Spacelift’s The AI Readiness Gap-rapport onthult een groeiende kloof tussen AI-adoptie en infrastructuurgovernance

Kunstmatige intelligentie verandert softwareontwikkeling snel, maar een nieuw rapport van Spacelift suggereert dat veel organisaties moeite hebben om hun infrastructuurpraktijken aan te passen aan de snelheid van AI-adoptie. In The AI Readiness Gap, onderdeel van het onderzoek naar de staat van infrastructuurautomatisering in 2026, heeft Spacelift 406 IT-beslissers en platformengineeringleiders ondervraagd om te onderzoeken hoe AI infrastructuurbeheer, governance en automatisering vormgeeft. De resultaten laten een groeiende disconnectie zien tussen de snelle adoptie van AI-geassisteerde ontwikkeling en de systemen die organisaties hebben om die veranderingen te beheren en te gouverneren.

AI versnelt ontwikkeling sneller dan infrastructuurteams kunnen reageren

Het rapport benadrukt wat Spacelift de “AI-infrastructuurgap” noemt. Terwijl AI-geassisteerde coding gemeengoed is geworden, hebben de infrastructuurteams die verantwoordelijk zijn voor het implementeren, beheren en onderhouden van die code, moeite om gelijke tred te houden. Volgens de enquête geeft 89% van de organisaties aan dat de ontwikkelsnelheid van ontwikkelaars is toegenomen door AI, terwijl 82% zegt dat tussen een kwart en driekwart van hun code nu AI-geassisteerd is. Toch hebben, ondanks deze voordelen, slechts 25% van de organisaties AI als een topprioriteit voor hun strategie.
De gevolgen zijn al zichtbaar. Meer dan zes van de tien respondenten zeggen dat applicatieontwikkeling voorloopt op infrastructuur in termen van AI-adoptie, waardoor DevOps- en platformteams onder druk komen te staan om een groeiend volume aan AI-gegenereerde veranderingen op te nemen. Naarmate AI-gegenereerde code vaker in productieomgevingen terechtkomt, komen infrastructuurteams meer operationele complexiteit en risico’s tegen.

Vier niveaus van AI-gereedheid

Om beter te begrijpen hoe organisaties deze overgang beheren, heeft Spacelift een AI-maturiteitsindex geïntroduceerd die respondenten in vier categorieën indeelt: Blootgesteld, Gefragmenteerd, Voorbijhalend en Pionier. De classificatie is gebaseerd op factoren zoals AI-integratie, governance-maturiteit, infrastructuurautomatisering, risico-expositie en platformgereedheid.

Bijna een kwart van de organisaties valt in de categorie Blootgesteld, wat betekent dat ze AI actief gebruiken, maar de governance-kaders missen om het veilig te beheren. Nog eens 32% worden beschouwd als Gefragmenteerd, waar AI-adoptie bestaat, maar onconsistent is over teams heen. 25% worden geclassificeerd als Voorbijhalend organisaties, die AI agressief omarmen, maar governance laten achterwege. Slechts 19% kwalificeren zich als Pioniers, die governance- en automatiseringspraktijken hebben ingesteld voordat ze AI-adoptie versnelden.

Een van de opvallendste conclusies van het rapport is dat de grootte van de organisatie geen bepalende factor is. Grote ondernemingen en kleinere bedrijven kunnen in elke categorie voorkomen. Het onderscheid komt neer op gedrag, governance-discipline en operationele praktijken, in plaats van budget of het aantal medewerkers.

Het governance-vertrouwensprobleem

Het onderzoek onthulde een opvallende tegenstrijdigheid in hoe organisaties naar AI-governance kijken. Terwijl 86% van de respondenten vertrouwen uitspraken in de mogelijkheid van hun organisatie om AI te gouverneren, meldden slechts 30% een formeel AI-governancebeleid te hebben.

Deze kloof tussen vertrouwen en operationele realiteit vormt wat het rapport de “AI-governanceparadox” noemt. Veel organisaties geloven dat ze AI-gerelateerde risico’s effectief beheren, ondanks het ontbreken van beleid, controles en toezichtmechanismen die typisch zijn voor volwassen governance-programma’s. Het verschil is vooral uitgesproken bij organisaties die als Blootgesteld worden geclassificeerd, waar slechts een klein deel een formeel governancebeleid heeft, ondanks breedverbreid vertrouwen in hun capaciteiten.

De resultaten suggereren dat governance een van de minst volwassen aspecten van enterprise AI-adoptie is. Terwijl bedrijven graag AI-hulpmiddelen en workflows implementeren, hebben minder organisaties de controles ingesteld die nodig zijn om ervoor te zorgen dat die systemen veilig en consistent opereren op grote schaal.

Infrastructuurteams zien al AI-gedreven incidenten

Het rapport stelt dat de gevolgen van zwakke governance niet langer theoretisch zijn. 93% van de ondervraagde organisaties meldden ten minste één AI-gerelateerd infrastructuurincident in het afgelopen jaar.

De meest voorkomende problemen waren herwerken als gevolg van AI-gegenereerde veranderingen, beveiligingsmisconfiguraties die productieomgevingen bereikten, complianceovertredingen, infrastructuurdrijvers verbonden met AI-gegenereerde wijzigingen en incidenten met agente-systemen. Elke categorie had ongeveer een derde van de respondenten.

