Het enthousiasme over kunstmatige intelligentie is groter dan ooit, maar in de bestuurskamers voltrekt zich een stille crisis. Bijna alle organisaties hebben het afgelopen jaar minimaal één AI-project moeten stilleggen of schrappen. Niet omdat de AI-modellen niet voldoen, maar omdat de onderliggende data-architectuur onder de druk bezwijkt. Het fundament blijkt simpelweg niet bestand tegen de eisen van modern databeheer, governance en compliance.
Dat blijkt uit ‘The Great AI Re-Architecture’, een grootschalig onderzoek van Cloudera onder 1.500 internationale enterprise-architecten en infrastructuurverantwoordelijken. Waar 77 procent van de organisaties AI actief heeft geïntegreerd, ziet maar liefst 95 procent zich genoodzaakt om initiatieven stop te zetten. Bij ruim de helft (55 procent) ging het zelfs om meer dan zes vastgelopen projecten in slechts twaalf maanden tijd.
Snelle adoptie op verouderde fundamenten
De uitkomsten leggen een fundamentele scheur bloot in de IT-strategie van veel ondernemingen. Veel data-architecturen zijn ooit ontworpen voor traditionele, statische analytics en maandelijks batch-verwerkingen. AI-workloads vragen echter om schaalbare, dynamische en continue datastromen — vaak gecombineerd met ongestructureerde data.
Wanneer organisaties proberen geavanceerde LLM’s of predictive models op hun bestaande infrastructuur te pluggen, lopen ze direct tegen grenzen aan. Bijna driekwart (72 procent) van de architecten erkent dan ook dat de eigen data-architectuur toe is aan een ingrijpende herziening. Drie op de vier respondenten zien dat AI-integraties de opslagbehoefte en architectuur ingrijpend veranderen, terwijl 84 procent geconfronteerd wordt met onvoorzien hoge infrastructuurkosten.
“Het huidige AI-tijdperk dwingt organisaties om de fundamenten van hun technologische infrastructuur te herzien”, stelt Sergio Gago, Chief Technology Officer bij Cloudera. Volgens Gago schieten traditionele architecturen schrikbarend tekort op het gebied van schaalbaarheid, flexibiliteit en governance die vereist zijn voor enterprise-grade AI.
Lees ook: Benelux investeert massaal in AI, maar integratie blijft steken
Data governance als grootste spanningsveld
Naast technische opslagcapaciteit vormt data governance de grootste fysieke barrière voor succesvolle AI-adoptie. Zodra AI-modellen toegang krijgen tot bedrijfsbrede databronnen, vervagen traditionele toegangscontroles. 73 procent van de ondervraagden geeft aan dat data governance door AI exponentieel complexer is geworden.
Deze frictie ontstaat mede doordat data zelden nog op één centrale plek staat. Het grootste gedeelte van de organisaties (97 procent) verplaatst maandelijks data tussen verschillende omgevingen. Zonder eenduidige afspraken en protocollen over de hybrid cloud, private cloud, on-premises systemen en edge-apparatuur, wordt het bewaken van compliance en datakwaliteit een bijna onmogelijke opgave. Eerder bleek uit Cloudera’s Data Readiness Index al dat 75 procent van de bedrijven de uiterste grenzen van hun traditionele governanceprocessen bereikt heeft.
Heroverweging van de cloud
Om grip te krijgen op kosten, compliance en latentie, vindt er een opvallende strategische kanteling plaats. De eerdere ‘public cloud first’-dogma’s maken plaats voor pragmatisme. Twee derde van de respondenten heeft het afgelopen jaar AI-workloads vanuit de publieke cloud terugverhuisd naar een private cloud of on-premises omgeving. Een kwart geeft de komende twee jaar expliciet prioriteit aan het inrichten van een robuuste hybride architectuur.
Deze beweging richting ‘cloud repatriation’ is geen incident. Binnen de gehele IT-sector is een kantelpunt waarneembaar waarin organisaties zoeken naar meer grip op hun IT-strategie via de private cloud. Zo staat ook datacenter-opslag op een beslissend keerpunt door de specifieke eisen van data-intensieve AI-workloads. Platformaanbieders spelen hier op in: zo centreert Cloudera zijn dataplatform rond hybride en private AI, waarmee gevoelige data veilig achter de eigen firewall verwerkt kan worden.
Eerst het fundament, dan de toepassing
De les van ‘The Great AI Re-Architecture’ is helder. Organisaties die AI zien als een losse softwarelaag lopen onherroepelijk vast. Het werkelijke succes van AI-initiatieven staat of valt met de volwassenheid van de data-architectuur. Bedrijven die nu investeren in een hybride, flexibele en goed beheerde infrastructuur, leggen de basis om hun AI-projecten niet alleen te starten, maar ook daadwerkelijk op schaal naar productie te brengen.