Gepresenteerd door Nutanix
In alle sectoren zijn organisaties gefocust op de vraag hoe ze van AI-pilots, proofs of concept en cloudgebaseerde experimenten kunnen overstappen naar de implementatie ervan op schaal – voor echte workloads, voor echte gebruikers, in echte zakelijke omgevingen. VentureBeat sprak met Tarkan Maner, president en chief commercial officer bij Nutanix, en Thomas Cornely, EVP productmanagement, over wat die transitie vereist en wat er nodig is om deze goed te krijgen.
“AI in het algemeen verandert alles wat we doen, niet alleen op het gebied van technologie, maar in alle verticale industrieën, van gereguleerde industrieën zoals het bankwezen, de gezondheidszorg, de overheid, het onderwijs tot niet-gereguleerde industrieën zoals productie en detailhandel”, aldus Maner. “Als compleet platformbedrijf verwelkomen wij deze verandering. Het creëert voor ons als bedrijf meer mogelijkheden om onze klanten op betere manieren te bedienen naarmate we verder komen.”
Maar er is nog steeds een praktische kloof tussen experimenteren en productie, zei Cornely.
“Het is één ding om een experiment te doen, een prototype te maken. Het is iets anders om dat prototype te nemen en het voor 10.000 werknemers in te zetten”, legde hij uit. “We gingen van mensen die zich concentreerden op trainingsmodellen, naar chatbots, naar nu agenten, waar de vraag naar en de druk op de AI-infrastructuur exponentieel groeit.”
Agentic AI introduceert een nieuwe laag van bedrijfscomplexiteit
De opkomst van agentische AI maakt deze transitie bijzonder ingrijpend. Deze systemen introduceren meerstapsworkflows voor applicaties en databronnen, samen met een mate van autonomie die nieuwe operationele eisen creëert.
Bedrijven hebben nu te maken met meerdere agenten die tegelijkertijd draaien, onvoorspelbare en realtime werklasten, en de noodzaak om de toegang tot de infrastructuur tussen teams te coördineren.
“OpenClaw maakt het nu heel gemakkelijk voor iedereen om agenten te bouwen en met agenten aan de slag te gaan,” zei Cornely. “Je wilt dat die agenten op locatie met jouw gegevens draaien. Je moet er de juiste constructies omheen hebben om de onderneming te beschermen tegen wat een agent zou kunnen doen.”
Naarmate deze systemen autonomer worden, reikt de uitdaging verder dan de manier waarop ze werken, maar ook de manier waarop ze omgaan met bedrijfsgegevens, systemen en teams.
AI vergroot het menselijk werk en vervangt het niet
Agentic AI is in wezen een versterker van menselijke capaciteiten en geen vervanging ervan, aldus Maner. Het doel voor ondernemingen is niet om menselijk werk te elimineren, maar om de juiste balans te vinden tussen menselijke besluitvorming, AI-gestuurde automatisering en agentgebaseerde workflows.
“Wij geloven dat er liefde, vrede en harmonie zal zijn tussen AI, agentische tools en robotsystemen, en menselijk kapitaal”, aldus Maner. “Die harmonie kan worden geoptimaliseerd voor betere resultaten voor bedrijven, ondernemingen, overheden en organisaties in de publieke sector, als de juiste leveranciers de juiste tools en de juiste diensten leveren.”
Hoe bedrijven op grote schaal aan de slag gaan met AI
In de praktijk worden de uitdagingen het meest zichtbaar bij de overgang van experimenteren naar implementatie in de echte wereld. Ondanks het momentum zijn velen nog steeds bezig met het opschalen van AI voorbij initiële gebruiksscenario’s.
Daarbij lopen organisaties al snel tegen praktische beperkingen aan. Velen beginnen in de cloud vanwege de gemakkelijke toegang tot bronnen en diensten, maar praktische overwegingen zoals data, beheer en controle, en kosten komen al snel op de voorgrond.
De cloud kan worden gebruikt om te experimenteren, met als uiteindelijk doel applicaties weer op locatie te brengen terwijl ze richting productie gaan, met behulp van platforms die de veiligheid en de kosten oplossen.
De gebruiksscenario’s die de meeste aandacht krijgen, zijn onder meer het zoeken naar documenten en het ophalen van kennis, beveiliging en voorspellende detectie van bedreigingen, softwareontwikkeling en coderingsworkflows, en klantenondersteuning en serviceactiviteiten. Op veiligheidsgebied zetten bancaire klanten en anderen in Europa en de VS AI-gestuurde tools in, waaronder gezichtsherkenning en voorspellende detectie van bedreigingen. Ondertussen is er een groeiende focus op end-to-end, 360-graden klantbetrokkenheid, van pre-sales tot post-sales belangenbehartiging, in de klantenondersteuningssector.
Sectorspecifieke AI-transformatie is al aan de gang
In alle sectoren krijgt de verschuiving van experimenteren naar echte implementatie al op verschillende manieren vorm. In de detailhandel transformeert AI de winkelactiviteiten met camera’s en robotica die worden gebruikt voor gerichte marketing in het gangpad op het moment van de aankoopbeslissing, terwijl kassaloze kassa’s de traditionele kassasystemen vervangen en het vrijgekomen menselijk kapitaal wordt ingezet voor backoffice- en merchandisingfuncties.
