AI blijft steeds capabeler worden. Het inzetten ervan binnen een onderneming wordt daarmee echter niet noodzakelijk eenvoudiger.

Nu bedrijven verder komen dan experimenten en AI in meer onderdelen van hun bedrijf integreren, lopen ze tegen een aparte reeks uitdagingen aan. De vragen draaien steeds meer om welke modellen welke taken moeten uitvoeren, of de onderliggende data goed genoeg is, wie — en wat — AI-systemen mogen benaderen, en of de bestaande governance dit kan bijbenen.

Diverse ontwikkelingen deze week wijzen in dezelfde richting: de volgende fase van enterprise-AI zal wellicht minder afhangen van toegang tot de nieuwste modellen en meer van de vraag of bedrijven ze daadwerkelijk kunnen beheren.

Multi-Model-Wordt de Norm

Ondernemingen kiezen niet langer simpelweg één AI-model. Ze draaien meerdere modellen, elk met andere capaciteiten, kosten en risico's. Dat betekent dat iemand moet beslissen welk model welke taak uitvoert — en wanneer die beslissingen moeten veranderen.

Bings- en databedrijf Deluxe heeft bijvoorbeeld meer dan 50 AI-agenten, met een gecentraliseerde gateway die verzoeken naar verschillende modellen doorstuurt. Het bedrijf weegt factoren als kwaliteit, risico, snelheid en kosten bij het beslissen welke modellen het gebruikt.

Dat is een aanzienlijk andere uitdaging dan het kiezen van één AI-leverancier. Naarmate ondernemingen meer modellen toevoegen, wordt modelselectie zelf een doorlopende operationele functie — een functie die een periodieke leverancierskeuze omzet in terugkerend werk: verzoeken routeren, resultaten vergelijken en die afwegingen opnieuw evalueren naarmate kwaliteit, kosten en risicoprofielen verschuiven. (Zie ook: Gemini 3.8 Live Transforms Conversational AI.)

Datakwaliteit Ondermijnt Nog Steeds AI-Projecten

Het beheren van de modellen is slechts een deel van het probleem. AI-projecten stuiten ook op een bekende ondernemingsdrempel: slechte of gefragmenteerde data.

Uit een recent onderzoek van Collibra bleek dat 72% van de AI-beslissers een slecht datafundament aanwees als hoofdoorzaak wanneer enterprise-AI-initiatieven tekortschoten. Het cijfer herinnert eraan dat wanneer AI-initiatieven struikelen, het probleem vaak al vóór het model ligt: het zit in de data die het model voedt.

Governance Blijft Achter Bij Agentic AI

De operationele vragen stoppen niet bij data. Bedrijven hebben mogelijk AI-governancebeleid, maar hun strategieën houden mogelijk geen rekening met agentische systemen.

Uit een dinsdag gepubliceerd rapport van EY bleek dat bijna zes op de tien respondenten bij organisaties die agentic AI gebruiken vonden dat geen enkele groep agenten overzag na implementatie. Bijna de helft zei dat hun governancekaders niet waren bijgewerkt om agentspecifieke risico's aan te pakken, terwijl vier op de tien geen zicht hadden op alle AI-tools in hun netwerken.

Dat is evenzeer een operationeel gat als een governancegat. Bedrijven kunnen AI-systemen niet effect beheren als ze niet weten wat er draait of wie verantwoordelijk is voor toezicht. De bevindingen laten organisaties met twee directe vragen: wie is eigenaar van het agententoezicht zodra agenten actief zijn, en hoe krijg je een volledig beeld van de AI-tools die al op het netwerk draaien.

De Organisatorische Uitdaging

Een krachtiger model zal geen van deze problemen oplossen. Ze vereisen dat bedrijven beslissingen nemen over architectuur, data, eigenaarschap en toezicht nu AI in steeds meer onderdelen van het bedrijf wordt verankerd.

Het lastige van enterprise-AI is misschien niet langer toegang tot krachtige technologie. Het gaat om het bouwen van een organisatie die ermee kan werken — en de indicatoren om in de gaten te houden zijn intern: datakwaliteit, governancedekking en duidelijke eigenaarschapslijnen. (Zie ook: Calls for AI slowdown raise new challenges for open-weight models.)

Ook Deze Week in AI-Nieuws

• AI Is Now Leading Driver of New Cybersecurity Spending: Zeven op de tien CISO's rangschikken AI nu als hun topprioriteit voor nieuwe cybersecurity-uitgaven, met name voor securityautomatisering en identiteits- en toegangsbeheer.
• Altman, Amodei Talk AI Pacing at Dreamforce: De AI-laboratoriumleiders gebruikten de Dreamforce-conferentie van Salesforce om over vertraging van het tempo van frontier-AI-ontwikkeling te praten, nu de zorgen groeien dat capaciteiten sneller evolueren dan de waarborgen.
• Gemini 3.8 Live Transforms Conversational AI: Het nieuwe Google-model voegt realtime redeneren, toolgebruik en visuele verwerking toe en behoudt natuurlijke gesproken interacties.
• Calls for AI Slowdown Raise New Challenges for Open-Weight Models: Oproepen om frontier-AI-ontwikkeling te vertragen kunnen nieuwe uitdagingen creëren voor open-weight-modellen, waardoor ondernemingen mogelijk meer verantwoordelijkheid krijgen voor testen, monitoring en governance.
• AI Is Giving CIOs a New Trust Problem: Groeiende onrust rond AI creëert een nieuwe uitdaging voor CIO's nu ze organisatorisch vertrouwen in enterprise-implementaties willen opbouwen zonder terechte zorgen over de technologie te bagatelliseren.
• 'We're Going to Stop Talking About AI,' and Other Industrial Predictions: Productiebedrijven verwachten dat AI minder een op zichzelf staand initiatief wordt en meer verweven raakt met de dagelijkse bedrijfsvoering. (Zie ook: AI changes the ROI equation. Here's how some have found success.)
• AI Makes a Mess of the Tech Job Market: AI hervormt de tech-arbeidsmarkt; een analyse van bijna 50.000 vacatures voor ingenieurs toont verschuivende vaardigheidseisen en een groeiend aantal gespecialiseerde rollen.

Over de Auteur

Liz Hughes is een bekroonde redactionele en contentstrateeg met decennia ervaring in nieuwsmedia-uitgeverij, digitale media en executieve communicatie. Ze was meest recentelijk redacteur van AI Business en IoT World Today, waar ze de redactionele strategie, dagelijkse berichtgeving en nieuwsbrieven leidde die elke maand meer dan 1 miljoen lezers bereikten. Haar werk richt zich op AI en opkomende technologieën, met de nadruk op het onderscheiden van echte adoptie en hype, en ze heeft onder meer geschreven over generatieve AI, robotica, autonome systemen en enterprisetechnologie. Hughes is ook oprichter van LTH Media, een strategische redactionele praktijk, en blijft redactionele bijdragen leveren aan toonaangevende technologie- en zakelijke publicaties.

Dit artikel, geschreven door vast medewerker Liz Hughes, verscheen oorspronkelijk op AI Business op 18 september 2026.