AI-zoekmachines staan voor een vertrouwenscrisis, Europa loopt achter op de digitale doelen van 2030 en Apple wil dat Siri binnenkort meekijkt via je oortjes. Dit is de AI Update van week 25.

• Duitse rechter maakt Google verantwoordelijk voor eigen AI-uitspraken
• Dertien woorden op Reddit zijn genoeg om AI-zoekresultaten te manipuleren
• OpenAI lanceert gratis cursuspad van prompten tot AI-agents
• Brussel: Europa haalt de digitale doelen van 2030 niet op tijd
• Apple stopt camera’s in AirPods zodat Siri kan meekijken
• OpenAI legt uit hoe je betere plaatjes uit gpt-image-2 haalt

Duitse rechter maakt Google verantwoordelijk voor eigen AI-uitspraken

De Rechtbank München heeft Google verboden om valse beweringen over twee uitgevers te blijven verspreiden via AI Overviews. De AI had de bedrijven ten onrechte in verband gebracht met oplichting en dubieuze praktijken, verbanden die in geen van de geciteerde bronnen voorkwamen. Google reageerde niet adequaat op een eerdere sommatie, waarna de rechter een voorlopige maatregel oplegde met boetes tot 250.000 euro per overtreding.

• De rechtbank classificeerde AI Overviews als eigen content van Google: de AI genereert “zelfstandige, nieuwe, inhoudelijke uitspraken” in Googles eigen woorden, en daarmee is Google de spreker — niet de doorgeefluik.
• Dat onderscheid is juridisch cruciaal: klassieke zoekmachines zijn grotendeels gevrijwaard van aansprakelijkheid omdat ze verwijzen naar andermans content; AI-samenvattingen vallen buiten die bescherming.
• Google voerde als verweer dat gebruikers AI-uitkomsten zelf moeten controleren — de rechter verwierp dat argument.
• De uitspraak is voorlopig en nog niet onherroepelijk, maar als ze standhoudt geldt dezelfde logica voor elk AI-zoekproduct, van ChatGPT Search tot Perplexity.

Bron: The Decoder

top ^

Dertien woorden op Reddit zijn genoeg om AI-zoekresultaten te manipuleren

Onderzoekers van Cornell Tech publiceerden in mei een paper over een aanvalsmethode die ze WARP noemen: Web Agent Retrieval Poisoning. De kern: wie één korte tekst plaatst op een druk bezochte pagina op Reddit, Wikipedia of Quora, kan de uitkomsten van AI-onderzoeksagenten structureel sturen — ook voor vragen die de aanvaller nooit heeft voorzien.

• Een snippet van dertien woorden op een UGC-platform blijkt voldoende om AI-agenten spam- of promotie-uitkomsten te laten produceren, consistent en over een heel cluster van verwante zoekvragen.
• AI-onderzoeksagenten citeren bij circa de helft van alle zoekvragen content van gebruikersplatforms; bijna een kwart van alle bronnen die ze aanroepen komt van dit soort sites.
• Het fenomeen heeft al een naam: AEO, AI Engine Optimization — het is de nieuwe SEO, en merken zijn er al volop mee bezig.
• De aanval werd getest in een sandbox, nooit op de live versies van Reddit of Wikipedia. Maar de onderzoekers meten wel hoe vaak commerciële tools als ChatGPT en Gemini UGC-bronnen citeren en dat is genoeg om de kwetsbaarheid aannemelijk te maken.

Bron: Cornell Tech / arXiv via 404 Media

top ^

OpenAI lanceert gratis cursuspad van prompten tot AI-agents

OpenAI introduceerde op 12 juni drie nieuwe cursussen via OpenAI Academy, het gratis leerplatform dat het bedrijf eerder dit jaar lanceerde. De cursussen richten zich op werknemers en teams die AI willen inzetten in hun dagelijkse werk als herhaalbaar onderdeel van hun werkproces.

• De drie cursussen heten AI Foundations, Applied AI Foundations en Agents and Workflows en bieden een oplopend leerpad: van AI begrijpen, naar toepassen in terugkerend werk, naar het aansturen van gestructureerde workflows met agents.
• AI Foundations behandelt essentiële AI-concepten, prompting en verantwoord gebruik; Applied AI Foundations richt zich op het omzetten van losse taken naar herhaalbare werkprocessen.
• Wie een cursus afrondt ontvangt een certificaat, bedoeld om vroege adopters binnen organisaties zichtbaar te maken en als “AI champion” te laten fungeren.
• De cursussen zijn gratis beschikbaar via academy.openai.com en worden continu bijgewerkt door interne teams van OpenAI voor onderzoek, productontwikkeling en veiligheid.

Bron: OpenAI

top ^

Brussel: Europa haalt de digitale doelen van 2030 niet op tijd

De Europese Commissie publiceerde op 17 juni het rapport State of the Digital Decade 2026, de jaarlijkse meting van Europa’s digitale voortgang. De conclusie is scherp: op cruciale terreinen als AI, chips, cloudinfrastructuur en cybersecurity verloopt de ontwikkeling te traag om de concurrentiepositie ten opzichte van de VS en China te handhaven.

• Op connectiviteit gaat het goed: 96,8 procent van de Europese huishoudens heeft inmiddels 5G-dekking, maar glasvezel, halfgeleiders en rekencapaciteit blijven ver achter op de 2030-doelen.
• AI-adoptie bij bedrijven steeg in 2025 met 48 procent, maar slechts één op de vijf Europese bedrijven heeft AI daadwerkelijk in operationele processen ingezet.
• ICT-specialisten maken momenteel 5 procent van de beroepsbevolking uit, de helft van wat de EU in 2030 wil bereiken, en vrouwen zijn met minder dan 20 procent sterk ondervertegenwoordigd.
• Het huidige tempo is onvoldoende om de Digital Decade-doelen te halen. De Commissie roept lidstaten op tot versnelling via onder meer de Cloud and AI Development Act en Chips Act 2.0.

Bron: Europese Commissie

top ^

Apple stopt camera’s in AirPods zodat Siri kan meekijken

Apple werkt aan een versie van de AirPods met ingebouwde camera’s in de oortjes-stelen. Het doel is niet fotograferen, maar Siri visuele context geven: de camera’s scannen de omgeving en sturen die informatie door naar de assistent. De oortjes worden Apples eerste wearable AI-product en staan gepland voor eind 2027, een jaar later dan oorspronkelijk beoogd, omdat Apple de visuele AI-modellen nog niet op niveau had.

• De camera’s zitten in de stelen van de oortjes en zijn uitgerust met indicatielampjes die oplichten wanneer er data naar de cloud wordt gestuurd, een bewuste privacymaatregel voor mensen in de buurt.
• Siri kan straks vragen beantwoorden over objecten die de gebruiker ziet; ook contextuele herinneringen en looproutebegeleiding worden verkend.
• De feature bouwt voort op Visual Intelligence, dat in iOS 27 ook via de Camera-app beschikbaar komt met een aparte Siri-modus.
• Apple werkt ook aan smart glasses (codenaam N50) als concurrent van de Meta Ray-Ban, mogelijk eveneens eind 2027.

Bron: MacRumors / Bloomberg

top ^

OpenAI legt uit hoe je betere plaatjes uit gpt-image-2 haalt

OpenAI publiceerde een uitgebreide promptgids voor zijn nieuwste beeldmodel gpt-image-2, beschikbaar via de OpenAI Cookbook. De gids bundelt patronen die opvielen tijdens alpha-testen met uiteenlopende toepassingen: advertenties, UI-mockups, portretfoto’s, infographics en productfotografie.

• Voor fotorealisme werkt camerataal beter dan generieke kwaliteitslabels: beschrijf lens, diafragma en belichting in plaats van termen als “8K ultra-realistic”.
• Tekst in een afbeelding zet je tussen aanhalingstekens of in hoofdletters, aangevuld met typografie-instructies, het model volgt dat betrouwbaarder dan een losse zin.
• Voor consistente gezichten en personages in meerstaps-workflows geldt: benoem expliciet wat er moet veranderen én herhaal telkens wat ongewijzigd moet blijven om drift te voorkomen.
• gpt-image-2 is het aanbevolen model voor productie-workflows; voor grote batches met minder kritische beelden is gpt-image-1-mini de kostenefficiëntere keuze.

Bron: OpenAI Cookbook

top ^

De AI Update is samengesteld door Marcel Debets. Tips? Mail de redactie op mspb@dutchit.com.

De tweede dag van Kaseya Connect Europe in Praag stond in het teken van geleverd werk. Na de visie van CEO Rania Succar een dag eerder namen de productleiders het podium over en lieten ze zien wat er sinds Las Vegas in productie is gegaan: een digitale workforce die nu al tickets toewijst, een van de grond af herbouwde SOC en een reeks AI-functies die diep in de dagelijkse werkstroom van de technicus zijn gekropen.