In de gezondheidszorg werkt Nutanix samen met klanten aan applicaties die diagnose, behandeling, gezondheidszorg op afstand en ziekenhuisoperaties omvatten, met cloudpartners zoals AWS en Azure. In de productie en logistiek is de transformatie even belangrijk.
De operationele uitdagingen van het opschalen van enterprise AI
Naarmate AI-use-cases zich uitbreiden, lopen bedrijven tegen een nieuwe klasse van operationele uitdagingen aan. Het beheren van meerdere AI-workloads en agenten, het coördineren van de toegang tot de infrastructuur tussen teams, het garanderen van beveiliging en bestuur, en het integreren van AI-systemen met bestaande bedrijfsprocessen zijn nu top-of-mind-zorgen voor zowel IT- als bedrijfsleiders.
De kloof tussen AI-ontwikkelaars die aandringen op snelheid en toegang, en infrastructuurteams die verantwoordelijk zijn voor beveiliging, uptime en governance, is een van de bepalende uitdagingen van dit moment.
‘Nu heb ik de leiding over agenten, en ze gaan allemaal vechten om toegang te krijgen tot middelen om mijn problemen op te lossen,’ zei Cornely. “Wat je nu wilt is een infrastructuur waarmee je beperkingen kunt stellen en middelen kunt beheren.”
De AI-fabriek: een gedeeld platform voor productie-AI
Deze uitdagingen stimuleren de vraag naar wat Maner en Cornely omschrijven als de AI-fabriek: een gedeelde infrastructuuromgeving die meerdere gebruikers en workloads tegelijkertijd ondersteunt, waardoor zowel experimenten als productie mogelijk zijn, terwijl de flexibiliteit van ontwikkelaars in evenwicht wordt gebracht met ondernemingsbeheer.
Op GTC 2026 kondigde Nutanix de Nutanix Agentic AI-oplossingeen compleet platform dat de kerninfrastructuur omvat, op Kubernetes gebaseerde containerservices die draaien op een topologiebewuste hypervisor, en geavanceerde services voor het bouwen en besturen van agenten.
“We lanceren een compleet platform, van de kerninfrastructuur via PaaS en geavanceerde PaaS-services tot het hele managementframework voor uw AI-fabrieken”, aldus Cornely. “Dit maakt self-service echt mogelijk voor de teams die deze applicaties in de onderneming gaan bouwen.”
Hybride omgevingen zijn essentieel voor de AI-strategie van ondernemingen
Het exploiteren van dit soort omgevingen vereist flexibiliteit binnen de infrastructuur. Hybride infrastructuur is geen compromis, maar een vereiste. Sommige workloads zullen altijd in de publieke cloud draaien, terwijl andere op locatie moeten blijven vanwege beveiligingsvereisten, naleving van regelgeving, datasoevereiniteit of concurrerende IP-overwegingen.
“Vooral in de gereguleerde sectoren, waar soevereiniteit een groter probleem wordt, datazwaartekracht een groter probleem wordt, zal veiligheid, en ook veel concurrentiedifferentiatie in de sector, afhangen van wat het bedrijf wil voor zijn eigen IP,” zei Maner.
Dit is de basis van de platformpositie van Nutanix, voegde hij eraan toe.
“Wij vormen de perfecte harmonie en brengen die applicaties, die data en alle optimalisaties voor deze gebruiksscenario’s van begin tot eind, van on-prem tot off-prem en in een hybride modus”, zei hij. “Doe het niet alleen in één cloud, maar voor meerdere clouds.”
Die flexibiliteit strekt zich ook uit tot het bredere ecosysteem. Nutanix werkt met hyperscalers, waaronder AWS, Azure en Google Cloud, maar ook met regionale serviceproviders en opkomende neoclouds. Nutanix biedt neoclouds een volledige softwarestack om hun eigen clouds te runnen en geavanceerde AI-diensten te leveren, waardoor zakelijke klanten die Nutanix al gebruiken een eenvoudige uitbreiding van reken-, netwerk- en AI-mogelijkheden krijgen.
Maner beschreef de regeling als een overwinning voor beide partijen. Voor ondernemingen betekent dit vereenvoudigde toegang tot hybride AI-diensten. Voor neoclouds betekent het een bewezen platform om op te bouwen. Het is standaard allemaal geautomatiseerd en veilig, voegde Cornely eraan toe.
“Al die bestuursproblemen die nu met agentische AI gepaard gaan, zijn dezelfde problemen die we de afgelopen zestien jaar hebben opgelost voor elke andere applicatie die in je cloud draait”, zei hij.
Van pilot tot productie: AI in de hele onderneming operationeel maken
Uiteindelijk is het doel niet het uitvoeren van een succesvolle AI-pilot, maar het operationeel maken van AI in praktijksituaties, het beheren van de infrastructuur als een gedeelde hulpbron, het ondersteunen van de samenwerking tussen infrastructuurteams en AI-ontwikkelaars, en het opschalen van initiële projecten naar bedrijfsbrede implementatie.
“Er gaapt momenteel een enorme kloof tussen de mensen die AI-applicaties bouwen, de AI-ingenieurs, de AI-ontwikkelaars en jullie klassieke infrastructuurteams”, zegt Cornely. “Ze hebben tools nodig om de infrastructuurteams in staat te stellen uw AI-ingenieurs te ondersteunen. Dat is wat wij leveren met onze agentic AI-oplossing.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
