Forudsigelse for 2026 – Open source vil ride på AI-bølgen ind i sin næste guldalder

IBMs opkøb til 11 milliarder dollar af Confluent annonceret i begyndelsen af december, er mere end en stor konsolidering i data-infrastruktur: det er en offentlig erkendelse af, at kunstig intelligens (AI) i bund og grund er begivenhedsdrevet. Med andre ord, dette opkøb er bevis for, at virksomheder har brug for pålidelige data i bevægelse i lige så høj grad som data i hvile. Da organisationer har haft travlt med at implementere AI-agenter på tværs af deres operationer i 2025, fremhæver aftalen en kritisk erkendelse: real-time kontekst er den manglende ingrediens i at få agentbaseret AI til at fungere i virksomhedsskala.

IBMs egen ramme afslører det strategiske skift. De positionerer den kombinerede enhed som en “smart data-platform for AI-agenter” – infrastruktur, der kan tilslutte, behandle og styre data i realtid, så agenter kan fungere sammen uden problemer på tværs af hybrid-miljøer. Dette handler ikke om at sælge mere streaming-infrastruktur. Det handler om at erkende, at AI-agenter har brug for kontinuerlig, frisk kontekst for at fungere pålideligt, og at streaming-data er den underliggende struktur, der gør det muligt.

Paradokset i hjertet af Enterprise AI

IBMs opkøb af Confluent fremhæver også et fascinerende paradoks i data-infrastruktur-landskabet. Over de seneste par år har nogle infrastruktur-virksomheder trukket sig tilbage fra open source, ændret licenser og vendt tilbage til proprietære modeller i jagten på stærkere indtjening. Men udbredelsen af AI tvinger økosystemerne tilbage mod åbenhed. Hvorfor? Agenter har brug for interoperable rørledninger, forbindelser og governance på tværs af mange systemer – ikke én leverandørs lukkede stak.

Opkomsten af kraftfulde open-source Large Language Models (LLM’er) har skubbet hele AI-økosystemet mod gennemsigtighed og portabilitet. Modeller som Llama, Mistral og utallige andre giver virksomheder billigere og bedre alternativer til lukkede modeller. Dette skaber spænding: data-infrastruktur-virksomheder lukker deres haver, samtidig med at AI-virksomhederne, der forbruger deres produkter, åbner deres. IBMs opkøb af Confluent signalerer begyndelsen på en genstart, hvor AI’s tiltrækningskraft tvinger infrastrukturen tilbage mod åbenhed.

Kontekststyring: Den virksomhedsfunktion AI kræver

For at forstå hvorfor, må vi tale om, hvad jeg kalder “kontekststyring” – en virksomhedsfunktion til at levere den mest relevante, pålidelige og fastholdte kontekst til model-kontekstvinduer. Dette er ikke bare ad-hoc Retrieval-Augmented Generation (RAG) implementeringer spredt ud over forskellige hold. Det er en systematisk tilgang til at sikre, at AI-agenter har adgang til den information, de har brug for, når de har brug for det, med passende governance og dokumentation af dataenes oprindelse.

Her er en simpel mental model: Agenter kører på kontekst. Kontekst kører på rørledninger.

Kontekstrørledningen ser således ud: 

kilder → streaming → lagring (lakehouse/OLTP) → indeksering (vektor + leksikal + SQL) → politik/governance → levering → observerbarhed/evalueringer. 

Hvert lag må fungere pålideligt, og de må fungere sammen. Streaming sidder på fundamentet, fordi det giver den kontinuerlige friskhed, som agenterne kræver.

Traditionelle RAG-tilgange er ofte reaktive – de henter kontekst, når de bliver bedt om det. Men agenter har også brug for proaktive opdateringer: begivenheder, der kontinuerligt opdaterer hukommelse, opdaterer søgeindekser, justerer tilladelser og gennemtvinger politikker. IBMs opkøb af Confluent er grundlæggende et væddemål på, at “det konstant opdaterede kontekstlag” bliver kritisk infrastruktur for virksomheds-AI.