De grootste sprong zit in de digitale workforce. De Ticket Triage Digital Specialist is van proof of technology naar algemene beschikbaarheid gegaan en is er voor iedereen met Autotask Ultimate of een Kaseya 365-app. Gisteren noemde Succar al de 400.000 tickets per maand. Op dag twee gaf Kaseya de cijfers achter de werking: de specialist presteert naar eigen zeggen boven de 95 procent over al zijn functies, en 70 procent van de tickets gaat bij de eerste poging naar de juiste technicus, zonder dat er een mens aan te pas komt.

Interessanter dan de cijfers is de architectuur die Kaseya eronder legt. Paul Burke, vice president agentic AI en digital workforce, schetste een digitale specialist die werkt als een samenwerkend netwerk van gespecialiseerde agents. Twee daarvan draaien op een taalmodel omdat het lezen en classificeren van een ticket taalbegrip vraagt, twee zijn deterministisch omdat ranken en plannen rekenwerk zijn dat niet mag hallucineren. Een vijfde agent, de critique agent, draait bewust op een ander model en heeft als enige taak de andere agents tegen te spreken. Elke opgeloste ticket gaat vervolgens terug het systeem in als trainingsmateriaal, waardoor de aanbevelingen specifiek worden voor de eigen MSP. Dat laatste verkocht Kaseya nadrukkelijk als concurrentievoordeel: een nieuwkomer die over een half jaar een kopie uitbrengt, begint volgens het bedrijf vanaf nul.

Daarnaast ging in Autotask de Resource Planner in early access, een gezamenlijk beeld van mensen en tickets met een agendaweergave waarin je de planning in realtime aanpast. De digitale specialist voor dispatch staat gepland voor 2027 en moet dan de stap van triage tot voltooiing automatiseren.

In de RMM-omgeving kreeg de technicus Datto RMM Smart Insights, AI-aanbevelingen die in de bestaande werkstroom leven en root causes in activiteitenlogs en apparaten aanwijzen, met een remediatie die direct uit de componentbibliotheek te draaien is. En Kaseya Assist, de unified AI-assistent, ging live in IT Glue, waar sinds de start in Las Vegas al meer dan 5.000 vragen zijn beantwoord. Een bredere uitrol over alle IT Glue-assets volgt in Q3.

Cyber resilience mikt op de Hyper-V-migratie en op identiteitsherstel

Het cyber resilience-team haakte in op twee thema’s die in de wandelgangen leven: de Broadcom-nasleep en identiteit als aanvalsvector. Nog deze maand komt agentless Hyper-V-ondersteuning naar alle Datto-appliances. Veel MSP’s back-uppen Hyper-V nu nog met agents, en in dynamische omgevingen waar VM’s voortdurend ontstaan en verdwijnen wordt dat lastig beheersbaar. Met de agentloze aanpak koppel je de hypervisor, selecteer je de gast-VM’s en begin je met back-uppen, zonder agents te installeren of te onderhouden.

Voor identiteit lanceerde Kaseya een gecombineerde SaaS- en Entra ID-herstelworkflow, vandaag beschikbaar. Daarmee herstel je Entra ID en Microsoft 365 in één workflow, met een beveiligde herstellink in plaats van gedeelde adminrechten. Ben je volledig buitengesloten uit een productietenant, dan laat de oplossing je Entra opnieuw uitrollen naar een nieuwe tenant.

De AI-screenshotverificatie die gisteren al voorbijkwam, kreeg op dag twee een scherpere onderbouwing. Screenshot-verificatie boot elke back-up automatisch op als virtuele machine en legt het opstartscherm vast, als bewijs dat het image opstart en dus echt herstelbaar is. Kaseya claimt vijf negens nauwkeurigheid (99,999 procent) plus geleide remediatie die meteen laat zien waarom een verificatie faalde en hoe je het oplost. Bij elkaar levert dat volgens het bedrijf een gemiddelde besparing van ruim 25.000 euro per MSP op aan minder ruis en minder verspilde technicustijd.

Andere verbeteringen: Kaseya Assist lost in de resilience-producten naar eigen zeggen 59 procent van de supportvragen op zonder dat er een ticket opengaat. Pre-flight checks bij de BCDR-agent signaleren omgevingsproblemen al bij de installatie en zorgden voor 24 procent minder agentgerelateerde tickets en 19 procent snellere oplostijden. En er is nu een macOS-agent voor endpoint-back-up. De Unified Cyber Resilience Experience, gisteren in bèta aangekondigd, kreeg meer details: een command center dat per asset een verklaarbare risicoscore toont en infrastructuurgezondheid koppelt aan klantblootstelling.

RocketCyber wordt Kaseya MDR en de SOC gaat op de AI

In de beveiligingssuite zit de meest zichtbare verandering. Kaseya heeft RocketCyber over de afgelopen achttien maanden van de grond af herbouwd en herlanceert het als Kaseya MDR, met een nieuwe interface op de SaaS Alerts-stack, sterkere correlatie en betere deduplicatie. In een demo maakte Kaseya een eigen regel om een ongeautoriseerde RMM-tool op een endpoint te detecteren, waarna MDR het apparaat automatisch isoleert en je telefonisch waarschuwt. Bestaande RocketCyber-klanten migreren kosteloos.

Daaronder draait de vernieuwde AI SOC, herbouwd rond Kaseya Intelligence. Die triageert binnenkomende events, correleert volgens Kaseya veel meer informatie dan een menselijke analist en onthoudt per partner de afgesproken communicatievoorkeuren. Kaseya benadrukte dat er een mens in de loop blijft en dat de AI de analist ondersteunt in plaats van vervangt.

De managed-SIEM-strategie van gisteren kreeg een prijskaartje en een releasestatus. Kaseya SIEM combineert de AI SOC met een echte SIEM, telt meer dan 60 kant-en-klare integraties en rekent per gebruiker af, zonder kosten voor data-ingestie of -opslag. Het product is nu te koop. Er zitten drie AI-functies in: bevragen van alle securitydata in gewoon Engels, een Kaseya Assist die op de eigen kennisbank is getraind, en een Microsoft Agent die niet alleen vragen over Microsoft-instellingen beantwoordt maar ze op verzoek ook zelf doorvoert.

Aan de e-mailkant koppelde Kaseya Inky Pro aan SaaS Alerts: ziet Inky een gecompromitteerd account uitgaand verkeer versturen, dan pikt SaaS Alerts dat event op en sluit het account in seconden af. Datto EDR kreeg smart investigation met AI-samenvattingen. En voor volgend kwartaal staat Inky Smart Insights gepland, dat alle door gebruikers gemelde e-mails analyseert op het niveau van een menselijke expert, met indicatoren van compromittering, citaten uit de mail en een verklarend verhaal. Wie Inky Pro al heeft, krijgt het zonder meerkosten.

Op Kaseya Connect Europe in Praag presenteerde CEO Rania Succar vandaag Kaseya Intelligence, de AI-laag die het complete platform van het bedrijf richting autonome IT en security moet brengen. De eerste tastbare vrucht draait al bij MSP’s: een digitale specialist die binnenkomende tickets zelfstandig leest, classificeert en toewijst. Volgens Succar is dat nog maar de opmaat naar een hele digitale workforce.

Kaseya houdt zijn Europese hoofdevenement dit jaar in het Praags congrescentrum, van 16 tot en met 18 juni. Het evenement is in een paar jaar tijd bijna verdrievoudigd in omvang. Succar gebruikte haar keynote om de balans op te maken van een jaar verbouwing en om een reeks productlanceringen aan te kondigen.

Wat is Kaseya Intelligence?

Kaseya Intelligence is de noemer waaronder het bedrijf al zijn AI-functionaliteit bundelt. Succar schetste de onderliggende redenering: autonome IT en security vragen om intelligentie, en intelligentie vraagt om data op grote schaal plus een end-to-end platform dat ook echt actie kan ondernemen. Kaseya claimt over dat fundament te beschikken. Het bedrijf noemt cijfers van 3 exabyte aan back-updata, 44 miljard back-ups per jaar, ruim een miljard helpdesktickets, 1,2 miljard beheerde patches per jaar en 17 miljoen beheerde endpoints.

Die schaal is volgens Kaseya de voorwaarde voor betrouwbaarheid. Een systeem dat zelfstandig handelt, moet kloppen, anders haken technici af. Om dat mogelijk te maken bracht Kaseya het afgelopen jaar de datalaag onder zijn producten samen en bouwde het een uniforme API-laag waarmee acties dwars door het platform heen lopen. Daarbovenop komt de AI-laag die de autonome acties uitvoert.

