Unified communications en telecom zijn al jaren onmisbare pijlers onder het digitale werken. De volgende stap in die evolutie is de integratie van AI en automatisering. Wat ooit begon met simpele transcripties en automatische ondertiteling, ontwikkelt zich nu tot slimme assistenten die gesprekken analyseren, processen versnellen en zelfs klantinteractie deels overnemen. Wat levert AI in telecom en UC nu al op voor de eindklant?

In platforms als Microsoft Teams, Zoom en Webex verschijnen AI-functies in rap tempo. Bekende voorbeelden zijn live transcripties en real-time vertalingen, waarmee organisaties taalbarrières kunnen doorbreken. Ook samenvattingen van vergaderingen, inclusief actielijsten en deadlines, worden steeds betrouwbaarder. Dit scheelt tijd en maakt vergaderingen toegankelijker voor collega’s die later aanhaken.

Daarnaast wordt sentimentanalyse ingezet om klantgesprekken te beoordelen: hoe tevreden klinkt een klant, waar loopt de frustratie op en hoe reageert de medewerker? Deze inzichten worden gekoppeld aan training en coaching. Contactcenters gebruiken bovendien AI om gesprekken te routeren naar de juiste medewerker op basis van het onderwerp, de taal of de emotie van de beller.

Tussen hype en werkelijkheid

Niet alles wat in de markt wordt gepresenteerd, levert al directe waarde op. Sommige AI-toepassingen zijn nog vooral een belofte, zoals de ‘vergadercoach’ die vergaderingen automatisch optimaliseert of AI-gestuurde besluitvorming die managers adviseert. De praktijk wijst uit dat veel organisaties eerst worstelen met basale zaken als het inrichten van de juiste governance en het trainen van medewerkers in het gebruik van de nieuwe functies.

Maar er tekent zich wel een duidelijke lijn af: toepassingen die de administratieve last verminderen, worden snel geaccepteerd. Automatische notulen, follow-up taken en integraties met CRM-systemen worden al volop gebruikt. Want AI bespaart hier direct tijd en levert tastbare voordelen op.

Risico’s en aandachtspunten

De snelle opmars van AI binnen UC-platformen brengt ook nieuwe vragen met zich mee. Omtrent privacy bijvoorbeeld. Gesprekken die worden geanalyseerd of opgeslagen in de cloud moeten voldoen aan wetgeving als de AVG. Wie heeft toegang tot die data, en hoe worden fouten in transcripties of analyses gecorrigeerd?

Ook is er een afhankelijkheid van de leverancier. De meeste AI-functies draaien in de cloud van de aanbieder, wat betekent dat organisaties beperkt grip hebben op de werking en de beveiliging. Er zijn ook nogal wat verschillen in de taalversies. Engelstalige transcripties zijn vaak beter dan Nederlandstalige, tot frustratie van gebruikers die regelmatig tussen deze talen schakelen in hun dagelijkse werk.

De rol van providers en partners

Het is duidelijk dat eindklanten behoefte hebben aan begeleiding bij het selecteren, configureren en beveiligen van AI-functies. Providers kunnen bovendien helpen bij het koppelen van UC-platformen aan andere systemen, zodat bijvoorbeeld een klantgesprek in Teams direct zichtbaar is in het CRM.

Een andere rol ligt in het bewaken van de balans tussen efficiëntie en menselijkheid. Niemand wil steeds maar weer aangesproken worden door overduidelijke bots. Automatisering mag dus niet ten koste gaan van persoonlijke interactie in klantcontact.

Je hoeft geen profeet te zijn om te kunnen zeggen dat UC zich in de komende jaren zal ontwikkelen tot een intelligent ecosysteem waarin spraak, video en data volledig geïntegreerd zijn. AI is dan geen losse toevoeging meer, maar de basis die alle communicatie kan aansturen en liefst verrijken.

Zover is het nu nog niet, maar het kan geen kwaad nu al te investeren in kennis en ervaring met AI in telecom en UC. De uitdaging wordt om de balans te vinden tussen de technologie en de dagelijkse praktijk van veilig, effectief en vooral menselijk communiceren.

Na Wi-Fi 6 en de uitbreiding met 6E staat nu de zevende generatie draadloze netwerktechnologie op de drempel van adoptie: Wi-Fi 7, oftewel IEEE 802.11be. Deze nieuwe standaard belooft snellere verbindingen, minder vertraging en hogere capaciteit. Maar hoe relevant is dit in de praktijk voor organisaties met enkele tientallen tot honderden werkplekken? En is het de moeite waard om je klanten nu al te helpen met de overstap?

Wi-Fi 7 bouwt voort op de verbeteringen van zijn voorgangers, maar voegt daar enkele belangrijke nieuwe functies aan toe die vooral in drukbezette werkomgevingen tot hun recht komen.

Zo wordt de kanaalbreedte in de 6 GHz-band verdubbeld naar 320 MHz. Dit betekent dat er aanzienlijk meer data tegelijk kan worden verwerkt, waardoor congestie wordt verminderd. Dankzij 4K QAM – een efficiëntere modulatiemethode – kan elke datapuls meer informatie bevatten, wat resulteert in hogere snelheden.

Een van de opvallendste innovaties is de zogeheten Multi-Link Operation (MLO). Daarmee kunnen apparaten tegelijkertijd meerdere frequentiebanden gebruiken, zoals 2.4, 5 en 6 GHz. Dat maakt het netwerk niet alleen sneller, maar ook robuuster: als één band overbelast is, wordt automatisch een andere gebruikt.

Verder is de latency bij Wi-Fi 7 lager dan bij eerdere standaarden. In de praktijk betekent dit dat toepassingen zoals videobellen, online samenwerken of realtime cloudgebruik soepeler verlopen. De maximale bruto datasnelheid ligt op papier op 46 Gbps – aanzienlijk hoger dan de 10 Gbps die bij Wi-Fi 6 mogelijk was – al zullen die snelheden in realistische omgevingen meestal lager uitvallen.

Wanneer biedt Wi-Fi 7 echt voordeel?

Voor organisaties met zo’n 50 tot 250 werkplekken zijn snelheid en capaciteit belangrijk, maar stabiliteit en betrouwbaarheid minstens zo relevant. Wi-Fi 7 komt dan vooral van pas in situaties waarin veel medewerkers tegelijkertijd online zijn, waarbij het netwerk meerdere applicaties moet ondersteunen.

