AI slaagt in een grote organisatie niet op de kwaliteit van het model, maar op wat de organisatie zelf bezit: één poort waar elke vraag en elke handeling door moet, de rechten en de classificatie van haar data, de kennis en de regels van haar afdelingen, en het bewijs van wat de AI deed. Wie die lagen bouwt, gebruikt elk model en vervangt het zonder nieuw project. Wie ze niet bouwt, betaalt elke AI-evolutie opnieuw.
Vijf pijnpunten die in bijna elke grote organisatie tegelijk spelen. Geen ervan is technisch — en daarom lost een nieuwe tool ze niet op.
1
DatalekkenKlantgegevens, contracten en cijfers verdwijnen in gratis chatvensters buiten de muur. Niemand ziet het, niemand kan het stoppen.
2
Geen complianceEU AI Act, GDPR, NIS2: de auditor vraagt wat de AI deed en waarom — en niemand kan het tonen. Er is geen register, geen spoor.
3
Geen ROILicenties lopen, uren verdwijnen in experimenten, en niemand kan zeggen wat het heeft opgeleverd. Elke besparing is een mening.
4
Pilots zonder vervolgDe demo werkt, de uitrol stokt. De tool staat naast het werk, niet erin — en niemand is eigenaar.
5
Geen bestendigheidNieuw model, nieuwe leverancier, nieuwe hype: de vorige investering is achterhaald en het budget begint opnieuw.
2De volwassen AI-infrastructuur
Eén poort waar alles door moet, inwisselbare modellen, en de kennis en de regels in eigen bezit. Klik op een onderdeel — eronder lees je wat het is, hoe het werkt en waarom het er staat.
Klik op een onderdeel in het schema — of kies er hieronder een.
Wat
Hoe
Waarom
Alle onderdelen
3De volwassen AI-governance
Wie beslist, wie bezit, wie bouwt. Het schema hierboven werkt alleen als de organisatie eromheen klopt. Vier lagen, elk met een naam erbij.
Klik op een onderdeel in het schema — of kies er hieronder een.
Wat
Hoe
Waarom
Alle onderdelen
4Wat mogelijk wordt
Geen toekomstmuziek — dit werkt vandaag, met de onderdelen uit het schema.
💬
Eén vraag, alle systemen
"Welke klanten betaalden te laat én hebben een open klacht?" — antwoord uit ERP en CRM in één venster, met de bron erbij.
🔒
Interne documenten binnen de muren
Contracten, HR-dossiers, strategie: het lokale frontier-model leest ze, en ze verlaten het huis nooit.
🏷️
Vakkennis per afdeling
Afdelingsskill plus kennisdocumenten: finance antwoordt als finance, met de definities van finance.
🧭
Inwerking vanaf dag één
Bedrijfsskill en manifest zitten in het chatvenster: de huisregels zijn gekend vóór de eerste vraag.
📄
Documentgeneratie uit systeemdata
Offerte, rapport, brief — uit systeemdata, in de huisstijl, klaar ter controle.
⚙️
Handelende agents in de applicaties
Via het handelingenregister: voorstellen, na akkoord uitvoeren, routinewerk zelfstandig binnen grenzen.
🔁
Modelwissel zonder project
Vandaag leverancier A, morgen B — vergeleken op dezelfde duizend vragen, vóór je beslist.
🧾
Bewijs per handeling
Wie, wat, welke data, welk model — voor de auditor, de toezichthouder en de directie.
5Automatisering en bewijs
Een agent is een gebruiker: zelfde poort, zelfde rechten, zelfde auditspoor. En drie lussen maken van kwaliteit een cijfer in plaats van een gevoel.
6Stappenplan
Zo wordt de organisatie future-proof. Zes stappen, elk met een poort en een eigenaar. Geen stap hangt af van één leverancier; elke stap voegt iets toe dat van jou is. Klik op een stap.
Klik op een stap.
