Overslaan naar inhoud

Het gefragmenteerde landschap is geen excuus, maar een ontwerpprobleem

Fragmentatie in het AI-landschap is geen tijdelijk probleem dat de markt oplost. Het is een structurele conditie — en hoe je ermee omgaat, bepaalt of AI een strategisch voordeel wordt of een kostbare vergissing.

Elke week een nieuw model. Elke maand een nieuw platform. Elk kwartaal een nieuwe categorie die “AI-first” is geworden.

Als je het AI-landschap van vandaag bekijkt, is de eerste reactie vaak overweldiging. Er is geen overzicht meer. Er is geen duidelijke winnaar. Er is geen standaard. En het tempo van verandering ligt zo hoog dat elke keuze die je nu maakt, over zes maanden alweer verouderd lijkt.

De logische conclusie lijkt: wacht af. Kies de meest bekende naam. Ga voor het all-in-one platform van je bestaande leverancier.

Dat is precies de verkeerde conclusie.

Fragmentatie is geen tijdelijk probleem dat de markt zal oplossen. Het is de structurele realiteit van een technologisch ecosysteem in opbouw — en hoe je ermee omgaat, bepaalt of AI een strategisch voordeel wordt of een kostbare vergissing.

Hoe gefragmenteerd is het eigenlijk?

De cijfers zijn ontnuchterend. Elke grote SaaS-leverancier heeft inmiddels een AI-laag aan zijn platform toegevoegd: Salesforce met Agentforce, ServiceNow met AI-agents, SAP, Oracle, Workday — allemaal bouwen ze domeinspecifieke AI-functionaliteit. Het resultaat: elke applicatiecategorie heeft nu een AI-laag, maar die lagen praten niet met elkaar. Bijna driekwart van de enterprise-applicaties bestaat in isolatie.

Tegelijkertijd rijden aan de infrastructuurkant honderden modellen, orchestratieframeworks, geheugenoplossingen en evaluatietools door elkaar. De agentic AI-stack heeft inmiddels zeven herkenbare lagen — van foundation model en agent runtime tot orchestratie, tooling, observability en governance. In elke laag zijn tientallen concurrerende oplossingen actief, elk met hun eigen API’s, prijsmodellen en roadmaps.

67% van de organisaties geeft aan actief te sturen op het vermijden van afhankelijkheid van één AI-leverancier. Dat klinkt verstandig. Maar 45% van diezelfde organisaties zegt tegelijkertijd dat vendor lock-in hen al heeft belemmerd om betere tools te adopteren. De intentie en de praktijk lopen structureel uiteen.

Het echte risico: niet de chaos, maar de verleidelijke vereenvoudiging

De gevaarlijkste reactie op fragmentatie is niet passiviteit — het is de greep naar de meest bekende naam.

Microsoft met Azure OpenAI en Copilot vertegenwoordigt vandaag de diepste enterprise AI lock-in die op de markt beschikbaar is. Dat is niet per se een verwijt — het is een beschrijving van een strategische keuze met consequenties. Wie zijn AI-workflows bouwt op een propriëtaire orchestratielaag, betaalt switching costs die met elke nieuwe agent workflow exponentieel groeien. API-afhankelijkheid betekent dat je architectuur zich buigt naar de ontwerpkeuzes van één vendor, niet naar de behoeften van jouw organisatie.

Hetzelfde geldt voor het tegenovergestelde uiterste: wie willekeurig tools bij elkaar raapt zonder architectuurprincipes, bouwt een AI-zoo in plaats van een AI-systeem. De kosten van integratie, onderhoud en governance nemen toe. De waarde blijft achter.

Organisaties met meer dan twaalf AI-tools in gebruik zien aantoonbaar dalende rendementen — niet ondanks de tools, maar door de onderlinge disconnectie.

Fragmentatie als ontwerpuitgangspunt

Het keerpunt in denken is dit: stop met fragmentatie zien als een probleem dat je moet oplossen. Begin het te zien als een ontwerpconditie waarop je je architectuur afstemt.

Wat betekent dat concreet?

Het betekent dat je bewust kiest voor een gelaagde, modulaire architectuur in plaats van een monolithisch platform. Een architectuur die de drie kernfuncties van een AI-systeem — redeneren, handelen, onthouden — in aparte lagen organiseert die onafhankelijk vervangen kunnen worden. Niet omdat je voortdurend wilt wisselen van leverancier, maar omdat je niet gevangen wilt zitten als een betere optie beschikbaar komt.

Het betekent ook dat je inziet dat je niet één model nodig hebt, maar een strategie voor modelgebruik. Welk model gebruik je voor welk type taak? Welke orchestratielaag beheert de routing? Welke geheugenoplossing borgt de context die je organisatie opbouwt? Die vragen hebben geen universele antwoorden — ze hebben jóuw antwoorden, gebaseerd op jóuw processen en jóuw risicotolerantie.

En het betekent dat je de EU AI Act en aanverwante governance-vereisten niet ziet als compliance-overhead, maar als argument voor het hebben van een heldere stack. Vendor-locked AI-systemen maken consistent toezicht op beslissingen structureel moeilijker.

De drie lagen die er altijd zijn

Hoe complex het landschap ook wordt, elke robuuste AI-implementatie heeft uiteindelijk drie lagen nodig. Niet als abstract model, maar als concrete architectuurkeuze:

De modellaag — welk model doet het redeneerwerk? Dit is niet één antwoord voor alles. Het is een bewuste keuze per taaktype, met criteria voor kwaliteit, kosten en controle.

De harness-laag — de orchestratielaag die het model koppelt aan je data, je tools en je processen. Dit is de control plane van je AI-systeem: het regelt routing, validatie, fallback en governance. Zonder een sterke harness is een model een geïsoleerde tekstgenerator, hoe goed ook.

De memory-laag — de persistente opslaglaag die context, kennis en beslissingshistorie bewaart over sessies heen. Dit is wat van een AI-systeem een organisatorisch geheugen maakt. Zonder memory-laag begint elk gesprek opnieuw en leert de organisatie niets.

Deze drie lagen zijn de structurerende keuze in een gefragmenteerd landschap. Niet als technische details die de IT-afdeling later uitzoekt, maar als strategische ontwerpbeslissingen die de waarde van je AI-investering bepalen.

Wat dit vraagt van jou als beslisser

Fragmentatie in het AI-landschap vraagt geen technische expertise van leiders. Het vraagt architectuurdenken. De vraag is niet “welke tool kiezen we?” maar “welke lagen bouwen we, en welke principes gelden per laag?”

Dat denken klinkt abstract, maar het is urgent. De organisaties die nu hun AI-architectuur helder definiëren — met bewuste keuzes per laag — bouwen een fundament dat schaalbaar is. De organisaties die nu snel een platform inzetten zonder dat fundament, bouwen een probleem dat later duur is om te corrigeren.

Succes met agentic AI is voor 20% technologie en voor 80% verandermanagement en strategische keuzes. De chaos in het landschap is reëel. Maar de chaos is ook het speelveld waarop organisaties met een heldere architectuurvisie het verschil maken.

Wat volgt

De volgende drie posts gaan over elk van de drie lagen in detail. We beginnen waar het meeste misverstand over bestaat: het model.

Read in English →