Terwijl kunstmatige intelligentie evolueert van eenvoudige chatbots naar autonome ‘agenten’ die in staat zijn complexe workflows uit te voeren, is er een fundamenteel architectuurdebat ontstaan. Voor ondernemingen gaat de uitdaging niet langer alleen over het bouwen van een agent, maar ook over het beheren, besturen en schalen ervan.
De industrie is momenteel getuige van een strategische splitsing in de manier waarop de AI-‘stack’ is opgebouwd. Google bouwt een gecentraliseerde beheerlaag gericht op bestuur, terwijl Amazon Web Services (AWS) zich richt op een uitvoeringsgerichte aanpak die is ontworpen voor snelheid.
Twee managementfilosofieën
Het verschil tussen deze twee technologiegiganten illustreert hoe verschillende organisaties prioriteit geven aan hun AI-inzet:
1. Google: de governance-eerste aanpak
Google positioneert zijn Gemini Enterprise -suite als een gecentraliseerd ‘controlevlak’. Door zijn aanbod onder één paraplu te integreren, behandelt Google AI-agents net als moderne software-infrastructuur (zoals Kubernetes).
– Structuur: Google biedt een uniform platform waar beveiliging, identiteit en beleidshandhaving in het systeem zijn ingebed.
– Doel: Het bieden van een “voordeur” voor bedrijven, waarbij ervoor wordt gezorgd dat agenten, naarmate zij autonomer worden, binnen de strikte bedrijfsbarrières blijven.
– Focus: Stabiliteit op lange termijn en gecentraliseerd toezicht.
2. AWS: de Velocity-First-aanpak
AWS neemt via zijn Bedrock AgentCore een andere route door te optimaliseren voor de uitvoeringslaag. In plaats van een zware managementlaag biedt AWS ‘harnassen’.
– Structuur: Met behulp van een op configuratie gebaseerd startpunt (mogelijk gemaakt door het open-source Strands Agents-framework) kunnen ontwikkelaars snel de taken, modellen en tools van een agent definiëren.
– Doel: De tijd verkorten die nodig is om een agent van een concept naar een live product te verplaatsen.
– Focus: Snelle implementatie en gemakkelijke integratie.
De opkomende uitdaging: “State Drift”
Deze architecturale kloof wordt veroorzaakt door een technisch fenomeen dat bekend staat als state drift.
In de begindagen van AI waren de interacties ‘staatloos’: je stelde een vraag en de AI antwoordde. Moderne agenten zijn echter ‘stateful’; ze beschikken over geheugen, context en evoluerende doelen. Naarmate deze agenten langere tijd actief zijn, kan hun interne ‘staat’ loskomen van de realiteit. Gegevensbronnen veranderen, tools retourneren tegenstrijdige informatie en de context van de agent raakt verouderd.
Dit maakt de betrouwbaarheid van agenten een systeemtechnisch probleem in plaats van slechts een taalkundig probleem. Als een agent de context uit het oog verliest, wordt deze minder waarheidsgetrouw en vatbaarder voor fouten. Het bestuursmodel van Google probeert dit te voorkomen door middel van toezicht, terwijl het harnasmodel van AWS dit probeert te beheren door middel van efficiënte uitvoering.
Risicobeheer: bouwen versus kopen
De keuze tussen deze twee benaderingen komt uiteindelijk neer op de risicobereidheid van een onderneming. De markt splitst zich momenteel op in twee verschillende lagen van de AI-stack:
- De Rapid Deployment Layer: Onder leiding van AWS, Anthropic en OpenAI zijn deze tools bedoeld om de toetredingsdrempel te verlagen. Ze zijn ideaal voor experimentele taken of processen die geen directe invloed hebben op de belangrijkste inkomstenstromen.
- De bestuurslaag: Deze aanpak, onder leiding van Google, is ontworpen voor kritieke bedrijfsprocessen met hoge inzet waarbij fouten aanzienlijke gevolgen kunnen hebben.
“Hoewel de vraag tussen agenten en runtime vaak wordt gezien als bouwen versus kopen, is dit vooral een kwestie van risicobeheer”, merkt Rafael Sarim Oezdemir van EZContacts op.
Conclusie
Het AI-landschap evolueert van gefragmenteerde ‘promptketens’ naar geavanceerde, autonome systemen. Voor ondernemingen gaat de strategische beslissing niet langer alleen over welk model het slimste is, maar of ze een systeem nodig hebben dat is ontworpen voor snelle experimenten of een systeem dat is gebouwd voor rigoureuze controle.
