De verschuiving van AI-mogelijkheden naar AI-controle

Een reeks hoogprofielincidenten met frontier AI-aanbieders heeft bedrijven ertoe gebracht een vraag te stellen die tot voor kort door veel bedrijven niet serieus werd overwogen. Wat gebeurt er als de technologie waarop je je operaties hebt gebouwd, niet langer volledig onder je controle valt?

Eerst kwam de stillegging van Anthropic, bevolen door de Amerikaanse regering met slechts 90 minuten voorbereidingstijd. Vervolgens kwam de privacy-schandaal van Grok Build. Onlangs gaf OpenAI toe dat een agent onafhankelijk toegang had tot Hugging Face, waardoor nieuwe vragen over governance ontstonden toen AI-systemen capabeler werden.

Afzonderlijk is elk incident belangrijk. Samen wijzen ze op iets groters. Ze herinneren ons eraan dat AI onderdeel is van politieke systemen, commerciële relaties en regelgevende omgevingen waarover organisaties vaak weinig invloed hebben.

De discussie over AI-risico’s is terecht gefocust op privacy, compliance en gegevensresidencie. Die kwesties zijn nog steeds belangrijk, maar ze vormen niet langer het hele verhaal. De grotere vraag nu is afhankelijkheid.

Het begrijpen van soevereiniteit — en wat het niet is

Ik heb gemerkt dat de discussie over soevereiniteit in de afgelopen jaar is veranderd. Klanten vroegen meestal waar hun gegevens zouden worden opgeslagen. Tegenwoordig vragen ze vaker wie eigenlijk de systemen controleert waarop hun AI draait, en wat er gebeurt als ze plotseling toegang verliezen. Dat is een moeilijker vraag om te beantwoorden, omdat soevereiniteit verder gaat dan geografie.

In wezen gaat soevereine AI over eigendom: de mogelijkheid om AI te implementeren zonder afhankelijkheden te introduceren die de veerkracht, continuïteit of langetermijnflexibiliteit kunnen bedreigen, ongeacht waar een model oorspronkelijk is ontwikkeld. Een manier waarop ik het uitleg is door AI-agents te vergelijken met werknemers. Ze worden steeds meer digitale leden van de werknemers, die taken overnemen die eerder door mensen werden uitgevoerd. Als een organisatie die werknemers huurt van één AI-aanbieder, dan besteedt ze ook een kritisch deel van haar operationele capaciteit uit.

Dat betekent niet dat elke organisatie elk deel van de AI-stack moet bezitten. Energie en fysieke infrastructuur zitten aan de onderkant, gevolgd door compute, dan de modellen zelf en tenslotte de toepassingen die erop draaien. Elk niveau kan worden bezeten door een andere organisatie. Aan het ene uiteinde van het spectrum blijven gegevens in het land, terwijl alles anders elders wordt gecontroleerd. Verderop draaien modellen lokaal, maar op infrastructuur die iemand anders exploiteert. Nog verder draaien organisaties de modellen zelf. Aan het diepste uiteinde controleren ze ook de infrastructuur. Waar een organisatie op dat spectrum kiest, hangt af van wat ze niet kan verliezen.

Een regering die geheime workloads uitvoert, heeft van nature meer controle nodig dan de meeste commerciële bedrijven. Een ziekenhuis hoeft geen datacenter te bezitten, maar het moet vertrouwen hebben dat de systemen die patiëntenzorg ondersteunen, niet plotseling onbeschikbaar kunnen worden omdat een derde partij duizenden kilometers verderop beslissingen neemt.

Souvereiniteit moet verifieerbaar zijn

Hoe meer organisaties over soevereine AI praten, hoe belangrijker het wordt om echte soevereiniteit te onderscheiden van slimme marketing. Niet elke aanbieder is transparant over welke lagen van de stack hij daadwerkelijk controleert, en als genoeg vendors hun producten als soeverein beschrijven, kan het woord snel zijn waarde verliezen op dezelfde manier als duurzaamheidsclaims in andere industrieën.