MSP’s krijgen Kaseya Intelligence op drie manieren onder ogen. Er zijn digitale specialisten die werk overnemen, smart insights die per situatie aangeven wat er speelt en hoe je het oplost, en AI-assistenten waarmee een technicus het platform kan bevragen en opdrachten kan geven. Succar benadrukte dat MSP’s hiervoor niet hoeven te migreren. De functionaliteit verschijnt in de producten die ze al dagelijks gebruiken.

De digitale specialist voor ticket triage

Het meest tastbare nieuws zit in de eerste digitale specialist, gericht op tickettriage. In Autotask krijgen MSP’s een triage-dashboard waarop de specialist meewerkt met het team. Bij een blauwe markering lag de zekerheid van het systeem boven de drempel die de MSP zelf instelt, en wees de specialist het ticket automatisch toe aan een technicus, op basis van diens vaardigheden en beschikbare capaciteit. Bij een lagere zekerheid beoordeelt een technicus het voorstel en past het zo nodig aan.

Opstarten kost volgens Kaseya weinig moeite. Een MSP wijst het systeem op de tickets waarvan het mag leren en is daarna klaar. Succar stelde dat de adoptie sneller verloopt dan Kaseya zelf had gemodelleerd. Het bedrijf verwerkt inmiddels 400.000 tickets per maand, een aantal dat naar eigen zeggen elke maand ruim verdubbelt. Van de aanbevelingen wordt 92 procent door gebruikers overgenomen.

Een interne testcase bij Kaseya’s eigen helpdesk illustreert de inzet. Daar duurt het handmatig lezen, categoriseren en toewijzen van een ticket zo’n vijftien minuten, en blijkt 20 tot 30 procent van de tickets verkeerd gecategoriseerd. De verwachting is dat de digitale specialist tot 80 procent van die fouten wegneemt en de operationele kosten met 5 procent terugbrengt, doordat vijf technici uit de triagewachtrij kunnen.

Succar plaatste er een nadrukkelijke kanttekening bij: de aankondiging gaat niet over ticket triage alleen. Ze ziet de specialist als de eerste in een reeks. Doordat de data- en API-lagen nu zijn samengebracht, kan Kaseya naar eigen zeggen in hoog tempo nieuwe specialisten uitrollen. Later dit jaar volgen er die tickets zelf afhandelen, denk aan wachtwoordresets en het on- en offboarden van medewerkers.

Cyber resilience krijgt een nieuwe generatie

Onder de vlag van Datto kondigde Succar een nieuwe generatie cyber resilience aan, opgebouwd rond vier eigenschappen: gebundeld beheer, bredere workloaddekking, compliance en AI die hersteltijd en tijd van de technicus wint.

Het meest concrete is het unified cyber resilience portal, dat vanaf het evenement in bèta beschikbaar is. Het portaal bevat een risicoscore op basis van Kaseya Intelligence die aangeeft welke assets gevaar lopen om niet te kunnen herstellen, zodat technici hun tijd gerichter inzetten. Kaseya kondigde ook bidirectionele, uniforme back-up-API’s aan die binnenkort volgen, waarmee een MSP via één API de status van alle back-ups kan opvragen voor verzekerings- en compliancedoeleinden. In de loop van het jaar unificeert Kaseya bovendien de back-end, wat het poolen van opslag en het verplaatsen van workloads tussen on-prem en cloud mogelijk moet maken.

Daarnaast breidt Kaseya de dekking voor Azure Backup uit. Na VM’s vorige maand en files deze maand komt nu ook block erbij, met meer op de roadmap voor de rest van het jaar. Klanten hoeven Azure daardoor niet langer binnen Azure te back-uppen, wat de kosten met 30 procent zou drukken.

Eerder dit jaar, in maart, introduceerde Kaseya AI-gedreven screenshotverificatie voor back-ups. De klassieke screenshotcontrole leverde veel valse meldingen op. Met de nieuwe AI-aanpak schrapte Kaseya naar eigen zeggen voor alle back-upgebruikers in één keer 12 miljoen valse positieven, goed voor acht uur technicustijd per maand, ofwel zo’n 1.200 euro per team per maand.

Kaseya SIEM trekt e-mailbeveiliging naar binnen

In cybersecurity zette Succar Kaseya SIEM centraal, het securityplatform dat dreigingsdata uit het hele Kaseya-ecosysteem correleert. Twee databronnen maken het volgens haar onderscheidend. De eerste is e-mailbeveiliging, die native in de SIEM zit. Kaseya wijst erop dat 90 procent van de inbreuken in e-mail begint, en stelt dat andere SIEM-aanbieders die data hooguit via losse integraties binnenhalen. De tweede bron, back-updata, volgt de komende kwartalen.

De SIEM kan bovendien zelfstandig ingrijpen. Verstuurt een inbox plots veel mail, dan kan het systeem die inbox automatisch dichtzetten voordat er schade ontstaat. Succar liet een klant aan het woord wiens SIEM een verdachte login en een afwijkende inboxregel detecteerde nadat een directeur op een phishingmail was ingegaan en zijn wachtwoord had prijsgegeven. De aanvaller probeerde een boekhouder 200.000 dollar te laten overmaken. Binnen een kwartier was hij buitengewerkt. Chief Product Officer Jim Lippie, die de SIEM ontwierp, demonstreerde het product later op het podium.

Tempo, compliance en R&D als onderbouwing

Om de lancering te onderbouwen liet Succar een commitment scorecard zien. In de afgelopen negentig dagen bracht Kaseya 175 features en platformverbeteringen uit. Bij Web Remote schrapten de engineers 75 procent van de verbindingsfouten en time-outs; bij EDR verhuisde detectie naar het endpoint voor bijna realtime signalering. Op het vlak van partnerervaring meldt Kaseya dat het aantal tickets met 51 procent jaar-op-jaar daalde, het aantal supportcontacten met 25 procent, en dat openstaande zaken 20 procent sneller worden opgelost.

Compliance krijgt extra gewicht. Kaseya behaalde ISO 27001 voor zijn SaaS Alerts-aanbod en wil die certificering dit jaar over de hele organisatie doortrekken. Het bedrijf zegt zijn producten af te stemmen op regelgeving als NIS2, DORA en de EU AI Act. De versnelling in productontwikkeling schrijft Succar toe aan extra investeringen in R&D, de komst van CTO Pratik Wadher in september en een nieuw researchcentrum in Silicon Valley.

Wat betekent dit voor MSP’s?

Succar schetste vier bewegingen in de markt: autonome IT en security komen eraan via een curve die steeds steiler wordt, AI wordt onderdeel van het platform zelf, routinewerk op L1-niveau wordt geautomatiseerd, en het verdienmodel beweegt van seats en endpoints naar uitkomsten. Dat laatste vraagt om een platform dat zichtbaar maakt hoeveel werk een MSP voorkwam, van tickets tot security-incidenten.

Volgens Succar blijven MSP’s bestaan en worden ze strategischer en dieper verweven met hun klanten. De winnaars zijn in haar ogen de partijen die het routinewerk automatiseren, naar hoogwaardiger werk doorgroeien en op één geïntegreerd platform standaardiseren. In Kaseya’s eigen 2026 State of the MSP-onderzoek geeft de helft van de MSP’s aan dat klanten om AI-diensten vragen, terwijl 13 procent daar al omzet uit haalt. Op dat gat wil Kaseya met Kaseya Intelligence inspelen.

“Autonome IT en security komen eraan, daar bestaat geen twijfel over,” zei Succar, die haar keynote afsloot met de boodschap dat het Intelligence-tijdperk is aangebroken.

De aankondigingen op een rij

• Kaseya Intelligence: de overkoepelende AI-laag over het hele platform, te ervaren via digitale specialisten, smart insights en AI-assistenten. Geen migratie nodig.
• Digitale specialist voor ticket triage: vandaag beschikbaar in Autotask. 400.000 tickets per maand, 92 procent van de aanbevelingen overgenomen. Vervolgspecialisten voor onder meer wachtwoordresets en on- en offboarding volgen dit jaar.
• Unified cyber resilience portal (Datto): in bèta vanaf het evenement, met een risicoscore op basis van Kaseya Intelligence. Bidirectionele back-up-API’s en een geünificeerde back-end volgen in de loop van het jaar.
• Azure Backup: dekking uitgebreid met block (na VM’s en files), met een kostenbesparing tot 30 procent.
• AI-screenshotverificatie: sinds maart, 12 miljoen valse positieven geschrapt, acht uur techniciustijd per maand bespaard.
• Kaseya SIEM: native e-mailbeveiliging als databron, automatische inbox-blokkade bij verdacht gedrag, back-updata als bron volgt de komende kwartalen.
• Onderbouwing: 175 features in 90 dagen, ISO 27001 voor SaaS Alerts, nieuwe CTO Pratik Wadher en een R&D-hub in Silicon Valley.

