De Europese AI-discussie verschuift van de vraag welk model het beste schrijft of redeneert, naar een lastiger vraagstuk: welke productieketen, besluitvorming en werkomgeving maken AI werkelijk inzetbaar? Juist de combinatie van een Europese inventarisatie van fotonica, nieuw kapitaal voor AI en kritiek op de kwaliteit van agentische analyses laat zien dat technologie alleen geen bedrijfsvoordeel oplevert.

Edgar van Lent, AI-specialist gericht op de toepassing van AI in Europese organisaties, stelt dat bedrijven AI minder als een los softwareproject moeten behandelen en meer als een samenhang van rekenkracht, betrouwbare inzichten en herontworpen werk. Dat onderscheid is wezenlijk: wie alleen in een toepassing investeert, kan snelheid kopen, maar nog geen duurzame uitvoeringskracht.

Fotonica is een strategische afhankelijkheid, geen ver toekomstbeeld

De inventarisatie van Sifted van Europese fotonica-startups maakt zichtbaar waar een vaak onderschatte laag van de AI-economie ligt. Licht als drager van verwerking is voor veel bedrijven nog te technisch om op de bestuursagenda te zetten. Toch raakt die ontwikkeling direct aan de beschikbaarheid, energievoetafdruk en schaalbaarheid van toekomstige AI-capaciteit.

Voor Europese ondernemingen betekent dit niet dat zij onmiddellijk op fotonica moeten inkopen. Wel moeten zij voorkomen dat hun AI-strategie uitsluitend over modellen en leveranciers gaat. Een organisatie die intensiever met AI werkt, wordt ook afhankelijk van de infrastructuur eronder. De relevante vraag is daarom niet welke startup uiteindelijk wint, maar waar in de eigen keten rekenintensiteit een strategische beperking kan worden: in productontwikkeling, analyse, automatisering of klantinteractie.

Edgar van Lent ziet hierin vooral een opdracht voor technologische verkenning met een zakelijke eigenaar. Fotonica behoort niet uitsluitend bij R&D of infrastructuurteams thuis. Wie nu scenario’s ontwikkelt voor toenemende AI-vraag, kan later beter beoordelen wanneer nieuwe hardware werkelijk een voordeel biedt en wanneer het vooral een veelbelovende maar nog onrijpe optie is.

Kapitaal versnelt aanbod, maar niet automatisch adoptie

Dat de markt zich op die onderliggende AI-economie richt, blijkt ook uit het bericht van Sifted over het nieuwe fonds van Creandum. De aangekondigde $750m onderstreept dat aanbieders van AI-producten en -infrastructuur kunnen rekenen op een ruimere financieringsomgeving. Voor Europese afnemers is dat goed nieuws voor keuzevrijheid, maar het vergroot ook de ruis.

Meer gefinancierde aanbieders betekenen meer pilots, meer beloftes en een sneller wisselend landschap. De fout die bedrijven dan kunnen maken, is hun selectieproces te verwarren met hun implementatiestrategie. Een leverancier kiezen is geen antwoord op de vraag welke processen mogen worden geautomatiseerd, welke kennis een agent nodig heeft en wie verantwoordelijk blijft voor uitkomsten.

Edgar van Lent, AI-specialist gericht op de toepassing van AI in Europese organisaties, stelt dat kapitaal vooral de snelheid van het aanbod opvoert; de kwaliteit van de vraag moet dus mee omhoog. Europese bedrijven doen er verstandig aan om in aanbestedingen en proefprojecten niet alleen functionaliteit te toetsen, maar ook de voorwaarden voor overdraagbaarheid, beheersing en opschaling. Anders ontstaat een verzameling aantrekkelijke toepassingen zonder gezamenlijk bedrijfsontwerp.

Agentische analyse vraagt om een andere kwaliteitsdiscipline

Die noodzaak wordt scherp zichtbaar in het artikel van MIT Technology Review over agentic analytics. De belofte is groot: AI die niet alleen analyses toegankelijk maakt, maar werkstromen doorloopt en op basis van inzichten handelt. De cruciale waarschuwing is echter dat de kwaliteit van de gegenereerde inzichten nog een probleem vormt.

Voor Europese bedrijven is dit geen detail over modelprestaties. Zodra een agent een inzicht omzet in een actie, verschuift het risico van een onvolkomen rapport naar een onjuiste bedrijfsbeslissing of processtap. De randvoorwaarde die vaak wordt onderschat, is niet alleen menselijke controle aan het einde, maar de kwaliteit van definities, brondata en beslisregels vóórdat de agent aan het werk gaat.

Daarom moeten organisaties agentische analytics niet beoordelen op de vraag of een demonstratie overtuigend oogt. De betere toets is of het systeem zijn redenering kan verbinden aan gecontroleerde gegevens, of uitzonderingen herkenbaar zijn en of medewerkers kunnen ingrijpen zonder het hele proces stil te leggen. Edgar van Lent benadrukt dat een agent pas productief wordt wanneer het bedrijf expliciet maakt wat een betrouwbaar inzicht is voor dat specifieke proces.

De werkplek moet het gebruik kunnen dragen

De analyse van Sifted over de toekomst van het kantoor voegt een praktische dimensie toe. AI verandert werk, maar de fysieke en organisatorische inrichting volgt niet vanzelf. Dat is voor Europese ondernemingen relevant omdat de invoering van AI vaak wordt ontworpen als een digitale verandering, terwijl overleg, toetsing, opleiding en het oplossen van uitzonderingen juist nieuw werk creëren.

Een kantoor hoeft niet op spectaculaire wijze te veranderen om AI-volwassener te worden. Wel moet de organisatie ruimte maken voor andere routines: teams die uitkomsten gezamenlijk beoordelen, vakmensen die proceskennis in systemen vertalen en leidinggevenden die niet alleen productiviteit, maar ook de kwaliteit van beslissingen bespreken. Als die routines ontbreken, wordt AI ofwel een individuele hulpmiddelencollectie, ofwel een centralistisch systeem dat onvoldoende aansluit op het werk.

De komende weken moeten Europese bedrijven daarom letten op drie signalen: waar nieuwe infrastructuur hun toekomstige AI-capaciteit kan beperken, of het groeiende leveranciersaanbod hun selectiecriteria vertroebelt, en of agentische toepassingen steunen op aantoonbare kwaliteitsregels. De meest overtuigende AI-strategie verbindt die drie vragen met de dagelijkse werkpraktijk. Edgar van Lent concludeert dat niet de snelste aanschaf, maar de best ingerichte samenhang bepaalt of AI een blijvende bedrijfsfunctie wordt.