Denk aan kantoren waar werknemers intensief gebruikmaken van Microsoft 365, cloudgebaseerde boekhoud- of CRM-systemen, en regelmatig videocalls houden via Teams of Zoom. Ook als er regelmatig gasten of flexwerkers inloggen op het netwerk, of als er veel mobiele apparaten (laptops, tablets, smartphones) in omloop zijn, levert een Wi-Fi 7-netwerk voordelen op.

De verbeterde bandbreedteverdeling en lagere latency helpen ook om vertragingen of haperingen te voorkomen, bijvoorbeeld bij het openen van grote bestanden vanuit de cloud of bij het bewerken van gedeelde documenten.

Is het al beschikbaar?

Ja, maar beperkt. Verschillende fabrikanten hebben inmiddels access points op de markt gebracht die Wi-Fi 7 ondersteunen. Bekende voorbeelden zijn modellen uit de reeksen TP-Link Omada, Ubiquiti UniFi, Cisco Meraki Go en Aruba Instant On. Dit zijn oplossingen die specifiek bedoeld zijn voor kleinere en middelgrote organisaties.

Aan de gebruikerskant is ondersteuning nog schaars. Alleen de nieuwste smartphones, tablets en laptops zijn op dit moment compatibel met Wi-Fi 7. Maar omdat de meeste access points ook oudere standaarden ondersteunen, kunnen bestaande apparaten voorlopig gewoon blijven werken. Je kunt dus al investeren in een Wi-Fi 7-infrastructuur, zonder dat je direct al je devices hoeft te vervangen.

Wat betekent dit voor het netwerk?

Klanten die nu al nadenken over vernieuwing van het draadloze netwerk, doen er goed aan een paar randvoorwaarden mee te nemen. Allereerst moet de bekabelde infrastructuur krachtig genoeg zijn om de hogere snelheden aan te kunnen. Access points die Wi-Fi 7 ondersteunen, leveren vaak meer dan 1 Gbps door, waardoor het verstandig is om te kiezen voor switches met 2.5G- of zelfs 10G-uplinks.

Ook de stroomvoorziening kan een aandachtspunt zijn. Veel Wi-Fi 7-apparaten vragen meer vermogen dan eerdere generaties. PoE++ (de 802.3bt-standaard) is dan een vereiste om access points via de netwerkkabel van voldoende stroom te voorzien.

Daarnaast loont het om te kijken naar het beheerplatform. Zeker als er meerdere vestigingen zijn, of als je als organisatie geen eigen IT-afdeling hebt, is het handig als je netwerk eenvoudig te beheren is via een centrale cloudomgeving of mobiele app.

En de beveiliging?

Net als Wi-Fi 6 maakt Wi-Fi 7 standaard gebruik van WPA3-versleuteling. Daarmee zijn verbindingen beter beschermd tegen afluisteren en brute force-aanvallen. In moderne oplossingen is het bovendien vaak mogelijk om extra beveiligingsopties te activeren, zoals netwerksegmentatie (bijvoorbeeld aparte netwerken voor personeel en gasten), toegangsregels per apparaattype of tijdslot, en realtime monitoring via dashboards.

Juist in kleinere organisaties, waar IT-beheer niet altijd prioriteit heeft, biedt dit type beheeromgeving meer overzicht en controle zonder dat het complex wordt.

Is overstappen verstandig?

Bij klanten waar je recent een upgrade naar Wi-Fi 6 hebt gedaan, is het niet nodig om direct actie te ondernemen. De stap van Wi-Fi 6 naar 7 is weliswaar technisch relevant, maar niet zo fundamenteel als de overgang van Wi-Fi 4 of 5 naar Wi-Fi 6 was.

Merk je dat netwerk regelmatig traag aanvoelt, of staat er binnenkort toch al een vervanging op de planning, dan doe je er goed aan om Wi-Fi 7 nu al mee te nemen in de overweging. Nieuwe access points zijn immers ook geschikt voor oudere apparaten, en zorgen ervoor dat toekomstige uitbreidingen geen bottleneck vormen.

Voor organisaties die volop inzetten op cloud, hybride werken en digitale samenwerking, kan Wi-Fi 7 bijdragen aan een merkbaar betere netwerkervaring – zeker op piekmomenten.

We denken bij digitale duurzaamheid al snel aan zonnepanelen op het datacenterdak of aan groene stroomcontracten. Maar wie iets verder kijkt dan de hardware, ontdekt een ander deel van het verhaal: het enorme volume aan data dat we genereren, opslaan en steeds vaker repliceren. Die onzichtbare datastroom heeft een prijs – niet alleen in euro’s, maar ook in energieverbruik, CO₂-uitstoot en grondstoffengebruik. Duurzaamheid begint dus niet bij de keuze van een energie-efficiënte server, maar bij een simpele vraag: welke data zijn écht nodig – en hoe gaan we daarmee om?

De hoeveelheid digitale informatie groeit exponentieel. Volgens IDC zal de totale hoeveelheid data wereldwijd in 2025 boven de 180 zettabyte uitkomen. Een aanzienlijk deel daarvan wordt niet bij hyperscalers opgeslagen, maar juist in lokale datacenters, edge-opstellingen en on-prem infrastructuren van bedrijven.

Elke byte die je bewaart, verplaatst of dupliceert, kost energie. Zelfs als die infrastructuur volledig draait op hernieuwbare energie, blijft er sprake van materiaalgebruik, koeling en transport. Het probleem zit daarbij niet alleen in de omvang van de datasets, maar ook in hun aard. Veel data zijn verouderd, ongestructureerd of simpelweg overbodig. Back-ups en archieven worden jaren bewaard zonder dat iemand nog weet wat erin zit. Replicatieprocessen zorgen ervoor dat dezelfde informatie op drie of vier plekken tegelijk staat. En bedrijven bewaren liever ‘voor de zekerheid’ dan dat ze actief opschonen.

Wat we niet zien, kost wél stroom

Informatie die niet meer gebruikt wordt maar toch blijft bestaan, wordt vaak aangeduid als ‘dark data’. Onderzoek van Veritas wijst uit dat dit type data bij bedrijven al snel 50 procent van de totale opslagcapaciteit in beslag neemt. Deze gegevens worden zelden nog geraadpleegd, maar blijven wel continu beschikbaar – vaak op snel toegankelijke systemen die energie slurpen.

Daarnaast is er een groeiende berg ‘dead weight data’ in omloop. Denk aan testbestanden, oude marketingmaterialen, niet-gebruikte datasets en softwarelogs die nooit geanalyseerd zullen worden. Samen vormen ze een digitale ballast die de duurzaamheid van IT-systemen structureel ondermijnt.

