Terwijl de term ‘Private AI’ steeds vaker opduikt in Europese beleidsstukken, ziet Frank Beerlage, managing director van Cloudera voor de Benelux, dat de praktijk weerbarstiger is. Organisaties praten veel over soevereiniteit, privacy en het beteugelen van cloudkosten, maar aarzelen nog om de stap naar een structureel andere architectuur echt te zetten. “We zijn er wel mee bezig, maar het zit nog vaak in de onderzoeks- en beleidsfase”, zegt hij. Tegelijkertijd vindt Beerlage dat de tijd van praten en studeren nu toch wel zo’n beetje voorbij is: wie AI serieus wil inzetten, moet keuzes maken over governance, security en controle over data – en die keuzes ook daadwerkelijk implementeren.
Beerlage gebruikt ‘AI’ bewust niet als containerbegrip. In zijn uitleg zit het onderscheid niet tussen ‘AI’ en ‘analytics’ als marketinglabels, maar in het zelflerende karakter van moderne modellen. Analytics helpt je vooral met beschrijven en verklaren. AI daarentegen kan zich aanpassen, leren en patronen herkennen die je vooraf niet expliciet programmeert. Hij wijst erop dat veel softwareleveranciers AI inmiddels in applicaties verwerken om processen te optimaliseren en afwijkingen te detecteren. Bij Cloudera ligt de nadruk daarentegen veel meer op AI op de data zelf: het samenbrengen van gegevens uit verschillende systemen, regio’s of landen en die data vervolgens onder gecontroleerde omstandigheden beschikbaar maken voor analyse en modeltraining.
Convenience kost geld
Daarmee komt hij bij de kern van Private AI zoals hij die ziet. Het gaat volgens Beerlage niet primair om de vraag óf data in de cloud staat of on-premise, maar om de voorwaarden waaronder je AI inzet. Private AI betekent in zijn woorden: een gecontroleerde omgeving met de juiste governance en security, en met aandacht voor de totale kosten over de hele looptijd. Die laatste factor, de TCO, wordt in zijn gesprekken met klanten steeds prominenter. “De cloud is makkelijk en snel, maar die convenience kost ook geld”, zegt hij. Organisaties kunnen relatief eenvoudig data ‘opspinnen’ en analyseren zonder een grote interne IT-inspanning, maar naarmate de afhankelijkheid groeit, wordt ook de rekening onvermijdelijk steeds zichtbaarder – en vaak ook steeds hoger.
Private AI krijgt extra lading zodra modellen worden getraind op organisatie-eigen processen en data. Dat is precies waar Beerlage de komende jaren een verschuiving verwacht: AI wordt pas echt waardevol als modellen leren van de specifieke context van een organisatie. Maar dan moet je wel zeker weten dat die training op een veilige manier plaatsvindt. De discussie raakt bovendien aan data die niet alleen van de organisatie zelf is, maar ook van klanten en eindgebruikers. In de industrie ziet Beerlage hoe dit concreet wordt. Hij schetst een voorbeeld uit zijn eerdere loopbaan: een grote Duitse fabrikant van voertuigen voor magazijnomgevingen zag serviceverlening aan klanten in enkele jaren verschuiven van min of meer een kostenpost naar een wezenlijk deel van het businessmodel. Dat soort servicemodellen drijven op onder andere sensordata en gebruiksdata: je wil weten hoe apparatuur wordt gebruikt, wanneer onderhoud nodig is, en hoe je de serviceverlening slimmer kunt maken. Maar precies dat maakt de datavraag ingewikkelder. Je raakt al snel privacy (het gaat immers ook om klantgegevens), compliance en de vraag wie de gegevens mag inzien, verwerken en combineren.
Anders? Of beter?
Interessant genoeg ziet Beerlage in dat opzicht een verschil tussen Europa en veel andere landen. In Europa is soevereiniteit een dagelijks gespreksonderwerp, zegt hij, maar in andere delen van de wereld worden beslissingen soms sneller omgezet in uitvoering. “Wij Europeanen praten ontzettend lang en willen alles van links naar rechts doorkouwen”, stelt hij. “Ik denk dat we daar de tijd niet voor hebben.” Hij noemt als voorbeeld hoe overheden soms nog steeds jarenlange aanbestedingstrajecten doorlopen, terwijl de technologische en geopolitieke context ondertussen verandert. Dat probleem ziet hij soms ook bij sectoren op het gebied van bijvoorbeeld kritieke infrastuctuur. Daar is software bepalend voor aansturing van de infrastructuur. De vraag “hoe scherm je dat af” gaat dan al snel over continuïteit en risico’s – en niet alleen maar over efficiëntie.
