Laat AI niet de volgende cloud-lock-in worden
Europa deed er vijftien jaar over om afhankelijk te worden van een handvol buitenlandse cloudaanbieders. Het is nu op weg hetzelfde te doen met AI, alleen sneller, en één laag dieper. Het goede nieuws: deze keer zien we het aankomen.
Onderdeel van de pijlerreeks Soevereine AI, uitgelegd.
Elke afhankelijkheid begint als gemak. De cloud ook: elastisch, goedkoop, makkelijker dan een eigen datacenter draaien, tot drie bedrijven ongeveer 70% van de Europese cloudmarkt in handen hadden en vertrekken ondenkbaar werd. AI speelt nu hetzelfde spel, en het tempo is het verraderlijke. Cloud had een decennium nodig om dragend te worden; AI doet er achttien maanden over.
Dit is de begeleidende post bij een technisch stuk over waarom soevereine AI betekent dat inferentie thuisblijft. Hier de strategische vraag: hoe wordt AI volop omarmd zonder over drie jaar wakker te worden, vastgeklonken aan een buitenlands model waar niet van weg te komen valt?
Wat er op het spel staat: een bekend gat, één laag hoger
Eerst de vorm van de afhankelijkheid, want die rijmt op die van de cloud. De VS bouwt de frontier-modellen; Europa consumeert ze.
| Cijfer (2025) | Europa | Verenigde Staten |
|---|---|---|
| Noemenswaardige foundation-modellen | circa 3 | circa 50 |
| Aandeel in wereldwijde AI-rekenkracht | circa 5% | circa 75% |
| Aandeel in wereldwijd AI-durfkapitaal | circa 6% (15,8 miljard dollar) | circa 75% (194 miljard dollar) |
Bronnen: Stanford HAI AI Index 2026; OECD, 2026.
En de markt is al geconcentreerd: drie leveranciers, Anthropic, OpenAI en Google, zijn samen goed voor ongeveer 88% van het zakelijke gebruik van LLM-API's (Menlo Ventures, 2025). Dat is dezelfde structuur van een handvol aanbieders die de cloud zo moeilijk verlaatbaar maakte.
Waarom AI-lock-in dieper zit dan cloud-lock-in
Cloud-lock-in ging vooral over datazwaartekracht en migratiekosten. AI voegt daar verschillende nieuwe, klevender mechanismen aan toe, en de meeste organisaties stapten er in 2025 ongemerkt overheen, op het moment dat AI ophield "een functie" te zijn en "de workflowlaag" werd.
- API-afhankelijkheid. Het eigen product roept nu het endpoint van een specifieke aanbieder aan, afgestemd op diens eigenaardigheden.
- Prompts die niet meeverhuizen. Systeem-prompts en gedrag die tegen één model zijn geoptimaliseerd, verslechteren of breken bij overzetting naar een ander.
- Datazwaartekracht van embeddings, de scherpste. Een vector heeft alleen betekenis binnen precies het model dat hem heeft gemaakt. Wisselen van embedding-aanbieder betekent het hele corpus opnieuw embedden; één uitgewerkt voorbeeld zette het verplaatsen van 100 miljoen documenten op "$3,000 just for the API calls, plus engineering time to rebuild indexes", 3.000 dollar alleen al aan API-aanroepen, plus engineeringtijd om de indexen te herbouwen, en dat bedrag groeit alleen maar. Teams "pick one embedding model early and never change it": ze kiezen vroeg één embeddingmodel en veranderen het nooit meer. (Schift)
- Fine-tuning vastgelast aan een basismodel. Fine-tunen op het basismodel van een aanbieder betekent dat de investering verdampt zodra die het uitfaseert.
- Macht over uitfasering. De leverancier bepaalt de klok, en gebruikt die macht.