Voor een organisatie met een datavolume van een petabyte – tegenwoordig geen uitzondering meer – kan deze overbodige data tienduizenden euro’s per jaar aan onnodige opslagkosten en energieverbruik veroorzaken. De ecologische voetafdruk is daarbij lastig te kwantificeren, maar zeker niet verwaarloosbaar.

Duurzaam databeheer begint bij inzicht

Een van de meest effectieve maatregelen voor duurzame IT is het opschonen van data. Niet alleen om kosten te besparen, maar ook om de ecologische impact structureel te verkleinen. De eerste stap is inzicht: welke data worden daadwerkelijk gebruikt, wat is de herkomst, en welke informatie kan veilig worden verwijderd of gearchiveerd?

Daarvoor is het essentieel dat organisaties hun data goed classificeren. Niet alle gegevens hebben dezelfde waarde of bewaartermijn. Klantgegevens, financiële administratie en compliance-gerelateerde documenten verdienen een andere behandeling dan bijvoorbeeld tijdelijke exportbestanden of ruwe logdata. Door dergelijke onderscheidingen actief te maken, kan data worden toegewezen aan opslaglagen die passen bij het gebruiksprofiel.

Veel moderne opslagplatforms bieden functionaliteit voor deduplicatie, waardoor dubbele bestanden automatisch worden samengevoegd. Zeker in back-ups of gespiegelde omgevingen levert dit directe winst op. Ook het automatiseren van archivering helpt: data die zelden wordt geraadpleegd, kan worden overgezet naar energiezuinige opslaglagen. Daarmee daalt niet alleen het energieverbruik, maar vaak ook de opslagfactuur.

De juiste tools maken het verschil

De markt biedt inmiddels diverse oplossingen die duurzaam datamanagement mogelijk maken. Grote opslagleveranciers zoals NetApp, Dell EMC en Pure Storage leveren analytische tools waarmee gebruikers inzicht krijgen in het gebruik en de groeipatronen van hun data. In cloudomgevingen zoals AWS worden data automatisch verplaatst naar goedkopere en zuinigere opslagklassen via intelligent tiering.

Ook aan de back-upzijde zijn er ontwikkelingen. Software van partijen als Veeam, Rubrik en Commvault biedt mogelijkheden om bewaarbeleid af te dwingen, bestanden automatisch te verwijderen of verplaatsen, en gebruikers bewust te maken van de opslagimpact van hun gedrag. Er zijn zelfs gespecialiseerde platforms, zoals Atempo, die zich volledig richten op het opschonen van ongestructureerde data.

Rapporteren over wat je bewaart

Nu steeds meer organisaties ESG-doelen formuleren en rapportages moeten opstellen, komt databeheer ook in beeld bij duurzaamheidsbeleid. Toch wordt opslag en dataverkeer zelden meegenomen in CO₂-berekeningen. Terwijl de opslag van data in eigen datacenters onder scope 2 valt en uitbestede opslag, zoals in public cloud, formeel onder scope 3-emissies kan vallen.

Bedrijven die serieus werk maken van hun duurzaamheidsverslaglegging, kunnen dus niet om data heen. Door het opnemen van databeheer in ESG-strategieën ontstaat ook ruimte voor betere governance, interne bewustwording en beleidskeuzes rond cloudmigratie, retentie of dataopslaglocatie.

De winst zit in de schoonmaak

De voordelen van duurzaam databeheer reiken verder dan energie- en CO₂-besparing. Bij een zorginstelling in Noord-Nederland leidde een opschoningsproject tot een jaarlijkse besparing van meer dan 50.000 euro, door verouderde patiëntendossiers naar cold storage te verplaatsen en onnodige bestanden te verwijderen.

Een SaaS-aanbieder ontdekte via analytics dat 60 procent van hun back-ups uit testdata en tijdelijke versies bestond. Na het instellen van automatische deduplicatie en strengere bewaartermijnen kromp het datavolume met 43 procent in een half jaar tijd. En bij een Brabantse gemeente leidde lifecyclebeleid tot 28 procent minder data – goed voor een directe besparing op opslagcapaciteit, koeling én stroomverbruik.

Van green naar lean

Echte digitale duurzaamheid vereist meer dan alleen vergroening van hardware of overstap op hernieuwbare energie. Het vraagt om een fundamentele herziening van hoe we met data omgaan. Hoe minder je hoeft op te slaan en te verplaatsen, hoe lager je verbruik – en hoe kleiner de impact op klimaat en kosten.

Dat betekent ook: afscheid nemen van de reflex om ‘alles maar te bewaren’. Niet langer data hamsteren, maar actief beheren. Dat begint bij inzicht, gaat verder met beleid, en eindigt in besparing – van resources en CO₂.

Hoe ontwerp je IT-systemen die niet alleen veilig zijn, maar ook de privacy van gebruikers beschermen? Het antwoord ligt in het principe van ‘privacy by design’. Wat begon als een juridische eis uit de AVG, groeit langzaam uit tot een strategisch uitgangspunt voor organisaties die bewust omgaan met data. Toch blijft de praktijk weerbarstig.

In de Algemene Verordening Gegevensbescherming (AVG) is het duidelijk omschreven: organisaties moeten bij het ontwerp van systemen en processen al rekening houden met privacy. ‘Privacy by design’ dus. Dit betekent dat je de bescherming van persoonsgegevens al vooraf integreert in de basis van je systeemarchitectuur, in plaats van dit pas achteraf toe te voegen.

Maar zoals dat gaat, blijken veel bedrijven privacy in de praktijk nog zien als een sluitpost. Het is al lastig genoeg om systemen te bouwen die functioneren. Werken ze enigszins naar wens, dan wordt eerst een beveiligingslaag toegevoegd. Juridische goedkeuring blijft dan over als laatste hobbel. Dat levert naast compliance-risico’s ook technische en organisatorische kwetsbaarheden op. Maar als je privacy al vanaf het begin meeneemt, kun efficiënter ontwikkelen en beter omgaan met datalekken.

Zes kernprincipes

Privacy by design kent verschillende invullingen, maar draait vaak om zes kernprincipes:

Veel van deze principes raken aan technologie: wie bepaalt bijvoorbeeld welke data wordt opgeslagen, hoe wordt versleuteling toegepast, en hoe wordt logging ingericht? De vertaalslag van juridische eisen naar technische oplossingen is precies waar de meeste organisaties hulp bij nodig hebben.

Geen eenmalig project

Wat ook nog weleens wordt vergeten is dat privacy by design geen eenmalige check is, en alleen bij het eerste ontwerp een rol speelt. Het is een doorlopend proces. Systemen evolueren, wetgeving verandert, en nieuwe data wordt continu toegevoegd. Dit vraagt om een aanpak waarin privacy structureel wordt ingebouwd, zowel in softwareontwikkeling als in infrastructuurbeheer en dataverwerking.