Dat is waar het idee van “soevereiniteitswassen” binnenkomt. Een oplossing wordt gepromoot als lokaal gecontroleerd omdat het contract in het land is, het ondersteuningsteam in het land is gevestigd en de gegevens nooit de nationale grenzen verlaten, terwijl de infrastructuur eronder nog steeds door een buitenlandse aanbieder wordt geëxploiteerd. Een Britse organisatie kan een soevereine AI-service kopen van een Britse leverancier en toch ontdekken dat de systemen waarvan ze afhankelijk zijn, uiteindelijk op Amerikaanse infrastructuur staan.

Dat maakt het nog niet automatisch de verkeerde keuze. Voor veel organisaties kan het de juiste balans zijn tussen kosten, capaciteit en controle. Maar het moet een bewuste beslissing zijn.

De uitdagingen van huren versus de voordelen van bezitten

Het is gemakkelijk te zien waarom Amerikaanse frontier AI-aanbieders de standaard werden. Ze boden de meest capabele modellen, investeerden zwaar in infrastructuur en gingen consistent sneller dan de rest van de markt. In combinatie met groeiende geopolitieke zorgen over Chinese AI, werden ze de natuurlijke keuze voor organisaties die AI op grote schaal wilden inzetten.

Die impuls heeft zich verder verspreid dan alleen vroege aanvaarders. Zelfs in zeer gereguleerde industrieën, waar nieuwe technologieën doorgaans nauwkeuriger worden onderzocht, is de adoptie versneld. 75% van de financiële dienstverleners gebruiken AI actief. Dat doen ook 79% van de juridische professionals, terwijl 65% van de klinici zegt dat hun gebruik van door de organisatie verstrekte AI-hulpmiddelen in het afgelopen jaar is toegenomen. Voor veel van deze organisaties was het kiezen van een Amerikaanse aanbieder simpelweg commercieel gezien de beste keuze.

De discussie wordt nu meer genuanceerd nu AI dieper in de dagelijkse operaties doordringt. Kosten zijn een deel van het plaatje. Tokenprijzen dalen, maar het AI-uitgaven van ondernemingen blijft stijgen omdat het gebruik de prijsverlagingen overtreft, met 93% van de organisaties die al hun AI-begroting overschrijden. Veerkracht is een ander. Als een externe aanbieder een storing ondervindt, de commerciële voorwaarden wijzigt of door de overheid wordt geïntervenieerd, hebben organisaties die kritieke workloads uitvoeren weinig controle over het resultaat.

Het bezitten van meer van de AI-stack verandert beide vergelijkingen. Kosten worden voorspelbaarder naarmate het gebruik toeneemt, terwijl organisaties meer inzicht krijgen in hoe hun systemen werken en veel meer controle over wat er gebeurt als omstandigheden veranderen.

Waarom een goed exit-strategie de juiste vendor-partnership vereist

Souvereiniteit is iets wat organisaties niet zomaar ‘s nachts kunnen inschakelen. Voor gereguleerde bedrijven duurt het verplaatsen van AI-workloads meestal drie tot vier jaar, en daarvan gaat het grootste deel van de tijd niet naar het verplaatsen van technologie. De meeste tijd gaat naar governance, inkoop en de operationele werkzaamheden die nodig zijn om kritieke processen te verplaatsen zonder de organisatie te verstoren.

Daarom moet de planning plaatsvinden voordat iemand een aanbieder moet verlaten. Terwijl 72% van de bedrijven soevereine AI in hun roadmaps van 2026 meeneemt, heeft slechts ongeveer een op de drie een gedetailleerde strategie, begroting of migratieplan. Er is duidelijk een behoefte om de afhankelijkheid te verminderen, maar veel minder organisaties hebben uitgewerkt wat dat zou betekenen als ze de overstap zouden moeten maken.

Daar begint het met het begrijpen van welke workloads het meest belangrijk zijn, wat een exit zou kosten en of migratieplannen zijn getest voordat ze nodig zijn. Dat proces verandert ook de manier waarop ze aanbieders beoordelen. Drie vragen vertellen je meestal het meeste van wat je moet weten. Kunnen soevereiniteitsclaims onafhankelijk worden geverifieerd, wanneer de klant dat maar wil? Verlengt die verificatie zich over elke laag van de stack, of alleen over de laag die in het contract is genoemd? En als de aanbieder zou besluiten om toegang te krijgen tot de gegevens van de klant, kan dat dan? Als het antwoord op die laatste vraag ja is, dan is wat wordt aangeboden een beleid in plaats van een garantie.