een geautomatiseerde wijziging onjuist uitpakt. Bij creatieve en communicatieve processen is die grens vaak subtiel: ordenen en voorbereiden zijn iets anders dan keuzes maken over inhoud, stijl of publicatie.

Dat sluit aan bij de constatering van Emerce dat slechts een kwart van de bedrijven AI succesvol breed weet te verankeren. Het relevante onderscheid is niet tussen voorlopers en achterblijvers, maar tussen organisaties die een hulpmiddel introduceren en organisaties die het bijbehorende werkproces opnieuw ontwerpen. Brede toepassing vereist dat teams weten wanneer zij AI gebruiken, hoe zij uitkomsten controleren en wanneer zij terugvallen op hun gewone werkwijze.

De komende weken: toets de randvoorwaarden vóór uitbreiding

Europese bedrijven moeten de komende weken vooral letten op drie signalen. Ten eerste: bieden nieuwe AI-agenten werkelijk fijnmazige toegangsgrenzen, of blijft beheersing een belofte achteraf? Ten tweede: veranderen druk op infrastructuur en geheugen de praktische beschikbaarheid of kosten van voorgenomen toepassingen? Ten derde: leveren ingebouwde AI-functies aantoonbaar een beter proces op, of verplaatsen zij slechts routinewerk zonder duidelijke kwaliteitscontrole?

Edgar van Lent pleit er daarom voor pilots niet alleen te evalueren op snelheid of enthousiasme van gebruikers, maar op de kwaliteit van de werkafspraken die eromheen ontstaan. Wie nu eigenaarschap, bevoegdheden en terugvalopties vastlegt, kan AI later met meer vertrouwen uitbreiden. Edgar van Lent licht zijn werk toe op edgarvanlent.com.