De echte bedreiging is niet het ontbreken van een Europees frontiermodel. Het is het AI-harnas dat we nooit hebben gebouwd.
Over de AI-soevereiniteit van Europa wordt veel gesproken. Het debat gaat daarbij vooral over frontiermodellen, de beste algemene AI-modellen van dit moment. Amerika heeft de sterkste modellen, China volgt op de voet en Europa lijkt aangewezen op spelers als Mistral, in de hoop de achterstand ooit in te halen. De conclusie is meestal dat we de boot dreigen te missen en daarom eigen frontiermodellen nodig hebben.
Het kernprobleem voor de Europese AI-soevereiniteit is niet onze afhankelijkheid van de Amerikaanse frontiermodellen van OpenAI, Anthropic en Google. Het probleem is dat Europese organisaties, inclusief die van jou, te weinig werk maken van het bouwen en bezitten van hun eigen AI-harnas. Dat harnas zet de ruwe denkkracht van een generalistisch AI-model om in een specialist die jouw organisatie begrijpt en verder helpt.
Het harnas geeft het model veilig toegang tot je systemen en data en zorgt dat het zich houdt aan jouw regels en manier van werken. Zo werkt het model voor jou, je collega's en je klanten, terwijl jij de controle houdt over de beslissingen die ertoe doen. Het is de operationele laag tussen het model en de business. Het maakt AI bruikbaar en veilig en het maakt de generalist zelf uiteindelijk vervangbaar. Vandaag gebruik je een Amerikaans frontiermodel, morgen misschien een Europees of opensourcemodel, zodra dat goed genoeg is.
Wonen in het huis van iemand anders
Het verschil tussen het model en het harnas eromheen wordt nog altijd onderschat. Een gehuurd Amerikaans model is een afhankelijkheid die je kunt beëindigen. Je vervangt het zodra een beter alternatief aan je eisen voldoet, zoals je de meubels in je eigen huis vervangt. Een extern harnas, denk aan Microsoft Copilot of Claude Cowork, is een afhankelijkheid van een andere orde. Dan is ook het huis van iemand anders. Je workflows, integraties, permissies en toegang tot data zijn onderdeel van het product van een andere partij en daarmee ligt ook de weg naar buiten in hun handen. Dat is een veel grotere bedreiging voor AI-soevereiniteit dan de afhankelijkheid van welk afzonderlijk model dan ook.
Europese organisaties moeten daarom serieus werk maken van hun eigen AI-harnas. Alleen dan kunnen we AI op onze eigen voorwaarden adopteren en we moeten daar nu mee beginnen.
Dat 'nu' meen ik letterlijk. Rutger Bregman betoogde onlangs in An Inconvenient Truth About AI dat democratische instituties het zich niet kunnen veroorloven om AI af te doen als hype, of zich te verschuilen achter het sarcastische beeld van de 'domme stochastische papegaai'. Hij waarschuwt dat de tijdlijnen veel korter zijn dan bij de klimaatcrisis, die ondanks de waarschuwingen van twintig jaar geleden mensen en overheden nauwelijks in beweging heeft gekregen. Hij heeft gelijk en zijn punt reikt verder dan democratische instituties. Dat AI verandert hoe overheden, ziekenhuizen, verzekeraars, banken en industriële bedrijven werken, staat wel vast. De vraag is of zij AI op hun eigen voorwaarden kunnen adopteren, zonder de voorwaarden van een leverancier te moeten slikken.
Het goede nieuws is dat de meeste organisaties de ontkenningsfase voorbij zijn. Ze willen aan de slag en maken een begin. Alleen kiezen veel van hen de verkeerde adoptiestrategie. Dat is begrijpelijk, want het Europese debat houdt hun aandacht bij de modellen en het harnas komt nauwelijks ter sprake. In de praktijk zie ik twee strategieën domineren en geen van beide bouwt de capaciteit op die ertoe doet.
Twee adoptiestrategieën die ons niet verder helpen
De eerste strategie richt zich alleen op het model. Geef medewerkers een dichtgetimmerde chatbox zoals GPT en noem dat adoptie. Die voorzichtigheid is begrijpelijk en het is verstandiger dan mensen gevoelige informatie laten plakken in hun persoonlijke ChatGPT-account. Maar een model zonder harnas is meubilair zonder huis. Je hebt het beste bureau ter wereld en het staat buiten in de regen. Het model is afgesneden van echte data en workflows, dus je kunt chatten met iets dat vrijwel niets weet van wat er in jouw organisatie toe doet. Veel mensen trekken daar bovendien de verkeerde les uit. Het model hallucineert zich een weg langs informatie die het nooit heeft gekregen, mensen zien het falen en hun vertrouwen in wat deze modellen met de juiste toegang wel zouden kunnen, brokkelt af.
De tweede strategie is een kant-en-klaar AI-harnas kopen. Je zet Copilot aan en laat Microsoft regelen hoe het model inhaakt op jouw business, met de integraties, de permissies, de regels en de logs. De AI staat dan wel dicht bij het werk, maar het harnas blijft ondoorzichtig en het is niet van jou. Je weet niet precies welke informatie het kan bereiken, welke regels het volgt of hoe je het begrenst. Ook de integraties met de workflows die jouw organisatie onderscheiden, zijn nu van Big Tech. En het is hetzelfde harnas dat je concurrent morgen ook kan aanzetten, dus onderscheiden doet het je niet.
De ene strategie laat je achter met een model zonder harnas, de andere met een harnas dat je niet bezit en nauwelijks begrijpt. In beide gevallen heb je toegang tot AI, maar geen controle. Je bent afhankelijk en noemt het adoptie. En je komt nooit in de positie waar het om gaat, waarin je genoeg van het harnas bezit om het model vrij te kunnen kiezen.
Koop wat standaard is, bouw wat je onderscheidt
Er is een betere strategie. Bouw het harnas zelf en behandel het model als het onderdeel dat je uiteindelijk vervangt. Het is een van de oudste regels in IT, koop wat standaard is en bouw wat je onderscheidt. Het AI-model wordt het standaardonderdeel en het harnas is waar jouw manier van werken leeft. Het harnas inkopen lijkt werk te besparen, maar je besteedt er de manier waarop je je organisatie runt mee uit aan een ander.
De start hoeft niet groot te zijn. Kies een werkproces of een klantreis en begin daar. Het belangrijkste is dat je organisatie stap voor stap leert hoe zij een harnas bouwt rond deze modellen. Wachten is de dure optie. Hoe langer je wacht op het perfecte Europese model, hoe dieper het harnas van een ander wortel schiet in je organisatie en hoe kleiner de kans dat je AI nog op je eigen voorwaarden kunt adopteren.
Wat daarvoor nodig is, ligt binnen handbereik, namelijk degelijke en misschien zelfs saaie softwareontwikkeling. Daar zijn we in Europa best goed in en er is geen half biljoen dollar aan AI-investeringen voor nodig.
Twintig jaar geleden zette Al Gore de klimaatcrisis wereldwijd op de kaart. De film won een Oscar, hijzelf een Nobelprijs en de CO₂-curve bleef stijgen. Dat verhaal hoeven we met het AI-harnas niet te herhalen. Deze keer kunnen we zelf aan de slag.
