Deze week verzamelen klanten en partners van HPE in Las Vegas voor HPE Discover 2026, het flagship-event rond networking, cloud en AI. Voor partners begon de week op maandag met de Partner Growth Summit. De keynote van CEO Antonio Neri droeg een veelzeggende titel: het bouwen aan AI begint bij je netwerk.
De voorbije maanden lijkt het trouwens alsof elk klantgesprek rond datzelfde draait. Nieuwe modellen, nieuwe use cases, een eindeloze stroom demo’s. Maar hoe meer ik ermee bezig ben, hoe duidelijker het wordt dat AI zelf zelden het echte probleem is. De uitdaging zit bijna altijd ergens anders.
Voorbij het experiment
Veel organisaties zijn vandaag voorbij de eerste hype. De meeste hebben wel een POC gedaan, een chatbot gebouwd of een eerste GenAI-case getest. Maar zodra je die volgende stap wil zetten naar productie, begint het te wringen.
Plots duiken er vragen op. Hoe krijg je je data op orde? Hoe houd je dit betaalbaar? Wat met security en governance? En hoe schaal je dit zonder alles opnieuw te bouwen? Zo kom je automatisch uit op iets wat minder sexy klinkt dan AI zelf: architectuur.
Terug naar de basis, maar dan anders
Wat me opvalt, ook in de HPE-visie, is dat het gesprek teruggaat naar de fundamentals. Omdat er gewoon geen andere weg is.
- Het netwerk krijgt opnieuw een centrale rol. We hebben jaren geïnvesteerd in applicaties en cloud, maar met AI wordt dat netwerk weer superkritisch. Data moet sneller, veiliger en constanter bewegen tussen edge en datacenter, in beide richtingen. Wil je AI op schaal draaien, dan moet je netwerk dat aankunnen. Geen bottlenecks, geen verrassingen. Het verschil merk je meteen: AI die snel en betaalbaar blijft, ook als het gebruik toeneemt.
- Hybride is de realiteit, geen keuze meer. In theorie klinkt alles in de cloud nog steeds mooi. In de praktijk zie ik weinig klanten die daar echt zitten. Data blijft verspreid. Workloads ook. En AI komt daar gewoon bovenop. De vraag is dus niet meer waar je workloads draaien, maar hoe je dat geheel beheersbaar houdt. Daar ligt voor mij de echte waarde van een platform zoals GreenLake: het brengt de complexiteit weer onder controle. Het resultaat is een omgeving die je beheerst, in plaats van een die jou achternaholt.
- Data blijft de beperkende factor. Iedereen wil AI. Maar lang niet iedereen heeft data die klaar is voor AI. Dat is waarschijnlijk het grootste verschil tussen een leuke demo en een werkende oplossing. Toegang tot de juiste data, in de juiste context, met de juiste governance. Krijg je dat op orde, dan wordt AI betrouwbaar genoeg om er echt op te bouwen.
- Security wordt plots veel concreter. Zolang AI enkel suggereert, zoals een copilot doet, valt het nog mee. Maar zodra systemen zelf acties beginnen te nemen, verandert het spel. We evolueren richting AI-agents die zelf beslissingen nemen en processen uitvoeren. Dat is krachtig, en tegelijk risicovol. Security wordt dan iets dat vanaf dag een mee in de architectuur zit, geen sluitstuk achteraf. Zo houd je grip wanneer systemen zelf beginnen te handelen, in plaats van achteraf te moeten ingrijpen.
AI-agents: boeiend en confronterend tegelijk
Wat ik persoonlijk het meest boeiend vind, is de verschuiving naar agentic AI. Deze systemen ondersteunen niet langer, ze handelen zelf. Ze redeneren, nemen beslissingen en voeren acties uit. Een soort digitale workforce.
Dat klinkt indrukwekkend, en dat is het ook. Maar het legt tegelijk bloot hoeveel organisaties daar nog niet klaar voor zijn. Want als een AI-agent een verkeerde beslissing neemt, wie is er dan verantwoordelijk? En hoe grijp je in?
Wat betekent dit voor Xylos als partner, en voor jou?
In mijn rol merk ik dat dit het gesprek fundamenteel verandert. Het gaat minder over de vraag welke AI-use case we kunnen bouwen, en veel meer over de vraag of de klant klaar is om AI echt te laten landen.
Dat betekent meedenken over architectuur, keuzes maken rond platformen, governance bespreekbaar maken en realistische verwachtingen zetten. En misschien nog het belangrijkste: durven zeggen dat AI niet altijd de eerste stap is.
Voor jou als organisatie komt het op dezelfde verschuiving neer. De vraag is niet welke AI-toepassing je het eerst bouwt, maar of je fundament klaar is om er een te dragen. Wie daar eerlijk naar kijkt, vermijdt dure omwegen en zet AI in waar het echt rendeert.
Conclusie: minder hype, meer fundament
AI blijft zonder twijfel een gamechanger. De echte impact zit in wat het afdwingt: organisaties moeten hun fundamenten in orde krijgen. Netwerk, data, compute en security. De basics, maar dan op een niveau dat we vroeger niet nodig hadden.
Organisaties die dat fundament op orde hebben, zetten sneller de stap naar productie en houden hun kosten onder controle. Ze kunnen ook agentic AI met vertrouwen inzetten, waar anderen blijven steken in mooie demo’s. Het is minder zichtbaar werk dan een nieuwe AI-case, maar het bepaalt wel of die case ooit waarde oplevert. Daar ligt voor mij het echte werk, en de plek waar wij als partner het verschil kunnen maken.
Ik ben benieuwd hoe jij dit ervaart bij klanten of intern. Loop je vooral tegen use-case uitdagingen aan, of eerder tegen de onderliggende architectuur?
Dit is deel 1 van mijn reeks rond HPE Discover 2026. Lees ook deel 2: Het netwerk voor AI, met de keynote van Rami Rahim als vertrekpunt.
Over de auteur
Frank Dierckx is Partner Alliance Manager bij Xylos en volgt de evolutie van infrastructuur, partnerecosystemen en opkomende technologieën. Zijn expertise helpt klanten om technologische keuzes te maken die technisch solide en economisch verantwoord zijn.
