Spådom for 2026 – Åpen kildekode vil ri på AI-bølgen inn i sin neste gullalder

IBMs 11 milliarder dollar store overtakelse av Confluent annonsert i begynnelsen av desember, er mer enn en stor konsolideringsaksjon i datainfrastruktur: det er en offentlig innrømmelse av at kunstig intelligens (AI) i stor grad er basert på hendelser. Med andre ord, denne overtakelsen er bevis på at bedrifter trenger pålitelig data-i-bevegelse like mye som data-i-ro. Ettersom organisasjoner har rushet til å distribuere AI-agenter over sine operasjoner i 2025, fremhever avtalen en kritisk erkjennelse: sanntidskontekst er den manglende ingrediensen for å få agentbasert AI til å fungere på bedriftsnivå.

IBMs egen ramme avslører det strategiske skiftet. De posisjonerer den kombinerte enheten som en “smart data-plattform for AI-agenter” – infrastruktur som kan koble, prosessere og styre data i sanntid så agenter kan operere sammenhengende over hybridmiljøer. Dette handler ikke om å selge mer strømmingsinfrastruktur. Det handler om å innrømme at AI-agenter trenger kontinuerlig, fersk kontekst for å fungere pålitelig, og at strømmingsdata er røret som gjør det mulig.

Paradokset i hjertet av bedrifts-AI

IBMs overtakelse av Confluent fremhever også et fascinerende paradoks i datainfrastruktur-landskapet. Over de siste årene har noen infrastruktur-leverandører trukket seg tilbake fra åpen kildekode, endret lisenser og trukket seg tilbake til proprietære modeller i jakten på sterkere monetisering. Likevel tvinger AI-bruken økosystemene tilbake mot åpenhet. Hvorfor? Agenter trenger interoperable rørledninger, koblinger og styring over mange systemer – ikke bare en enkelt leverandørs avgrensede teknologistakk.

Oppblomstringen av kraftige store språkmodeller med åpen kildekode (LLM) har presset hele AI-økosystemet mot åpenhet og portabilitet. Modeller som Llama, Mistral og mange andre gir bedrifter billigere og bedre alternativer til lukkede modeller. Dette skaper spenning: datainfrastruktur-leverandører lukker sine hager samtidig som AI-selskapene som forbruker deres produkter åpner sine. IBMs overtakelse av Confluent signaliserer starten på en tilbakestillingsprosess, der AI-ens tiltrekningskraft tvinger infrastrukturen tilbake mot åpenhet.

Kontekststyring: Bedriftens evne som AI krever

For å forstå hvorfor, må vi snakke om det jeg kaller “kontekststyring” – en bedriftsevne til å levere den mest relevante, pålitelige og bevarte konteksten til modellkontekstvinduer. Dette er ikke bare ad-hoc Retrieval-Augmented Generation (RAG) implementeringer spredt over forskjellige team. Det er en systematisk tilnærming til å sikre at AI-agenter har tilgang til informasjonen de trenger, når de trenger den, med ordentlig styring og proveniens.

Her er en enkel mental modell: Agenter kjører på kontekst. Kontekst kjører på rørledninger.

Kontekstrørledningen ser ut således: 

kilder → strømming → lagring (lakehouse/OLTP) → indeksering (vektor + leksikalsk + SQL) → politikk/styring → levering → observerbarhet/evalueringer. 

Hvert lag må fungere pålitelig, og de må fungere sammen. Strømming sitter i grunnlaget fordi den gir den kontinuerlige ferskheten som agenter krever.

Tradisjonelle RAG-tilnærminger er ofte reaktive – de henter kontekst når de blir bedt om det. Men agenter trenger også proaktive oppdateringer: hendelser som kontinuerlig oppdaterer minne, oppdaterer indeksering, justerer tillatelser og håndhever politikker. IBMs overtakelse av Confluent er i stor grad et veddemål på at “det stadig oppdaterte kontekstlaget” blir kritisk infrastruktur for bedrifts-AI.

