Techzine Talks

Hoe betrouwbaar is onze glasvezelinfrastructuur in het tijdperk van AI, hyperscalers en toenemende vraag naar digitale soevereiniteit? In deze aflevering van Techzine Talks spreken we met Hans Witdouck, Managing Director van Eurofiber België en Luxemburg, over de staat van de Europese glasvezelinfrastructuur, de groeiende vraag naar dark fiber en de technologieën die netwerken klaarstomen voor de toekomst.

We hebben het met Witdouck oude glasvezelkabels die nog lang niet volledig gebruikt worden, maar ook hoeveel vraag naar nieuwe, dark fiber er is. Onder andere hyperscalers willen veel van dit soort glasvezel, dat voornamelijk voor toekomstig gebruik aangeschaft wordt. Dit in reactie op wat AI nu al nodig heeft en nog nodig gaat hebben als het zo doorgaat.

Verder proberen we ook een duidelijk onderscheid te maken tussen residentiële en professionele netwerken. Eurofiber positioneert zich daarbij nadrukkelijk in dat tweede segment. Het ziet zichzelf als een open infrastructuurspeler die uitsluitend op B2B-klanten focust, van banken en ziekenhuizen tot systeemintegratoren en telecomoperatoren.

We hebben het ook over zaken zoals redundantie, WDM-technologie, digitale soevereiniteit en de toekomst van kwantumversleuteling via Quantum Key Distribution (QKD). Een wat ons betreft interessante aflevering voor iedereen die wil begrijpen hoe de digitale ruggengraat van Europa gebouwd, beheerd en toekomstbestendig gemaakt wordt.

Belangrijkste inzichten:
• Glasvezel van meer dan 20 jaar oud heeft nog veel onbenut potentieel
• AI-gedreven vraag naar dark fiber groeit explosief
• De kosten van glasvezelinfrastructuur zitten voornamelijk in graafwerk, niet in het aantal vezels
• Redundantie vereist fysiek gescheiden paden én aparte netwerkknooppunten
• Eurofiber opereert in Nederland, België, Luxemburg, Duitsland en Frankrijk
• WDM (Wavelength Division Multiplexing) maakt het mogelijk meerdere signalen over één glasvezel te sturen
• Soevereine netwerken worden gebouwd met Europese apparatuur van leveranciers als Nokia en ADVA/Adtran op dark fiber
• QKD (Quantum Key Distribution) beschermt verbindingen

Hoofdstukken:
0:00 Introductie: betrouwbare infrastructuur
1:14 Van coax naar glasvezel: de geschiedenis
4:53 Dark fiber en AI: hyperscalers investeren vooruit
7:31 Eurofiber's aanpak: open infrastructuur voor B2B
9:55 Redundantie: lessen uit de Oostzee
14:16 Geografisch bereik en datacenters verbinden
16:10 WDM-technologie uitgelegd
28:49 Soevereiniteit: private en veilige netwerken
33:55 QKD en PQC

OpenAI heeft de ontwikkeling van zijn krachtigste AI-modellen gepauzeerd. Maar is dat een noodrem vanwege het grote gevaar waar ze zelf mee schermen, of is het een excuus om andere problemen te verdoezelen? In deze aflevering van Techzine Talks duiken Coen en Erik diep in de technische kant van het verhaal, nadat vorige week het financiële motief al uitgebreid aan bod kwam.

De discussie gaat over AI-modellen die tijdens trainingen zelfstandig beveiligingslekken exploiteren om tot antwoorden of resultaat te komen. Het gaat echter ook om  falende kill-switches, slechte development frameworks en sand boxes. De vraag is of bedrijven als OpenAI en Anthropic wel volwassen genoeg zijn om de verantwoordelijkheid te dragen die ze claimen te hebben. Ook de rol van Nvidia, Oracle, Chinese AI-labs en de bredere geopolitieke dynamiek in de AI-race komt aan bod.

Met Google Gemini 4 op komst, Meta, xAI en Chinese labs die ook niet stilzitten, lijkt pauzeren niet het beste idee. OpenAI kan hiermee ineens van een van de betere spelers terugzakken naar een van de mindere.