Wanneer bedrijven hierin investeren, dan merken ze dat privacy geen belemmering hoeft te zijn. Sterker, wie zijn systemen leaner en cleaner opzet, heeft niet alleen minder risico, maar ook lagere beheerkosten. Want minder data verzamelen betekent ook minder opslag, minder compliance-verplichtingen, en minder kans op reputatieschade bij incidenten.

Een paar voorbeelden: een gemeente die werkt met digitale formulieren, kan privacy by design toepassen door standaard geen BSN op te vragen tenzij dit absoluut nodig is. In de zorg betekent het dat patiëntgegevens standaard geanonimiseerd worden zodra ze buiten het primaire behandelproces worden gebruikt. Dat hele gebruik van de BSN staat sinds de hack van Clinical Diagnostics in Rijswijk sowieso ter discussie. En in e-commerce kiezen steeds meer partijen voor cookieloze analytics, om klanten niet onnodig te volgen.

Bij al deze voorbeelden speelt technologie een sleutelrol. De architectuur van de gebruikte applicaties, het type cloudopslag, en de manier waarop data wordt gedeeld tussen systemen bepalen of privacy by design ook echt werkt. Daarmee komt het onderwerp vanzelf terecht op het bord van IT-teams, ontwikkelaars en externe partners.

Juridische druk en technologische grip

De AVG heeft de discussie over privacy in een stroomversnelling gebracht, maar echte verandering komt pas als privacy als kwaliteitskenmerk wordt gezien, vergelijkbaar met uptime, schaalbaarheid of gebruiksgemak. Daarvoor bewustwording op meerdere niveaus nodig: juridisch, organisatorisch en technisch.

Vooral de technologische kant biedt daarbij mogelijkheden voor de IT-dienstverlener. Tools voor data-anonimisering, toegangsbeheer, end-to-end encryptie en auditing zijn inmiddels breed beschikbaar. Veel leveranciers zetten in op zogeheten privacy-enhancing technologies (PETs), waarbij data wél benut kan worden, maar zonder volledige identificeerbaarheid: differential privacy, secure enclaves of federated learning.

Deze technologieën zijn complex, maar ze bieden mogelijkheden om datagedreven te werken zonder privacy uit het oog te verliezen. Steeds vaker worden ze opgenomen in moderne cloudplatformen en API-lagen.

Samenwerking nodig

Een organisatie die privacy by design serieus wil nemen, moet over afdelingen heen samenwerken: juridische experts, beleidsmakers, developers en IT-beheerders. De vertaling van ‘privacyregels’ naar ‘IT-oplossingen’ gebeurt zelden binnen één team. Vaak spelen externe adviseurs en technologiepartners hier een verbindende rol.

Dat maakt het ook een strategische keuze: kies je voor privacyvriendelijke software? Voor een infrastructuur die dataminimalisatie ondersteunt? Voor leveranciers die jouw waarden delen? Of voor snelle oplossingen met verborgen risico’s?

In een tijd waarin datalekken, AI-toepassingen en surveillancevragen het nieuws domineren, wordt privacy meer dan ooit een vertrouwenskwestie. Kun ja als bedrijf of organisatie duidelijk maken dat er zorgvuldig met data wordt omgegaan, dan creëer je rust, intern en extern.

Vertrouwen is trouwens niet alleen belangrijk richting klanten, maar ook richting toezichthouders, medewerkers en partners. Het is geen toeval dat steeds meer Europese bedrijven zich profileren als privacyvriendelijk alternatief voor Amerikaanse cloudspelers. En dat organisaties kiezen voor security- en cloudoplossingen die dataprivacy expliciet ondersteunen.

De recente investering van ASML in Mistral AI is meer dan een financiële transactie. Waar de berichtgeving tot nu toe vooral draaide om de omvang van de deal – een investering van €1,3 miljard, goed voor een belang van circa 11 procent – is de werkelijke betekenis van de samenwerking groter: het gaat om Europese technologische soevereiniteit, industriële synergie en geopolitieke positionering.

Mistral AI, opgericht in 2023 door oud-onderzoekers van DeepMind en Meta, haalde in zijn Series C-ronde in totaal €1,7 miljard op. Daarmee is de Franse startup met een waardering van ruim €11 miljard de hoogst gewaardeerde AI-speler van Europa. Voor een bedrijf dat pas twee jaar bestaat, is dat opmerkelijk. ASML neemt hierin de rol van grootste investeerder op zich en krijgt een zetel in de strategische commissie van Mistral, ingevuld door CFO Roger Dassen. Deze rol gaat verder dan die van aandeelhouder: ASML krijgt direct invloed op de koers van het bedrijf en toegang tot de technologie die Mistral ontwikkelt.

De investering past in een bredere Europese ambitie om minder afhankelijk te zijn van Amerikaanse en Aziatische techreuzen. AI wordt gezien als sleuteltechnologie voor de komende decennia, net zoals halfgeleiders dat nu zijn. Waar ASML een dominante rol speelt in de wereldwijde chipproductie, wil Mistral uitgroeien tot een Europees zwaargewicht in generatieve AI.

Door de handen ineen te slaan, ontstaat er een brug tussen de hardware- en de softwarewereld. Het stelt Europa in staat een eigen ecosysteem te bouwen dat zowel chips als AI-modellen omvat. Voor beleidsmakers in Brussel en Parijs is dit een bevestiging dat Europa nog steeds kan meedoen op het hoogste niveau.

Industriële logica

De samenwerking heeft ook een duidelijke operationele component. ASML’s machines worden steeds complexer, en de inzet van AI kan bijdragen aan optimalisatie in ontwerp, productie en onderhoud. Denk aan snellere modellering van processen, predictive maintenance en het verbeteren van yield in chipproductie. Door toegang te krijgen tot de modellen en expertise van Mistral kan ASML zijn R&D versnellen en de efficiëntie vergroten. Voor Mistral betekent de deal dat het zijn technologie direct kan toetsen in een industriële omgeving van wereldformaat.

Het hoofdkantoor van ASML in Veldhoven.

Politieke dimensie

Naast technologische en industriële logica speelt politiek een rol. Frankrijk profileert zich de laatste jaren als voorvechter van een eigen AI-agenda, en president Macron ziet Mistral als vlaggenschip. De betrokkenheid van ASML versterkt de Frans-Nederlandse as binnen de Europese techstrategie.