Tot nu toe ging deze serie over AI als gereedschap. Je stelt een vraag, het model geeft een antwoord. Je geeft een instructie, het model voert die uit. De mens blijft aan het stuur — AI doet wat er gevraagd wordt, niet meer en niet minder.

Dat verandert bij agentic AI. Een AI-agent wacht niet op een vraag. Hij krijgt een doel, bepaalt zelf welke stappen nodig zijn om dat doel te bereiken, voert die stappen uit en gebruikt daarvoor tools, systemen en informatie die je hem hebt gegeven. Dat is een fundamenteel andere manier van werken, met andere mogelijkheden én andere risico’s.

Van chatbot naar agent

Een chatbot reageert. Je typt iets, hij antwoordt. Elke uitwisseling staat op zichzelf, tenzij je expliciet context meegeeft. Een chatbot in je servicedesk kan een ticket samenvatten, een conceptantwoord schrijven of een categorie voorstellen, maar hij neemt geen initiatief en voert geen acties uit in andere systemen.

Een AI-agent doet dat wel. Hij kan een binnengekomen ticket niet alleen lezen en classificeren, maar ook opzoeken wie de gebruiker is, de geschiedenis van vergelijkbare problemen raadplegen, een oplossing formuleren, die oplossing uitvoeren in het systeem én de gebruiker informeren, allemaal zonder dat een medewerker daar tussen zit.

Het verschil zit in twee dingen: autonomie en toolgebruik. Een agent heeft toegang tot externe tools – een API, een database, een ticketsysteem, een agenda – en besluit zelf wanneer hij welke tool inzet. Dat maakt hem krachtig. Het maakt hem ook onvoorspelbaarder dan een model dat alleen tekst genereert.

Hoe een agent werkt

Een AI-agent werkt in een cyclus. Hij krijgt een doel of een trigger, bedenkt een aanpak, voert een stap uit, bekijkt het resultaat, past zijn aanpak aan en gaat verder, totdat het doel bereikt is of hij vastloopt.

Die cyclus heet in de praktijk vaak een ‘reasoning loop’ of ‘plan-and-execute’-patroon. Het model denkt hardop: wat moet ik doen, welke tool heb ik nodig, wat levert die op, wat is de volgende stap? Dat denkproces is zichtbaar als je kijkt naar hoe moderne agentframeworks werken. Je ziet letterlijk de redenering van het model voordat het een actie uitvoert.

Wat de agent kan doen, hangt af van welke tools je hem geeft. Een agent met toegang tot je PSA-systeem kan tickets aanmaken, toewijzen en sluiten. Een agent met toegang tot je monitoringtool kan alerts beoordelen en eenvoudige herstelacties uitvoeren. Een agent met toegang tot je agenda kan een onderhoudsvenster inplannen. Hoe meer tools, hoe meer hij kan en hoe belangrijker het wordt om dat goed af te bakenen.

Wat dit betekent voor MSP-processen?

Voor MSP’s zijn AI-agenten interessant op plekken waar werk repetitief, regelgestuurd en tijdgevoelig is. Denk aan het verwerken van monitoring-alerts buiten kantooruren: een agent die een alert ontvangt, de ernst beoordeelt, een gestandaardiseerde herstelactie uitvoert en een ticket aanmaakt met de relevante context. Of aan onboarding van nieuwe gebruikers: een agent die een aanvraag ontvangt, accounts aanmaakt in de relevante systemen, een welkomstmail verstuurt en de taak als afgehandeld markeert.

Het voordeel is snelheid en consistentie. Een agent maakt geen typfouten in een gebruikersnaam, vergeet niet om een systeem mee te nemen en werkt ’s nachts net zo goed als overdag. Voor processen die nu handmatig worden uitgevoerd door medewerkers die eigenlijk liever met complexere taken bezig zijn, is dat een reële tijdswinst.

Maar er is een keerzijde. Een agent die autonoom handelt in productiesystemen, kan ook autonoom fouten maken. Een verkeerd begrepen instructie, een randgeval dat buiten het verwachte patroon valt, of een tool die onverwacht gedrag vertoont: het kan leiden tot acties die moeilijk terug te draaien zijn. Dat vraagt om duidelijke grenzen: wat mag de agent zelfstandig doen, wat vereist menselijke goedkeuring, en wat mag hij helemaal niet?

Verantwoordelijkheid en contracten

Als je een AI-agent inzet die namens jou of namens je klant acties uitvoert in systemen, ben jij verantwoordelijk voor de uitkomst. Niet het model, niet de leverancier van het agentframework. Dat betekent dat je moet kunnen uitleggen wat de agent heeft gedaan en waarom, dat je logging inricht die dat aantoonbaar maakt, en dat je afspraken maakt over wat er gebeurt als het misgaat.

Bij inzet voor klanten komt daar nog een laag bij. Welke acties mag de agent uitvoeren in het systeem van de klant? Wie keurt die lijst goed? Wat is de escalatieprocedure als de agent vastloopt of een onverwachte situatie tegenkomt? Die vragen horen thuis in de dienstverleningsovereenkomst, als praktische afbakening die voorkomt dat je achteraf discussie krijgt over wat er had moeten gebeuren.

Waar staan we nu?

De grote modelaanbieders Anthropic, OpenAI en Google investeren zwaar in agentcapabiliteiten. Er zijn volwassen frameworks beschikbaar waarmee je agenten kunt bouwen zonder vanaf nul te beginnen. En de integraties met PSA-systemen, RMM-tools en communicatieplatforms die MSP’s dagelijks gebruiken, worden steeds toegankelijker.

Tegelijk is het vakgebied jong. Best practices zijn nog in ontwikkeling, standaarden ontbreken grotendeels, en de betrouwbaarheid van agenten in complexe situaties is nog geen gegeven. Vroeg instappen heeft voordelen. Je bouwt kennis op voordat de markt het van je vraagt. Maar het vraagt ook om een eerlijke inschatting van wat je aan risico en beheerslast accepteert.

Voor MSP’s is de slimste positie nu: experimenteren in een afgeschermde omgeving, één proces kiezen dat goed gedefinieerd en omkeerbaar is, en van daaruit leren. Niet wachten tot de markt je dwingt, maar ook niet overhaast uitrollen wat je nog niet beheerst.

Drie dagen. Langer duurde het eerste publieke leven van Claude Fable 5 niet. Anthropic lanceerde zijn nieuwe topmodel op 9 juni, samen met de beperkt beschikbare Mythos 5. Op 12 juni haalde het bedrijf beide modellen alweer offline. Aanleiding was een exportbevel van de Amerikaanse overheid dat buitenlandse staatsburgers de toegang tot de modellen ontzegt. Anthropic besloot daarop Fable 5 en Mythos 5 volledig uit te schakelen. Ook Amerikaanse klanten kunnen de modellen daardoor voorlopig niet gebruiken. 

Fable 5 en Mythos 5 zijn gebaseerd op hetzelfde onderliggende model, maar Anthropic heeft ze voor verschillende doelgroepen ingericht. Fable 5 was bedoeld als de breed beschikbare variant. Het model kreeg extra beveiligingslagen om misbruik op gebieden als cybersecurity, biologie en chemie tegen te gaan. Verzoeken die volgens Anthropic te gevoelig waren, werden doorgestuurd naar het minder krachtige Claude Opus 4.8.

Mythos 5 kreeg minder van deze beperkingen. Anthropic stelde dit model uitsluitend beschikbaar aan een kleine groep cyberverdedigers en beheerders van vitale infrastructuur. De verspreiding liep via Project Glasswing, een programma waarbij het bedrijf samenwerkte met de Amerikaanse overheid.

De modellen moesten een nieuwe categorie binnen het Claude-aanbod vormen. Anthropic plaatste de Mythos-klasse boven zijn bestaande Opus-modellen. Fable 5 kon volgens het bedrijf langduriger autonoom werken, grote softwareprojecten analyseren en taken uitvoeren die dagen in beslag nemen. Mythos 5 beschikte over uitgebreidere mogelijkheden voor het vinden en onderzoeken van kwetsbaarheden in software. Die laatste eigenschap maakte het model waardevol voor beveiligingsonderzoekers, maar riep bij de Amerikaanse overheid kennelijk ook vragen op.

Exportbevel treft alle buitenlandse staatsburgers

Op vrijdag 12 juni ontving Anthropic om 17.21 uur lokale tijd een bevel van de Amerikaanse overheid. Daarin stond dat geen enkele buitenlandse staatsburger nog toegang mocht krijgen tot Fable 5 of Mythos 5. Het verbod geldt voor mensen buiten de Verenigde Staten, maar ook voor buitenlandse staatsburgers die in het land wonen of voor Anthropic werken. Het bevel verplichtte Anthropic niet letterlijk om de modellen wereldwijd uit te zetten. Het bedrijf moest voorkomen dat buitenlandse staatsburgers ermee konden werken. Anthropic stelde dat het deze eis niet op korte termijn kon naleven zonder de toegang voor alle gebruikers te blokkeren.

