Richard van Anholt, medeoprichter van GLBNXT, zat laatst onder het genot van een kop koffie met Dibran Mulder, CTO van Caesar Groep. Het gesprek begon met een praktische vraag: hoe laat je AI iets nuttigs doen binnen de software die een bedrijf al gebruikt? Van daaruit ging het over proofs of concept, inkoopprocessen en de plek van de Europese cloud.

Dibran praat hierover als iemand die het zelf bouwt. Hij begon als developer en solution architect bij Caesar Experts en werkte daarna een aantal jaren bij Cloud Republic aan Azure en clouddevelopment, waar hij ook meewerkte aan de Nederlandse techpodcast van het bedrijf. Tegenwoordig is hij CTO van Caesar Groep, een Nederlandse IT-groep die in 1993 is opgericht en veel ervaring heeft met softwareontwikkeling en data-analyse. Daarnaast is hij CTO van Yivi, de open source ID-wallet waarvan Caesar eind 2024 de ontwikkeling en het beheer overnam. Hij kijkt nuchter naar AI, maar is net zo enthousiast over wat het nu brengt en nog gaat brengen.

Zijn vertrekpunt was eenvoudig. De meeste bedrijfsdata zit al in applicaties die mensen elke dag gebruiken, zoals CRM-systemen en interne tools. AI wordt interessant zodra het met die data kan werken waar die staat, in plaats van dat iemand alles moet verhuizen. Zijn advies aan platforms als GLBNXT is daarom: verwacht dat ontwikkelaars blijven vragen om een makkelijke koppeling met de datastores en bedrijfssoftware die ze al draaien. Dat telt voor hem zwaarder dan welk los model of welke losse functie dan ook.

GLBNXT past daar volgens hem goed bij. Hij noemt de bouwblokken van het platform een prima startpunt om snel proofs of concept de markt in te krijgen. Wat hem bijbleef was niet zozeer de snelheid, maar de manier waarop het platform reageerde. Als er iets ontbrak, zoals Neo4j of Jupyter Notebook, voegde GLBNXT het op verzoek toe. Dat scheelde zijn team tijd en budget dat ze anders kwijt waren geweest aan het zelf bouwen of koppelen van die onderdelen, en hij was tevreden over hoe soepel ze in het platform werden opgenomen.

Neo4j verdient een aparte vermelding. Volgens Dibran maak je de informatie van een organisatie niet beschikbaar voor AI door die in stukken te knippen. Je doet dat door een “informatieruimte” in te richten, en een graph database is daar een handig hulpmiddel voor. Die bewaart de verbanden tussen dingen, bijvoorbeeld welk contract bij welke klant hoort en welk project die klant draait, zodat AI kan werken met de context rond de data en niet alleen met losse stukjes tekst. Voor de toepassingen die Dibran testte, maakte dat echt verschil.

Soevereiniteit kwam ook voorbij, maar meer als achtergrond dan als hoofdonderwerp. Richard merkt dat het gesprek over Europese cloud tegenover de grote Amerikaanse hyperscalers is verschoven. Dibran beaamde dat, maar wees erop dat Nederland nog altijd meer op Amerikaanse cloud leunt dan Duitsland of Frankrijk. Mensen zeggen te willen overstappen, maar weinigen doen het echt. Beiden vonden dat het risico dat niet-Europese overheden bij Europese data kunnen komen algemeen bekend is, en dat het in de meeste overleggen wordt erkend en daarna van tafel wordt geveegd.

Volgens Dibran is de belemmering zelden technisch. Het zit in de inkoop. Een nieuwe leverancier goedgekeurd krijgen duurt zo lang dat inkoopafdelingen vaak blijven bij de partij die al in het systeem staat. Niemand besluit dat privacy er niet toe doet, de makkelijkste route wint gewoon. Hij heeft Europese alternatieven in de praktijk zien werken en noemde naast GLBNXT ook Scaleway als goede soevereine cloud.

Over GLBNXT zelf was Dibran positief zonder te overdrijven. “Een platform als GLBNXT, dat je kunt vertrouwen en dat klaar is voor gebruik in grote organisaties, is waar ik dit naartoe zie gaan,” zei hij. “Ik durf op die toekomst te rekenen.” De drukke markt maakt hem niet bezorgd: “Concurrentie houdt iedereen scherp. Het gaat erom wie levert, en tot nu toe doen ze dat.”

GLBNXT bouwt in de EU gehoste, soevereine AI-infrastructuur voor gereguleerde organisaties in Europa. www.glbnxt.com