De Europese AI-agenda verschuift van de vraag welk model het beste is, naar een ongemakkelijker vraagstuk: op welk fundament draait het werk straks, en wie beheerst dat fundament? De berichten van deze week over IBM, NVIDIA en Ode laten zien dat AI-toepassing steeds minder een los softwareproject is. Zij wordt een architectuurkeuze die de koppeling tussen bestaande bedrijfssystemen, rekenkracht en implementatiecapaciteit bepaalt.

Edgar van Lent, AI-specialist, ziet daarin een noodzakelijke correctie op de neiging om AI vooral als een snelle aanschaf van een model of chatbot te behandelen. Europese bedrijven kunnen pas duurzaam opschalen wanneer zij niet alleen de toepassing, maar ook de technische route van gegevens, software en rekenwerk bewust ontwerpen.

De mainframe wordt geen historisch obstakel, maar een keuze

De aankondiging dat IBM in een volgende mainframechip Arm- en Z-workloads op dezelfde cores wil laten draaien, is vooral relevant omdat zij een klassieke tegenstelling doorbreekt: óf moderniseren door systemen te verlaten, óf vasthouden aan het systeem van record. Volgens VentureBeat moet de chip Arm-native Linux-software, waaronder AI-frameworks, dichter bij IBM Z- en LinuxONE-omgevingen brengen.

Voor Europese ondernemingen met bedrijfskritische processen is dat niet automatisch een reden om hun mainframe als AI-platform uit te roepen. Het is wel een reden om de moderniseringsroute nauwkeuriger te beoordelen. Als moderne AI-software dichter bij bestaande transacties en bedrijfsdata kan draaien, kan dat integratie eenvoudiger maken en worden overdrachten tussen omgevingen minder dominant in het ontwerp.

De onderschatte randvoorwaarde is hier niet de chip, maar de beheergrens. Een organisatie moet precies vastleggen welke AI-workloads in de nabijheid van kernsystemen horen, welke gegevens daarvoor beschikbaar zijn en wie verantwoordelijk is voor de technische en zakelijke controle. Nabijheid van data kan waardevol zijn; nabijheid zonder heldere bevoegdheden vergroot vooral het risico dat een proefopstelling ongemerkt onderdeel wordt van een kritisch proces.

Edgar van Lent stelt dat Europese bedrijven de mainframe-discussie niet moeten voeren als een keuze tussen oud en nieuw, maar als een keuze over waar AI veilig, controleerbaar en operationeel bruikbaar kan landen.

Agentische AI maakt efficiëntie een systeemvraag

De twee NVIDIA-berichten leggen een tweede verschuiving bloot. NVIDIA over Vera Rubin NVL72 koppelt de efficiëntie van infrastructuur expliciet aan AI-agents, terwijl NVIDIA over Groq 3 LPX en Vera Rubin benadrukt dat de volgende fase van inference niet uit één chip of netwerk bestaat, maar uit de samenhang van lagen in de AI-fabriek.

Dat onderscheid is voor Europese bestuurders relevanter dan de aangekondigde prestaties op zichzelf. Een agentische toepassing is geen gewone chatfunctie die af en toe een antwoord formuleert. Zij roept informatie op, voert stappen uit en combineert onderdelen van een proces. Daardoor wordt de kosten- en prestatievraag een ketenvraag: rekenwerk, netwerk, opslag, toegangsrechten en observatie moeten samen functioneren.

De fout zou zijn om hieruit af te leiden dat elke onderneming eigen, gespecialiseerde AI-infrastructuur nodig heeft. Voor veel organisaties is de juiste les juist bescheidener: begin met een scherp afgebakend proces en meet waar vertraging, kosten en kwaliteitsverlies daadwerkelijk ontstaan. Pas daarna is te bepalen of een externe dienst, een eigen omgeving of een hybride opzet past. Hardwareclaims zijn pas zakelijk betekenisvol als zij worden vertaald naar een concreet proces met aantoonbare eisen aan doorlooptijd, betrouwbaarheid en controle.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat agentische AI bedrijven dwingt om infrastructuur als onderdeel van procesontwerp te behandelen, niet als een technische inkoopbeslissing achteraf.

Implementatie wordt het schaarse vermogen

Dat de zelfstandige onderneming Ode With Anthropic volgens AI Business met een eerste overname haar mogelijkheden voor AI-implementatie wil uitbreiden, maakt zichtbaar waar de werkelijke schaarste ontstaat. Niet alleen in modellen, maar in het vermogen om technologie in bestaande organisaties te laten werken.

Voor Europese bedrijven is dit een waarschuwing tegen een al te eenvoudige leverancierslogica. De vraag is niet alleen welke partij een model, platform of infrastructuur kan leveren. Minstens zo belangrijk is of de organisatie zelf processen kan herontwerpen, eigenaarschap kan beleggen, systemen kan koppelen en medewerkers kan laten werken met de uitkomsten. Een partner kan capaciteit toevoegen, maar neemt die interne ontwerpverantwoordelijkheid niet over.

Daarom verdient implementatie dezelfde bestuurlijke aandacht als techniek. Benoem vooraf de proceseigenaar, de eigenaar van de gegevens en de partij die ingrijpt wanneer de AI-uitkomst niet bruikbaar is. Daarmee wordt een implementatieprogramma geen verlengde pilot, maar een verandertraject met toetsbare verantwoordelijkheden.

Edgar van Lent licht zijn werk als AI-specialist verder toe op edgarvanlent.com. Zijn kernpunt voor deze ontwikkelingen: de Europese voorsprong zit niet in het najagen van ieder nieuw systeem, maar in het verbinden van betrouwbare kernprocessen met moderne AI zonder het operationele overzicht te verliezen.

Waar de aandacht de komende weken heen moet

Europese bedrijven moeten de komende weken letten op drie signalen: of AI-software werkelijk dichter bij bestaande kernsystemen kan draaien, of aanbiedingen voor agentische AI de volledige technische keten zichtbaar maken, en of implementatiepartners aantoonbaar helpen bij intern eigenaarschap. Wie die drie vragen apart behandelt, koopt mogelijk technologie. Wie ze samen behandelt, bouwt aan inzetbare AI.