AI is voor veel organisaties geen experiment meer, maar een strategisch thema. Toch blijft de vraag vaak hetzelfde: waar begin je en hoe schaal je verantwoord op? In een nieuwe aflevering van de Proact SYNC Podcast duiken we diep in het concept van de AI Factory, samen met Dell.
In deze aflevering gaat Quiriën Maduro, Functional Solution Architect bij Proact, in gesprek met Jaco, Enterprise Solution Architect bij Dell, en Kevin Janssen, CTO van Proact West. Samen onderzoeken zij wat een AI Factory nu eigenlijk is, welke vormen er zijn en hoe organisaties hier vandaag al praktisch mee aan de slag kunnen.
Bekijk de aflevering:
Een AI Factory is geen product, maar een schaalbaar concept
Een belangrijk uitgangspunt in het gesprek is dat een AI Factory geen vastomlijnd product is. Het is een schaalbaar concept dat zich aanpast aan de volwassenheid en ambities van een organisatie.
Een AI Factory kan klein beginnen, bijvoorbeeld:
- Op een laptop met een GPU of NPU
- In een afgeschermde test- of sandboxomgeving
Van daaruit kan deze doorgroeien naar:
- Meerdere GPU-servers
- Gespecialiseerde AI-factories voor training en inferencing
De kern van een AI Factory zit niet alleen in de hardware. Juist de softwarestack, data, beveiliging en governance bepalen of AI duurzaam en veilig ingezet kan worden.
Van experiment naar impact: start met concrete use cases
Veel organisaties beginnen hun AI-reis met experimenten. Dat is logisch, maar volgens de sprekers zit de echte vooruitgang in het definiëren van concrete use cases.
Niet: “We willen iets met AI.”
Maar wel:
- Welk probleem lossen we op?
- Welke data is hiervoor nodig?
- Is het een training- of inferencingvraagstuk?
- Wat betekent dit voor infrastructuur en architectuur?
Door vanuit use cases te werken, wordt AI geen technisch speeltje maar een middel om gerichte businesswaarde te creëren.
De rol van Large Language Models (LLM’s)
Large Language Models spelen een steeds grotere rol in moderne AI-toepassingen. Tegelijk groeit de complexiteit. Er bestaan inmiddels miljoenen modellen, maar niet elk model is geschikt of betrouwbaar voor elke toepassing.
In de podcast staan de sprekers stil bij vragen als:
- Hoe kies je het juiste model voor je use case?
- Hoe houd je controle over gedrag, prestaties en bias?
- Wat betekent Europese regelgeving voor modelgebruik?
Governance, monitoring en compliance worden hierbij steeds belangrijker – zeker in een Europese context waarin transparantie en controle centraal staan.
GPU-keuzes, softwarestack en vendor lock-in
Ook de technologische keuzes achter een AI Factory komen uitgebreid aan bod. GPU’s zijn schaars, verschillen sterk in functionaliteit en zijn niet allemaal geschikt voor elke softwarestack.
Belangrijke aandachtspunten:
- NVIDIA, AMD en Intel hebben ieder hun eigen focus
- Niet elke AI-software werkt op elke accelerator
- Vendor lock-in kan flexibiliteit beperken
Daarom groeit het belang van abstractie: AI-platforms zo inrichten dat workloads niet afhankelijk zijn van één specifieke leverancier of technologie.
Datasoevereiniteit als fundament
Een centraal thema in de aflevering is datasoevereiniteit. Uiteindelijk draait AI altijd om data:
- Waar staat die data?
- Wie beheert haar?
- Wie heeft toegang?
De sprekers bespreken verschillende niveaus van soevereiniteit:
- Volledig Europese oplossingen
- Hybride modellen
- Gecontroleerde datastromen tussen omgevingen
Encryptie, moderne storage-oplossingen en duidelijke toegangscontrole spelen hierin een sleutelrol.
Vooruitkijken: AI Factories als middel, niet als doel
Tot slot kijken de sprekers vooruit. AI Factories zijn geen eindpunt, maar een middel om waarde te creëren. Dat vraagt om samenwerking tussen IT, data-specialisten en de business.
Door:
- Klein te beginnen
- Transparant te experimenteren
- Te bouwen vanuit concrete use cases
kunnen organisaties verantwoord groeien richting volwassen AI-oplossingen.