Silicon Valley gokt op agentic AI: van chatbot naar digitale collega

Het geld volgt de belofte

De investeringen laten zien hoe serieus Silicon Valley de belofte neemt. De grote cloudbedrijven stoppen honderden miljarden dollars in datacenters, chips en energievoorziening en durfkapitaal stroomt richting startups die zich op agents voor specifieke functies of sectoren richten. Het onderliggende idee is dat de waarde van AI niet zit in het genereren van tekst, maar in het overnemen van werk. Er is echter één grote uitdaging. Bedrijfskennis zit verspreid over meerdere silo’s. Wil AI deze data kunnen gebruiken en de processen effficient laten verlopen, dan is er nog veel werk te verzetten.

Het datacenter als bottleneck

De echte beperking zit steeds minder in de GPU zelf (hoewel ze schaars zijn) en steeds meer in alles eromheen. De rekenkracht van accelerators groeit sneller dan de bandbreedte van geheugen, netwerk en opslag, waardoor dure chips regelmatig stilstaan omdat de data niet snel genoeg binnenkomt. Een GPU die op data wacht, kost evenveel stroom en kapitaal als een GPU die rekent. Bedrijven zoals Phison, Cohesity, DDN, Hammerspace en CTera zijn juist daar mee bezig. Zorg dat de brei van ongestructureerde data snel en efficient bij de GPU’s komt. Daarvoor zijn verschillende paden te beandelen.

Daarom verschuift de aandacht in datacenterontwerp naar de verbindingen tussen de datasilo’s en de GPU. Bij training moeten duizenden GPU's voortdurend tussenresultaten uitwisselen, dus bepalen netwerktopologie, snelle interconnects en de afstand tussen racks hoe goed een cluster schaalt. Bij inferentie is vooral de geheugenbandbreedte een knelpunt. Nieuwe storage oplossingen zoals rekende SSD’s (computational storage van Phison en ScaleFlux) helpen met de reductie en optimalisate van data-stromen. VergeIO heeft de optie voor een private cluodomgeving om alles met korte en private verbindingen in eigen beheer te houden. Perfect voor de soevereiniteit.

Agentic AI heeft zijn eigen wensen

Een agent doet geen enkele zware aanroep, maar een lange reeks kleinere stappen met tool-calls, ophalen van data en een groeiende context die in het geheugen moet blijven staan (KVcaching) . Dat vraagt om lage latency, snelle opslag dicht bij de rekenkracht en een continue, minder voorspelbare belasting dan klassieke trainingsrondes.

De gevolgen reiken tot buiten het datacenter: vloeistofkoeling, enorme stroomvraag en netaansluitingen die schaars zijn, ook in Nederland. Wie agents op schaal wil draaien, moet dus niet alleen naar modellen kijken, maar ook naar de infrastructuur eronder. 

Het idee om datacentra in het heelal te gaan plaatsen wordt daarmee steeds actueler. Resources (plaats, energie en koeling) zijn daar geen probleem, de data links naar de aarde wel. Door de noodzakelijke transmissiecapaciteit te verminderen met de juiste rekenkracht en door servers slimmer in te richten door storage bijvoorbeeld te laten rekenen, wordt ook dat probleem steeds kleiner. Door de hardware redundanter tegen hardware storingen te maken en dus minder afhankelijk van menselijke ingrepen, blijft deze jaren probleemloos werken. Drives die uitvallen worden toch al vaak niet vervangen.  De technologie van ClockWork maakt dat allemaal mogelijk.

De arbeidsmarkt onder druk

De impact op werk is het meest gevoelige onderwerp. Optimisten wijzen op productiviteitswinst en nieuwe functies; sceptici op het risico dat juist instapfuncties verdwijnen, de plekken waar mensen het vak leren. Het eerlijke antwoord is dat niemand het weet. Wel is duidelijk dat de verschuiving niet gelijkmatig verloopt: taken met een duidelijke structuur en meetbaar resultaat gaan het eerst, terwijl werk dat oordeelsvermogen, vertrouwen en menselijk contact vraagt voorlopig stevig overeind blijft.

Betrouwbaarheid, veiligheid en verantwoordelijkheid

Autonomie brengt ook nieuwe risico's met zich mee. Een AI-agent die zelfstandig handelt, kan ook zelfstandig fouten maken en die fouten kunnen zich opstapelen over meerdere stappen. Beveiligingsexperts waarschuwen voor prompt injection, waarbij kwaadwillende instructies in een e-mail of webpagina een agent kunnen misleiden. En wie is aansprakelijk als een AI-agent een verkeerde bestelling plaatst of gevoelige data deelt? Die vragen zijn juridisch nog grotendeels onbeantwoord, al dwingt Europese regelgeving zoals de AI Act, organisaties wel om na te denken over toezicht, transparantie en menselijke controle.

Een nuchtere conclusie

Silicon Valley verkoopt agentic AI als de volgende grote platformverschuiving en er is genoeg reden om dat serieus te nemen. Maar de geschiedenis van technologie leert dat de impact op de lange termijn vaak groter is dan verwacht en kleiner op de korte. De komende jaren draaien daarom niet om de vraag of agents het werk veranderen, maar om hoe snel, waar en onder welke voorwaarden. Voor wie in de techsector werkt, is dat geen reden om af te wachten, wel om met open ogen te beginnen.