Advertise on podcast: Techzine Talks

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

AI-watermerken zijn niet langer toekomstmuziek. Claude, Gemini en ChatGPT voegen ze al toe aan gegenereerde content. Sinds 2 augustus voegt Claude ook zijn eigen watermerk toe aan alle nieuwe modellen en legde het in een blog uit hoe het werk. In deze aflevering van Techzine Talks duiken we diep in de techniek achter AI-fingerprinting, niet enkel van Claude, maar ook van Google, en wat dat betekent voor iedereen die werkt met tekst, beeld of geluid. We leggen uit hoe generatief watermerken werkt via logit-weging: tijdens het genereren van een tekst worden tokens gelabeld, waarbij bepaalde tokens een lichte voorkeur krijgen. Over een langere tekst ontstaat zo een onzichtbaar patroon dat herleidbaar is naar het AI-model. Dit is fundamenteel anders dan edit-based watermerken, want het zit ingebakken in het model zelf. Je kunt het niet weghalen met een prompt. Daarnaast bespreken we de praktische gevolgen: wat betekent dit voor copyright, voor journalisten, voor de muziekindustrie en voor de EU-regelgeving onder de AI Act? De detectietools zijn nog lang niet betrouwbaar, lobbyclubs zetten druk op overheden en open-sourcedmodellen blijven voorlopig buiten schot. Een onderwerp dat de hele tech- en mediawereld raakt. • Claude voegt vanaf 2 augustus watermerken toe aan alle nieuwe modellen • AI Act artikel 50 verplicht transparantie van AI-systemen • Generatief watermerken werkt via logit-weging tijdens het generatieproces • Zelfs licht redigeren verwijdert het watermerk niet • Kans op false positives voor menselijke teksten is kleiner dan 1% (SynthID) • Bestaande detectietools zijn nog onbetrouwbaar • Spotify introduceert aparte lijsten voor AI-gegenereerde muziek • Muziekuitgevers lobbyen voor een verbod op AI-muziek in hitlijsten • De EU kan niet-conforme modellen verbieden, maar open-sourcemodellen zijn lastig te reguleren • Copyright over AI-gegenereerde content blijft juridisch onduidelijk 0:05 - Welkom: AI-watermerken in de spotlight 1:23 - Claude en de AI Act: waarom watermerken verplicht worden 4:39 - Hoe generatief watermerken werkt 6:13 - De techniek achter watermerken: logits en kansberekening 8:06 - Detectietools: hoe betrouwbaar zijn AI-watermarkdetectors? 10:11 - Watermerken en copyright: wat betekent dit voor contentmakers? 11:41 - Verzet van de industrie: muziek, fotografie en AI 20:24 - EU-regelgeving en de toekomst van AI-watermerken AI watermerken, AI fingerprinting, SynthID, Claude Anthropic, AI Act, generatieve AI, logit weighting, AI detectie, copyright AI, Techzine Talks

