De zwaartekracht van AI verplaatst zich en zo ook het geld

Stel je een AI-geactiveerd servicecentrum van een van ‘s werelds grootste autofabrikanten voor. Het systeem werkt prachtig. Op het moment dat een auto de garage inrijdt, heeft de AI-monteur al zijn huiswerk gedaan, door bergen aan voertuiggegevens te doorzoeken om de exacte serviceconfiguratie te vinden die nodig is.

Dit elegante edge-toepassing kostte een klein leger aan ingenieurs drie jaar om te ontwikkelen. Het draaide op 10 dealerships.

Toen het tijd werd om het uit te breiden naar 12.000 locaties, ontdekte het team wat elk bedrijf dat edge-AI implementeert uiteindelijk leert: het bouwen van de toepassing is het gemakkelijke deel. Het schaalbaar maken naar duizenden locaties vereist een infrastructuur die de meeste bedrijven nog aan het uitvinden zijn.

Die kloof tussen het bouwen van iets slims en het daadwerkelijk implementeren waar het bedrijf gebeurt, is de bepalende uitdaging van AI op dit moment. En het verandert waar de volgende golf van technologie-investeringen naartoe gaat.

DE WEDDEN OP DE CLOUD VERANDEREN

Ongeveer 20 jaar lang was het playbook voor bedrijfssoftware eenvoudig: alles naar de cloud verplaatsen. Data en toepassingen centraliseren en controleren. Het werkte briljant voor het beheren van workflows, en beleggers beloonden het ruim.

Maar de economie verandert. SaaS-omzetvermenigvuldigers, die tijdens de pandemie piekten bij 18-20x, zijn gedaald tot niveaus die niet meer zijn gezien sinds 2016. De mediane omzetgroei voor openbare SaaS-bedrijven daalde tot ongeveer 12% eind 2025. Beleggers zijn nog niet verloren gegaan in software, maar zijn begonnen met het stellen van een moeilijker vraag: waar genereert AI eigenlijk rendement?

Steeds vaker is het antwoord niet in de cloud.

DE INTELLIGENTIE-VALSTRIK

De wereldwijde AI-investeringen zullen naar verwachting $2,5 biljoen bereiken tegen het einde van 2026. De vier grootste Amerikaanse technologiebedrijven alleen al zijn op koers om ongeveer 725 miljard dollar uit te geven aan kapitaaluitgaven dit jaar, een stijging van 77% ten opzichte van het voorgaande jaar, en de grootste enkelvoudige jaarlijkse infrastructuuruitbreiding in de geschiedenis van de technologie. Dat geld stroomt overweldigend naar cloud-infrastructuur om datacentra, GPU’s en trainingsclusters te ondersteunen.

Maar de meeste operationele data van de wereld wordt niet gegenereerd in datacentra. Het wordt gegenereerd in winkellocaties, op fabrieksvloeren, bij oliebronnen, in ziekenhuizen, op scheepvaartuigen en over energienetwerken. In die omgevingen moeten beslissingen worden genomen in milliseconden en het verzenden van data naar een verre server is eenvoudigweg niet haalbaar.

Ik zie dit constant in mijn werk met bedrijven. Een olie- en gasbedrijf zal maanden besteden aan het bouwen van een voorspellend model voor putoptimalisatie, vervolgens het verpakken in een enorm datapakket, het verzenden naar een afgelegen locatie en hopen dat het werkt. Een retailer zal AI ontwikkelen voor voorraadbeheer, alleen om te ontdekken dat het implementeren ervan in duizenden winkels een compleet ander probleem is dan het bouwen van het model zelf.

Intelligentie wordt effectief gevangen gehouden in de cloud. De fysieke wereld wacht niet op een rondreis.

WAAR HET GELD ECHT NAARTOE GAAT

Jensen Huang noemt het “fysieke AI“. Qualcomm kaderen het als AI op de rand die essentieel wordt. Wanneer de twee bedrijven die AI-hardware-economie beter begrijpen dan wie dan ook in dezelfde richting wijzen, is dat het waard om aandacht aan te besteden.