AWS trok op verzoek van Anthropic eveneens de toegang tot Fable 5 en Mythos 5 in alle regio’s in. Andere modellen van het bedrijf, waaronder Claude Opus 4.8, bleven beschikbaar. De Amerikaanse overheid baseerde de maatregel volgens Anthropic op zorgen over een mogelijke jailbreak van Fable 5. Bij zo’n jailbreak weet een gebruiker de ingebouwde veiligheidsmaatregelen te omzeilen. Het model zou daardoor kunnen helpen bij het vinden van kwetsbaarheden in software die het onder normale omstandigheden niet hoort te onderzoeken.

Anthropic betwist de ernst van de jailbreak

Anthropic zegt een demonstratie van de bewuste methode te hebben bekeken. Volgens het bedrijf leverde deze een klein aantal al bekende en relatief eenvoudige kwetsbaarheden op. Andere publiek beschikbare AI-modellen zouden dezelfde fouten kunnen vinden zonder dat daarvoor een jailbreak nodig is. In de weken voor de introductie liet Anthropic Fable 5 naar eigen zeggen duizenden uren testen door interne teams, externe beveiligingsonderzoekers, het Britse AI Security Institute en de Amerikaanse overheid. Tijdens die onderzoeken werd geen universele jailbreak gevonden waarmee de veiligheidslagen breed konden worden uitgeschakeld.

Het bedrijf erkent wel dat volledige bescherming tegen jailbreaks waarschijnlijk niet haalbaar is. Daarom koos Anthropic voor een combinatie van filters, monitoring en gegevensopslag. Verkeer via Fable 5 werd dertig dagen bewaard, zodat verdachte patronen konden worden onderzocht. Volgens Anthropic stond het mogelijke lek niet in verhouding tot de ingreep. Het bedrijf waarschuwde dat toepassing van dezelfde norm op andere aanbieders de introductie van vrijwel ieder nieuw frontiermodel zou kunnen blokkeren. Anthropic noemt de situatie een misverstand en zegt dat regelgeving rond risicovolle AI-modellen transparant, controleerbaar en gebaseerd op technische feiten moet zijn. Het bedrijf vindt dat bij dit bevel niet aan die voorwaarden is voldaan.

Meer dan een technisch conflict

De maatregel staat niet los van de moeizame relatie tussen Anthropic en de regering-Trump. Eerder ontstond een conflict doordat het AI-bedrijf beperkingen wilde stellen aan militair gebruik van Claude, waaronder volledig autonome wapens en binnenlandse surveillance. De Amerikaanse overheid plaatste Anthropic daarop op een lijst met bedrijven die mogelijk een risico vormen voor de militaire toeleveringsketen. Het ligt voor de hand om de exportmaatregel als een politieke vergeldingsactie te zien. Daar is geen hard bewijs voor. De overheid zegt dat nationale veiligheid de reden voor de ingreep is. Geavanceerde modellen kunnen aanvallers sneller kwetsbaarheden laten vinden in complexe software, waaronder systemen in de financiële sector en vitale infrastructuur.

De gekozen aanpak is wel uitzonderlijk. Amerikaanse exportbeperkingen rond AI richtten zich tot nu toe vooral op chips, productiemiddelen en rekenkracht. Met Fable 5 en Mythos 5 wordt de toegang tot de mogelijkheden van een online AI-model zelf beperkt. Hiermee ontstaat een lastig precedent. De nationaliteit van een gebruiker kan voortaan bepalen of die persoon toegang krijgt tot bepaalde clouddiensten, zelfs wanneer diegene legaal in de Verenigde Staten woont of voor de aanbieder werkt.

Technische teams naar Washington

Anthropic probeert de modellen zo snel mogelijk weer beschikbaar te maken. Ervaren technische specialisten van het bedrijf zijn inmiddels naar Washington gestuurd voor overleg met het Witte Huis. Volgens Axios willen beide partijen tot een oplossing komen. Op maandag 15 juni waren Fable 5 en Mythos 5 nog altijd niet beschikbaar. Anthropic heeft nog geen datum genoemd waarop de toegang kan worden hersteld. Ook is niet duidelijk welke extra beveiligingsmaatregelen of toegangscontroles de Amerikaanse overheid zal eisen.

Een mogelijke oplossing is een strengere identiteitscontrole, maar die roept nieuwe vragen op. Cloudleveranciers controleren doorgaans waar gebruikers zich bevinden en welke organisatie een account beheert. Het vaststellen van nationaliteit vraagt om veel gevoeligere persoonsgegevens. Dat kan grote gevolgen hebben voor privacy, onboarding en het beheer van zakelijke accounts.

AI-afhankelijkheid vraagt om uitwijkmogelijkheden

Fable 5 was bij de start veelbelovend. Op internet waren lovende kritieken te lezen over de mogelijkheden en de kwaliteit van de output. Door de actie van de Amerikaanse overheid komt een nieuw leveranciersrisico bovendrijven. De beschikbaarheid van een AI-model (of andere geavanceerde tools) hangt niet alleen af van storingen, capaciteit of een commerciële beslissing van de aanbieder, maar kan ook de inzet worden van (geo)politieke machtsspelletjes.

Anthropic lanceert Claude Fable 5 — en binnen 48 uur meldt een onderzoeker dat hij de beveiliging heeft omzeild. Verder: Apple’s Siri-conflict met de EU, Linear dat zelfstandig code schrijft en meer. AI Update week 24.

• Anthropic maakt Claude Fable 5 breed beschikbaar
• Onderzoeker omzeilt beveiliging Fable 5 binnen 48 uur
• Apple stelt nieuwe Siri uit in Europa
• Linear Agent schrijft code op basis van tickets
• Onderzoek: chatbots argumenteren harder als je tegenspreekt, niet beter
• Anthropic: AI verkort het patch gap-venster drastisch
• NotebookLM krijgt eigen coder

Anthropic maakt Claude Fable 5 breed beschikbaar

Anthropic lanceerde op 9 juni Claude Fable 5, het eerste publiek beschikbare model uit de Mythos-klasse. Volgens Anthropic presteert het model beter dan alle voorgaande releases, met name op het gebied van software-engineering, wetenschappelijk onderzoek en complexe, langlopende taken. Om breed gebruik mogelijk te maken, zijn er strenge veiligheidsgrenzen ingebouwd: vragen over cybersecurity, biologie, chemie of distillatie worden geblokkeerd en doorgestuurd naar het minder krachtige Opus 4.8. Het zwaardere Claude Mythos 5 blijft beperkt tot een selecte groep organisaties via Project Glasswing. Tot 22 juni is Fable 5 gratis beschikbaar voor Pro-, Max-, Team- en Enterprise-abonnees; daarna zijn losse usage credits vereist. Meer over wat dit betekent voor MSP’s lees je op MSP Business.

• Fable 5 scoort op vrijwel alle benchmarks hoger dan Claude Opus 4.8, met name bij lange en complexe taken.
• Risicovolle vragen worden automatisch omgeleid naar Opus 4.8; gebruikers krijgen daar een melding van.
• Na 22 juni vervalt de gratis toegang voor abonnees; Anthropic zegt dit zo snel mogelijk te herstellen zodra de capaciteit het toelaat.
• Prijs via de API: $10 per miljoen input-tokens en $50 per miljoen output-tokens.

Bron: Anthropic

top ^

Onderzoeker omzeilt beveiliging Fable 5 binnen 48 uur

Inmiddels heeft de eerste onderzoeker zich al gemeld met de boodschap dat hij de beveiliging heeft weten te omzeilen. AI- en cybersecurity-onderzoeker “Pliny the Liberator” kondigde op 10 juni aan dat hij de veiligheidsclassifiers van Fable 5 had omzeild — minder dan twee dagen na de lancering. Anthropic had vooraf meer dan duizend uur intern en extern red-teamen uitgevoerd zonder dat een universele jailbreak werd gevonden. Pliny gebruikte een combinatie van technieken om de beveiligingslaag te doorbreken, en lekte daarbij ook het 120.000 tekens lange systeemprompt van het model.

• Technieken die hij inzette: Unicode-homoglyphen, lange-context-framing, narratieve en academische inbedding, en een gehackte versie van Claude Opus 4.8 als hulpmiddel.
• Meest effectief bleek de zogeheten decomposition-recomposition-methode: schadelijke vragen opsplitsen in onschuldige deelvragen en de antwoorden daarna samenvoegen.
• Pliny deelde screenshots waarop Fable 5 gedetailleerde exploit-code en chemische syntheseroutes produceerde.
• Anthropic reageerde niet direct op de claims.

