Wanneer bedrijven aan AI denken, focussen ze meestal op modellen;
Welk model moet je kiezen?
Welke LLM moet je gebruiken?
Is een AI-agent, Copilot of een eigen model beter?
Wat zijn de kosten van tokens?
Welke AI zal het „meest intelligent” zijn?
Het probleem is dat in de praktijk de grootste hindernis bij het implementeren van AI zelden AI zelf is. Het grootste probleem zijn de systemen die bedrijven de afgelopen 10, 15 of 20 jaar hebben opgebouwd.
Legacy systems. En juist hier lopen vandaag veel ambitieuze AI-implementaties stuk.
AI is zo goed als de infrastructuur waartoe het toegang heeft
Dat is de harde waarheid van enterprise AI.
Het model kan uitstekend zijn.
De agent kan heel intelligent zijn.
Prompt engineering kan perfect zijn.
Maar als AI:
- geen toegang tot data heeft,
- processen niet begrijpt,
- niet met systemen kan communiceren,
- geen samenhangende integratie-architectuur heeft,
dan zijn de mogelijkheden snel uitgeput.
En juist daarom botsen veel bedrijven na de eerste AI-enthousiasme op de muur van technologische realiteit.
De meeste organisaties draaien vandaag op „historische lagen”
Dat is een natuurlijk effect van bedrijfsontwikkeling.
Bedrijven hebben in de loop der jaren steeds meer systemen toegevoegd:
- ERP,
- CRM,
- helpdesk,
- magazijn,
- boekhouding,
- productie,
- HR,
- rapportage,
- verkoopplatformen.
Elk ingevoerd op een ander moment, door andere leveranciers, vaak in een andere technologie.
Het resultaat? Er ontstaat een technologisch complexe, maar architectonisch inconsistente organisatie.
Data zijn:
- verspreid,
- gedupliceerd,
- niet gesynchroniseerd,
- deels handmatig overgetypt,
- vaak opgesloten in systemen zonder fatsoenlijke API.
En dan rijst de vraag: hoe kan AI effectief werken in een omgeving die niet eens met zichzelf kan communiceren?
De grootste vijand van AI: gebrek aan integratie
Dit is een veel groter probleem dan de meeste bedrijven aannemen. Want AI werkt niet in een vacuüm.
Moderne agentsystemen hebben nodig:
- toegang tot data,
- communicatie tussen systemen,
- actuele context,
- de mogelijkheid om acties uit te voeren,
- events in real time.
En ondertussen is het in veel organisaties zo dat:
- data naar Excel worden geëxporteerd,
- een deel van de processen via e-mail loopt,
- systemen één keer per dag gegevens uitwisselen,
- documentatie van integraties niet bestaat,
- de helft van de bedrijfslogica in „de hoofden van mensen” zit.
In zo’n omgeving houdt AI heel snel op een „intelligente agent” te zijn. Het wordt een extra laag van chaos.
Waarom AI er geweldig uitziet in een demo, maar veel minder in een echt bedrijf
Omdat een demo meestal onder ideale omstandigheden draait.
Eén systeem.
Goede data.
Gecontroleerd proces.
Geen edge-cases.
De enterprise-realiteit ziet er totaal anders uit.
AI botst ineens op:
- oude ERP’s zonder API,
- niet-standaard processen,
- onvolledige data,
- conflicten tussen systemen,
- bedrijfsexcepties,
- handmatige workflows,
- lokale „workarounds” die jarenlang zijn gebouwd.
En dan blijkt dat het probleem niet het AI-model is. Het probleem is de architectuur van de organisatie.
Legacy systems zijn niet alleen „oud”. Ze hebben enorme impact op het bedrijf
Dat is een belangrijk onderscheid.
Veel legacy-systemen werken nog steeds stabiel en ondersteunen kritieke bedrijfsprocessen. Daarom zijn bedrijven vaak bang om eraan te komen. En terecht.
Want het moderniseren van enterprise-infrastructuur is niet alleen een technologische kwestie.
Het is een kwestie van:
- operationele continuïteit,
- beveiliging,
- kosten,
- bedrijfsrisico.
Het probleem is dat AI een nieuw niveau van interoperabiliteit afdwingt.
Systemen die tot nu toe „naast elkaar” konden draaien, moeten ineens:
- data uitwisselen,
- in real time werken,
- samenwerken met agents,
- beslissingsautomatisering ondersteunen.
En juist hier ontdekken veel organisaties dat hun architectuur niet klaar is voor AI-native operations.
Er ontstaat een nieuw type concurrentievoordeel
Nog maar enkele jaren geleden was het voordeel: „wij hebben meer data”. Vandaag is het steeds vaker: „onze infrastructuur stelt AI in staat om echt te werken”. Dat is een groot verschil.
Want bedrijven met een moderne architectuur:
- API-first,
- event-driven,
- modular systems,
- central data layer,
- goed ontworpen integraties,
zullen AI vele malen sneller implementeren dan organisaties met een chaotische legacy-stack.
En daarom is de toekomst van AI zo nauw verbonden met software-architectuur.
De grootste mythe? „Je hoeft AI alleen maar te implementeren”
Nee. In veel gevallen is AI de laatste fase van transformatie, niet de eerste.
Eerst moet je orde scheppen in:
- data,
- processen,
- integraties,
- de systeemarchitectuur,
- governance,
- informatieflows.
Zonder dit zal AI vaak:
- inconsistente antwoorden geven,
- op verouderde data werken,
- foutieve beslissingen genereren,
- of niet in staat zijn processen echt te automatiseren.
En daarom zouden de meest waardevolle AI-bedrijven van de komende jaren misschien helemaal geen „modelbedrijven” zijn.
Het zouden bedrijven kunnen zijn die weten te verbinden:
- architectuur,
- integraties,
- data,
- processen,
- en AI-orchestration.
AI lijkt steeds meer op een infrastructuurprobleem, niet op een productprobleem
Dat is een zeer interessante marktverschuiving.
Nog niet zo lang geleden werd AI vooral gezien als:
- een applicatie,
- een chatbot,
- een functie,
- een add-on voor het systeem.
Vandaag wordt het steeds meer een infrastructuurlaag van de organisatie.
En infrastructuur heeft één kenmerk: ze moet stabiel, consistent en goed ontworpen zijn.
Want zelfs de beste AI-agent repareert niet:
- slechte architectuur,
- integratiechaos,
- datasilo’s,
- noch processen die jarenlang zonder samenhangende logica zijn gebouwd.
Wat wint er in de komende jaren?
Waarschijnlijk niet de bedrijven met „de meest spectaculaire AI”.
Maar die welke:
- een opgeruimde architectuur hebben,
- goed ontworpen integraties,
- datacentralisatie,
- flexibele systemen,
- en infrastructuur die klaar is voor agent-based AI.
Want de toekomst van enterprise AI zal veel meer verbonden zijn met systeemarchitectuur dan met de modellen zelf. En daarom zal voor veel organisaties het grootste AI-project van de komende jaren niet de implementatie van weer een chatbot zijn, maar de herbouw van de technologische fundamenten van het bedrijf.