De rol van de CFO
Die focus op risico’s is een terugkerend thema in zijn visie. Beerlage ziet dat veel organisaties nog onvoldoende zicht hebben op hun eigen datastromen. Waar komt data vandaan, welke systemen hebben de data geopend of bewerkt, welke processen hebben data aangepast en met welke bedoeling? Zonder dat inzicht wordt het lastig om datakwaliteit te beoordelen, laat staan om AI verantwoord te trainen. Hij noemt data lineage en metadata management als praktische startpunten: eerst begrijpen wat je hebt en wat ermee gebeurt, voordat je er grootschalige modellen op loslaat. In de demo’s die hij aanhaalt, is de belofte juist dat organisaties snel inzicht kunnen krijgen in hun datalandschap, niet pas na een maanden durende inventarisatie.
In Nederland ziet Beerlage veel interesse in AI, maar tegelijkertijd ook een andere trend: de cloudadoptie richting hyperscalers gaat door, ondanks groeiende twijfel als gevolg van almaar oplopende kosten en de discussie rond digitale soevereiniteit. Juist bij organisaties met privacygevoelige informatie noemt hij dat een lastig spanningsveld. Tegelijkertijd begrijpt hij de aantrekkingskracht: businessafdelingen die gefrustreerd raken door trage interne (IT-)processen, vinden in de cloud een snelle route naar analyse en experimenten. In die context benoemt hij een rol die volgens hem de laatste jaren te veel naar de achtergrond is verdwenen: die van de CFO. Niet alleen als ‘kostenbewaker’, maar vooral ook als bestuurder die risico’s meeweegt en eisen stelt aan controle, privacy en soevereiniteit. Als cloudkosten oplopen en afhankelijkheden toenemen, komt die financiële rol vanzelf weer nadrukkelijker aan tafel, verwacht hij.
Private AI en open standaarden
Private AI betekent voor Beerlage ook: open standaarden. Cloudera, zo zegt hij, promoot al jaren interoperabiliteit en het beperken van vendor lock-in. In die zin ligt zijn boodschap vooral bij een architectuurkeuze: zorg dat data in open formaten staat, dat je kunt wisselen van omgeving. Zorg er tevens voor dat je een controlelaag hebt die niet verdwijnt zodra een leverancier zijn aanpak verandert of wordt overgenomen.
Dat raakt ook aan de vraag naar Europese cloudproviders. Beerlage erkent dat Cloudera breed inzet op ondersteuning van de grote hyperscalers, omdat grote organisaties die platforms nu eenmaal gebruiken. Tegelijkertijd zegt hij dat samenwerking met opkomende Europese datacenter- en cloudpartijen logisch wordt zodra de vraag groeit. Maar hij plaatst er meteen een kanttekening bij: alleen verhuizen van de ene externe partij naar de andere lost de kernvraag niet op. Het gaat om het terugpakken van regie op data en om het principe “breng AI naar de data” in plaats van data massaal naar een extern model te verplaatsen – zoals nu vaak gebeurt.
Kies voor een afgeschermde startomgeving
Voor organisaties die willen beginnen zonder direct een allesomvattende migratie, noemt hij het idee van een afgeschermde startomgeving. In zijn woorden is dat een manier om AI “in huis” te testen, binnen het eigen netwerk, maar losgekoppeld van andere omgevingen. Hij verwijst naar het concept van een ‘AI in a box’, ontwikkeld met hardwarepartners, als een moderne variant op de appliances uit de big data-periode: eerst gecontroleerd ervaring opdoen, dan opschalen.
De rode draad in het gesprek met Beerlage is daarmee minder futuristisch dan je op basis van de AI-hype zou verwachten. Private AI is voor hem geen belofte dat modellen alles oplossen, maar een pleidooi voor basishygiëne: weten waar je data is, weten hoe die beweegt, weten wie controle heeft, en keuzes maken die zowel kosten als risico’s beheersbaar houden. De technologie ontwikkelt snel, zegt hij, maar precies daarom is de vraag niet óf organisaties moeten bewegen, maar hoe snel ze de stap maken van praten naar doen.
