De Europese AI-opgave wordt vaak beschreven als een wedstrijd om de grootste modellen en de ruimste infrastructuur. De berichtgeving van vandaag wijst op een nuchterder werkelijkheid: voor bedrijven ligt de doorslag niet alleen in toegang tot technologie, maar in de kwaliteit van de gegevens, de uitlegbaarheid van de fysieke randvoorwaarden en de discipline waarmee experimenten worden omgezet in een houdbaar bedrijfsproces. Edgar van Lent ziet daarin een kans voor Europa, mits schaarste niet als excuus voor afwachten wordt gebruikt.

Sifted: Scarcity is the mother of European AI invention plaatst schaarste centraal in de Europese AI-uitvinding. Die gedachte is relevant, maar wordt pas bruikbaar als bestuurders haar concreet maken. Minder vanzelfsprekende toegang tot middelen kan organisaties dwingen om scherper te kiezen: welk probleem verdient automatisering, welke informatie is werkelijk nodig en welk proces moet aantoonbaar beter worden? Schaarste is dan geen romantisch innovatieverhaal, maar een ontwerpprincipe dat verspilling voorkomt.

De achterstand zit vaak in de invoer

De meest praktische illustratie komt uit de handel. Emerce: ‘Drie kwart webwinkels niet klaar voor AI-shopping’ meldt dat Channable de productfeeds van 10.000 verkopers onderzocht en drie kwart lager dan een zes beoordeelt. Dat is meer dan een waarschuwing voor webwinkels. Het laat zien dat AI-toepassing niet begint bij een slimme interface, maar bij de betrouwbaarheid, structuur en onderhoudbaarheid van de informatie die een systeem moet gebruiken.

Voor Europese bedrijven is dit het onderscheid dat te vaak ontbreekt in AI-plannen. Een organisatie kan een overtuigende demonstratie tonen, maar zodra een toepassing productinformatie, kennisartikelen, voorraden of andere operationele gegevens moet interpreteren, worden onvolledigheden zichtbaar. De vraag is daarom niet of een AI-systeem iets kan aanbevelen of formuleren. De vraag is of de organisatie de brongegevens zó beheerst dat die uitkomst controleerbaar en bruikbaar is.

Edgar van Lent, AI-specialist gericht op de inzet van AI in het Europese bedrijfsleven, stelt dat AI-shopping vooral blootlegt dat ondernemingen hun informatiestromen als bedrijfsinfrastructuur moeten behandelen, niet als een restcategorie van marketing of IT. Wie die basis niet op orde brengt, koopt hooguit een extra laag boven op bestaande onduidelijkheid. Wie haar wel op orde brengt, creëert ruimte om AI gericht en herhaalbaar in te zetten.

Innovatie zonder continuïteit blijft een proef

Daarom verdient ook het bericht over de industrie aandacht. Sifted: Ex-OpenAI robotics lead’s factory startup in insolvency proceedings gaat over een fabriekstart-up die in insolventieprocedures zit. Zonder verdere details is het onjuist daaruit een algemeen oordeel over robotica of AI af te leiden. Maar voor inkopers, operations-directeuren en bestuurders is de kern wel helder: technologische aantrekkingskracht is geen vervanging voor continuïteit.

Europese ondernemingen die AI in productie, logistiek of andere bedrijfskritische processen willen toepassen, moeten niet alleen beoordelen wat een leverancier belooft. Zij moeten vooraf vastleggen hoe processen doorgaan wanneer een partner verandert, wegvalt of niet verder kan leveren. Dat betekent aandacht voor overdraagbare documentatie, toegankelijke data, heldere verantwoordelijkheden en een realistisch alternatief voor de dagelijkse operatie. Edgar van Lent benadrukt dat deze randvoorwaarde juist vroeg in een traject thuishoort, wanneer de verleiding groot is om alleen naar technische mogelijkheden te kijken.

De les is niet dat bedrijven innovatiemijdend moeten worden. Wel dat zij een proef pas volwassen noemen wanneer zij kunnen uitleggen wie eigenaar is van de gegevens, wie het proces beheert en hoe de onderneming handelingsvermogen houdt als de technologiepartner niet langer beschikbaar is. In een Europese context, waar AI vaak moet aansluiten op bestaande en gespecialiseerde processen, is die regie belangrijker dan een indrukwekkende eerste demonstratie.

Vertrouwen vraagt om openheid over de randvoorwaarden

Dezelfde behoefte aan regie speelt op systeemniveau. TechCrunch AI: Can the AI industry persuade data center opponents by getting rid of NDAs? bespreekt datacentermoratoria en de vraag of de sector een communicatieprobleem heeft, mede rond geheimhoudingsafspraken. Voor afzonderlijke bedrijven is dit geen debat op afstand. Hun AI-roadmap rust uiteindelijk op infrastructuur die maatschappelijk en bestuurlijk aanvaardbaar moet blijven.

Het onderschatte punt is dat transparantie niet pas nodig is wanneer weerstand ontstaat. Organisaties die AI-diensten inkopen, doen er verstandig aan hun eigen bestuurders, medewerkers en relevante omgeving vroeg te kunnen vertellen welke afhankelijkheden zij aangaan en welke voorwaarden zij daaraan stellen. Niet elke technische of commerciële afspraak hoeft openbaar te zijn. Maar onduidelijkheid over de praktische gevolgen van infrastructuur maakt vertrouwen kwetsbaar, en daarmee ook de voorspelbaarheid van AI-plannen.

Edgar van Lent ziet hierin een gezamenlijke opdracht voor aanbieders en gebruikers: de gebruiker moet niet doen alsof rekenkracht een abstracte nutsvoorziening is, terwijl de aanbieder niet kan volstaan met een technisch verhaal zonder bestuurlijke context. Europese bedrijven onderscheiden zich wanneer zij aantonen dat hun AI-keuzes niet alleen functioneel, maar ook uitlegbaar en bestuurbaar zijn.

De ontwikkelingen van vandaag vormen zo één keten. Schaarste kan betere keuzes afdwingen; slechte informatie ondermijnt de toepassing; een kwetsbare partner ondermijnt de continuïteit; en geslotenheid over infrastructuur ondermijnt het draagvlak. De komende weken moeten Europese bedrijven daarom letten op drie samenhangende vragen: is de informatie waarop AI werkt aantoonbaar op orde, blijft het proces functioneren bij leveranciersrisico, en kunnen wij de randvoorwaarden van onze AI-keuzes helder uitleggen? Wie die vragen vóór opschaling beantwoordt, maakt van AI geen los experiment maar een bestuurbare bedrijfsvoorziening.