In deze aflevering van Techzine Talks gaan we met gasten Erik de Jong (Chief Research Officer, Tesorion) en Eric van Gent (CEO, Tesorion) diep in op waar AI en cybersecurity elkaar raken. Aanleiding zijn onder andere de recente incidenten waarbij OpenAI-agents op eigen houtje de sandbox verlieten en naar Hugging Face gingen, en waarbij Claude-agents van Anthropic doelbewust een echt bedrijf benaderden terwijl ze wisten dat het geen fictief testbedrijf was. Wat zeggen die incidenten over de volwassenheid van AI-beveiliging bij de grootste spelers? De twee gasten geven niet alleen hun mening over wat er allemaal gebeurt op het gebied van AI en cybersecurity. Ze vertellen ook hoe Tesorion AI inzet in het eigen Security Operations Center (SOC). Denk aan de inzet van een eigen getraind model in een eigen tenant, waarbij de analist altijd eerst zelf een analyse doet en die vervolgens verifieert met de LLM-output. De discussie gaat ook over Shadow AI, prompt security, de keuze tussen gesloten en open-weight modellen, soevereine modellen in Europa, en de gevaren van 'platformization' waarbij niet-securitybedrijven ineens managed detection & response gaan aanbieden op basis van AI-tools waar ze geen controle over hebben. Tot slot bespreken we met onze gasten hoe het zit met de financiële kant van AI. Een eerlijk, technisch en praktisch gesprek over wat AI nu al kan in security, wat gevaarlijk is, en hoe je als organisatie controle behoudt. • OpenAI-agents ontsnappen uit sandbox via een zero-day in een proxy • Claude-agents benaderen een echt bedrijf terwijl ze wisten dat het geen testomgeving was • Shadow AI blokkeren werkt niet: 20% vindt altijd een omweg, faciliteer het gecontroleerd • Prompt security als oplossing om inzicht te krijgen in wat medewerkers in AI-tools stoppen • Hoe gaat Tesorion zelf om met AI in het SOC? • Automatisch ingrijpen als tegenwicht tegen de dalende time-to-exploit • Soevereine, in Europa gehoste modellen worden steeds relevanter voor autonomie • Tokenomics en inferencing-kosten kunnen dienstverlening onverwacht duur maken • Niet-securitybedrijven die AI-gebaseerde MDR aanbieden zijn een zorgelijke ontwikkeling • Kwaliteitsbewaking van AI-output in het SOC blijft de grootste uitdaging 0:07 Introductie: AI en security 1:07 OpenAI-agents ontsnappen uit de sandbox 3:56 Claude-agents en het gevaar van rogue AI 9:49 Shadow AI: controleren in plaats van blokkeren 13:24 Gesloten vs. open modellen en soevereiniteit 20:55 AI in het SOC: use cases en kwaliteitsbewaking 25:52 Automatisch ingrijpen en zero trust 40:00 Kosten van AI en tokenomics

Datacenters staan volop in het nieuws vanwege hun energie- en waterverbruik, maar klopt het beeld dat de algemene media schetsen? In deze aflevering van Techzine Talks gaan we dieper in op de feiten, de context en de nuance die vaak ontbreekt. Van het aandeel van datacenters in het nationale energieverbruik tot de rol van hernieuwbare energie: het echte verhaal is genuanceerder dan koppen als 'datacenters blokkeren woningbouw' doen vermoeden. We bespreken hoe datacenters in Nederland gemiddeld meer groene energie gebruiken dan huishoudens, waarom vergelijkingen met huishoudelijk energieverbruik misleidend zijn, en wat de werkelijke cijfers van het CBS en de Dutch Data Center Association zeggen. Ook de watercomponent komt uitgebreid aan bod: van open koelingsystemen tot gesloten kringloopkoeling, en waarom de chipproductie-industrie al decennia lang veel meer gefilterd water verbruikt dan datacenters. Daarnaast gaan we in op de geopolitieke waarde van Amsterdam als datacenterregio, de noodzaak van transparantie en wetgeving rond rapportage, het verschil tussen hyperscalers, co-locaties en neoclouds, en de vraag of de samenleving een eerlijk debat voert over de kosten en baten van digitale infrastructuur. • Datacenters verbruiken 5% van alle energie in Nederland, waterverbruik is slechts 0,088% • Veel Nederlandse datacenters draaien al voor een deel op groene energie • Eén Microsoft-datacenter neemt 1% van het landelijk energieverbruik voor zijn rekening • PUE als metric heeft beperkingen: closed-loop koeling is beter voor waterverbruik, maar slechter voor PUE • Amsterdam verliest langzaam terrein als datacenterregio aan Lissabon en de Nordics • Transparantie en verplichte rapportage ontbreken nog grotendeels in de sector • Neoclouds winnen terrein als alternatief voor hyperscalers bij GPU-capaciteit op aanvraag