Bron: CoinTelegraph

top ^

Apple stelt nieuwe Siri uit in Europa

Apple kondigde op 8 juni aan dat de volledig vernieuwde Siri AI — gepresenteerd tijdens WWDC 2026 — niet beschikbaar komt op iPhone en iPad in de Europese Unie. De reden: een conflict met de Digital Markets Act. Apple had de Europese Commissie een eigen oplossing voorgesteld, inclusief een tussenlaag die andere spraakassistenten toegang geeft zonder dat zij onbeperkt bij gebruikersdata kunnen. De Commissie ging niet akkoord. Apple stelt dat het zonder die tussenlaag niet kan voldoen aan DMA-eisen zonder de privacy van gebruikers te schaden. De Commissie pareert dat de vertraging Apples eigen keuze is, en dat er niets in de DMA staat dat de lancering verbiedt.

• Siri AI komt wél beschikbaar op Mac en Vision Pro in de EU; alleen iPhone, iPad en Apple Watch blijven verstoken.
• Apple had al vroeg in 2026 zijn plannen gedeeld met EU-regulators, eerder dan ooit tevoren, maar bereikte geen akkoord.
• Ook in China wordt de nieuwe Siri vertraagd, om andere redenen.
• Apple zegt te blijven werken aan een oplossing, maar geeft geen tijdlijn.

Bron: Apple Newsroom

top ^

Linear Agent schrijft code op basis van tickets

Projectmanagementtool Linear heeft een nieuwe functie gelanceerd waarbij de ingebouwde AI-agent niet alleen een ticket leest, maar ook zelfstandig actie onderneemt. De agent analyseert de codebase, schrijft de benodigde code en opent een pull request in Claude Code of OpenAI Codex. Een ticket delegeren betekent daarmee niet langer: het overzetten naar een ander systeem en opnieuw uitleggen wat er moet gebeuren.

• De agent werkt met Claude Code en Codex als uitvoerende laag.
• Linear leest de issue, onderzoekt de relevante code en schrijft de fix autonoom.
• De output is een kant-en-klare pull request, klaar voor review.
• Beschikbaar voor bestaande Linear-gebruikers via de Coding Sessions-functie.

Bron: Linear

top ^

Onderzoek: chatbots argumenteren harder als je tegenspreekt, niet beter

Een nieuw academisch onderzoek legt een patroon bloot dat iedereen die regelmatig met AI-chatbots werkt waarschijnlijk herkent: wie tegenspreekt, krijgt geen betere onderbouwing terug, maar dezelfde redenering in een overtuigender jasje. De chatbot past zijn stijl aan op de weerstand, niet zijn inhoud. Onderzoekers omschrijven dit als retorische trucs die het werk doen in plaats van betere argumenten.

• Chatbots passen hun toon en presentatie aan als gebruikers tegendruk geven, zonder de inhoud te herzien.
• Dit vergroot het risico dat gebruikers worden meegetrokken door overtuigingskracht in plaats van correctheid.
• Het onderzoek roept vragen op over de betrouwbaarheid van AI als gesprekspartner bij besluitvorming.
• Aanbeveling: behandel weerstand van een chatbot kritisch en vraag expliciet om bronnen of alternatieve standpunten.

Bron: SSRN

top ^

Anthropic: AI verkort het patch gap-venster drastisch

Anthropic’s red team publiceerde onderzoek naar de impact van frontier-modellen op zogeheten N-day exploits: kwetsbaarheden die al publiek bekend zijn en waarvoor een patch beschikbaar is, maar die nog niet overal is uitgerold. Aanvallers kunnen in die tussentijd actief misbruik maken. Historisch kostte het ontwikkelen van een werkende exploit weken gespecialiseerd werk — en dat tijdsvoordeel voor verdedigers verdwijnt nu grotendeels.

• Claude Mythos Preview bouwde autonoom 8 werkende exploits op basis van 18 recente Firefox-patches.
• Op Windows kernel-patches, zonder toegang tot broncode, produceerde het model 8 volledige exploit-chains met volledige SYSTEM-rechten.
• Ook publieke Claude-modellen zonder safeguards bleken in staat exploits te bouwen, zij het minder dan Mythos Preview.
• Advies van Anthropic: patch zo snel mogelijk na publicatie — de traditionele buffer van weken bestaat niet meer.

Bron: Anthropic Red Team

top ^

NotebookLM krijgt eigen coder

Google heeft NotebookLM uitgebreid met agentic mogelijkheden: elk notebook krijgt toegang tot een beveiligde cloudcomputer die op basis van Gemini 3.5 zelfstandig code schrijft. De tool kan daarmee onderzoeksvragen niet alleen beantwoorden, maar ook verwerken tot concrete output — PDF-rapporten, spreadsheets en presentaties. NotebookLM was al populair als tool voor het samenvatten en doorzoeken van documenten; met deze update groeit het door naar een volwaardige onderzoeksassistent die ook de uitvoering op zich neemt.

• De ingebouwde coder beheerst meer dan 100 skills en draait in een geïsoleerde cloudomgeving.
• Output kan direct worden geëxporteerd als PDF, spreadsheet of slidedeck.
• De update maakt deel uit van een bredere push van Google om NotebookLM te positioneren als serieus onderzoeksplatform.
• Beschikbaar via notebooklm.google.com.

Bron: Google Blog

top ^

De AI Update is samengesteld door Marcel Debets. Tips? Mail de redactie op mspb@dutchit.com.

De servicedesk is de plek waar IT-dienstverleners het vaakst in contact komen met eindgebruikers. Het is ook de plek waar AI het snelst zichtbaar resultaat oplevert — en waar de verwachtingen het vaakst botsen met de werkelijkheid. Want ja, AI kan tickets classificeren, antwoorden opstellen en kennisbanken doorzoeken. Maar nee, het vervangt niet zomaar je eerstelijns medewerker, en een slecht geïmplementeerde AI-assistent kost meer dan hij oplevert.

In deze aflevering kijken we naar wat AI concreet doet in de servicedesk, hoe je dat als MSP slim inzet — voor jezelf én voor je klanten — en waar de valkuilen zitten.

Wat AI goed kan in een servicedesk

Laten we beginnen met wat werkt. Een taalmodel is van nature goed in drie dingen die in een servicedesk voortdurend terugkomen: tekst begrijpen, tekst categoriseren en tekst genereren.

Ticketclassificatie is het meest voor de hand liggende beginpunt. Een binnenkomend ticket – via e-mail, chat of formulier – bevat informatie over het probleem, de urgentie en soms de gebruiker. Een AI-model kan dat ticket razendsnel lezen en categoriseren: is dit een hardwareprobleem of een toegangsvraag? Hoge of lage prioriteit? Welk team pakt dit op? Wat bij een mens tijd kost en bij drukte makkelijk mis gaat, doet een model consistent en zonder vermoeidheid.

Kennisbank-search is de tweede sterke toepassing. De meeste servicedesks hebben een kennisbank, maar die wordt zelden goed gebruikt. Medewerkers zoeken op trefwoorden, vinden niet wat ze zoeken en lossen het probleem toch zelf op,  of ze bellen een collega. Een AI-model dat toegang heeft tot die kennisbank (via RAG, zoals besproken in aflevering 5) kan een binnenkomend ticket direct koppelen aan relevante artikelen, op basis van betekenis in plaats van trefwoorden. Een ticket over ‘mijn scherm blijft zwart na het opstarten’ matcht dan ook met een kennisbankartikel over opstartproblemen na een Windows-update, ook als die exacte woorden er niet in staan.

First-line response is de toepassing die het meest opvalt, maar ook het meest genuanceerd ligt. Een AI-model kan een conceptantwoord genereren op basis van het ticket en de kennisbank. De medewerker leest het, past aan waar nodig, en stuurt het door. Dat is sneller dan vanaf nul beginnen, zeker bij terugkerende vragen. Je kunt ook verder gaan: voor eenvoudige, goed omschreven problemen kan de AI het antwoord rechtstreeks naar de gebruiker sturen, zonder tussenkomst van een medewerker. Dat heet een volledig geautomatiseerde first-line response, en daar kom je al snel in het gebied van AI-agenten, wat we in de volgende en laatste aflevering van deze serie behandelen.

Wat AI niet kan vervangen

Veel MSP’s, en zeker veel van hun klanten,  denken dat AI de servicedesk goedkoper maakt doordat je mensen kunt wegbezuinigen. Dat klopt in theorie, maar de praktijk is weerbarstiger. Hier zit het grootste misverstand.

AI is goed in patroonherkenning en tekstgeneratie. Het is slecht in context die niet expliciet in het ticket staat. Een medewerker die een eindgebruiker kent, weet dat ‘mijn laptop doet raar’ van die ene afdeling wellicht een probleem met een printerstuurprogramma is na de laatste update. Een AI weet dat niet, tenzij je die context actief meegeeft, bijvoorbeeld via een koppeling met je PSA-systeem en de geschiedenis van dat account.

