{"id":29849,"date":"2026-06-19T09:56:29","date_gmt":"2026-06-19T07:56:29","guid":{"rendered":"https:\/\/xylos.com\/?p=29849"},"modified":"2026-06-19T10:20:30","modified_gmt":"2026-06-19T08:20:30","slug":"agentic-enterprise","status":"publish","type":"post","link":"https:\/\/xylos.com\/nl\/agentic-enterprise\/","title":{"rendered":"AI onder controle: op weg naar de agentic enterprise"},"content":{"rendered":"

We zijn aan dag drie van HPE Discover en de toon verschuift. De eerste dagen ging het vooral over het fundament: netwerk, data en compute. Vandaag bracht Fidelma Russo<\/strong> een keynote die voor mij een heldere boodschap had. De vraag is niet langer of AI je organisatie verandert, maar hoe je dat onder controle houdt en operationeel krijgt.<\/strong><\/p>\n

Wie Russo niet kent: ze is Chief Technology Officer bij HPE en leidt er de Hybrid Cloud-divisie<\/strong>. Met meer dan dertig jaar ervaring in de sector, eerder bij namen als EMC en Sun Microsystems, kijkt ze met de blik van een bouwer naar AI. Dat maakt haar verhaal concreet. Ze kijkt voorbij de hype en focust op de vraag hoe je dit allemaal echt laat draaien.<\/p>\n

In mijn vorige twee blogs schreef ik over de fundamenten<\/a> en over het netwerk als platform<\/a>. Dit derde deel brengt alles samen op de plek waar het uiteindelijk telt, namelijk in je operations.<\/p>\n

 <\/p>\n

Workflows maken plaats voor systemen die zelf handelen<\/h3>\n

We zitten duidelijk in een volgende fase. AI is geen losse assistent meer die hier en daar helpt. Het evolueert naar wat HPE een \u201cdistributed agentic enterprise<\/strong>\u201d noemt. Achter die term zit een eenvoudig idee: intelligentie zit overal, in je applicaties, je workflows, je teams en je infrastructuur, en ze begint zelf beslissingen te nemen en acties uit te voeren.<\/p>\n

De verschuiving die me het meest bijbleef, gaat over hoe het werk verloopt. Vroeger besliste een mens en voerde het systeem uit. Nu komen er systemen die zelf observeren, redeneren en handelen. Dat gebeurt via AI-agents die met elkaar samenwerken. En meteen ligt daar de uitdaging, want die intelligentie zit niet centraal. Ze is verspreid over silo\u2019s, data en platformen.<\/p>\n

De moeilijkheid zit vandaag in iets anders dan het bouwen van AI. Ze draait om het orchestreren, besturen en betrouwbaar laten draaien ervan.<\/p>\n

 <\/p>\n

Closed-loop operations: AI in een\u00a0 gecontroleerde cirkel<\/h3>\n

Het antwoord van HPE daarop heet closed-loop operations. Systemen observeren, analyseren, ondernemen actie en controleren of het resultaat klopt<\/strong>. En dat continu, in real time.<\/p>\n

Dat werkt alleen als drie fundamenten op orde zijn: betrouwbare data, efficiente infrastructuur en intelligente operations. Stuk voor stuk kwamen ze in de keynote terug.<\/p>\n

 <\/p>\n

Data wordt een doorlopende bouwsteen<\/h3>\n

Wat ik sterk vond: data<\/strong> wordt niet langer gezien als de input voor een model. Het is een component die door het hele proces blijft meelopen<\/strong>. Met HPE Data Fabric 8.2 wil HPE dat concreet maken. Data wordt overal beschikbaar, of je nu aan de edge, in de cloud of in je datacenter werkt. Governance en security zitten standaard ingebouwd, en identity en access worden automatisch geregeld.<\/p>\n

Het inzicht erachter is simpel. Zonder betrouwbare en toegankelijke data bouw je nooit AI die echt schaalt.<\/p>\n