Ook buiten Europa wordt de deal nauwlettend gevolgd. In Washington en Peking geldt ASML al als strategisch bedrijf vanwege zijn dominante positie in EUV-lithografie. Door nu ook in AI te investeren, vergroot het bedrijf zijn geopolitieke relevantie.

Mistral als Europese uitdager

Mistral onderscheidt zich door zijn open-weight modellen, die het beschikbaar stelt aan ontwikkelaars en bedrijven. Daarmee positioneert het zich anders dan Amerikaanse giganten als OpenAI en Anthropic, die gesloten ecosystemen hanteren. De ambitie is om een Europees alternatief te bieden dat inzet op transparantie, samenwerking en schaalbaarheid.
Met de steun van ASML krijgt Mistral niet alleen kapitaal, maar ook een krachtige industriële partner. Dit kan het bedrijf helpen zijn positie verder te verstevigen en sneller nieuwe toepassingen te ontwikkelen.

Voor de bredere technologiesector in Europa is de deal een signaal dat samenwerking tussen grote industriële spelers en jonge AI-bedrijven noodzakelijk is om mee te doen in de mondiale wedloop. Het is een schoolvoorbeeld van strategische co-innovatie: de combinatie van kapitaal, technologische expertise en geopolitieke belangen.

Voor partners en leveranciers in het ecosysteem rond ASML en Mistral opent dit perspectieven. Nieuwe AI-toepassingen in productie, supply chains en dataverwerking zullen waarschijnlijk sneller beschikbaar komen. Bovendien kan het Europese bedrijven meer vertrouwen geven dat er een alternatief ontstaat voor de dominantie van Amerikaanse en Chinese platforms.

Vooruitblik

De vraag is hoe de samenwerking zich in de praktijk gaat uitbetalen. Zullen ASML’s lithografiemachines merkbaar sneller of efficiënter worden dankzij Mistral? En kan Mistral zijn ambitieuze groeipad vasthouden zonder de valkuilen van hype en overspannen verwachtingen?

Wat in ieder geval duidelijk is: de investering van ASML is een kantelpunt. Het laat zien dat Europese samenwerking tussen gevestigde industriële reuzen en jonge AI-innovators niet alleen mogelijk is, maar ook noodzakelijk. Daarmee kan deze deal een blauwdruk vormen voor hoe Europa de technologische toekomst wil vormgeven.

Nog maar twee jaar geleden was Lovable een onbekende naam in de Europese techwereld. Inmiddels staat de Zweedse startup te boek als een van de snelst groeiende softwarebedrijven ooit. Met hun concept van vibe coding beloven de oprichters Anton Osika en Fabian Hedin niets minder dan een revolutie in softwareontwikkeling: apps en websites bouwen zonder programmeerkennis, simpelweg door te beschrijven wat je wilt.

Lovable werd in 2023 opgericht in Stockholm en haalde al snel een plek bij accelerator Y Combinator binnen. De missie is ambitieus: softwareontwikkeling toegankelijk maken voor 99 procent van de wereldbevolking. Volgens Osika moet iedereen in staat zijn professionele apps te realiseren met een paar prompts in een chatvenster. Dat idee sloeg aan. Binnen acht maanden behaalde Lovable 100 miljoen dollar aan jaarlijkse terugkerende omzet, een record in de softwarewereld.

De investeerderswereld reageerde razendsnel. In het voorjaar van 2025 volgde een Series A van 200 miljoen dollar, goed voor een waardering van 1,8 miljard dollar. Inmiddels circuleren er aanbiedingen die het bedrijf boven de 4 miljard dollar taxeren.

Wat is vibe coding?

Waar traditionele no-codeplatformen vaak werken met drag-and-drop-interfaces of vooraf gedefinieerde sjablonen, kiest Lovable voor een AI-first benadering. Een gebruiker beschrijft in natuurlijke taal wat de applicatie moet doen, waarna de AI automatisch front-end, back-end, databases en hosting genereert.

Het platform gaat nog verder. De AI fungeert als een soort digitale collega die debugt, beveiligingschecks uitvoert en logs analyseert. Daarmee verschilt Lovable van veel concurrenten in de low-code/no-codehoek, die doorgaans meer afhankelijk zijn van handmatige aanpassingen door gebruikers of developers.

Explosieve adoptie

Het resultaat is een explosieve groei. Volgens cijfers van TechCrunch en Omni telt Lovable inmiddels ruim 2,3 miljoen gebruikers. Alleen al in één maand werden meer dan 750.000 projecten aangemaakt. Vooral ondernemers, designers en start-ups zonder eigen ontwikkelteams blijken de technologie snel te omarmen.

De aantrekkingskracht zit deels in de snelheid. Waar een traditioneel ontwikkeltraject weken tot maanden kost, levert Lovable vaak binnen enkele uren een schaalbaar en functioneel product op. Daarmee sluit de startup aan bij een bredere trend: de verschuiving van softwareontwikkeling van specialistische programmeerkennis naar toegankelijke AI-gestuurde interfaces.

Kritische noten

Zoals bij elke hype klinken er ook kritische geluiden. Op ontwikkelaarsfora is de toon gemengd. Sommige gebruikers prijzen de productiviteit en gebruiksvriendelijkheid, terwijl anderen het prijsmodel stevig bekritiseren. Daarnaast blijft de vraag hoe robuust en veilig applicaties zijn die grotendeels door AI zijn gegenereerd.

CEO Osika wuift de zorgen niet weg, maar benadrukt dat het platform continu wordt verbeterd en dat beveiliging een kernonderdeel is. “We bouwen vanaf dag één met security in het achterhoofd,” verklaarde hij in een recent interview.

Europese unicorn met mondiale ambities

Lovable past in een bredere beweging waarin Europese AI-bedrijven niet langer alleen achter de Amerikaanse markt aanlopen, maar zelf de toon zetten. Met hoofdkantoor in Stockholm en investeerders uit Silicon Valley lijkt Lovable de ideale mix van Europees ondernemerschap en Amerikaanse schaalambitie te hebben gevonden.

De plannen voor de komende periode zijn duidelijk: opschalen van 45 naar ruim 120 medewerkers, internationale uitbreiding en doorontwikkeling van de AI-engine. Daarmee wil Lovable zich positioneren als hét alternatief voor zowel traditionele ontwikkeltools als Amerikaanse AI-concurrenten.