In deze aflevering van Techzine Talks gaan Coen en Sander in gesprek met Erik van Buggenhout van NVISO, een Belgisch cybersecurity-servicebedrijf. Ze bespreken hoe de opkomst van AI de spelregels in de securitywereld fundamenteel verandert: van de razendsnelle verkorting van de 'time to exploit' tot de uitdagingen rondom het patchen van systemen en het beveiligen van AI-gedreven applicaties. Het gesprek gaat over hoe organisaties AI en security kunnen opdelen in drie kaders: security for AI, AI for security en governance. We bespreken concrete risico's zoals prompt injection, shadow AI en het gevaar van slechte dataclassificatie. Daarnaast geeft Erik praktisch advies over hoe bedrijven hun AI-architectuur bewust kunnen inrichten zodat ze flexibel en veilig blijven, ongeacht welk model ze gebruiken. Centraal staat het concept 'own your AI': niet het bezit van GPU's of modellen, maar het maken van doordachte keuzes over welk model je waarvoor inzet, hoe je de onderliggende architectuur inricht en hoe je de fundamenten van identity en dataclassificatie op orde brengt voordat je AI omarmt. Een eerlijk en genuanceerd gesprek over kansen, risico's en de eerste stappen die elke organisatie kan zetten. • AI verkort de 'time to exploit' drastisch, maar het oplossen van kwetsbaarheden blijft trager • Security voor AI kent unieke risico's zoals prompt injection die niet bestaan zonder AI • Shadow AI ontstaat wanneer governance achterloopt op de adoptie van AI-tools • 'Own your AI' gaat over eigenaarschap en bewuste architectuurkeuzes, niet over GPU's kopen • Dataclassificatie en identity zijn de fundamenten die op orde moeten zijn vóór AI-adoptie • Automatisch patchen is technisch mogelijk maar organisatorisch zeer risicovol • Open-weight modellen bieden meer flexibiliteit dan frontier-modellen voor bedrijfsarchitecturen • Agentic engineering vervangt vibe-coding en vraagt om stevige pipeline-architectuur 0:00 - Introductie 0:34 - NVISO: cybersecurity zonder vendor bias 2:29 - Platformisatie: vendors kopen alles op 5:40 - AI in de dagelijkse securitypraktijk 8:54 - Drie kaders: security for AI, AI for security en governance 11:33 - Time to exploit: kwetsbaarheden worden razendsnel gevonden 13:46 - Het patchdilemma: hoe dicht je kwetsbaarheden op tijd? 16:23 - Predictive shielding en geautomatiseerde respons 26:36 - Own your AI: bewuste architectuurkeuzes maken 29:21 - Frontier vs open-weight modellen en geopolitiek 37:11 - Dataclassificatie en identity als fundament 41:31 - Eerste stap: zo begin je verantwoord met AI

In deze aflevering van Techzine Talks gaan presentatoren samen met Edwin Weijdema, Field CTO EMEA bij Veeam, diep in op cyberweerbaarheid en de aankomende cyberbeveiligingswet (CBW). De CBW is de Nederlandse vertaling van de Europese NIS2-richtlijn en maakt bestuurders persoonlijk aansprakelijk als een organisatie niet voldoet aan de basiseisen voor digitale beveiliging. Maar wat betekent dit concreet voor bedrijven? Weijdema legt uit waarom veel organisaties de digitale wereld nog steeds als 'magisch' beschouwen en hoe de vertaling van fysieke beveiliging naar digitale beveiliging een cruciale stap is die bestuurders vaak missen. Van shared responsibility bij cloudproviders als Microsoft en Google tot data-soevereiniteit en retentiebeleid: de aflevering maakt complexe concepten toegankelijk en praktisch toepasbaar. Veeam introduceerde het Data Resilience Maturity Model, inmiddels uitgebreid met AI, waarmee organisaties kunnen meten hoe weerbaar ze werkelijk zijn. De 3-2-1-1-0 regel blijkt daarbij een eenvoudige maar krachtige richtlijn: organisaties die hem consequent toepassen, hebben nog nooit een herstelbeurt gemist na een aanval. De CBW zal waarschijnlijk deze zomer van kracht worden, reden genoeg om nú actie te ondernemen. • NIS2 wordt in Nederland de cyberbeveiligingswet (CBW) – bestuurders worden persoonlijk aansprakelijk • Cloudproviders zoals Microsoft en Google zijn niet verantwoordelijk voor jouw data-backups • Shared responsibility betekent dat jij zelf een back-upstrategie moet inrichten • Data-soevereiniteit gaat over controle: waar staat je data en wie heeft er toegang toe? • Het Veeam Resilience Maturity Model helpt organisaties hun werkelijke weerbare positie te meten • De 3-2-1-1-0 regel: drie kopieën, twee media, één offline, één off-site/immutable, nul niet-geteste back-ups • Supply chain-risico's worden vaak onderschat: een aanval op een ketenpartner raakt jouw organisatie • België loopt voor op Nederland doordat bestuurders daar eerder hoofdelijk aansprakelijk werden gesteld • Quickpulse-tool op veeam.com/quickpulse geeft in tien vragen inzicht in het volwassenheidsniveau 00:12 Introductie: NIS2 en de cyberbeveiligingswet 03:52 Waarom wetgeving? De digitale transformatie als context 07:23 Gedeelde verantwoordelijkheid en cloudback-ups 09:41 Secure by design en data-soevereiniteit 16:34 Data taggen, retentiebeleid en geo-fencing 20:13 Het volwassenheidsmodel en organisatiebewustzijn 29:42 Supply chain risico's en Europa's volwassenheid 32:04 De 3-2-1-1-0 regel en conclusie cyberbeveiligingswet, NIS2, CBW, cyberweerbaarheid, Veeam, data resilience, back-up strategie, shared responsibility, data-soevereiniteit, 3-2-1-1-0, supply chain security, bestuurders aansprakelijkheid, Techzine Talks

