Aan AI beginnen: zes lagen, één plan

Iedereen wil aan AI beginnen. Weinig organisaties weten waar.

De vraag komt elke week in verschillende vormen langs, bij directies, IT-leiders en business owners. Soms als ambitie, soms als frustratie, vaak als twijfel over de volgende stap. Wat begint als enthousiasme voor een chatbot of Copilot-licentie, loopt na een paar maanden vast op vragen die niemand vooraf had gesteld.

Dit artikel zet die vragen op een rij en biedt een kader om ze te beantwoorden. Voor wie aan AI begint, en voor wie al bezig is en zich afvraagt waarom de resultaten uitblijven.

Artificiële IntelligentieData & Analytics

Misschien herken je jezelf in een van deze vragen:

  • “Iedereen heeft het over AI, maar waar begin ik?”
  • “We hebben een chatbot gelanceerd, maar de business ziet geen meerwaarde.”
  • “Hoe zorg ik ervoor dat onze data veilig blijft als mensen ChatGPT gebruiken?”
  • “Mijn medewerkers gebruiken al AI-tools… maar welke, en met welke data?”
  • “We hebben drie AI-projecten lopen, maar niemand weet hoe ze samenhangen.”
  • “De CISO zegt nee. De business wil snel. De IT-afdeling heeft geen capaciteit. En de CEO wil resultaten.”
  • “Hoe bescherm ik mijn organisatie tegen de risico’s die AI met zich meebrengt?”
  • “We kijken naar Copilot, maar is dat nu een tool, een platform of een strategie?”

Komt één of meerdere van deze vragen je bekend voor? Lees dan zeker verder.

 

De AI-stack in zes lagen

AI werkt in lagen. En elke laag bouwt op de vorige. Veel organisaties investeren in één AI-toepassing en vergeten dat eronder nog vier of vijf fundamenten liggen die mee bepalen of het werkt. Het resultaat: bouwen op zand.

Laag 1: De modellen
De grote taalmodellen zelf: GPT-4o, Claude, Gemini, LLaMA. Gesloten of open source, krachtig én bron van bias, hallucinations en intellectuele eigendomsvragen. Het verkeerde model voor de verkeerde use case en het loopt al fout vóór je begint.

Laag 2: De API-laag
De stille poort tussen je organisatie en het model. Elke prompt in een externe tool stuurt data weg: providers loggen, modellen leren bij, lekken van API-sleutels geven volledige toegang. De laag die de meeste organisaties over het hoofd zien.

Laag 3: Developer tooling
De tools waarmee ontwikkelaars met AI bouwen: GitHub Copilot, Claude Code, Azure AI Foundry, Copilot Studio. Op de achtergrond gekoppeld aan externe servers, inclusief secrets en bedrijfslogica. Zonder duidelijk beleid blijft dit een blinde vlek.

Laag 4: Agent-frameworks en orchestratie
De laag waar AI handelt in plaats van antwoordt: MCP, LangChain, AutoGen, multi-agent systemen die e-mails versturen, bestanden aanmaken, processen starten. Op deze laag wordt prompt injection een reëel aanvalsoppervlak.

Laag 5: De bedrijfstoepassingen
De laag die de business ziet: chatbots, e-mailagenten, documentverwerking, procesautomatisering. Bij een stevig fundament levert dit waarde. Bij haperende lagen eronder wordt het een nieuwe silo of een tijdbom.

Laag 6: Governance, security en compliance
Het kader dat alles erboven beheersbaar houdt: EU AI Act, GDPR, ISO 42001, acceptable use policies, audittrails, menselijk toezicht. Zonder deze laag blijft alles erboven onbeheerd.

“Eén zwakke laag trekt door naar alles erboven.”

Je kan de mooiste Copilot-implementatie hebben. Zonder data-governance, beleid rond shadow AI of monitoring bouw je een prachtig huis op een wankel fundament.

 

 

Wat maakt de aanpak van Xylos anders?

AI verandert iets fundamenteels in hoe IT-projecten lopen. Wat vroeger werkte als gescheiden domeinen – modern workplace, cloud, security, data, managed services – wordt door AI tot één geheel gerijgd. Een AI-agent in de cloud raakt aan security. Een Copilot-implementatie aan data governance en modern workplace. Een procesautomatiseringsproject aan de applicatielaag én aan de infrastructuur. De grenzen tussen die disciplines vervagen, en veel partijen lopen daar vast.

Bij Xylos bouwen we al jaren aan expertise in al die domeinen. Elk met eigen mensen, eigen volwassenheid, eigen architectuurkeuzes. AI brengt onze mensen vandaag dichter bij elkaar: de security-expert praat met de data-architect, de workplace-specialist werkt samen met de developer die agents bouwt. Dat is hoe we werken.

Tegelijk zien we te veel organisaties die uitsluitend naar de bovenste laag kijken. De business-applicaties, de chatbot, de Copilot- of Claude-licentie. Wie alleen die toplaag aanpakt, vergeet de vragen die er eerst horen te zijn: staat de data op orde, zijn de processen rijp voor automatisering, wie beheert de risico’s?

 

Waar start je als organisatie?

Begin met een plan. Daarna kies je de tool.

Daarom brengen we een AI Program Manager in beeld: iemand die op korte termijn naast jouw organisatie komt staan, de initiatieven in kaart brengt, de blinde vlekken benoemt en een programma voorstelt dat klopt op alle lagen. Technisch onderbouwd, organisatorisch gedragen, van directie tot medewerker. Wat overblijft is een helder vertrekpunt, een realistisch pad en een partner die de volledige stack begrijpt.

Alle expertise zit onder één dak: modern workplace, cloud, security, data, managed services. Lokaal verankerd, met mensen die jouw context begrijpen, en een visie die verder reikt dan de chatbot of de geoptimaliseerde e-mail.

“AI verdient een programma-aanpak.”

Is jouw organisatie klaar om de volledige AI-stack te adresseren? Ik praat er graag over.

 

Over de auteur

Peter Verrykt is Business Unit Lead Data & AI bij Xylos en begeleidt organisaties in het omzetten van data naar concrete businesswaarde. Hij helpt bedrijven verder kijken dan technische implementaties en zet data en AI in als fundament voor betere beslissingen, meer wendbaarheid en duurzame groei.

Deel deze klantencase

Laten we het hebben over je volgende project.

Team Xylos is klaar om je te ontmoeten!

Andere interessante verhalen