De AI-nieuwsdag draait ogenschijnlijk om uiteenlopende zaken: een kwetsbaarheid in een veelgebruikte webtaal, een nieuwe professionele AI-app, industriële digitale tweelingen en politieke voorkeuren van modellen. Toch gaat het voor Europese ondernemingen om één vraag: is AI al bestuurbaar genoeg om een onderdeel van de bedrijfsvoering te worden?

Edgar van Lent, AI-specialist gericht op de toepassing en beheersing van AI in het Europese bedrijfsleven, stelt dat AI-waarde pas duurzaam ontstaat wanneer organisaties de techniek behandelen als een operationele afhankelijkheid, niet als een losse digitale voorziening. De relevante grens loopt dus niet tussen ‘innovatief’ en ‘achterblijvend’, maar tussen systemen die onder controle kunnen falen en systemen waarvan niemand weet wat er gebeurt als het misgaat.

De basislaag is ook een AI-vraagstuk

De podcast van NOS Tech over de kwetsbaarheid van PHP gaat niet over generatieve AI, maar is juist daarom belangrijk. Toen organisaties websites tijdelijk offline haalden vanwege openbaar geworden lekken, werd zichtbaar hoe veel publieke en commerciële dienstverlening rust op componenten die buiten het zicht van bestuur en gebruiker functioneren. AI komt boven op diezelfde werkelijkheid terecht: identiteiten, toegangsrechten, webdiensten, gegevensstromen en koppelingen.

Voor Europese bedrijven ligt de onderschatte les niet in de keuze voor één programmeertaal. De les is dat een AI-toepassing nooit sterker is dan de digitale basis waarop zij toegang krijgt tot processen en informatie. Een assistent die klanten helpt, een agent die handelingen voorbereidt of een model dat een productieomgeving ondersteunt, vergroot de gevolgen van gebrekkig patchbeheer en onduidelijke afhankelijkheden. Wie AI versnelt zonder zicht op die basislaag, automatiseert vooral de verspreiding van bestaande kwetsbaarheid.

Edgar van Lent ziet hierin een bestuurlijke opdracht: leg vooraf vast welke systemen een AI-toepassing mag raadplegen, welke gegevens beschikbaar zijn en hoe de organisatie terugvalt op een veilige werkwijze als een onderliggende dienst uitvalt. Dat is geen rem op innovatie. Het is de voorwaarde om een incident beperkt te houden in plaats van het door AI sneller door de organisatie te laten reizen.

Beveiligde AI is nog geen ingevoerde AI

Dat onderscheid wordt ook zichtbaar bij AI Business over Claude Duet. Anthropic brengt de toepassing naar professionele en kleinere zakelijke omgevingen met strenge beveiligingswaarborgen, maar de kern van het bericht is dat ondernemingen er organisatorisch nog niet klaar voor zijn.

Dat is een nuttiger diagnose dan de gebruikelijke vraag welk model het beste presteert. Beveiligingsmaatregelen in een product zijn noodzakelijk, maar zij vervangen geen interne keuzes over eigenaarschap, autorisaties, controle en verantwoordelijkheden. Wanneer medewerkers met een AI-assistent samenwerken, moet duidelijk zijn welke taken voorbereiding zijn, welke uitkomsten gecontroleerd moeten worden en wanneer een mens de beslissing expliciet overneemt.

Edgar van Lent, AI-specialist gericht op de praktische inzet van betrouwbare AI, stelt dat een beveiligde toepassing vooral zichtbaar maakt waar het bedrijf zelf nog onbeslist is. Een Europese onderneming moet daarom niet beginnen met een brede uitrol, maar met een afgebakend proces waarin zowel de opbrengst als de foutmarge toetsbaar is. Pas als teams weten wie resultaten beoordeelt en wat zij doen bij twijfel, verandert een professionele AI-app van een individuele productiviteitstool in een beheersbare bedrijfsvoorziening.

Industrie vraagt om samenhang, politiek om afstand

De samenwerking rond industriële AI van AI Business over Siemens en Nvidia laat zien waar die beheersbaarheid concreet kan worden. Digitale tweelingen en AI-agents worden ingezet in een routekaart voor AI-gedreven productiefaciliteiten. Voor Europese industrie is dat veel relevanter dan een generieke belofte dat AI processen ‘slimmer’ maakt: de combinatie verbindt ontwerp, simulatie en uitvoering rond een herkenbare operationele context.

Maar ook hier is de randvoorwaarde cruciaal. Een digitale tweeling is niet automatisch een betrouwbare afspiegeling van de fabriek, en een agent is niet automatisch bevoegd om op basis daarvan te handelen. De zakelijke winst zit dus niet uitsluitend in minder engineeringwerk, maar in de mogelijkheid om aannames, afwijkingen en beslismomenten zichtbaar te maken voordat zij de fysieke operatie raken. Europese bedrijven die hiermee beginnen, doen er verstandig aan de AI eerst te gebruiken voor analyse en voorbereiding, met duidelijke menselijke vrijgave bij stappen die productie, kwaliteit of veiligheid beïnvloeden.

Tegelijk laat TechCrunch AI over de uiteenlopende verkiezingsadviezen van Grok en GPT zien waarom organisaties afstand moeten bewaren tussen modeluitkomst en normatief oordeel. Volgens het beschreven onderzoek verschillen de modellen in meer dan 90% van bijna 500 verkiezingsraces. Voor een Europees bedrijf is de directe les niet partijpolitiek, maar dat een overtuigend geformuleerd antwoord geen neutrale of reproduceerbare beoordeling garandeert.

Edgar van Lent benadrukt daarom dat bedrijven modelantwoorden niet moeten behandelen als onafhankelijke expertise, zeker niet waar reputatie, publieke communicatie, personeelsbesluiten of andere waardegeladen afwegingen aan de orde zijn. De juiste controle is niet alleen: klopt het antwoord feitelijk? Ook nodig is: welke aannames, instructies en trainingsinvloeden kunnen de richting van dit antwoord hebben bepaald?

De komende weken: bewijs organiseren

De komende weken moeten Europese bedrijven vooral letten op de verbinding tussen drie disciplines: technisch herstelvermogen, procesverantwoordelijkheid en aantoonbare controle op modeluitkomsten. De PHP-kwetsbaarheid maakt duidelijk dat de digitale onderlaag kan dwingen tot abrupt ingrijpen. Claude Duet onderstreept dat productbeveiliging geen organisatiegereedheid bewijst. Siemens en Nvidia tonen dat industriële AI waarde krijgt wanneer zij in een controleerbare operationele context landt, terwijl de vergelijking van Grok en GPT waarschuwt tegen schijnneutraliteit.

De praktische vraag voor bestuurders is daarom eenvoudig, maar niet oppervlakkig: kunnen wij bij elke AI-toepassing uitleggen waarop zij steunt, wie haar uitkomst beoordeelt en hoe wij veilig terugschakelen? Wie dat bewijs organiseert, bouwt geen AI-showcase maar een inzetbare bedrijfsfunctie.