De Amerikaanse overheid heeft voor het eerst een AI-model geblokkeerd voor niet-Amerikaanse gebruikers. Anthropic's Fable-model, gebaseerd op het geavanceerde Mythos, mag alleen nog door Amerikaanse burgers gebruikt worden vanwege nationale veiligheidsrisico's. Deze exportcontrole, vergelijkbaar met munitieregels, markeert een keerpunt in de AI-industrie. In deze aflevering bespreken we de impact van deze blokkade op Europese bedrijven, de rol van Chinese AI-spelers zoals DeepSeek, en de toekomst van open source modellen. Ook komen de jailbreak-pogingen, de economische consequenties voor bedrijven als Anthropic en OpenAI, en Europa's afhankelijkheid van Amerikaanse AI-technologie aan bod. Belangrijkste inzichten: • Waarom de VS Fable blokkeert en wat dit betekent voor cybersecurity • Hoe Amazon mogelijk de klokkenluider was die de jailbreak meldde • Chinese AI-modellen als alternatief voor Europese gebruikers • De economische impact op AI-bedrijven die nu markten verliezen • Waarom Mistral en andere Europese AI-initiatieven achterlopen • De rol van efficiëntie versus schaalgrootte in AI-ontwikkeling Chapters: 0:11 - AI-modellen en exportbeperkingen 0:54 - Anthropic's Mythos en Fable modellen 3:08 - Jailbreaking en beveiligingsproblemen 8:07 - Amerikaanse exportcontroles 10:09 - Open modellen en Chinese concurrentie 15:28 - Europa's positie in AI-ontwikkeling 17:27 - Bedrijfseconomische impact 32:08 - Toekomstperspectieven Keywords: AI-modellen, Anthropic, Fable, Mythos, exportcontrole, DeepSeek, jailbreaking, cybersecurity, Europa, AI-ontwikkeling, OpenAI, Claude, Chinese AI, Mistral, guardrails

AI-agents worden steeds krachtiger en autonomer, maar organisaties worstelen met de beveiliging ervan. Filip Verloy (CTO EMEA & APJ bij Rubrik) legt uit waarom 83% van de organisaties geen overzicht heeft over hun AI-agents en hoe je deze autonome systemen veilig naar productie kunt brengen. In deze aflevering bespreken we de unieke uitdagingen van AI-agent security. Traditionele guardrails schieten tekort omdat AI-agents probabilistisch en onvoorspelbaar zijn. Verloy legt SAGE uit (Semantic AI Governance Engine), een small language model dat de intentie van agents analyseert en real-time kan ingrijpen wanneer agents buiten hun governance framework opereren. Je leert over prompt injection attacks, shadow AI-risico's, de verschillen tussen platform-native guardrails en external governance, en hoe Agent Rewind essentieel kan zijn als laatste verdedigingslinie. Een must-watch voor iedereen die met AI-agents werkt of deze wil implementeren. Key takeaways: • 83% van organisaties heeft geen volledig overzicht van hun AI-agents • Lokale agent guardrails zijn onvoldoende door de probabilistische aard van LLMs • SAGE gebruikt een small language model om agent-intenties te beoordelen • Runtime-blocking voorkomt dat agents destructieve acties uitvoeren • Agent Rewind maakt datarecovery mogelijk na agent-fouten • Platform integraties met Copilot Studio, AWS Bedrock en coding assistants • MCP-protocol mist security features ("de S in MCP staat voor security") Chapters: 0:11 - Introductie AI-agent security 1:16 - Van pilot naar productie 2:09 - Shadow AI en agent-overzicht 5:23 - Guardrails en governance 9:10 - SAGE: Semantic AI Governance Engine 28:43 - Agent Rewind en data recovery 31:24 - Marktpositie en toekomst #AIAgents #AIGovernance #CyberSecurity #Rubrik #AISafety #MachineLearning #EnterpriseAI #DataSecurity #AICompliance