Cybersecurity- en dataprotectiestrateeg Onur Korucu houdt tijdens Cybersec Netherlands een keynote met de titel The Innovation-Ethics Paradox: Can AI Be Both Bold and Responsible. In haar bijdrage staat de vraag centraal of AI tegelijkertijd radicaal vernieuwend en verantwoord kan zijn. Het thema raakt aan een groeiend probleem: de opkomst van zogeheten data hallucinaties, foutieve of misleidende uitkomsten van AI-systemen die steeds vaker een rol spelen in besluitvorming en securityprocessen. 

Korucu, lid van de Forbes Tech Council en wereldwijd actief als spreker, ziet dat organisaties volop experimenteren met AI maar vaak onvoldoende stilstaan bij de kwetsbaarheden die daarmee gepaard gaan. Terwijl een mens in staat is om aannames te corrigeren of feiten te verifiëren, produceert een taalmodel teksten op basis van waarschijnlijkheden. Het gevolg is dat een systeem overtuigend kan klinken, maar in werkelijkheid fictieve data presenteert. Voor sectoren waar integriteit van informatie van levensbelang is, zoals cybersecurity, compliance en risicomanagement, is dat een reëel gevaar.

Onderzoek laat zien dat hallucinaties niet soms opduiken, maar een ingebakken kenmerk zijn van hoe grote taalmodellen functioneren. Ze ontstaan doordat de algoritmen patronen uit trainingsdata extrapoleren zonder een echt begrip van de werkelijkheid. Voor een securityteam kan dit betekenen dat een AI-ondersteund detectiesysteem verkeerde meldingen genereert of juist dreigingen mist. Ook kan misleidende output bijdragen aan desinformatiecampagnes of verkeerde beleidsbeslissingen.

Betrouwbare databronnen

De sector zoekt intussen naar manieren om dit risico te verkleinen. Een bekende benadering is retrieval-augmented generation, waarbij een model zijn antwoorden aanvult met actuele en betrouwbare externe databronnen. Andere onderzoekers werken aan algoritmen die automatisch de betrouwbaarheid van een AI-antwoord inschatten of onzekerheid expliciet aangeven. Ook worden privacyversterkende technologieën, zoals federated learning of zero-knowledge proof, ingezet om de inzet van AI in gevoelige domeinen te ondersteunen. Nuttige technieken, maar het gaat hierbij wel om correcties achteraf.

Korucu kiest voor een fundamenteler perspectief: in plaats van pleisters plakken pleit zij voor encryptie aan de basis van AI-modellen. Volgens haar ontstaat echte weerbaarheid pas wanneer beveiliging, integriteit en transparantie vanaf het ontwerp zijn meegenomen. Technologieën zoals fully homomorphic encryption maken het mogelijk om berekeningen uit te voeren op versleutelde data, zonder die ooit te ontsleutelen. Daarmee is de privacy beter geborgd, maar wordt ook de kans op manipulatie of desinformatie stukken kleiner. Universiteiten en onderzoeksinstituten werken al aan toepassingen die aantonen dat dit haalbaar is, al is de rekenintensiteit nog wel een drempel.

Trustworthy AI

Het idee sluit aan bij bredere internationale discussies over trustworthy AI. Daarbij gaat het om systemen die uitlegbaar, robuust en verantwoord zijn. Encryptie speelt in die context een sleutelrol, omdat het voorkomt dat data onderweg gecompromitteerd raken en het vertrouwen in de output wordt ondermijnd. Voor CISO’s betekent dit dat ze niet langer kunnen volstaan met het implementeren van losse mitigaties, maar strategische keuzes moeten maken over hoe AI-systemen vanaf de basis zijn ingericht.

Korucu’s keynote zal die discussie aanscherpen door te laten zien dat innovatie en ethiek elkaar niet hoeven uit te sluiten. Integendeel: juist door encryptie en governance in te bouwen, ontstaat er ruimte om AI grootschalig en creatief toe te passen zonder dat organisaties hun geloofwaardigheid of compliance op het spel zetten. Voor bestuurders en securityverantwoordelijken die balanceren tussen kansen en risico’s, biedt haar verhaal praktische handvatten en een strategische visie op de toekomst van AI.

ChannelConnect is mediapartner van Cybersec Netherlands 2025

Edge computing was jarenlang vooral een belofte. Iets wat ‘binnenkort’ de IT-wereld zou veranderen. Inmiddels zijn we een paar jaar en heel wat IoT-sensoren, 5G-netwerken en AI-modellen verder. Edge computing wordt steeds vaker ingezet, toch blijft het zoeken naar duurzame verdienmodellen. Want hoe maak je van edge computing niet alleen een technologische innovatie, maar ook een businesscase?

Traditioneel werden alle data centraal verwerkt, in de cloud of in eigen datacenters. Maar bij toepassingen waarbij elke milliseconde telt, zoals een zelfrijdend voertuig of een productielijn met AI-inspectie, is de vertraging naar de cloud te groot. Edge computing verplaatst rekenkracht en opslag daarom dichter naar de bron van de data: aan de rand van het netwerk. Je kunt daarbij denken aan slimme camera’s die lokaal gezichtsherkenning uitvoeren, of sensoren die trillingen in een brug analyseren zonder dat de sensordata naar een centrale server moeten worden gestuurd voor analyse. Dit bespaart bandbreedte, maar veel belangrijker is dat tijd bespaart. Hierdoor worden real-time beslissingen mogelijk, direct bij de plek waar de data worden verzameld. En dat opent deuren naar compleet nieuwe toepassingen.

Industrie pakt door

De maakindustrie zet edge computing vaak in voor voorspellend onderhoud. Machines worden uitgerust met sensoren die continu data verzamelen over temperatuur, trillingen en belasting. Een lokale edge-gateway analyseert deze gegevens direct en signaleert afwijkingen voordat er schade optreedt. Dit voorkomt dure stilstand, iets wat vooral in high-volume productieomgevingen van groot belang is.

Bij slimme fabrieken, zoals bij Siemens‑Amberg, is edge computing inmiddels realiteit. Daar maken ze gebruik van Red Hat OpenShift aan de rand van het netwerk (factory edge) om IT en OT samen te brengen. Deze aanpak zorgt voor efficiëntere bedrijfsvoering, snellere datagerichte inzichten én continue innovatie—alles zonder afhankelijkheid van een centrale cloudinfrastructuur.

Beeld: iStock

Slimme steden en mobiliteit

Ook in de publieke ruimte krijgt edge computing voet aan de grond. Gemeenten experimenteren met slimme verkeerslichten die realtime verkeersdata analyseren. Sensoren op kruispunten meten bijvoorbeeld verkeersdrukte, fietsbewegingen en wachttijden, en sturen de doorstroming automatisch bij. Dankzij lokale verwerking blijft de latency laag – essentieel voor veiligheid en efficiëntie.