Wat gebeurt er
Hoe
Wat het oplevert
De stappen
7Onafhankelijk van de AI-evolutie
Waarom dit nog klopt als AI drie keer verandert: het ontwerp is gebouwd op één toets.
De ene toets die elk onderdeel moet doorstaan: het wordt méér waard, niet minder, als de modellen beter worden.
Eigendom — stijgt in waarde
De poort, de rechten en de classificatie
Kennisdocumenten, manifest en skills
Het handelingenregister per applicatie
De vectorindex over je data
Het auditspoor en de testset
Gehuurd — inwisselbaar, per gebruik
De modellen: vandaag A, morgen B, of open op eigen servers
De chatclient op de computers
De bouwer: standaardtechnologie, leesbare regels — elke partner kan het overnemen
Een kluisdeur vraagt niet hoe slim de bezoeker is: de controle-onderdelen werken identiek voor een middelmatig en een briljant model. En de kennis-onderdelen worden juist waardevoller: een betere redeneerder haalt méér uit goed vastgelegde kennis. De investering zit dus bewust in wat apprecieert; wat depreciëert is dun en vervangbaar gehouden. Daarom klopt dit schema nog als de modellen drie keer vervangen zijn — en ook als agents morgen met elkaar praten of een model slimmer is dan wie het bedient: de poort, de rechten en het bewijs staan er dan nog precies zo.
Gevraagde besluiten
Eén eigenaar per toepassing
Iemand die kan schrappen zonder toestemming te vragen. Verweesde projecten zijn de meest voorkomende doodsoorzaak.
Nulmeting vóór de bouw
Uren, doorlooptijd, foutpercentage per proces. Zonder nulmeting is elke besparing een mening.
Lezen eerst, handelen verdiend
Het systeem start lezend; elke stap naar zelfstandig handelen is een afzonderlijke, onderbouwde verlening van het comité. Dit ene besluit maakt negentig procent van de risicodiscussie beheersbaar.
Niet welk model je kiest bepaalt de uitkomst — maar welke lagen je bezit: jouw poort, jouw regels, jouw kennis, jouw bewijs.
—Over de auteur
AI-transformatie · verandermanagement
Dirk Odeurs
Industrieel ingenieur, PRINCE2 Practitioner sinds 2003. Meer dan vijftien jaar project-, programma- en changemanagement in uiteenlopende sectoren — energie, overheid, financiële dienstverlening, HR en automotive — in directe lijn met directiecomités en stuurgroepen.
Sinds 2016 zaakvoerder van een eigen onderneming. Met die ervaring zette hij een kader voor een volwassen AI-implementatie op en paste het vanaf 2024 toe op het eigen bedrijf: één AI-poort waar elke oproep door gaat, governance, een auditspoor en dagelijks gebruik door het team. Dat leverde brede kennis op, niet alleen van de AI-technologie anno 2026, maar ook van wat werkt, wat niet, wat nodig is en hoe het toekomstbestendig wordt opgezet binnen de regelgeving en de beveiligingseisen. Zijn visie, aanpak en het conceptueel en technisch kader deelt hij open op deze site; deze nota is er de bestuurlijke weergave van.
In a large organisation AI does not succeed on the quality of the model, but on what the organisation itself owns: one gate every question and every action must pass, the permissions and the classification of its data, the knowledge and the rules of its departments, and the evidence of what the AI did. Whoever builds those layers uses any model and replaces it without a new project. Whoever does not, pays for every AI evolution again.
Author Dirk Odeurs
Version 3.0 — October 2026
Technical basis Reference architecture "Governed agentic data access"
1Pain points today
Five pain points that play out simultaneously in almost every large organisation. None of them is technical — which is why a new tool does not solve them.
1
Data leakageCustomer data, contracts and figures disappear into free chat windows outside the wall. Nobody sees it, nobody can stop it.
2
No complianceEU AI Act, GDPR, NIS2: the auditor asks what the AI did and why — and nobody can show it. No register, no trace.
3
No ROILicences run, hours disappear into experiments, and nobody can say what it returned. Every saving is an opinion.
