Zelfs in de meest geavanceerde AI-markten wordt één ding duidelijk: de invoering is relatief eenvoudig; opschaling is moeilijker.
Naarmate organisaties overstappen op agentische systemen gaat de echte verschuiving niet langer over experimenteren, maar over het integreren van AI als een kernonderdeel van de bedrijfsvoering. De bedrijven die hierin slagen zijn de bedrijven die AI in hun strategie, infrastructuur en besluitvorming verankeren, waardoor het van een hulpmiddel verandert in een fundamentele motor voor groei.
Schattingen van AMD onderstrepen deze verschuiving. In 2026 zal meer dan 60% van de wereldwijde AI-rekencapaciteit worden gebruikt voor inferentie in plaats van voor training. Maar ondanks dit momentum heeft de bedrijfsinfrastructuur moeite om gelijke tred te houden.
De schaaluitdaging: wat volgens IDC de vorm geeft aan AI in het bedrijfsleven
Uit een recent IDC-whitepaper, opgesteld in opdracht van AMD, blijkt dat de acceptatie breed is maar dat de schaal nog in ontwikkeling is. Maar liefst 83% van de ondernemingen voert momenteel minder dan tien AI-toepassingen tegelijk uit, wat aangeeft dat velen zich nog in een vroeg stadium van hun transformatie bevinden. Iets meer dan twee op de tien (21,7%) voeren een volledige ROI-analyse uit en 22,2% controleert of hun AI-investering aansluit bij de strategische doelstellingen. Het versterken van deze basisprincipes kan snellere vooruitgang en duidelijkere winsten opleveren.
Deze kloof wordt nog vergroot door een wijdverbreid gebrek aan architectonische duidelijkheid. Meer dan 75% van de organisaties heeft onduidelijkheid over agentische AI-toepassingen, wat een uitgelezen kans biedt om standaarden vast te stellen, waarborgen in te bouwen en belanghebbenden op één lijn te brengen. Beveiliging en governance zijn aandachtsgebieden – bedrijven melden het gebruik van toegangscontroles, anonimisering en levenscyclusbeleid, en veel bedrijven maken gebruik van adversarial testing en oefeningen in promptmanipulatie om modellen te versterken.
Ook de kostenbeheersing komt steeds verder: ongeveer tweederde van de organisaties begint GenAI-initiatieven met uitgebreide kostenbeoordelingen die infrastructuur, licenties, arbeid en schaalbaarheid omvatten. Samen wijzen deze verschuivingen op een ecosysteem dat snel leert en de juiste spierkracht opbouwt voor duurzame schaalvergroting.
‘Compute’ opnieuw gedefinieerd: waarom de CPU en de systeemarchitectuur belangrijk zijn
Naarmate de eisen van AI-workloads toenemen worden IT-leiders in bedrijven geconfronteerd met drie cruciale beperkingen: grenzen aan de stroom- en koelingsdichtheid, stijgende tokenkosten en complex beheer.
Om agentische AI op te schalen moet worden erkend dat AI-infrastructuur fundamenteel een systeemprobleem op datacenterniveau is en dat er geen pasklare oplossingen bestaan voor AI-rekenkracht. Hoewel GPU’s essentieel blijven voor zware wiskundige redeneringen vormen ze slechts een deel van het verhaal. Agentische workflows zijn sterk afhankelijk van agent-sandboxes – omgevingen waarin logica wordt uitgevoerd, vector-databases worden doorzocht, orkestratieraamwerken worden gedraaid en koppelingen met bedrijfsapplicaties tot stand worden gebracht. Door deze verschuiving staan server-CPU’s met hoge dichtheid weer centraal in het datacenter. Dit vraagt om servers die zijn geoptimaliseerd voor maximale kerndichtheid, lage latentie en hoge geheugenbandbreedte om continue inferentiestromen te kunnen verwerken. De toekomst van bedrijfs-AI zal worden aangedreven door krachtige CPU’s en GPU’s die samenwerken in één geïntegreerd systeem, in plaats van ze als afzonderlijke silo’s te behandelen.
Tegelijkertijd staan hardwarestandaardisatie en -efficiëntie steeds hoger op de agenda. Het IDC-onderzoek bevestigt dat een meerderheid (77%) van de ondernemingen prioriteit geeft aan op elkaar afgestemde hardware en software om de bedrijfsvoering te vereenvoudigen, wrijving te verminderen en de overdraagbaarheid van workloads en voorspelbaarheid van prestaties mogelijk te maken.
De specifieke omstandigheden in Europa: regelgeving, soevereiniteit en duurzaamheid
Op markten in heel Europa worden deze infrastructurele uitdagingen nog versterkt door strenge regelgevingskaders rond gegevenssoevereiniteit, traceerbaarheid en ecologische duurzaamheid. In plaats van de vooruitgang te vertragen, stimuleren deze vereisten organisaties om eerder strengere bestuurskaders en herhaalbare processen in te voeren, wat de consistentie en het vertrouwen bij klanten en belanghebbenden ondersteunt.
Om zowel aan de wettelijke eisen als aan financiële beperkingen te voldoen, kiezen bedrijfsleiders steeds vaker voor open platforms. Een open ecosysteem dat architecturen, netwerken en software omvat, helpt vendor lock-in te voorkomen en biedt organisaties de flexibiliteit om hun infrastructuur af te stemmen op specifieke regionale en nalevingsvereisten. Open ecosystemen stellen de hele sector, van hardwareleveranciers tot frameworkontwikkelaars, in staat om samen te innoveren, en op deze manier zal Europa innovatie en voordelen op de lange termijn stimuleren.
Wat bedrijven nu kunnen doen: AI ontwikkelen die presteert, schaalbaar is en aan de regelgeving voldoet
AI schaalt niet alleen door te experimenteren — het schaalt door focus. Organisaties die verder gaan dan proefprojecten, doen drie dingen anders:
- Ze maken AI verantwoordelijk voor het bedrijf door elk initiatief te koppelen aan meetbare resultaten en een gedisciplineerde ROI.
- Ze beschouwen infrastructuur als strategie door consistente, hoogpresterende omgevingen op te zetten in de cloud, het datacenter en de edge ter ondersteuning van opkomende agentische systemen
- Ze integreren governance vanaf dag één, van gegevenscontroles tot het testen van modellen, en maken er zo een factor van die vertrouwen, snelheid en betrouwbare, productieklaar AI mogelijk maakt.
Dit is een aangeleverde bijdrage van Rob de Bruin, Head of Channel Benelux AMD. Voor meer informatie over AMD kan je hier terecht.