\"\"<\/p>\n

 <\/p>\n

Token economics: AI kost geld, en veel<\/h3>\n

Een van de concreetste stukken ging over token economics. Elke AI-agent verbruikt tokens, redeneert continu en voert acties uit. Daardoor wordt inference<\/strong> geen eenmalige workload meer, maar een constante kost die blijft tikken.<\/p>\n

Er viel een cijfer dat bleef hangen: voorbeelden van 13.000 dollar per agent per maand<\/strong>. Dat zet de zaken meteen in perspectief. AI economics worden zo infrastructuur economics. Succes hangt af van efficientie, schaal en verbruik, en lang niet alleen van het model zelf.<\/p>\n

HPE illustreerde dat met een intern voorbeeld, een platform met codenaam Mindstone. Ze bouwden het on-prem, met private cloud AI. Het resultaat is een omgeving die ongeveer dertig keer goedkoper draait en bijna 100.000 dollar per maand bespaart.<\/strong> De les is helder. Wie controle heeft over zijn data en zijn infrastructuur, wint op kost en op governance tegelijk.<\/p>\n

 <\/p>\n

Storage wordt geheugen<\/h3>\n

Nog iets dat me opviel: storage evolueert naar actief geheugen<\/strong>. Met de HPE Alletra Storage X10000, met KV Cache-acceleratie en een NVIDIA-certificering, gaat de time to first token tot twintig keer sneller en ligt de throughput zeventien keer hoger.<\/p>\n

Waarom dat telt? Zonder dat geheugen moeten agents hun context telkens opnieuw opbouwen. Dat is pure verspilling van compute, met stijgende kosten als gevolg. Het is typisch zo\u2019n detail dat op schaal een enorme impact heeft.<\/p>\n

 <\/p>\n

Infrastructuur groeit mee, ze krimpt niet<\/h3>\n

Sommigen denken dat AI je infrastructuur kleiner maakt. In de praktijk gebeurt het omgekeerde. Meer agents betekent meer API-calls, meer database queries en meer belasting op je GPU\u2019s en CPU\u2019s. AI creeert een multiplier-effect over je hele IT-landschap<\/strong>.<\/p>\n

HPE positioneert daarom zijn private cloud-portfolio, met de PC1000, 3000 en 7000, samen met Private Cloud AI als fundament om dat beheersbaar te houden.<\/p>\n

 <\/p>\n

Intelligentie in je operations<\/h3>\n

Hier werd het voor mij persoonlijk het sterkst. Via hun softwarestack brengt HPE AI rechtstreeks in operations. Morpheus zorgt voor orchestration en automation, OpsRamp voor observability en Zerto voor resilience.<\/p>\n

De echte kern zit in GreenLake Intelligence<\/strong>. Daar komt de centrale governance voor agents samen, met identity- en policymanagement en orchestration via een \u201cplanning agent\u201d. Daarnaast zijn er copilots voor compute, orchestration en observability. In de praktijk betekent dat je je infrastructuur beheert, automatiseert en troubleshoot met natuurlijke taal en AI-ondersteuning.<\/p>\n

Interessant vond ik de link met ServiceNow<\/strong>. Door die integratie ontstaat de brug naar een autonome AI-workforce. Je krijgt dus niet enkel inzichten, maar ook automatische service delivery.<\/p>\n

 <\/p>\n

Een reality check van klanten<\/h3>\n

Wat ik apprecieerde, waren de getuigenissen van klanten. AMD ziet AI-infrastructuur als een kans om te evolueren van token consumer naar token generator. Point32 Health legt de nadruk op governance, herbruikbare AI-platformen en AI-skills binnen de organisatie. Beiden bevestigen hetzelfde. AI draait evenveel rond organisatie en processen als rond technologie.<\/p>\n

 <\/p>\n

Wat ik meeneem<\/h3>\n

Als ik dag drie samenvat vanuit mijn eigen standpunt, dan komt het op vijf dingen neer:<\/p>\n