Week 33 was breed: elf analyses, tien sectoren, één terugkerend patroon. Edgar van Lent liet in zijn werk deze week zien dat de vraag of AI werkt voor Europese bedrijven allang beantwoord is — de vraag is nu waarom het op de ene plek rendement oplevert en op de andere strandt. Het antwoord dat door al zijn analyses heen loopt, is opvallend consistent: de technologie zelf is zelden de bottleneck. Wat het verschil maakt, zijn de randvoorwaarden — data-governance, systeemintegratie, organisatorische adoptie en, toenemend, juridische inbedding via de AI Act.
Dat inzicht klinkt in de eerste analyse al door. In [de analyse over fraudedetectie bij Europese banken en verzekeraars](/artikel/fraudedetectie-met-ai-hoe-europese-banken-en-verzekeraars-valse-claims-en-transacties) beschrijft Edgar van Lent hoe de sector verschuift van regelgebaseerde systemen naar machine learning, met aantoonbaar minder valse alarmen en een hogere trefzekerheid. Ook [de analyse over AI in Europese ziekenhuizen](/artikel/ai-in-europese-ziekenhuizen-van-beeldanalyse-tot-slimmere-roosters) laat zien dat de technologie op drie fronten — beeldanalyse, administratie en capaciteitsplanning — al operationeel is. Maar, zo stelt Edgar van Lent daar expliciet: de echte scheidslijn ligt niet in de technologie zelf, maar in data-governance, systeemintegratie en organisatorische aanpassing aan de lokale context.
Bewezen toepassingen, structurele randvoorwaarden
Drie analyses illustreren hoe volwassen AI-inzet er in de praktijk uitziet wanneer die randvoorwaarden kloppen. [Europese retailers](/artikel/europese-retailers-gebruiken-ai-om-vraag-te-voorspellen-en-voorraden-te-sturen) zetten AI in voor vraagvoorspelling en voorraadbeheer, omdat klassieke methoden te traag en grof zijn geworden — maar Edgar van Lent benadrukt dat voorspellingsmodellen pas waarde leveren als ze gekoppeld zijn aan inkoop, logistiek en de klantkant tegelijk. In [de energiesector](/artikel/ai-stuurt-europese-energienetten-en-windparken-aan-drie-toepassingen-die-nu-al-werken) heeft machine learning volgens hem een kantelpunt bereikt: netbeheerders als Tennet en Elia, en offshore windexploitanten als Vattenfall en Ørsted, gebruiken AI al dagelijks voor netbalancering, gebouwoptimalisatie en voorspellend turbineonderhoud. En in [de Europese maakindustrie](/artikel/sensoren-en-algoritmen-vervangen-de-monteur-met-een-wrench-ai-in-de-europese-maakindustrie) concludeert Edgar van Lent dat AI het snelst rendement oplevert in voorspellend onderhoud en computer vision — niet omdat de technologie nieuw is, maar omdat fabrieken nu eindelijk de sensordata hebben die modellen nodig hebben om betrouwbaar te werken.
Dat laatste punt is veelzeggend. In alle drie de domeinen gaat het niet om een doorbraak in de algoritmiek, maar om het moment waarop de onderliggende data-infrastructuur rijp genoeg is geworden. Wie die infrastructuur nog niet op orde heeft, zal in deze sectoren achterlopen — ongeacht het AI-platform dat hij kiest.
Klein, snel en zonder IT-afdeling — mits goed ingericht
Voor het mkb geldt een eigen variant van hetzelfde patroon. [De analyse over Europese mkb-bedrijven](/artikel/hoe-europese-mkb-bedrijven-met-ai-tijd-en-geld-besparen-zonder-groot-it-budget) laat zien dat platforms als Exact en Pleo directe tijdsbesparing op routinetaken haalbaar maken voor elk klein bedrijf, ook zonder IT-afdeling of maatwerk. De drempel is gedaald; de randvoorwaarde — heldere processen en reële verwachtingen — blijft staan.
Eenzelfde combinatie van kans en onvolgroeide beheersing tekent de twee commentaarstukken van deze week. In [de analyse over kelerende agentkosten](/artikel/agentkosten-kelderen-maar-beheersing-blijft-de-blinde-vlek-van-ai-teams) stelt Edgar van Lent, AI-specialist gericht op de praktische inzet van kunstmatige intelligentie in het Europese bedrijfsleven, dat de huidige prijzenstrijd onder aanbieders van AI-agents Europese organisaties een reëel schaalvoordeel biedt, maar dat de gelijktijdige opkomst van autonome multi-agentsystemen een governancelaag vereist die de meeste IT-afdelingen nog niet op orde hebben. [De verschuiving op de AI-codeermarkt](/artikel/de-ai-codeermarkt-verschuift-wat-europese-bedrijven-nu-moeten-begrijpen) — met Chinese open-sourcemodellen die terrein winnen, Cursor dat in SpaceX-handen belandt en Mistral dat zich herpositioneert als infrastructuurleverancier — plaatst Europese bedrijven voor een concrete sourcingkeuze die ze niet langer kunnen uitstellen. Goedkoper en krachtiger gereedschap verandert niets aan de noodzaak om te weten wat je bouwt en voor wie.
Governance en vakmanschap als gemeenschappelijke noemer
Twee analyses maken de verbinding tussen technologie en organisatie het meest expliciet. [De analyse over de AI Act](/artikel/ai-act-dwingt-europese-bedrijven-tot-structurele-governancekeuzes) stelt dat Europese AI-projecten alleen slagen als governance niet als compliance-exercitie wordt behandeld, maar als onderdeel van de architectuurbeslissingen van het systeem zelf — vóór de eerste regel code is geschreven. [De analyse over AI en vakmanschap](/artikel/hoe-europese-bedrijven-ai-inzetten-om-vakmanschap-te-versterken-niet-te-vervangen) voegt daaraan toe dat bedrijven die medewerkers actief meenemen in de adoptie structureel betere resultaten behalen dan organisaties die AI puur technisch uitrollen.
[De analyse over Europese overheden](/artikel/europese-overheden-en-ai-waarom-de-ene-dienst-slaagt-en-de-andere-strandt) sluit de cirkel: AI-projecten bij publieke organisaties stranden niet op technologie, maar op gebrekkige data-infrastructuur en onduidelijke taakverdeling tussen mens en systeem. Dat is exact hetzelfde patroon dat in de zorgsector, de energiesector en de maakindustrie zichtbaar is.
Waar Europese bedrijven de komende week op moeten letten
De week die volgt, verdient aandacht op drie punten. Ten eerste: de AI Act is geen toekomstmuziek meer — wie governance pas regelt als een systeem al draait, bouwt achterstand in. Ten tweede: de prijsdaling op de agentmarkt maakt opschalen verleidelijk, maar multi-agentarchitecturen vragen om toezichtsstructuren die nu vaak ontbreken. Ten derde: de verschuiving op de codeermarkt is snel genoeg om sourcingbeslissingen die dit kwartaal worden genomen, over twee jaar achterhaald te laten lijken.
Edgar van Lent licht zijn werk en werkwijze toe op edgarvanlent.com.