Het verschil tussen governance-leiders en -achterblijvers is aanzienlijk. Organisaties die als Blootgesteld werden geclassificeerd, meldden aanzienlijk hogere tarieven van AI-gerelateerde incidenten, terwijl Pionier-organisaties veel minder waarschijnlijk waren om dergelijke problemen tegen te komen. Volgens het rapport helpen governance- en geautomatiseerde validatiesystemen om problemen te detecteren voordat ze productie bereiken, waardoor operationele verstoringen worden verminderd en de noodzaak voor dure herstelinspanningen wordt beperkt.

“Vibe Coding” bereikt infrastructuur

Het rapport onderzoekt ook de groeiende invloed van zogenaamde “vibe coding“, waarbij ontwikkelaars zwaar leunen op AI-gegenereerde code met beperkte controle of toezicht. Hoewel het concept voornamelijk in de context van softwareontwikkeling is besproken, suggereert Spacelifts gegevens dat het snel uitbreidt naar infrastructuurbeheer.

Bijna 80% van de respondenten meldden het gebruik van AI om infrastructuur-als-codeconfiguraties, governancebeleid of gerelateerde infrastructuurartefacten te genereren. Nog bezorgender is dat een aanzienlijk deel van de infrastructuurteams aangaf dat ze AI-gegenereerde infrastructuurcode zouden goedkeuren met weinig of geen controle.

In tegenstelling tot applicatiebugs kunnen infrastructuurfouten brede operationele gevolgen hebben, waardoor beveiliging, compliance, netwerken en cloudbronnen worden beïnvloed. Als gevolg daarvan stelt het rapport dat AI-gegenereerde infrastructuurveranderingen governance-mechanismen vereisen die in staat zijn om controles te valideren en af te dwingen voordat die veranderingen worden geïmplementeerd.

De volgende uitdaging: Agente AI

Als organisaties al worstelen met AI-geassisteerde ontwikkeling vandaag, suggereert het rapport dat agente AI die uitdagingen kan versterken. 89% van de respondenten zegt van plan te zijn om agente AI te adopteren voor infrastructuurbeheer, en bijna een kwart verwacht dit binnen zes maanden te doen.

Agente systemen verschillen van traditionele AI-hulpmiddelen doordat ze autonoom beslissingen kunnen nemen en uitvoeren. In infrastructuuromgevingen kan dit betekenen dat bronnen worden ingericht, configuraties worden gewijzigd of incidenten worden beantwoord zonder directe menselijke goedkeuring. Hoewel deze mogelijkheden aanzienlijke efficiëntiegewinnen beloven, vergroten ze ook het belang van governance, aangezien er mogelijk geen menselijke reviewer tussen een AI-beslissing en productie-implementatie staat.

Het rapport merkt op dat vroege adoptanten al incidenten melden die verband houden met agente systemen, wat suggereert dat governance-kaders moeten evolueren naast deze steeds autonomere technologieën.

Platformengineering komt naar voren als een potentieel antwoord

Een van de sterkste bevindingen van het rapport heeft betrekking op platformengineering. Organisaties die platformengineering hebben omarmd, lijken aanzienlijk beter voorbereid op AI-gedreven infrastructuuromgevingen dan die welke traditionele benaderingen volgen.

Meer dan 80% van de respondenten overweegt een overstap naar platformengineering, en Pionier-organisaties zijn veel waarschijnlijker om al de overstap te hebben gemaakt. Volgens het rapport creëert platformengineering beheerde, self-servicepaden die ontwikkelaars in staat stellen om snel te bewegen zonder compliance, beveiliging en operationele controles te omzeilen.

In plaats van governance te laten concurreren met snelheid, probeert platformengineering governance rechtstreeks in workflows te integreren, waardoor compliant acties gemakkelijker zijn dan niet-compliant acties. De gegevens suggereren dat organisaties die succesvol zijn met AI-adoptie, deze benadering steeds vaker volgen.

Het meten van de verkeerde dingen

Het rapport stelt ook dat organisaties mogelijk gefocust zijn op verouderde metrieken. Veel infrastructuurteams blijven productiviteit, implementatiefrequentie en beveiligingsincidenten volgen, maar relatief weinig meten AI-specifieke indicatoren zoals het volume van AI-gegenereerde infrastructuurcode dat pipelines binnenkomt of de fouttarieven die verband houden met AI-gegenereerde veranderingen.
Zonder zichtbaarheid in deze AI-specifieke signalen kunnen organisaties moeite hebben om te bepalen of governance-controles daadwerkelijk werken. Naarmate AI-gegenereerde infrastructuur meer gemeengoed wordt, kan het meten van traditionele operationele resultaten alleen mogelijk onvoldoende inzicht bieden in opkomende risico’s.

AI-gereedheid wordt een infrastructuuruitdaging

De resultaten suggereren dat AI-gereedheid niet langer alleen een kwestie is van modeladoptie of ontwikkelaarproductiviteit. Het wordt steeds meer een infrastructuuruitdaging die draait om governance, automatisering, platformengineering en operationele discipline. Organisaties die in deze capaciteiten hebben geïnvesteerd voordat AI arriveerde, lijken beter aan te passen, terwijl anderen ontdekken dat AI zwakheden blootlegt die al onder de oppervlakte bestonden.

Terwijl ondernemingen doorgaan met AI-geassisteerde en uiteindelijk agente operaties, kan de kloof tussen adoptie en governance een van de definiërende technologische uitdagingen van het komende decennium worden. Spacelifts The AI Readiness Gap-rapport suggereert dat veel organisaties al de drempel naar AI-gedreven infrastructuur zijn overgestoken, maar veel minder hebben de governance-fundamenten gebouwd die nodig zijn om het effectief te beheren.