Belangrijkste inzichten:
• AI-modellen exploiteren actief beveiligingslekken tijdens training om antwoorden te vinden
• De kill-switch van OpenAI werkte niet toen een engineer een model wilde stoppen
• Development frameworks en guardrails blijken onvoldoende getest en onvolwassen
• OpenAI scheidde gebruikersdata niet van interne AI-agent-infrastructuur
• De AI-race maakt het lastig om veiligheid boven snelheid te kiezen
• Chinese AI-labs pauzeren niet en focussen op efficiëntie met minder AI-chips
• Google, Meta en xAI blijven mogelijke wildcards in de race
• Een capaciteitsprobleem bij OpenAI speelt ook mogelijk een rol bij de pauze

Hoofdstukken:
1:18 - OpenAI pauzeert: financieel vs technisch motief
2:22 - AI-modellen die zelfstandig hacken
4:39 - Development frameworks en guardrails
5:41 - Falen van het monitoring- en kill-systeem
7:27 - Technische onvolwassenheid en verantwoordelijkheid
11:09 - De AI-race: concurrentie en marges
12:27 - Nvidia, Oracle en de infrastructuur-race
21:26 - Chinese AI-labs, Elon Musk en geopolitiek
25:19 - Conclusie: noodrem of excuus?

🔎 Keywords: OpenAI pauze, AI veiligheid, AI modellen hacken, Anthropic, guardrails, development frameworks, Nvidia, Chinese AI, Gemini 4, AI-race, enterprise AI, Techzine Talks

AI kost bedrijven gigantisch veel geld, maar wanneer slaat de rekening écht toe? In deze aflevering van Techzine Talks duiken Coen en Sander diep in de financiële werkelijkheid achter kunstmatige intelligentie. Van Anthropic dat creatief omgaat met boekhouden tot OpenAI dat honderden miljarden verlies draait. De cijfers zijn confronterend, maar dat geldt ook voor bedrijven die hun AI-adoptie verkeerd aanpakken. 
Ze bespreken hoe bedrijven zoals Salesforce en Splunk hun AI-strategie aanpassen om de kosten beheersbaar te houden. Tokenomics, deterministische workflows en kleinere gespecialiseerde modellen zijn op dit moment de oplossingen voor een duurzamer kostenmodel voor AI.  Daarnaast bespreken ze de roep vanuit de AI-industrie om de AI-innovatie vooral te vertragen. De grote vraag is: welk signaal stuur je daarmee richting de markt? Waarom moest AI-innovatie überhaupt worden vertraagd?
Daarnaast staan ze stil bij hoe bedrijven aan de slag kunnen met AI zonder in een onbeheersbare kostenspiraal te belanden. Een eerlijk, kritisch en informatief gesprek over waar AI écht naartoe gaat.
• AI-bedrijven als Anthropic en OpenAI verbranden honderden miljarden per jaar
• Oracle verloor de helft van zijn beurswaarde en heeft een kredietstatus net boven junk
• Tokenomics wordt steeds belangrijker: bedrijven zoeken naar kostenbesparingen
• Deterministische workflows en acties worden steeds vaker om AI-modellen heen gebouwd
• Salesforce schakelde van OpenAI naar Anthropic en ontwikkelt eigen AI-model
• Kleinere, gespecialiseerde modellen van bijvoorbeeld Hugging Face kunnen veel goedkoper en effectiever zijn
• Outcome-based pricing vervangt geleidelijk het per-seat-licentiemodel
• De roep om AI te vertragen komt mogelijk voort uit financiële noodzaak, niet uit veiligheidsoverwegingen
• Praktisch advies: begin in een gecontroleerde omgeving en maak je niet te afhankelijk van AI
Hoofdstukken:
00:57 Financiële staat van AI-bedrijven
02:49 Tokenomics: de kosten van AI beheersen
05:43 Salesforce strategie onder de loep
08:38 Eigen modellen en deterministische AI-lagen
18:09 Prijsmodellen en outcome-based afrekening
22:41 AI-bedrijven remmen innovatie af
29:43 Gaat de AI-industrie failliet?
38:39 Praktisch advies: maak je niet te afhankelijk van AI
AI kosten, tokenomics, Salesforce AI, Anthropic, OpenAI, Oracle, Splunk, Hugging Face, outcome-based pricing, deterministische AI, AI strategie, AI agents, Techzine Talks

In deze aflevering van Techzine Talks spreken we met Werner Vermeylen, CISO bij Klarrio. We hebben het over datgene waar Klarrio zich al lang mee bezighoudt, namelijk maatwerk dataplatformen. Uiteraard komen ook zaken zoals datasoevereiniteit en security aan bod, ook in gereguleerde omgevingen. Klarrio bouwt al tien jaar cloud-agnostische en open-source dataplatformen voor grote bedrijven in sectoren als halfgeleiders, telecom en energie. Een van de basisprincipes i bij dit alles is dat de klant zelf de volledige controle heeft en houdt.

