CRM-softwaretools zoals Salesforce en Hubspot zijn al 25 jaar oud. Iedereen die ooit heeft geprobeerd om van de een naar de ander over te stappen, weet hoe pijnlijk dit kan zijn. De reden? Ze zijn bewust niet bedoeld om interoperabel te zijn, om de vendor lock-in te vergroten. Verschillende datastructuren, workflows, configuraties en integraties. Dit geldt eigenlijk voor bijna elk belangrijk stuk IT-technologie, van SaaS tot analytics en de cloud.
In het begin zullen leveranciers zich er niet op richten om het je makkelijk te maken om over te stappen naar een alternatief. In plaats daarvan proberen ze je stap voor stap in hun ecosysteem te krijgen. Doorgaans maken leveranciers eenvoudigere interoperabiliteit pas mogelijk wanneer er een sterke marktdruk is. Het kostte USB-C tien jaar om een standaard te worden en al onze lades vol verschillende opladers op te ruimen.
Maar een stuk technologie heeft hier een heel andere aanpak. En dat is zo vanaf het allereerste moment. De AI-modellen van vandaag zijn ontworpen met interoperabiliteit als kern, wat innovatie versnelt in een tempo dat we nog niet eerder hebben gezien.
Gelijke input en output
Het centrum van AI-innovatie draait vandaag de dag om Large Language Models, die dankzij hun multimodale capaciteiten met elke nieuwe release meer van de wereld om ons heen kunnen begrijpen. Hun basale input? Tokens. De output? Tokens. Zelfs als je beelden of video door een LLM stuurt, stuur je de taken die je wilt laten uitvoeren nog steeds aan met tokens.
Dit betekent dat we nu opeens een nieuw stuk technologie hebben waarbij input en output gestandaardiseerd zijn over leveranciers, talen, regio's en zelfs closed versus open-source heen. Al deze LLM-modellen zijn interoperabel.
Waarom is dat zo belangrijk?
Bijna nul overstapkosten
Omdat alle LLMs draaien op dezelfde basale input en output, kan een ontwikkelteam met een goede opzet en infrastructuur heel makkelijk wisselen van model, leverancier of versie, zonder dat werkende code en pipelines stuk gaan. De kosten van overstappen zijn bijna nul. Dit betekent dat teams makkelijk nieuwe releases of spelers kunnen uitproberen en kunnen valideren of die beter, sneller of goedkoper presteren voor hun use-case. En als dat zo is, kan de overstap in minuten worden gemaakt.
Zeer korte ontwikkelcycli
Releases met nieuwe capaciteiten of compleet nieuwe LLM-modellen nemen dagelijks het technieuws over. Spelers als OpenAI, Anthropic, Google Gemini, Meta Llama, Mistral en recent DeepSeek concurreren agressief. Ze proberen allemaal een zo groot mogelijke voet aan de grond te krijgen onder developers. En omdat de overstapkosten zo laag zijn, neemt de concurrentie toe. Je ziet in de releases dat deze spelers allemaal tegelijkertijd aan hetzelfde soort capaciteiten werken. Developers hebben gewoon de tools om nauwkeurigheid en geschiktheid voor hun use-case accuraat te meten en te beslissen welk model op elk moment het beste voor hen is. Het is dus niet alleen cruciaal voor de LLM-aanbieders om als eerste nieuwe modellen uit te brengen, maar ook om dit op een hoog kwaliteitsniveau plus tegen een aantrekkelijke prijs te doen.
Vendor chains
Omdat LLMs hetzelfde soort input en output hebben, kun je ze aan elkaar koppelen. Je gebruikt dan het ene model om het werk van een vorig model in de keten voort te zetten of te verbeteren. Hierdoor kun je niet alleen verschillende modellen van een leverancier laten samenwerken, maar ook van heel verschillende leveranciers.
We hebben klant-use-cases waarbij LLMs van 4 verschillende leveranciers samen worden gebruikt om een enkele complexe uitdaging op te lossen. En over een paar weken zijn dat er misschien maar 2, of 6. Het hangt gewoon af van prestaties, updates en de beste fit.
Lage drempel voor nieuwe spelers
Dit betekent ook dat experimenteren snel kan lonen. Een prima voorbeeld is DeepSeek, dat buiten een hardcore AI-community niet bekend was en vorige week een lawine aan aandacht van reguliere media kreeg. Naast het feit dat ze iets opmerkelijks lanceerden dat de leidende AI-spelers uitdaagde, is het interessantere aspect hier de snelheid van adoptie door developers.
Binnen enkele dagen vlogen benchmarks, voorbeelden en echte use-cases over het internet. En nog significanter: je kon DeepSeek's R1 binnen enkele dagen gebruiken op AWS of Azure. Een razendsnelle adoptie, met een zeer lage drempel om nieuwe spelers in bestaande AI-toepassingen te testen en te gebruiken.
Hoe je volop profiteert van de interoperabiliteit van AI
Elk bedrijf kan gebruikmaken van deze voordelen van interoperabiliteit. Op basis van ons werk aan talloze infrastructuuropzetten denken we dat er een paar engineering-stappen zijn om te overwegen:
- Maak een glashelder definitie van kwaliteit en de tools om dit te meten. Anders blijft het gokken welk model wat het beste doet voor jouw use-case.
- Splits je LLM-pipelines op in heel granulaire stappen, zodat je bij elk van deze stappen kwaliteit, snelheid en kosten kunt gaan meten.
- Schrijf je code met de intentie om elke LLM morgen voor een compleet andere te kunnen verwisselen. Zelfs in runtime kan de optie om van model te wisselen bij downtime (of trage responstijden) een geweldige driver voor de gebruikerservaring zijn.
- Zet vroeg toegangs- en facturatierelaties op met de belangrijke en nieuwe AI-spelers. Zo sta je niet weer achteraan in de rij wanneer er een DeepSeek-moment plaatsvindt. Dit betekent ook juridisch toetsen waar de data naartoe stroomt.
- Experimenteren is je vriend. Geen grote cycli, maar experimenten van een enkele dag leveren vaak het beste antwoord op de vraag of je de ene of de andere LLM moet gaan gebruiken. En het dwingt je om te focussen op simpele metrics en beslissingsfactoren.
AI is op veel fronten een heel bijzonder vakgebied van technologie. De ingebouwde interoperabiliteit van de belangrijkste modellen in het veld maakt het nog spannender. Het is een geweldige tijd om te bouwen.
We organiseren elk kwartaal besloten roundtable-sessies waarin we klanten en contacten samenbrengen om precies dit soort onderwerpen te bespreken. Als je geinteresseerd bent, kijk dan hier en we horen graag van je.
