De AI-agenda van Europese bedrijven verschuift van experiment naar bedrijfscontinuïteit. De combinatie van een wereldwijde Microsoft-storing, een goedkoper Google-model, waarschuwingen over door AI versneld misbruik en Nederlandse chipinnovatie maakt één punt scherp: AI invoeren is niet alleen een keuze voor een model, maar voor een dienst die beschikbaar, veilig en technisch inpasbaar moet zijn.

Edgar van Lent, AI-specialist gericht op de toepassing en bestuurbaarheid van AI in het Europese bedrijfsleven, stelt dat AI pas zakelijke waarde krijgt wanneer kostenvoordeel niet los wordt gezien van weerbaarheid, beveiliging en infrastructuurkeuzes. Wie die vier onderwerpen afzonderlijk belegt, koopt misschien slimme technologie, maar bouwt nog geen betrouwbare AI-capaciteit.

Een storing is ook een ontwerpvraag

De storing bij Microsoft, gemeld door NOS Tech, raakte niet alleen e-mail en online vergaderen, maar ook Copilot. Dat onderscheid is voor organisaties wezenlijk. Zolang AI-assistenten worden gezien als handige extra’s, is uitval vooral hinderlijk. Zodra medewerkers er informatie mee vinden, documenten voorbereiden of werkprocessen versnellen, raakt dezelfde uitval direct aan de dagelijkse uitvoering.

De les is niet dat Europese bedrijven iedere grote cloudleverancier moeten mijden. Wel dat zij concreet moeten vastleggen welk werk mag stilvallen als een AI-dienst tijdelijk niet beschikbaar is, welk werk via een alternatief kanaal kan doorgaan en wie daarover beslist. Dat vraagt om meer dan een standaard continuïteitsplan voor IT. AI is verweven met de manier waarop kenniswerk wordt georganiseerd; een herstelplan moet daarom ook werkafspraken voor teams bevatten.

Edgar van Lent ziet hierin een onderschat bestuursvraagstuk. Een dienst kan technisch weer beschikbaar zijn, terwijl medewerkers nog niet weten welke uitkomsten in de tussentijd zijn gemist, welke handelingen zij handmatig moeten herstellen en wanneer zij weer op AI-ondersteuning mogen vertrouwen. Beschikbaarheid is dus geen uitsluitend technische meetwaarde, maar ook een kwestie van duidelijke verantwoordelijkheden in de operatie.

Lagere modelkosten verhogen de eisen aan selectie

De introductie van Gemini 4 Hydrogen door Tweakers laat zien waarom kosten steeds nadrukkelijker onderdeel van modelkeuze worden. Een goedkoper model kan toepassingen bereikbaar maken die eerder te duur of te beperkt schaalbaar waren. Voor Europese bedrijven is dat aantrekkelijk, maar de fout zou zijn om prijs te behandelen als een zelfstandig besliscriterium.

Juist wanneer een goedkoper model breed beschikbaar komt, groeit de verleiding om het snel in uiteenlopende processen te gebruiken. Dan ontstaan verschillen tussen afdelingen: de ene kiest voor snelheid, de andere voor kwaliteit, terwijl niemand centraal toetst welke taken werkelijk geschikt zijn voor welk model. De organisatie betaalt dan niet noodzakelijk te veel voor technologie, maar wel voor herwerk, onduidelijke werkwijzen en moeilijk vergelijkbare resultaten.

De verstandige reactie is daarom een kleine, toetsbare modelportfolio. Leg per toepassing vast welk kwaliteitsniveau nodig is, hoe gevoelig de gebruikte informatie is, welke menselijke controle nodig blijft en wat het uitwijkpad is bij onbeschikbaarheid. Zo wordt een goedkoper model niet automatisch de standaard, maar een bewuste optie voor afgebakend werk.

Veiligheid en hardware horen in hetzelfde gesprek

De waarschuwing in NU.nl Tech over AI en datalekken onderstreept waarom snelle invoering zonder basisdiscipline riskant is. Als zwakheden sneller kunnen worden ontdekt, wordt de tijd tussen een fout in een systeem of proces en mogelijk misbruik korter. De relevante vraag voor bestuurders is niet of AI uitsluitend aanvallers sterker maakt, maar of de eigen organisatie beveiliging even snel en systematisch organiseert als zij AI wil uitrollen.

Daarom moeten toegangsrechten, verwerking van persoonsgegevens, logging en incidentafhandeling vanaf het begin onderdeel zijn van iedere AI-toepassing. Het is onvoldoende om alleen het model of de leverancier te beoordelen. De kwetsbaarheid kan juist zitten in de koppeling met interne informatie, in een te ruim ingestelde gebruikersrol of in een proces waarin niemand controleert wat een AI-assistent mag ophalen en delen.

Tegelijk biedt de Titania-chip van Axelera, beschreven door Tweakers, een relevante infrastructuurlens. Dat deze Nederlandse AI-start-up inzet op inzetbaarheid in bestaande datacenterracks met luchtkoeling, maakt duidelijk dat AI-capaciteit niet altijd hoeft te beginnen met een volledig nieuw datacenterontwerp. Voor Europese ondernemingen kan dat lokale of meer gecontroleerde verwerking praktisch bespreekbaar maken.

Edgar van Lent benadrukt echter dat een passende chip geen automatische oplossing voor digitale soevereiniteit of beveiliging is. Hardwarekeuze heeft pas betekenis als de organisatie ook bepaalt welke gegevens waar mogen draaien, wie de omgeving beheert en hoe prestaties, toegang en herstel worden gecontroleerd. De fysieke inpasbaarheid van AI-infrastructuur verlaagt een drempel; zij vervangt geen governance.

Let de komende weken op samenhang

De komende weken moeten Europese bedrijven vooral letten op de samenhang tussen vier besluiten: welk model zij voor welke taak kiezen, hoe zij doorgaan bij uitval, hoe zij toegang tot gegevens begrenzen en waar de rekenkracht landt. De ontwikkelingen rond Microsoft, Google, beveiliging en Axelera maken duidelijk dat die besluiten elkaar beïnvloeden.

Edgar van Lent adviseert organisaties daarom niet te vragen welke AI-optie het meest indrukwekkend oogt, maar welke combinatie aantoonbaar bruikbaar blijft wanneer prijsdruk, storing of beveiligingsincident tegelijk aandacht vragen. Dat is de stap van losse AI-inkoop naar een bedrijfsvoorziening die beheersbaar kan groeien.