Nvidia stapt de PC-markt binnen met de Spark chip, een system-on-chip die AMD, Intel en Qualcomm onder druk zet. In deze aflevering van Techzine Talks bespreken we de technische details van deze innovatieve chip met gedeeld geheugen architectuur, waarbij CPU en GPU één geheugenpool delen tot 128GB. De Nvidia Spark richt zich voornamelijk op AI-developers en gebruikers die lokaal AI willen draaien. Met specificaties vergelijkbaar aan een RTX 5070 maar dan in een geïntegreerde oplossing, kan deze chip de laptop- en desktop markt op zijn kop zetten. We analyseren de voor- en nadelen van het gedeelde geheugen systeem en wat dit betekent voor prestaties. Ook bespreken we de concurrentie met Qualcomm's ARM-gebaseerde chips, de rol van Microsoft, en waarom Intel en AMD zich zorgen moeten maken. Fabrikanten als Dell, HP, Lenovo, Asus en MSI kondigen al eerste modellen aan, met Microsoft's Surface Ultra als vlaggenschip. Maar wordt dit een succes of een kortstondig avontuur? Belangrijkste onderwerpen: • Technische specificaties Nvidia Spark system-on-chip • Gedeeld geheugen architectuur: voordelen en nadelen • Vergelijking met Qualcomm, Intel en AMD oplossingen • Welke fabrikanten stappen in en wat zijn de verwachtingen • Prijsstelling en beschikbaarheid (herfst 2025) • Impact op de AI PC-markt en toekomst van Windows on ARM • Waarom Nvidia's timing perfect is na afloop Qualcomm exclusiviteit • Geheugen tekorten en implicaties voor smartphones Chapters: 0:08 - Introductie Nvidia Spark 0:51 - Wat is een system on chip 1:19 - Gedeeld geheugen architectuur 4:30 - Nvidia komt op de PC-markt 5:44 - Qualcomm en Windows op ARM 7:03 - Specificaties en prestaties 23:42 - Fabrikanten en marktimplicaties 26:13 - Toekomst en concurrentie Keywords: Nvidia Spark, system on chip, AI PC, gedeeld geheugen, Windows on ARM, Qualcomm Snapdragon, laptop chips, GPU architectuur, MediaTek, AI development

In deze aflevering van Techzine Talks bespreken we de spectaculaire groeicijfers van Google Cloud (60%+), de verschillende strategieën van hyperscalers zoals AWS en Microsoft, en waarom AI momenteel duurder is dan menselijke arbeid. We duiken diep in de ontwikkelingen rondom AI chips, de relatie tussen OpenAI en Microsoft, en de vraag wanneer AI investeringen zich echt gaan terugbetalen. We analyseren waarom Google zo hard groeit met Gemini Enterprise, hoe AWS en Microsoft verschillende wegen bewandelen met hun AI-aanbod, en welke rol hardware (TPUs, GPUs, CPUs) speelt in de AI-revolutie. Ook bespreken we kritisch of de enorme investeringen in AI wel rendabel zijn, gezien de hoge kosten per token en de beperkte succesvolle implementaties. Daarnaast komen praktische toepassingen aan bod: van codegeneratie bij Google (70% AI-geschreven) tot customer service agents en de vraag of edge computing eindelijk doorbreekt. Een eerlijke discussie over hype versus realiteit in de AI-wereld. Belangrijkste onderwerpen: • Google Cloud kwartaalcijfers: 60%+ groei door Gemini Enterprise • Waarom AWS, Google en Microsoft verschillende AI-strategieën hebben • AI chips: TPUs, GPUs en de rol van Intel, Nvidia en ARM • OpenAI's consumentenfocus versus Anthropic's zakelijke aanpak • Kosten van AI: waarom agents duurder zijn dan menselijke medewerkers • Praktische use cases: code generatie, customer service, HR automation • Edge computing en on-premise AI infrastructuur • Kritische blik op AI ROI en wanneer investeringen zich terugbetalen Hoofdstukken: 0:06 - Welkom terug bij Techzine Talks 1:52 - Google Cloud groei van 60+ procent 3:45 - AI infrastructuur en vraag 3:58 - Hyperscalers en hun AI strategieën 17:20 - OpenAI en Microsoft relatie 18:08 - AI chips en hardware ontwikkelingen 19:14 - AI kosten versus menselijke arbeid 21:00 - Praktische AI adoptie en use cases Tags: Google Cloud, AI infrastructuur, hyperscalers, AWS, Microsoft Azure, OpenAI, Anthropic, AI chips, TPU, GPU, Gemini Enterprise, cloud computing, AI kosten, ROI, edge computing, Nvidia, Intel, customer service AI, code generatie