AI is ook slecht in omgaan met emotie. Een eindgebruiker die voor de derde keer belt over hetzelfde probleem is niet alleen technisch gefrustreerd. Die persoon wil gehoord worden. Een geautomatiseerd antwoord – hoe accuraat ook – lost dat niet op, integendeel.

En dan is er nog het probleem van de randgevallen. AI presteert goed op de gevallen die lijken op wat het eerder heeft gezien. Maar een servicedesk krijgt ook tickets die buiten elk patroon vallen: een combinatie van problemen, een gebruiker die slecht kan omschrijven wat er mis is, of een situatie die escalatie vereist. Juist die gevallen zijn vaak de meest tijdrovende en daar biedt AI weinig soelaas.

De MSP als implementatiepartner

Een MSP heeft hier meerdere rollen. De eerste rol is intern: je eigen servicedesk slimmer maken. Dat betekent minder tijd per ticket, consistentere afhandeling en betere kennisbenutting. De investering is relatief laag als je al een ticketsysteem hebt dat API-toegang biedt. De meeste moderne PSA-platforms (ConnectWise, Autotask, HaloPSA) ondersteunen dat. Je koppelt je kennisbank, je stelt een model in dat drafts genereert, en je traint je team om die drafts te beoordelen in plaats van antwoorden te typen.

Je kunt ook extern een rol spelen: je klanten voorzien van een slimme eerstelijns support-laag. Denk aan een middelgroot bedrijf dat zijn eigen IT-helpdesk heeft, maar die wil ontlasten. Jij bouwt een AI-assistent die veelvoorkomende vragen afhandelt, tickets aanmaakt in het systeem en escalaties doorstuurt naar de juiste persoon. De klant heeft minder beldruk op zijn interne helpdesk, jij levert een beheerde dienst met meetbare resultaten.

Die tweede rol vraagt meer dan techniek. Je moet afspraken maken over wat de AI wel en niet mag afhandelen, wie verantwoordelijk is als het misgaat, en hoe je de kwaliteit van de gegenereerde antwoorden bewaakt.

Kwaliteitsbewaking: te vaak overgeslagen

Een AI-assistent in de servicedesk is geen product dat je installeert en vergeet. De kwaliteit van de output hangt af van drie dingen: de kwaliteit van de kennisbank, de kwaliteit van de systeemprompt, en de feedback die je teruggeeft aan het systeem.

Een kennisbank die verouderd is of vol staat met uitzonderingen en workarounds, produceert antwoorden die eindgebruikers op het verkeerde been zetten. Een systeemprompt die te vaag is, leidt tot antwoorden die technisch kloppen, maar praktisch onbruikbaar zijn. En als je niet bijhoudt welke gegenereerde antwoorden zijn aangepast of afgewezen door medewerkers, heb je geen signaal om het systeem te verbeteren.

Goed implementeren betekent dus ook een beheerproces inrichten. Wie controleert maandelijks of de kennisbank nog actueel is? Wie beoordeelt de kwaliteitsstatistieken? Wie past de systeemprompt aan als de output structureel afwijkt van wat je wilt?

Wat levert het op?

De return on investment van AI in de servicedesk is het makkelijkst te meten aan de kant van tijdsbesparing. Gemiddeld neemt de verwerkingstijd per ticket af als AI-assistentie goed is ingericht, zeker bij eenvoudige, terugkerende meldingen. De exacte winst verschilt sterk per organisatie en hangt af van ticketvolume, complexiteit en de kwaliteit van de bestaande kennisbank.

Minder tastbaar, maar minstens zo relevant: consistentie. Een AI-assistent geeft dezelfde antwoordkwaliteit op maandagochtend als op vrijdagmiddag. Geen vermoeidheidsfactor, geen kennisongelijkheid tussen junior en senior medewerker. Dat is ook een argument richting klanten die klagen over wisselende servicekwaliteit.

Wat je er niet van moet verwachten: een dramatische daling van je personeelskosten op korte termijn. AI verschuift werk, maar elimineert het niet. De medewerker die voorheen antwoorden typte, beoordeelt nu antwoorden en handelt de complexe gevallen af die de AI niet aankan. Dat is niet per se minder werk.

In de volgende en laatste aflevering van AI Business Basics gaan we een stap verder: wat gebeurt er als AI niet alleen antwoorden genereert, maar ook zelf acties onderneemt? Wat is een AI-agent, hoe verschilt hij van een chatbot, en wat betekent dat voor jouw processen en klantverantwoordelijkheid?

De MSP Inspire Day die woensdag 4 juni bij Microsoft Nederland in Schiphol plaatsvond, bracht een helder signaal: de tijd van het eindeloos uitbreiden van de toolset is voorbij. Wie als MSP wil overleven in een markt die steeds meer onder druk staat van consolidatie en AI, moet de bedrijfsvoering fundamenteel anders inrichten. Dat was de rode draad die de keynotes van Kaseya en Portland met elkaar verbond.

Dermott McCann, verantwoordelijk voor Kaseya’s internationale markten, opende met een nuchter dataoverzicht. De gemiddelde MSP draait wereldwijd op een EBITDA-marge van 8 tot 10 procent. “Bij 8 procent ben je niet voorbereid op disruptie, niet in staat een concurrent te weerstaan en kun je geen talent of bedrijf overnemen,” aldus McCann. Tegelijk neemt de gemiddelde omzet per klant af, terwijl arbeidskosten stijgen. Klanten verwachten bovendien dat MSP’s de efficiëntiewinst die ze intern boeken, doorgeven in lagere tarieven.

De oplossing ligt voor McCann niet in méér tools, maar in minder. “De toekomst ligt niet in tools, maar in een platform. Dat is de enige manier om echte integratie en workflowautomatisering te realiseren.” Kaseya introduceert daartoe een gelaagd model: een datalayer, een API-layer en een AI-workflowlaag daarbovenop, waarmee agentic automatisering werkelijkheid moet worden.

Wat MSP’s eveneens moeten veranderen, is de manier waarop zij waarde communiceren richting klanten. McCann wees op een fundamentele verschuiving: de traditionele QBR met ticketvolumes en technische rapportages voldoet niet meer. Klanten willen business outcomes zien, roadmaps en advies. “Niemand belt je om te zeggen dat zijn netwerk afgelopen weekend niet is gehackt. Je moet de waarde dus anders laten zien.”

35 tools, 57.000 euro verspild

George van Bruggen, oprichter van Portland en een van de grondleggers van het MSP-ecosysteem in Nederland, schetste de uitdagingen vanuit bijna drie decennia ervaring. Hij constateerde dat veel MSP’s inmiddels 35 tot 40 tools in hun stack hebben, met enorme overlap. Tegelijkertijd blijft de basispricing onderbelicht. “De meest basale zaken als pricing en packaging zijn bij veel MSP’s een ondergeschoven kindje.”

Zijn collega Robin Smit, Head of Growth bij Portland, maakte dat concreet. Uit hun benchmarkprogramma, gevoed met data van 4.000 MSP’s wereldwijd via serviceleadership.com, blijkt een herkenbaar patroon: bij vier geanalyseerde MSP’s leverde 2 tot 9 procent van de klanten 75 tot 79 procent van de omzet. “We denken dat we de klantenbase goed verdeeld hebben, maar de data vertelt een ander verhaal.”

Een van de deelnemers aan het Portland-programma ontdekte dat hij 57.000 euro per jaar te veel betaalde door dubbel gebruik van tools. Een andere MSP had 282 klanten die zijn winstgevendheid ondermijnden, maar had dat pas na 90 minuten analyse voor het eerst inzichtelijk. “We wisten het wel, maar hadden niet de tools om het zichtbaar te maken,” citeerde Smit de betreffende eigenaar.

Trust as a Service

Zowel Kaseya als Portland wezen op compliance als nieuwe groeikans. NIS2 dwingt het MKB om aantoonbaar in controle te zijn over hun digitale risico’s, maar veel bedrijven weten niet hoe ze dat moeten aanpakken. Smit: “Als MSP ben jij straks de compliance sponsor, de Trust as a Service-partner. Klanten die het gevoel krijgen dat ze geen risico meer lopen, gaan nooit meer bij je weg.”

Hij rekende voor wat dat kan opleveren. Een gemiddeld MKB-bedrijf besteedt slechts 5 procent van zijn IT-budget aan security. MSP’s die hun klanten naar een drempel van 15 procent kunnen brengen, kunnen op een omzet van 2 miljoen euro tot 750.000 euro extra ARR realiseren, zonder nieuwe klanten te werven.