4
Pilots without follow-upThe demo works, the roll-out stalls. The tool sits beside the work, not inside it — and nobody owns it.
5
No durabilityNew model, new vendor, new hype: the previous investment is outdated and the budget starts again.
2The mature AI infrastructure
One gate everything passes through, interchangeable models, and the knowledge and the rules in your own hands. Click a component — below it you read what it is, how it works and why it is there.
Click a component in the diagram — or pick one below.
What
How
Why
All components
3The mature AI governance
Who decides, who owns, who builds. The diagram above only works if the organisation around it is right. Four layers, each with a name attached.
Click a component in the diagram — or pick one below.
What
How
Why
All components
4What becomes possible
Not science fiction — this works today, with the components in the diagram.
💬
One question, all systems
"Which customers paid late and have an open complaint?" — answered from ERP and CRM in one window, source attached.
🔒
Internal documents inside the walls
Contracts, HR files, strategy: the local frontier model reads them, and they never leave the building.
🏷️
Expertise per department
Department skill plus knowledge documents: finance answers like finance, with finance’s definitions.
🧭
Onboarding from day one
Company skill and manifest sit in the chat window: the house rules are known before the first question.
📄
Document generation from system data
Quote, report, letter — from system data, in house style, ready for review.
⚙️
Acting agents in the applications
Through the action register: propose, execute after approval, routine work on its own within limits.
🔁
Model switch without a project
Vendor A today, B tomorrow — compared on the same thousand questions, before you decide.
🧾
Evidence per action
Who, what, which data, which model — for the auditor, the regulator and the board.
5Automation and evidence
An agent is a user: same gate, same permissions, same audit trail. And three loops turn quality into a figure instead of a feeling.
6Roadmap
How the organisation becomes future-proof. Six steps, each with a gate and an owner. No step depends on one vendor; every step adds something that is yours. Click a step.
Click a step.
What happens
How
What it returns
The steps
7Independent of AI's evolution
Why this still holds when AI changes three times over: the design is built on one test.
The one test every component must pass: it becomes worth more, not less, as the models get better.
Owned — rising in value
The gate, the permissions and the classification
Knowledge documents, manifest and skills
The action register per application
The vector index over your data
The audit trail and the test set
Rented — interchangeable, per use
The models: A today, B tomorrow, or open on your own servers
The chat client on the computers
The builder: standard technology, readable rules — any partner can take it over
A vault door does not ask how clever the visitor is: the control components work identically for a mediocre and a brilliant model. And the knowledge components become more valuable: a better reasoner gets more out of well-recorded knowledge. The investment therefore deliberately sits in what appreciates; what depreciates is kept thin and replaceable. That is why this diagram still holds when the models have been replaced three times — and also when agents talk to each other tomorrow or a model is smarter than whoever operates it: the gate, the permissions and the evidence are still there exactly as they are.
Requested decisions
One owner per use case
Someone who can cancel without asking permission. Orphaned projects are the most common cause of death.
Baseline before building
Hours, lead time, error rate per process. Without a baseline every saving is an opinion.
Read first, acting is earned
The system starts in read mode; every step towards autonomous action is a separate, substantiated grant by the board. This one decision makes ninety percent of the risk debate manageable.
It is not which model you choose that decides the outcome — but which layers you own: your gate, your rules, your knowledge, your evidence.
—About the author
AI transformation · change management
Dirk Odeurs
Industrial engineer, PRINCE2 Practitioner since 2003. More than fifteen years of project, programme and change management across sectors — energy, government, financial services, HR and automotive — reporting directly to boards and steering committees.
Managing partner of his own company since 2016. With that experience he set up a framework for a mature AI implementation and, from 2024, applied it to his own business: one AI gate every call passes through, governance, an audit trail and daily use by the team. That yielded broad knowledge, not only of AI technology as it stands in 2026, but also of what works, what does not, what is needed and how to set it up in a future-proof way within regulatory and security requirements. He shares his vision, approach and the conceptual and technical framework openly on this site; this memo is its board-level rendering.