De toegangsschokken vinden al plaats
Wie lock-in nog abstract vindt, kijkt naar de afgelopen achttien maanden. Deze schokken zijn echt en raakten productiesystemen: halverwege 2025 een model-API uitgefaseerd, de Amerikaanse "AI Diffusion Rule" uitgevaardigd en daarna weer ingetrokken, een exportverbod op geavanceerde AI-chips maanden later teruggedraaid, en, begin 2026, zes modellen uit de lucht gehaald met circa drie maanden aankondiging.
Uitfaseringen van modellen dwingen harde migraties af op het schema van de leverancier, niet op dat van de afnemer: OpenAI kondigde begin 2026 het einde van zes modellen aan met circa drie maanden aankondiging, tegenover de zes tot twaalf maanden die grote organisaties zeggen nodig te hebben om productiesoftware opnieuw te valideren (OpenAI deprecations; Remio). Op de infrastructuurlaag werd de Amerikaanse "AI Diffusion Rule" uitgevaardigd en binnen enkele maanden weer ingetrokken, en gingen exportcontroles op geavanceerde AI-chips door heel 2025 aan en uit als een jojo (BIS; Bloomberg). Zelfs de frontier-leveranciers zien AI uit één bron als een risico, OpenAI zelf tekende een deal van circa 38 miljard dollar om de eigen rekenkracht weg te spreiden van één aanbieder. Als zij zich indekken, is er alle reden hetzelfde te doen.
Het antwoord: portabiliteit
En nu het bemoedigende deel: doordat de modellen in kwaliteit naar elkaar toe groeien (de beste Amerikaanse en Chinese modellen liggen op benchmarks nog maar enkele procenten uit elkaar), is ruwe capaciteit niet langer het onderscheid. Het onderscheid is of verhuizen mogelijk is. En organisaties handelen al: 37% draait inmiddels vijf of meer modellen in productie (Typedef). De ontwerppatronen die de vrijheid behouden:
- Een modelabstractielaag. Zet een gateway tussen de applicaties en welke aanbieder dan ook, zodat de code met één interface praat en er onderliggend geruild of uitgeweken kan worden.
- Multimodel-routering. Routeer op taak en kosten; laat nooit één aanbieder een single point of failure worden.
- Modellen met open gewichten als vluchtroute. Frontier- en kleine modellen met open gewichten (waaronder het Europese Mistral) houden het model zelf onder eigen zeggenschap.
- Eigen embeddings en eigen data. Behandel de keuze van een embeddingmodel als een migratiebeslissing, houd het corpus en de vectoropslag in eigen hand, en geef de voorkeur aan grounding boven fine-tuning, retrieval tegen data in eigen beheer is veel portabeler dan gedrag dat is vastgelast in het basismodel van een leverancier.
De toekomstige AI-architectuur hoort minder op een stack te lijken en meer op een portefeuille.
Het Europese antwoord, en het eerlijke gat
Europa bouwt rekenkracht: AI-fabrieken, en een InvestAI-plan dat circa 200 miljard euro wil mobiliseren voor AI-gigafabrieken (European Commission). Dat telt. Maar eerlijk is eerlijk: het is ambitie, nog geen capaciteit, Europa heeft nog altijd circa 5% van de wereldwijde rekenkracht en één lab op frontier-schaal, en denktanks als Bruegel betogen dat de slimmere zet kan zijn om in toegepaste AI "prosper below the tech frontier", te floreren onder de technologische voorhoede, in plaats van gelijkwaardigheid na te jagen (Bruegel). Hoe dan ook is de les op organisatieniveau dezelfde: wacht niet tot het gat gedicht is. Ontwerp nu voor portabiliteit.
Hoe Soveryne de deur open houdt
We hebben Counsel precies op deze principes gebouwd. Het antwoordt vanuit de eigen raamwerken en documenten van de organisatie, gefundeerd en met bronvermelding, zodat de waarde in de eigen kennis zit en niet in het propriëtaire modelgedrag van een leverancier. Het draait op de Soveryne Cloud Foundation, waar AI- en LLM-inferentie EU-soeverein zijn en de embeddings in de eigen jurisdictie blijven, onder eigen zeggenschap, niet vastgeklonken aan het endpoint van een buitenlandse aanbieder. Het ontwerpdoel is bewust: omarm AI volledig, behoud de eigen data en de eigen keuzevrijheid, en ruil nooit de ene afhankelijkheid in voor een diepere. Dat is het verschil tussen AI gebruiken en erdoor gevangen worden.
