De echte uitdaging van AI voor bedrijven is niet langer het model maar de operatie

De grootste verschuiving in enterprise AI in juni 2026 is niet de komst van een nieuwe LLM, maar de opkomst van MLOps als discipline voor het opereren van agents, met vier kernuitdagingen: bedrijfscontext, governance, observeerbaarheid en eenheidsinferentiekosten. Google Cloud lanceerde Gemini Enterprise Agent Platform om agents te bouwen, op te schalen, te beheren en te optimaliseren, terwijl Microsoft op Build 2026 benadrukte dat de bottleneck niet de kracht van modellen is, maar het bieden van coherente datacontext aan agents. AWS's Bedrock AgentCore richt zich op operationele exploitatie, met behulp van productietraces om systemen te verbeteren en wijst op het risico van stille fouten. Databricks stelt dat de agentische loop slechts de zichtbare 1% is, terwijl de resterende 99% betrekking heeft op implementatie, beveiliging, evaluatie en context. De MLOps-stack evolueert naar een die agentruntime, geheugen, identiteit, gateways en tracing omvat. Google's Agent Identity gebruikt de SPIFFE-standaard voor cryptografische attestering, en AWS's AgentCore Gateway integreert bestaande API's met Model Context Protocol. Observeerbaarheid omvat nu kwalitatieve evaluatie, zoals te zien is in MLflow 3 en AWS's AgentCore Observability. Infrastructuur wordt steeds meer platformgericht, met de CNCF's Inference Gateway die GA bereikt. FinOps verandert: Flexera's State of the Cloud 2026 meldt dat 58% van de organisaties publieke cloud GenAI-diensten gebruikt, 73% hybride werkt en 49% gebruikmaakt van eenheidseconomie. Agentische systemen brengen kosten met zich mee naast de model-API, waaronder gateway-oproepen, geheugen en observeerbaarheid. In Europa werd op 3 juni de Cloud and AI Development Act voorgesteld en wordt de AI Act vanaf 2 augustus 2026 volledig van toepassing. Europese bedrijven diversifiëren leveranciers om de afhankelijkheid te verminderen en soevereiniteitskwesties aan te pakken.