Het jaar 2024 markeert een keerpunt voor verschillende technologische bouwstenen die het experimentele stadium verlaten en in productie gaan. Drie assen structureren deze evolutie: de verschuiving van kunstmatige intelligentie naar terminals, de verscherping van de Europese regelgeving en de heroriëntatie van investeringsstromen naar deep tech. We analyseren hier de concrete implicaties voor de SI-architecturen, gegevensstrategieën en partnerkeuzes.
IA on-device en Edge AI: de architecturale breuk die waarde herverdeelt
De meest onderschatte beweging van 2024 betreft niet de taalmodellen zelf, maar de plek waar ze worden uitgevoerd. Qualcomm, Apple (met Apple Intelligence) en Google duwen AI-modellen die rechtstreeks op smartphones en pc’s draaien. De redenen zijn drieledig: vermindering van de kosten voor cloud-inferentie, native privacy van gebruikersgegevens en bijna nul latentie.
Aanvullende lectuur : De stijlbestanden: de revolutionaire trendy papierwaren die je absoluut moet ontdekken
Deze on-device verschuiving hertekent de waardeketen. Waar een klassieke generatieve AI-service elke API-aanroep in rekening brengt, verplaatst een ingebed model het zwaartepunt naar de chip en de firmware. Voor de CIO’s betekent dit het heroverwegen van leveranciersafwegingen: de prestaties van de NPU (Neural Processing Unit) van een terminal worden een aankoopcriterium net als RAM of opslag.
We zien al gevolgen voor hybride architecturen. Gevoelige verwerkingen (analyse van interne documenten, spraaktranscriptie, contextuele suggesties) migreren naar de terminal, terwijl zware taken (training, lange generatie) aan de cloud blijven. Deze verdeling vereist een herziening van de gegevenspijplijnen en synchronisatiebeleid, een project dat de meeste bedrijven nog niet hebben gebudgetteerd.
Verder lezen : De laatste vastgoedmarkttrends om in 2024 in de gaten te houden
De analyses gepubliceerd op de site neonews.fr gewijd aan technologie geven regelmatig details over de benchmarks van deze NPU en hun impact op de vloot van professionele terminals.
AI Act, DMA, DSA: wat de Europese regelgeving verandert in de technologische roadmaps
De Europese AI Act gaat in 2024 zijn fase van geleidelijke implementatie in. De systemen voor kunstmatige intelligentie die als hoog risico worden geclassificeerd en de fundamentele modellen moeten voldoen aan verplichtingen op het gebied van transparantie, gegevensbeheer en risicobeheer. Dit is geen zwak signaal meer: het is een nalevingskalender met strikte deadlines.
Tegelijkertijd hebben de Digital Markets Act (DMA) en de Digital Services Act (DSA) hun eerste concrete effecten. Grote platforms moeten hun ecosystemen openen (interoperabiliteit van messaging, toegang tot advertentiegegevens) en hun moderatiemechanismen versterken. Voor marketingafdelingen en datateams worden de advertentie-strategieën gebaseerd op walled gardens ter discussie gesteld.
Directe implicaties voor technische keuzes
- De in Europa uitgerolde AI-modellen vereisen nu een volledige technische documentatie (trainingsdatasets, geïdentificeerde vooroordelen, prestatiemetrics), wat de productiecycli verlengt.
- De door de DMA opgelegde interoperabiliteit dwingt tot heroverweging van integraties met dominante platforms, met name voor klantcommunicatie en gegevensbeheer.
- De moderatieverplichtingen van de DSA verhogen de nalevingskosten voor elk bedrijf dat een digitale dienst aanbiedt met door gebruikers gegenereerde inhoud.
Het belangrijkste om te onthouden: regelgeving remt de technologische adoptie niet af, maar verandert de volgorde. Bedrijven die naleving al in de ontwerpfase integreren (privacy by design, continue documentatie) besparen tijd ten opzichte van degenen die regelgeving als een extra laag aan het einde van het project behandelen.
Deep tech en heroriëntatie van investeringen: het einde van algemene financiering
De risicokapitaalmarkt in 2024 maakt een duidelijke draai. Investeringen in algemene tech-startups nemen af ten gunste van deep tech, dat wil zeggen bedrijven die zijn gebouwd op fundamentele wetenschappelijke vooruitgangen: gespecialiseerde chips, geavanceerde materialen, computationele biotechnologieën, kwantumsystemen.
Deze herpositionering heeft een technische verklaring. De applicatielaag (SaaS, marktplaats, aggregators) bereikt een plafond van differentiatie. Investeerders zoeken naar duurzame toetredingsdrempels, en deze drempels bevinden zich nu in de hardware en fundamenteel onderzoek.
Wat dit betekent voor eindgebruikersbedrijven
Technologische partnerschappen met een horizon van 3-5 jaar moeten de deep tech-component integreren. Een cloudprovider die zijn eigen inferentie-chips niet ontwikkelt (zoals Google doet met zijn TPU) loopt het risico zijn concurrentievermogen te verliezen ten opzichte van degenen die de volledige stack beheersen.
Voor industriële sectoren (energie, gezondheid, defensie) opent deep tech directe toepassingen: nauwkeurigere sensoren, snellere simulaties, materialen met programmeerbare eigenschappen. De besluitvormingscyclus is langer, maar de concurrentievergrendeling is veel sterker dan een softwarevoordeel.
Generatieve IA in bedrijven: voorbij het prototype, de productiebeperkingen
De meerderheid van de grote bedrijven heeft pilots van generatieve IA gelanceerd. De uitdaging van 2024 is niet langer de experimentatie, maar de industrialisatie. Gartner verwacht dat het aandeel bedrijven dat GenAI in productie gebruikt, massaal zal toenemen tegen 2026, wat inhoudt dat drie concrete problemen moeten worden opgelost.
- De beheer van vertrouwen en risico’s met betrekking tot IA (AI TRiSM): toezicht op modellen in productie, detectie van afwijkingen, bescherming van trainingsgegevens. Zonder deze waarborgen worden de voordelen van generatieve IA tenietgedaan door reputatie- en juridische risico’s.
- De kosten van grootschalige inferentie: elke aanvraag naar een fundamenteel model heeft een eenheidskost. Vermenigvuldigd met miljoenen klantinteracties kan het budget dat van de traditionele infrastructuur overschrijden.
- Integratie met bestaande systemen: het verbinden van een LLM met een ERP of CRM is niet alleen een kwestie van een API. Het vereist het structureren van interne gegevens, het beheren van toegangsrechten en het waarborgen van de actualiteit van de informatie die in de context van het model wordt ingevoerd.
De bedrijven die in 2024 van pilot naar productie gaan, zijn degenen die deze drie punten al in de fase van afbakening hebben behandeld, niet pas na het eerste voorval.
Het technologische landschap van 2024 wordt gekenmerkt door een verschuiving van het zwaartepunt: van applicaties naar hardware, van gecentraliseerde cloud naar edge, van algemene financiering naar fundamenteel onderzoek. De technische afdelingen die hun roadmaps aanpassen aan deze drie assen zullen een meetbaar voordeel hebben in de volgende cycli.