Veelgestelde vragen
Waarom is AI-lock-in erger dan cloud-lock-in? Het vormt zich sneller en voegt nieuwe bindende mechanismen toe, API-afhankelijkheid, prompt-afstemming die niet overdraagbaar is, datazwaartekracht van embeddings, fine-tuning vastgelast aan een basismodel, en uitfasering die de leverancier bepaalt, bovenop de gewone datazwaartekracht.
Wat is datazwaartekracht van embeddings? Een vector-embedding heeft alleen betekenis binnen het model dat hem heeft gemaakt, dus wisselen van embedding-aanbieder betekent het hele corpus opnieuw embedden, vaak duur genoeg dat teams nooit wisselen. Het is een van de sterkste krachten achter AI-lock-in.
Hoe wordt AI-lock-in bij een leverancier vermeden? Met een modelabstractielaag, routering over meerdere modellen, voorkeur voor modellen met open gewichten, embeddings en data onder eigen zeggenschap, en grounding (RAG) boven fine-tuning in het basismodel van een aanbieder.
Is soevereine AI realistisch voor Europa? Voor gelijkwaardigheid op frontier-modellen: niet snel. Maar soevereiniteit op het niveau dat voor de meeste organisaties telt, de eigen data, inferentie en keuzevrijheid onder EU-zeggenschap houden, is vandaag haalbaar, en daar zit de praktische waarde.
Omarm AI volop; blijf portabel by design. Bekijk een gefundeerde, met bronnen onderbouwde, EU-soevereine AI-assistent die de eigen data en keuzevrijheid behoudt: verken Counsel en de Soveryne Cloud Foundation.
Bronnen
- Stanford HAI, AI Index 2026, https://hai.stanford.edu/ai-index/2026-ai-index-report
- OECD, AI venture capital 2025 (2026), https://www.oecd.org/en/about/news/announcements/2026/02/ai-firms-capture-61-percent-of-global-venture-capital-in-2025.html
- Menlo Ventures, State of Generative AI in the Enterprise (2025), https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/
- Schift, Why Vector Migration Matters, https://schift.io/blog/why-vector-migration-matters/
- OpenAI, API deprecations, https://developers.openai.com/api/docs/deprecations
- US BIS, rescission of AI Diffusion Rule, https://www.bis.gov/press-release/department-commerce-announces-rescission-biden-era-artificial-intelligence-diffusion-rule-strengthens
- Typedef, State of LLM adoption, https://www.typedef.ai/resources/llm-adoption-statistics
- European Commission, AI Gigafactories, https://commission.europa.eu/topics/competitiveness/competitiveness-coordination-tool-projects/ai-gigafactories_en
- Bruegel, Catch up with the US or prosper below the tech frontier, https://www.bruegel.org/policy-brief/catch-us-or-prosper-below-tech-frontier-eu-artificial-intelligence-strategy
Elk soevereiniteitsgesprek komt uiteindelijk bij dezelfde vraag, en dat is de vraag die er werkelijk toe doet: als de aanbieder volgend kwartaal verlaten moest worden, vanwege een prijsverhoging, een inbreuk, een rechtsbevel of een geopolitieke schok, zou dat lukken? En zou dat aantoonbaar zijn?
Lees het volgende deel
Iedereen aanvaardt dat klantgegevens niet in een buitenlandse jurisdictie horen te staan. Vrijwel niemand past dezelfde regel toe op de prompts die naar een AI-model gaan, terwijl de prompt, en de context die wordt opgehaald om die te beantwoorden, vaak de klantgegevens zíjn. Soevereine AI die prompts naar een buitenlandse GPU verscheept, is niet soeverein. Het is een datadoorgifte met betere marketing.
Lees het bijbehorende artikel