Bij Deutsche Bahn komt edge computing in de praktijk: bij de inspectie van ICE-treinen wordt direct ter plekke, zodra het rijtuig arriveert, via kant-en-klare AI-modellen een E‑check uitgevoerd, los van de cloud. Dankzij edge‑verwerking blijven grote hoeveelheden data lokaal.

Zorg en retail ontdekken de voordelen

In de zorg wordt edge computing onder meer gebruikt bij monitoring van patiënten op afstand. In verpleeghuizen of thuiszorgsituaties analyseren lokale apparaten gegevens van wearables, zoals hartritme of valdetectie, en sturen alleen relevante informatie door. Dit ontlast de netwerken en waarborgt privacy – een belangrijk voordeel in een sector waar dataveiligheid cruciaal is.

Ook retailketens experimenteren volop met edge. Denk aan camerasystemen die winkelgedrag analyseren of schapvoorraad monitoren. Door deze data lokaal te verwerken, kunnen winkels sneller reageren op situaties op de vloer – bijvoorbeeld het openen van extra kassa’s of het aanvullen van populaire producten. Edge biedt hier een concurrentievoordeel dat direct te vertalen is naar omzet.

Businessmodellen nog in ontwikkeling

Er zijn dus volop voorbeelden te vinden van succesvolle toepassingen van edge computing. Dat neemt niet weg dat het verdienmodel rond edge computing nog lang niet altijd helder is. Veel IT-dienstverleners vragen zich af: waar zit de winst? Edge vraagt om nieuwe infrastructuur, beheer op afstand, en vaak integratie met AI en IoT. Allemaal zaken waar het kanaal weliswaar ervaring mee heeft, maar die in combinatie een nieuwe aanpak vergen.

Sommige partijen bieden inmiddels edge-oplossingen aan als dienst (Edge-as-a-Service), waarbij klanten betalen per verwerkte dataset of per aangesloten node. Anderen kiezen voor integratie met bestaande managed services. Denk aan security, dataverwerking of monitoring, waarbij edge als uitbreiding op bestaande contracten wordt aangeboden.

Vooral op die laatste – beheer en security – zijn veel mkb-bedrijven nog zoekende. Door edge-oplossingen te koppelen aan bestaande managed security services of monitoringtools, kun je je als mps positioneren als gids in het groeiende edge-landschap.

Van hype naar hybride architecturen

Maar het is wel essentieel om je te realiseren dat het niet gaat om een keuze tussen cloud of edge. De grootste winst van edge computing zit niet in de hype, maar in de hybride aanpak die eruit voortvloeit. Het gaat de optimale combinatie van cloud en edge. Data die realtime beschikbaar moet zijn, wordt aan de rand verwerkt. Andere data gaat alsnog naar de cloud voor archivering, analyse of compliance. Deze hybride architectuur vereist visie, ontwerpvaardigheden en beheerexpertise. Edge is daarmee geen doel op zich, maar een strategische bouwsteen in het moderne IT-landschap.

Waar organisaties vroeger een beperkt aantal pakketten op eigen servers draaiden, gebruiken medewerkers tegenwoordig een veelvoud aan applicaties in de cloud. Het gevolg is een explosieve groei van het aantal gebruikte SaaS-applicaties. Die flexibiliteit klinkt aantrekkelijk, maar in de praktijk leidt het vaak tot wildgroei, ook wel bekend als SaaS-sprawl.

Uit internationaal onderzoek blijkt dat een middelgrote organisatie met 500 medewerkers gemiddeld meer dan 100 verschillende SaaS-apps gebruikt. In de praktijk weten IT-afdelingen vaak niet eens dat al die applicaties bestaan, omdat ze buiten de formele processen zijn aangeschaft. Medewerkers downloaden een handige app of nemen een gratis trial, en voor je het weet zit de organisatie opgescheept met tientallen ongedocumenteerde toepassingen.

Deze wildgroei leidt tot drie structurele problemen. Ten eerste lopen de kosten ongemerkt op. Veel SaaS-apps kennen een abonnementsmodel per gebruiker, en vergeten licenties blijven doorlopen zonder dat iemand ze benut. Ten tweede ontstaat er schaduw-IT: applicaties die buiten het zicht van IT draaien en daardoor niet zijn geïntegreerd in security- en compliancebeleid. Ten derde ontstaan er risico’s rond data-integriteit en governance. Waar worden de gegevens opgeslagen, wie heeft toegang en hoe wordt de beveiliging geregeld?

Waarom juist het mkb kwetsbaar is

Voor grote ondernemingen met een volwassen IT-afdeling zijn dit al lastige vraagstukken, maar voor het mkb zijn de risico’s nog groter. Mkb-bedrijven hebben vaak beperkte middelen en vertrouwen op hun msp of IT-partner om structuur te brengen. Tegelijkertijd is de drempel voor medewerkers om zelf een SaaS-dienst te gebruiken laag: een creditcard en een paar muisklikken zijn genoeg.

Daar komt bij dat veel mkb’s niet beschikken over een formeel inkoopproces voor software. Een marketingteam kiest zijn eigen analyse-app, HR kiest een tool voor recruitment en de financiële afdeling werkt met een cloudgebaseerd boekhoudpakket. Zonder centrale regie is het overzicht snel zoek. Voor je het weet staan er gevoelige bedrijfsgegevens verspreid over tientallen omgevingen.

De rol van de msp

Msp’s en andere kanaalpartners kunnen erbij helpen om orde in de chaos te scheppen. Grip op SaaS-sprawl vraagt om drie kerntaken: inventariseren, centraliseren en beheren. Inventariseren begint met het in kaart brengen van alle gebruikte applicaties. Dat kan via scanningtools, maar ook door interviews met afdelingen en analyse van financiële data. Centraliseren betekent dat de organisatie één overzicht en één governance-structuur krijgt voor al die toepassingen. Beheren gaat vervolgens over het actief managen van licenties, toegang en security.

Door deze stappen te combineren kun je klanten helpen om kosten te besparen, maar ook om risico’s te verminderen. Bovendien biedt het je de kans om je te positioneren als strategisch adviseur in plaats van alleen als leverancier van technologie. Hoe pak je dit concreet aan? Er zijn verschillende strategieën die msp’s kunnen inzetten om SaaS-sprawl te beheersen.