Anton de Nijs van Brainstax deelt praktijkervaringen over het implementeren van AI in Nederlandse organisaties. Van jeugdzorg tot de maakindustrie: hoe maak je bedrijven hyper-effectief met data en AI? Deze aflevering gaat verder dan theorie en laat zien wat er écht gebeurt als organisaties AI gaan uitrollen. In dit gesprek komt aan bod hoe Brainstax organisaties helpt met de transitie van Excel-chaos naar slimme AI-oplossingen. De Nijs legt uit waarom een solide dataplatform essentieel is, hoe je AI-agents inzet voor administratieve taken en waarom niet elke organisatie klaar is voor AI. Ook komen praktische voorbeelden aan bod, zoals het automatisch genereren van behandelrapporten in de jeugdzorg. Belangrijke inzichten: • Waarom hyper-effectieve organisaties beginnen bij frictieloze samenwerking tussen mensen, data en technologie • Hoe een jeugdzorginstelling 2 uur per week per medewerker bespaart met AI-gegenereerde rapporten • Waarom Databricks als platform geschikter is dan Snowflake of Azure Fabric voor AI-toepassingen • De gevaren van AI-hallucinatie en het belang van human-in-the-loop • Waarom business cases binnen een jaar terugverdiend moeten zijn • Het verschil tussen AI voor inzicht (dashboards) en AI die écht werk doet (agents en algoritmes) Chapters: 0:00 - Introductie AI in het Nederlandse bedrijfsleven 1:10 - Brainstacks en hyper-effectieve organisaties 2:44 - Van pre-Gen AI naar de doorbraak 11:55 - Databricks als data platform 15:16 - Praktijkcase jeugdzorg en AI-rapporten 26:31 - Vertrouwen en datakwaliteit 36:23 - Business case en ROI van AI-implementatie 41:49 - Toekomst van AI en technologiekeuzes Relevante onderwerpen: AI-implementatie, Databricks, LLM's, AI agents, data platform, jeugdzorg automatisering, DSPy, Claude, business case AI, datakwaliteit, hyper-effectieve organisaties, planning optimalisatie, generative AI

Martin Frederik, country manager Snowflake Benelux, vertelt over hoe Snowflake AI-modellen zoals Claude, GPT-4 en Mistral direct naar je data brengt, zonder dat de data je veilige omgeving hoeft te verlaten. Hij bespreekt de praktische toepassingen van AI in call centers, engineering en business intelligence, en legt uit hoe bedrijven kunnen kiezen tussen verschillende modellen op basis van kwaliteit en kosten. De discussie gaat over de uitdagingen van data-integratie, het belang van open source-formaten zoals Apache Iceberg, en hoe Snowflake bedrijven helpt om onafhankelijker te worden. Ook komen AI agents, automatisering en de spanning tussen innovatie en security aan bod, evenals de vraag naar datasoevereiniteit in Europa. Belangrijke onderwerpen: • Hoe AI-modellen binnen Snowflake draaien bij je eigen data • Praktische AI-toepassingen in productiviteit en automatisering • Data silo's versus centrale data platforms • Security, governance en data soevereiniteit • De toekomst van AI agents en agentic workflows • Open source strategie en vendor lock-in voorkomen Chapters: 0:08 - Introductie: data en Snowflake 0:47 - Markt ontwikkelingen en AI impact 2:40 - AI-modellen binnen Snowflake 10:47 - Data silo's en integratie 18:02 - Praktische AI-toepassingen 28:50 - AI agents en automatisering 42:33 - Data soevereiniteit en security Keywords: Snowflake, data platform, AI modellen, machine learning, data warehouse, cloud computing, data security, data soevereiniteit, AI agents, Anthropic Claude, OpenAI, business intelligence, data governance