Hvorfor agenter feiler (og hvorfor det betyr noe)

Bedrifts-AI-team oppdager denne uheldige sannheten på en hard måte: agenter feiler ikke fordi LLM er “dum”. De feiler fordi den underliggende konteksten er ødelagt, utdatert, ufullstendig eller uten styring. Faktisk estimerer analytikere at opptil 60% av AI-prosjekter vil bli forkastet på grunn av mangel på AI-klare data. En agent som tar innkjøpsbeslutninger basert på gårsdagens lagerdata er ikke nyttig. En agent som aksesserer kunderekorder uten ordentlig autorisasjon er et compliance-mareritt. En agent som ikke kan forklare sin begrunnelse er ubrukelig i regulerte industrier.

Bedrifter kan ikke revidere AI-beslutninger uten proveniens. De kan ikke skalere AI-applikasjoner uten konsekvent data-ferskhet. De kan ikke deployere agenter med tillit uten ordentlig styringsbeskyttelse. Alle disse kravene peker mot samme konklusjon: kontekststyring må bli førsteklasses infrastruktur, ikke en ettertanke.

Åpen kildekode-gjenoppblomstringen

Dette er der åpen kildekode-gjenoppblomstringen begynner. Kontekst omfatter for mange leverandører og systemer for at noen enkelt proprietær teknologistakk skal vinne. Den suksessfulle tilnærmingen vil være åpne grensesnitt pluss portable byggeklosser: koblinger, strømmingsplattformer, metadata-styring, søkesystemer og politikk-gjennomføring. Stengt lisensiering hindrer integrasjon – og integrasjon er hele spillet i agentbasert AI.

IBM forstår dette. Deres historie med åpen kildekode (spesielt gjennom Red Hat) gir dem troverdighet. Den kombinerte IBM-Confluent-enheten er posisjonert til å akselerere hva de kaller “hendelsesdrevet intelligens” ved å omfavne åpenhet der det betyr noe: på integrasjonspunktene der forskjellige systemer må fungere sammen uten problemer.

Vi ser allerede dette skiftet utfolde seg. Strømmingsplattformer med åpen kildekode, åpne tabellformater som Apache Iceberg og Delta Lake, og åpne standarder for metadata og styring blir det sammenkoblede vevet i bedrifts-AI-infrastruktur. Organisasjoner krever portabilitet og interoperabilitet fordi de vet at de vil arbeide med multiple AI-modeller, multiple data-lagre og multiple verktøy. Låsing er fienden til den fleksibiliteten de trenger.

En prediksjon for 2026

Ved slutten av 2026, forutsier jeg at “kontekststyring” vil oppstå som en navngitt kategori i bedrifters teknologistakker. Kjøpere vil kreve tre ting:

• Først, åpne koblinger og “ta-med-ditt-eget” -arkitekturer for data-lagre og indekser. Ingen enkelt leverandør vil kontrollere hele kontekstrørledningen.
• Andre, standardiserte kontekst-API-er over verktøy. Team må kunne bytte komponenter uten å bygge hele systemer på nytt.
• Tredje, styrt proveniens som standard, ikke et tillegg i etterkant. Hver del av konteksten må ha en tydelig opprinnelseskjede, og hver agent-beslutning må ha et revisjonsspor.

Dette er ikke bare ønskelige tilleggsfunksjoner. Det er grunnleggende krav for å ta i bruk bedrifts-AI i stor skala.

Tilbakestillingsprosessen begynner

IBMs kjøp av Confluent markerer starten på en grunnleggende tilbakestillingsprosess i datainfrastruktur. AI-momentum, drevet av behovet for sofistikerte agenter som opererer i fersk, pålitelig kontekst, tvinger industrien tilbake mot åpenhet. Uansett om det er ren åpen kildekode eller, som minimum, åpen og håndhevbar interoperabilitet, avhenger av hvordan markedet utvikler seg. Men retningen er klar.

Leverandørene som trives i denne nye æraen vil ikke være de med de mest lukkede, proprietære teknologistakkene. De vil være de som omfavner åpenhet på integrasjonslaget, som tilbyr ekte interoperabilitet og som hjelper bedrifter bygge kontekststyringskapasiteter uten kunstige begrensninger.

Den neste bølgen av innovasjon vil komme fra åpen kildekode-AI-infrastruktur som gjør det mulig for bedrifter å bygge sofistikerte agenter og applikasjoner uten leverandør-låsing. Dette er ikke idealisme – det er pragmatisme. For når du bygger kritiske AI-systemer som må dekke hele bedriften, er åpenhet ikke en filosofi. Det er et krav.