Voorbeeld uit de praktijk

Neem een middelgroot adviesbureau met 150 medewerkers. Na een inventarisatie bleek dat er meer dan 60 SaaS-apps in gebruik waren, variërend van projecttools tot losse survey-apps. Een groot deel was buiten de IT-afdeling om aangeschaft. Na centralisatie via een IAM-oplossing en het opschonen van licenties wist de organisatie het aantal applicaties terug te brengen naar 35. De besparing: ruim 40.000 euro per jaar. Bovendien werd de securitypositie versterkt, omdat alle toegangen voortaan via multifactor-authenticatie verliepen.

De volgende stap: SaaS-governance

SaaS-sprawl vraagt niet alleen om technisch beheer, maar ook om governance. Wie mag nieuwe applicaties introduceren, en onder welke voorwaarden? Hoe zorg je dat data veilig blijft als medewerkers externe tools gebruiken? En welke afspraken maak je met leveranciers over compliance, uptime en integratie? Dat gaat verder dan technologie en raakt aan processen en cultuur. Medewerkers moeten begrijpen waarom grip op SaaS belangrijk is en welke spelregels gelden.

De verwachting is dat SaaS-gebruik de komende jaren alleen maar verder groeit. Nieuwe AI-tools, sector-specifieke apps en niche-oplossingen maken het ecosysteem complexer. Voor msp’s betekent dit dat SaaS-sprawl een blijvend thema is, waarin je een steeds belangrijkere rol kunt spelen.

Frans Feldberg, Hoogleraar aan de Vrije Universiteit van Amsterdam, opent Data Expo op donderdag 11 september met de keynote ‘AI: in de beperking toont zich de meester!’ Organisaties beschikken over meer data dan ooit, en AI-oplossingen ontwikkelen zich razendsnel. Toch blijkt het lastig om de potentie van deze technologieën structureel om te zetten in waarde. Volgens Feldberg is technologie zelden de beperkende factor. Het ontbreekt eerder aan gezamenlijk begrip en richting.

Feldberg is als hoogleraar verbonden aan de Vrije Universiteit Amsterdam en medeoprichter van onder meer het Amsterdam Center for Business Analytics en Data Science Alkmaar. Vanuit die rol overziet hij zowel wetenschappelijke inzichten als de praktijk van datagedreven innovatie in bedrijfsleven en publieke sector.

Op papier lijkt de beschikbaarheid van grote hoeveelheden data een ideaal uitgangspunt voor innovatie. Organisaties kunnen klantbehoeften beter doorgronden, beslissingen verbeteren en nieuwe diensten ontwikkelen. In werkelijkheid blijft het rendement vaak achter. “Onderzoek laat zien dat 70 tot 80 procent van de dataprojecten hun doelen niet halen,” stelt Feldberg. “We hebben de technologie en de data, maar de randvoorwaarden blijken lastig te realiseren.”

AI is geen Haarlemmerolie – wie dat denkt, loopt vroeg of laat vast.

Volgens Feldberg ontbreekt het vaak aan een samenhangend verhaal binnen organisaties: “Bij AI hoor je vaak: we móeten er iets mee. Maar waarom eigenlijk? Wat is het doel, en wat kan AI wel en niet betekenen voor jouw organisatie? Die vragen komen zelden eerst.”

Data raakt het hele businessmodel

De inzet van data en AI beperkt zich niet tot technologieafdelingen. Ze beïnvloeden vrijwel alle onderdelen van het businessmodel: van waardecreatie en klantrelaties tot interne processen en partnerschappen. Feldberg: “Een businessmodel draait om drie kernvragen: hoe creëer je waarde, hoe lever je die, en hoe zorg je dat er iets overblijft? Data en AI kunnen al die elementen veranderen.”

Dat stelt organisaties voor strategische vragen. Zeker als andere partijen – zoals platforms of startups – beter zicht hebben op de eigen klant dan de organisatie zelf. “Dat dwingt je na te denken over relevantie. Hoe blijf je van waarde als iemand anders jouw klant beter kent dan jij?”

Feldberg benadrukt dat er geen universele aanpak bestaat. De impact van data en AI verschilt per organisatie, afhankelijk van sector, datastructuur, doelen en cultuur. “Maatwerk is essentieel. Het gaat om leren en durven experimenteren, waarbij technologie slechts één onderdeel van het verhaal is.”

Volgens hem draait succes om samenwerking tussen verschillende disciplines. Business, IT en dataspecialisten moeten gezamenlijk optrekken. “Ze spreken vaak een andere taal, en hebben verschillende doelen. Zonder gedeeld begrip en gedeelde doelen blijft samenwerking moeizaam.”

Alignment als sleutel tot succes

“Uit onderzoek blijkt dat alignment – het op één lijn krijgen van mensen, processen en doelen – essentieel is,” aldus Feldberg. “Je kunt de beste infrastructuur en de slimste algoritmes hebben, maar als teams elkaar niet begrijpen, strandt het project alsnog.”

Het ontwikkelen van een gezamenlijk verhaal – waarin de rol van data en AI helder is uitgelegd en breed wordt gedragen – is volgens hem een noodzakelijke voorwaarde voor succes. “Dat klinkt simpel, maar het is dé succesfactor.”

Zonder begrip van wat AI niet kan, krijg je gegarandeerd verkeerde verwachtingen.

De opkomst van generatieve AI heeft het tempo in de markt verder opgevoerd. Feldberg ziet kansen, maar waarschuwt ook voor overspannen verwachtingen. “AI wordt in media vaak gepresenteerd als een wondermiddel dat alles verandert. Maar dat klopt niet. Je moet weten wat AI wél kan en waar de beperkingen liggen.”

Zo noemt hij het begrip ‘intentionaliteit’ – het vermogen om het doel van menselijk gedrag te begrijpen – als iets dat AI nog niet beheerst. “AI kan veel, maar het is niet in staat tot denken zoals mensen dat doen. Verwachtingen die daar geen rekening mee houden, leiden vaak tot teleurstelling.”

Feldberg roept op tot realisme: “Als je niet weet welke vormen van AI er zijn, of wat de technologie wel en niet kan, dan wordt het lastig om goede keuzes te maken. Dan ontstaan verkeerde discussies, en soms zelfs mislukkingen die vermeden hadden kunnen worden.”

De kracht van beperking

Tot slot verwijst Feldberg naar een uitspraak van Goethe: ‘In de beperking toont zich de meester’. Een passende metafoor, vindt hij, voor organisaties die zich niet laten meeslepen door de hype, maar met duidelijke kaders en focus inzetten op verantwoorde innovatie. Tijdens zijn keynote zal hij deze lijn verder uitwerken.

Bron: data-expo.nl

Wil je Data Expo bezoeken? Registreer je hier gratis voor het event.

ChannelConnect is mediapartner van Data Expo en Cybersec Netherlands