Er is de afgelopen jaren veel enthousiasme ontstaan rondom open modellen / openweight modellen. Llama, Mistral, Phi, krachtige modellen die je zelf kunt hosten, zonder afhankelijk te zijn van OpenAI of Google. Het gevoel van controle is begrijpelijk. Maar is het terecht?
Want stel: je draait zo'n model op een server in een Amerikaans hyperscaler datacenter. Je data wordt opgeslagen in een omgeving die juridisch onder de CLOUD Act valt. Je orkestratie loopt via een platform van een aanbieder buiten de EU. Het model is dan misschien "lokaal", maar de autonomie is grotendeels een illusie. Als je draait bij een provider die onder Amerikaanse jurisdictie valt, kan die provider in bepaalde situaties verplicht worden data te leveren, ook als die data fysiek in Europa staat.
Autonomie is een eigenschap van de hele stack
Digitale autonomie is geen product dat je kunt kopen. Het is een eigenschap van de volledige keten: compute, opslag, netwerk, orkestratie, model én applicatielaag. Elke schakel in die keten telt. Eén zwakke schakel, een hyperscaler hier, een Amerikaanse cloudprovider daar, maakt de rest kwetsbaar.
Dit is de blinde vlek die veel organisaties hebben. Ze investeren in open-source modellen en denken klaar te zijn. Maar autonomie vraagt om een bewuste keuze op élk niveau van de stack, niet alleen bij het model.
Het Europese perspectief: urgenter dan ooit
Europa heeft daar goede redenen voor. De AI Act, GDPR, en groeiende geopolitieke spanningen maken duidelijk dat digitale afhankelijkheid van niet-Europese partijen een strategisch risico is. Overheden, zorginstellingen en financiële instellingen, zij verwerken data waarvoor doorgifte buiten de EER strenge eisen kent en in de praktijk vaak ongewenst of onhaalbaar is zonder zware aanvullende maatregelen.
Voor sectoren die onder NIS2 vallen of richting CRA-eisen bewegen, is aantoonbaarheid van data-, software- en beheerketen steeds vaker een bestuursthema.
Maar het gaat verder dan compliance. Wie zijn AI-infrastructuur onderbrengt bij een handvol Amerikaanse hyperscalers, geeft indirect de regie over zijn eigen innovatievermogen uit handen. Prijswijzigingen, beleidsaanpassingen en uitval, je hebt er weinig over te zeggen.
Niemand wil zich bezighouden met de onderlaag
De realiteit is dat de meeste organisaties zich helemaal niet willen verdiepen in de technische complexiteit van AI-infrastructuur. En dat is volkomen begrijpelijk. Technologie is een middel, geen doel. De focus hoort te liggen op de eindoplossing die waarde levert, niet op de laag eronder.
Het vraagstuk is dus niet: hoe bouwen we zelf een autonome stack? Maar: hoe vinden we een partner die dat regelt, zonder ons opnieuw in een lock-in te manoeuvreren?
Proxy Platform: Europese infrastructuur zonder compromis
Hier komt het Proxy Platform in beeld. Proxy is een Nederlandse IT-dienstverlener met een sterke focus op open-source technologie. Hun platform biedt organisaties de mogelijkheid om zelf te bepalen waar hun omgeving draait: in Nederland, ergens in de EU, of wereldwijd, altijd op Europese cloudproviders als startpunt.
De infrastructuur wordt volledig geautomatiseerd opgezet. Geen handmatige configuratie, geen vendor lock-in (Exit-by-design: workloads zijn verplaatsbaar, contractueel en technisch), volledige controle over datalocatie en compliance. Bovendien is het Proxy Platform een volledig managed omgeving: 24/7 support, transparante all-in prijzen zonder verrassingen, en altijd de laatste updates. EUfirst hosting + onprem optie. De complexiteit van de onderlaag verdwijnt naar de achtergrond, zonder dat je de controle verliest. Je hoeft er niet naar om te kijken, het werkt gewoon.
Maar infrastructuur alleen is niet genoeg. De vraag is ook: welk AI-model draai je erop?
Echte autonomie betekent dat je vijf vragen met ja kunt beantwoorden:
- Waar staat mijn data fysiek?
- Onder welke jurisdictie valt mijn provider?
- Wie beheert de encryptiesleutels (BYOK/HYOK)?
- Wie beheert identity & access (IdP) en audit logs?
- Kan ik aantoonbaar migreren/exit zonder herbouw?
OpenNovations: het juiste model voor de juiste taak
Generieke modellen van grote Amerikaanse aanbieders zijn krachtig, maar ze zijn niet gebouwd voor jouw domein, jouw data of jouw specifieke toepassing. En daar zit een belangrijk inzicht dat vaak over het hoofd wordt gezien: een model dat specifiek getraind is voor een taak presteert vrijwel altijd beter dan een grote LLM die alles een beetje kan. Kleiner, gerichter, sneller en beter beheersbaar.
OpenNovations vult dat gat in. Als gespecialiseerde AI-partner trainen zij custom modellen voor specifieke toepassingen, afgestemd op de data, terminologie en processen die relevant zijn voor jouw organisatie. Of het nu gaat om documentverwerking in een gereguleerde sector, interne kennissystemen of domeinspecifieke automatisering: een model op maat levert betere resultaten én is beter te verantwoorden richting toezichthouders en bestuur.
OpenNovations begint daarom niet bij het model, maar bij de data: een datainventarisatie, datamapping en een meetbaar datakwaliteitprofiel. Daarmee wordt duidelijk welke data bruikbaar is, welke risico’s er zitten, en wat je nodig hebt om AI betrouwbaar én auditproof toe te passen.
Samen: een volledige autonome AI-stack, volledig ontzorgd
De samenwerking tussen Proxy en OpenNovations maakt het mogelijk om een complete, autonome AI-oplossing te bouwen, van infrastructuur tot eindtoepassing, volledig ontzorgd. Proxy levert de Europese, controleerbare onderlaag. OpenNovations levert het custom model en de AI-expertise. Samen bieden ze een stack waarbij elke schakel bewust is gekozen en binnen Europese jurisdictie blijft, zonder dat jouw organisatie zich hoeft te verdiepen in de techniek.
Je blijft de regisseur van je eigen digitale omgeving.
Autonomie als strategische keuze
Digitale autonomie is geen ideologie. Het is risicomanagement. Wie nu bewust kiest voor een Europese stack, van compute tot custom model, bouwt aan wendbaarheid, compliance en onafhankelijkheid voor de lange termijn.
Samen bieden Proxy en OpenNovations een volledig ontzorgd traject: van een snelle scan van je datalocatie en governance-gaps, tot een concrete pilot met meetbare resultaten, tot een doorlopend beheerde sovereign stack. Elke stap is klein genoeg om te starten, groot genoeg om verschil te maken.
Een lokaal AI-model is een mooie eerste stap. Maar de echte vraag is: op welke grond staat het?