Vermeylen legt uit waarom grote bedrijven ondanks eigen IT-teams toch vastlopen bij het bouwen van dataplatformen. Klarrio heeft zich gedurende tien jaar onder andere gespecialiseerd in het uitvoeren van migraties zonder downtime (van DC/OS naar Kubernetes). Ook de rol van de CISO, NIS2, CRA en de groeiende druk vanuit regelgeving komen uitgebreid aan bod.

Het gesprek gaat ook diep in op de impact van AI op datasecurity: exploittijden dalen hard, malware verstopt zich in open-source packages op GitHub. Tot slot gaan we in op de zoektocht naar soevereine defensieve AI-tooling met lokale LLM-modellen.

Belangrijkse inzichten:
• Klarrio bouwt geen product, maar volledig maatwerk dataplatformen op basis van open source en cloud-agnostisch design
• Datasoevereiniteit gaat verder dan cloudkeuze: ook de architectuur, licenties en componenten bepalen echte controle
• Zero-day exploittijden dalen hard, terwijl AI aanvallen sterk versnelt
• Open source is niet automatisch soeverein: botnetwerken op GitHub plaatsen malware in populaire packages
• Niets is 100% veilig: wie dat wel beweert, liegt

Hoofdstukken:
1:11 - Wat doet Klarrio: custom dataplatformen
2:09 - Doelgroep: grote bedrijven in gereguleerde sectoren
3:48 - Controle over je eigen data: soevereiniteit als kernfilosofie
8:13 - Architectuurkeuzes: van DC/OS naar Kubernetes
13:32 - Use case: verkeersplatform voor de Nederlandse overheid
16:27 - Projectoplevering en kennisoverdracht
18:58 - De CISO-rol bij Klarrio: security by design
22:58 - AI en de versnelling van zero-day exploits
24:31 - Soevereine defensieve AI en lokale LLM-modellen
29:03 - Malware in open source: GitHub-botnetwerken ontdekt
32:21 - Kwetsbaarheidsbeheer: risico's analyseren en accepteren
43:27 - Beslissingen nemen in onzekerheid

Wat gebeurt er met de kwaliteit van je software als AI het grootste deel van de code schrijft? In deze aflevering van Techzine Talks spreken we met Luc Brandts, CEO van Software Improvement Group (SIG), over de meetbare impact van AI op codekwaliteit, technische schuld en softwareontwikkeling in 2025.

SIG meet al 26 jaar softwarekwaliteit en heeft meer dan 500 miljard regels code geanalyseerd. Die expertise maakt het mogelijk om te meten of code door mensen of door AI is geschreven. Het stelt SIG ook in staat om het verschil in kwaliteit te meten. Gemiddeld scoort AI-gegenereerde code 30% slechter dan menselijk geschreven code. Dat heeft directe gevolgen voor het onderhoud van code, ontwikkelsnelheid en kosten.

Brandts is voorstander van het gebruik van AI, maar de bevindingen van SIG maken ook duidelijk dat er goede guardrails en governance omheen moet zetten. Aan de hand van de analyse van Cursor's FastRender-project, waarbij 2000 agents in één week een browser bouwden met 3 miljoen regels code, wordt duidelijk hoe snel technische schuld zich opstapelt als er geen goede sturing is. De 2000 agents produceren weliswaar in zeven dagen tijd een hoeveelheid code die normaal gesproken jaren duurt om te produceren als mensen het doen, maar het resultaat scoort slechts 1,1 ster op SIG's vijfsterrenrating. Er moet dus nog heel veel extra werk ingestoken worden om die score te verbeteren.

• AI-gegenereerde code scoort gemiddeld 30% slechter op kwaliteit
• Het vijfsterrensysteem van SIG is een absolute benchmark
• Cursor's FastRender: 3 miljoen regels code in één week, slechts 1,1 ster kwaliteit
• Architectural drift is het grootste risico bij AI-gedreven ontwikkeling
• Harness engineering is nodig om AI-agents in toom te houden
• AI-systemen bouwen vraagt een compleet andere beveiligingsaanpak (ISO 5338)
• Voorspelling: AI creëert volgend jaar meer technische schuld dan het oplost
• Het grootste risico van AI is het níét gebruiken

0:57 Wat doet Software Improvement Group?
3:05 Het vijfsterrensysteem voor codekwaliteit
5:39 AI-code is gemiddeld 30% slechter
6:21 Waarom je guardrails nodig hebt bij AI
7:55 Analyse van Cursor's FastRender project
10:51 Architectural drift en automatische controle
15:03 Harness engineering: AI-agents in toom houden
20:29 Beveiliging van AI-systemen en ISO 5338
27:04 Portfoliostrategie en technische schuld
33:50 De SaaSpocalypse en custom software