Deze verschuiving gebeurt al op de grond. Bedrijven in de olie- en gas-, automotive-, retail- en industriële sectoren draaien al AI-workloads op de rand. Ze weten dat edge-AI werkt, maar worstelen met hoe ze het moeten schalen. Het beheren van duizenden implementaties over diverse hardware en omgevingen, en het bijwerken van modellen in het veld zonder de bedrijfsvoering te verstoren, vormt een enorme uitdaging.

De investeringszaak is eenvoudig: wanneer AI autonoom moet functioneren – producten inspecteren op een productielijn, energietoename beheren op een windmolenpark, autonome systemen coördineren over een logistiek netwerk – moet het draaien waar de actie is.

Van TOEPASSINGEN NAAR AGENTEN

Er gebeurt een andere verschuiving onder de infrastructuurverhaal, en dat kan nog wel eens belangrijker blijken.

Agenten veranderen de traditionele starheid van bedrijfstoepassingen. Een agent is geen statische code die één ding doet. Het is een systeem dat kan redeneren, ongestructureerde data interpreteren en actie ondernemen zonder expliciet te zijn geprogrammeerd voor elke scenario. In plaats van een maatwerktoepassing te bouwen om kwaliteit te controleren op een productielijn, implementeert u een agent die videofeeds interpreteert, defecten identificeert en problemen markeert, allemaal terwijl het zich aanpast aan veranderingende omstandigheden. In plaats van een voorspellend onderhoudssysteem van scratch te programmeren voor elk type apparatuur, implementeert u een redenerend model dat sensordata verwerkt en beslissingen neemt in real-time.

Waar het eerst jaren en teams van ontwikkelaars kostte om edge-toepassingen te bouwen, kunnen agenten die tijdlijn dramatisch inkorten.

WAAROM DIT NIET EENVOUDIG IS

Maar zoals in de meeste gevallen, zit de duivel in de details. Wanneer een persoonlijke AI-agent een fout maakt, stuurt het een onhandige e-mail. Wanneer een industriële agent een fout maakt, kan het een productielijn stilleggen of een veiligheidsrisico creëren. Dezelfde kwaliteit die AI-agenten flexibel en krachtig maakt, is precies wat bedrijven voorzichtig maakt over het implementeren ervan in veiligheidscritische omgevingen.

De gevoeligheid van het intellectueel eigendom alleen al is verbluffend. Een energieservicesbedrijf dat tien jaar heeft besteed aan het verzamelen van operationele data om een autonome booroptimalisatiesysteem te bouwen, heeft iets onvervangbaars gecreëerd. Als die agent wordt gecompromitteerd, verkrijgt een concurrent effectief jaren aan institutionele kennis in één nacht. De Cyber Resilience Act van de EU en de evoluerende NIST-kaders zijn gericht op het aanpakken van deze risico’s, maar de technologie-infrastructuur om randvoorwaarden aan de rand te handhaven, wordt nog steeds gebouwd.

Beveiliging en governance zijn geen functies voor de edge-AI-tijdperk. Ze zijn de basis.

DE VOLGENDE INFRASTRUCTUURUITBREIDING

Elke grote tijdperk van computing is gedefinieerd door een infrastructuuruitbreiding. De PC-tijdperk bouwde lokale netwerken en desktops. De cloud-tijdperk bouwde datacentra en SaaS-platforms. De AI-tijdperk bouwt de infrastructuur om intelligentie te draaien in de fysieke wereld.

De bedrijven en beleggers die deze verschuiving vroeg herkennen, zullen zich in de volgende decennia positioneren. Dat betekent niet alleen investeren in AI-mogelijkheden, maar in de orkestratie-, beveiligings- en implementatie-infrastructuur die een capabel model omzet in een betrouwbaar industrieel systeem.

De waarde zit niet in de volgende chatbot of het volgende cloud-gehoste model. Het zit in de infrastructuur die AI operationeel maakt op grote schaal in de fabriek, het olieveld, het winkelnetwerk en overal waar de fysieke wereld data genereert die niet kan wachten.

Op dit moment staat ergens een ander bedrijf waar dat autofabrikant stond, met een briljante toepassing die draait op een handvol locaties, starend naar de kloof tussen pilot en schaal. Degenen die die kloof overbruggen, zullen de concurrerende sloten van het volgende decennium bouwen.