Hvorfor agenter fejler (og hvorfor det er vigtigt)

Virksomheds-AI-hold opdager denne ulykkelige sandhed på den hårde måde: agenter fejler ikke, fordi LLM’en er “dum”. De fejler, fordi den underliggende kontekst er fejlbehæftet, forældet, ufuldstændig eller uden governance. Faktisk estimerer analytikere, at op til 60% af AI-projekter vil blive opgivet på grund af mangel på AI-klare data. En agent, der tager beslutninger om indkøb baseret på gårsdagens lagerdata, er ikke nyttig. En agent, der får adgang til kunderekorder uden ordentlig autorisation, er et mareridt for regeloverholdelsen. En agent, der ikke kan forklare sin begrundelse, er ubrugelig i regulerede brancher.

Virksomheder kan ikke revidere AI-beslutninger uden proveniens. De kan ikke skalere AI-applikationer uden konsekvent data-friskhed. De kan ikke implementere agenter med tillid uden passende governance-værn. Alle disse krav peger på samme konklusion: kontekststyring må blive førsteklasses-infrastruktur, ikke en eftertanke.

Den Åbne Kilde-Renaissance

Dette er, hvor den åbne kilde-renæssance begynder. Kontekst omfatter for mange virksomheder og systemer til, at en enkelt proprietær stak kan vinde. Den succesfulde tilgang vil være åbne grænseflader plus portable byggeklodser: tilslutninger, streaming-platforme, metadata-styring, opslagssystemer og politik-gennemtvingelse. Lukket licensering hæmmer integration – og integration er hele spillet i agentbaseret AI.

IBM forstår dette. Deres historie med open source (især gennem Red Hat) giver dem troværdighed. Den kombinerede IBM-Confluent-enhed er positioneret til at accelerere, hvad de kalder “begivenhedsdrevet intelligens” ved at omfavne åbenhed, hvor det betyder noget: på integrationspunkterne, hvor forskellige systemer skal fungere sammen uden problemer.

Vi ser allerede dette skift spille sig ud. Open-source-streaming-platforme, åbne tabel-formater som Apache Iceberg og Delta Lake, og åbne standarder for metadata og governance bliver det forbindende væv i virksomheds-AI-infrastruktur. Organisationer kræver portabilitet og interoperabilitet, fordi de ved, de vil arbejde med multiple AI-modeller, multiple data-lagre og multiple værktøjer. Låsning er fjenden af den fleksibilitet, de har brug for.

En Prædiktion for 2026

Inden udgangen af 2026 forudser jeg, at “kontekststyring” vil opstå som en navngivet kategori i virksomheds-teknologi-stakke. Købere vil kræve tre ting:

• Først, åbne tilslutninger og “bring-your-own”-arkitekturer for data-lagre og indekser. Ingen enkelt leverandør vil kontrollere hele kontekstrørledningen.
• For det andet standardiserede kontekst-API’er på tværs af værktøjer. Hold har brug for at kunne bytte komponenter uden at genopbygge hele systemer.
• For det tredje styret proveniens som standard, ikke som en bolt-on. Hver enkelt del af konteksten har brug for en klar afstamning, og hver enkelt agents beslutning har brug for et revisionsspor.

Disse er ikke nice-to-haves. De er grundlæggende krav for virksomheds-AI-anvendelse i stor skala.

Genstarten Begynder

IBMs køb af Confluent markerer begyndelsen på en grundlæggende genstart i data-infrastruktur. AI’s momentum, drevet af behovet for sofistikerede agenter, der opererer i frisk, pålidelig kontekst, tvinger branchen tilbage mod åbenhed. Uanset om det er ren open source eller, som minimum, åben og gennemtvingelig interoperabilitet, afhænger af, hvordan markedet udvikler sig. Men retningen er klar.

De virksomheder, der klarer sig bedst i denne nye æra, vil ikke være dem med de mest lukkede, proprietære stakke. De vil være dem, der omfavner åbenhed på integrationsskiktet, som giver ægte interoperabilitet og hjælper virksomheder med at bygge kontekststyringsfunktioner uden kunstige begrænsninger.

Den næste bølge af innovation vil komme fra open-source-AI-infrastruktur, der giver virksomheder mulighed for at bygge sofistikerede agenter og applikationer uden vendor-låsning. Det er ikke idealisme – det er pragmatisme. For når du bygger mission-kritiske AI-systemer, der skal dække hele din virksomhed, er åbenhed ikke en filosofi. Det er et krav.