Businessmodel herijken vóór de AI-golf

De gezamenlijke boodschap van de sprekers was duidelijk: wie wacht totdat AI de bedrijfsvoering vanzelf optimaliseert, is te laat. Smit sloot zijn presentatie af met een rekensom: een MSP met tien technici en 2 miljoen omzet die zijn pricing optimaliseert, zijn servicemix verschuift naar vaste prijzen en zijn toolstack rationaliseert, kan structureel 150.000 tot 370.000 euro per jaar toevoegen aan de winst. Met een gemiddelde multiple van 6 betekent dat een bedrijfswaardeverhoging van 1,4 tot 3,1 miljoen euro.

“Dit is de absolute basis,” aldus Smit. “Zorg eerst dat je huis op orde is. Dan pas heeft AI echt iets om op te bouwen.”

De volgende MSP Inspire Days zijn de internationaal georiënteerde editie, die later dit jaar plaatsvindt in Spanje.

De Belastingdienst zei in februari dat het niet kon. Maar onlangs werden drie alternatieven voor Microsoft 365 en Google Workplace gelanceerd. Zijn het volwaardige werkplekpakketten en dus echte vervangers voor de Amerikaanse aanbieders? MSP Business zet ze op een rijtje.

De geopolitieke ontwikkelingen van de afgelopen jaren hebben het debat over digitale soevereiniteit versneld. De afhankelijkheid van Amerikaanse platforms is van een technische keuze een strategisch vraagstuk geworden. Overheden, zorginstellingen en bedrijven voelen de druk: waar staat onze data, wie heeft er toegang toe, en wat gebeurt er als de relatie tussen Europa en de VS verder onder spanning komt te staan?

De Nederlandse Belastingdienst formuleerde eerder dit jaar een nuchter oordeel: er is op dit moment geen volledig Europees alternatief voor Microsoft 365. En toch zijn er inmiddels drie initiatieven die dat willen veranderen. Ze heten Liber Desk, Office.eu en Euro-Office. Ze lijken op het eerste gezicht op hetzelfde probleem te reageren, maar zijn in essentie fundamenteel anders van aard.

Drie initiatieven

Liber Desk (niet te verwarren met Libre Office) is een product van het Nederlandse EGP (Espresso Gridpoint), al jaren actief als Infrastructure as a Service-aanbieder exclusief via het IT-kanaal. Liber Desk is uitdrukkelijk geen consumentenproduct: het is een modulaire werkplek die MSP’s kunnen inzetten bij hun klanten. Het platform combineert functionaliteit die organisaties kennen van Microsoft 365, maar is opgebouwd uit losse bouwstenen die naar behoefte kunnen worden gecombineerd. EGP ontwikkelde het product in co-creatiesessies met MSP’s en organisaties, en positioneert het als een manier om als IT-dienstverlener meer regie te krijgen over dienstverlening, marge en technologiekeuzes. Data blijft op Nederlandse bodem, het platform voldoet aan ISO 27001 en ISO 22301.

Office.eu is een commercieel initiatief, gelanceerd in maart 2026 in Den Haag door ondernemer Maarten Roelfs. De suite draait op Nextcloud Hub en biedt tekstverwerking, spreadsheets, presentaties, e-mail, chat en opslag in één platform. De positionering is direct: een vervanging voor Microsoft 365 en Google Workspace, volledig in Europese handen, draaiend op Europese datacenters. Office.eu richt zich voornamelijk op particulieren en het MKB. Een brede Europese uitrol is gepland voor Q2 2026, met migratiebegeleiding vanuit IMAP en CalDAV als overstappad.

Euro-Office is het meest ambitieuze en ook het meest turbulente initiatief. Nextcloud en IONOS lanceerden het in maart 2026 als open source kantoorpakket voor documenten, spreadsheets en presentaties, bedoeld als soeverein Europees alternatief voor Microsoft Office, met breed Europees draagvlak via partners als Eurostack, XWiki en OpenProject. Een previewversie werd direct beschikbaar gesteld; een stabiele release werd verwacht in de zomer van 2026. Maar Euro-Office liep al bij de start tegen een conflict aan: ONLYOFFICE, waarvan de editors als basis dienden voor de fork, verbrak de acht jaar durende samenwerking met Nextcloud en stelde dat Euro-Office licentievoorwaarden schendt, onder meer door het verwijderen van verplichte naamsvermeldingen.

Niet hetzelfde verhaal

De drie initiatieven beantwoorden dezelfde politieke tijdgeest, maar ze zijn strategisch heel verschillend. Office.eu is een dienst: je neemt een abonnement en werkt in de browser. Euro-Office is een beweging: open source, coalitiegedreven, bedoeld als Europees tegenwicht in de infrastructuurlaag. Liber Desk is een kanaalstrategie: een product dat MSP’s als eigen dienstverlening kunnen aanbieden aan klanten.

Dat onderscheid is voor MSP’s het meest relevante vertrekpunt. Office.eu en Euro-Office opereren grotendeels buiten het kanaal. Liber Desk is er expliciet voor gebouwd. Het verschil zit behalve in de technologie vooral in het verdienmodel: wie levert, wie ondersteunt, wie factureert.

De kans voor MSP’s

Microsoft 365 is voor veel MSP’s een vanzelfsprekendheid geworden, maar niet zonder spanning. De marges op licentieverkoop zijn de afgelopen jaren onder druk gekomen. Copilot voegt functionaliteit toe die klanten aantrekkelijk vinden, maar de bijbehorende kosten en de toenemende lock-in vergroten de afhankelijkheid voor zowel de klant als de MSP. Wie uitsluitend Microsoft verkoopt, verkoopt steeds meer een ecosysteem waar hij zelf weinig invloed op heeft.

Dat maakt de komst van kanaalgerichte alternatieven interessant, ook als je nu nog geen klant hebt die erom vraagt. De vraag naar Europese alternatieven groeit, zeker in sectoren met strenge compliance-eisen. MSP’s die nu kennis opbouwen, staan straks sterker als die vraag concreet wordt. Liber Desk biedt daarvoor een specifiek kanaalmodel: modulair opgebouwd, ondersteund door Nederlandse partners, met adoptiebegeleiding als onderdeel van het aanbod.

Tegelijkertijd geldt: vroeg instappen heeft risico’s. Het licentieconflict rond Euro-Office is een concreet voorbeeld van hoe snel een veelbelovend initiatief in turbulent vaarwater terechtkomt. En ook bij Office.eu en Liber Desk geldt dat bewezen massa-adoptie nog ontbreekt.

Wat er nog ontbreekt

De eerlijkheid gebiedt te zeggen dat geen van de drie initiatieven de volledige belofte al waarmaakt. Gebruikerservaring, mobiele apps, volwaardige Teams-vervanging, AI-integratie: dat zijn de echte drempels voor brede adoptie, en op al die punten lopen de alternatieven achter op Microsoft.

Maar het diepste probleem is structureler dan een feature-vergelijking suggereert. Microsoft 365 is niet populair omdat de apps zo goed zijn. Het is dominant omdat het ecosysteem diep geïntegreerd is: Azure voor identiteitsbeheer en infrastructuur, Exchange voor e-mail en agenda, Entra ID voor conditional access, Intune voor device management. Dat ecosysteem is in twintig jaar gegroeid en verweven met hoe organisaties werken. Een tekstverwerker en een gedeelde agenda zijn geen vervanging voor dat geheel. Dat is ook de impliciete erkenning achter het modulaire model van Liber Desk: een one-to-one vervanging van Microsoft 365 is voorlopig geen realistisch doel.

Positie kiezen

MSP’s hoeven nu niet te switchen, maar het is wel zinvol om de ontwikkelingen goed in de gaten te houden. Of een van de nieuwe oplossingen de massa bereikt die nodig is om een volwassen ecosysteem te worden, is maar de vraag. Maar met voldoende druk en noodzaak door de geopolitieke ontwikkelingen, nemen we straks misschien wel enkele tekortkomingen voor lief. De tijd zal het leren.

De meeste MSP’s die vandaag met AI werken, doen dat via een API van een grote aanbieder. Je stuurt een verzoek naar een server ergens in de wereld, het model verwerkt het en stuurt een antwoord terug. Snel, makkelijk en krachtig. Maar niet altijd de juiste keuze.

De vraag of je AI lokaal draait of in de cloud is voor MSP’s relevanter dan voor veel andere sectoren. Je beheert data van klanten, vaak vertrouwelijke data, en opereert in een omgeving waar privacywetgeving, contractuele afspraken en sectorspecifieke regelgeving bepalen wat er wel en niet mag.

Wat lokaal draaien betekent

Lokaal draaien betekent dat het model draait op hardware die je zelf beheert, op je eigen server, in je eigen datacenter of bij een klant on-premise. De data verlaat de omgeving niet. Er is geen externe aanbieder die de verzoeken verwerkt, en er zijn geen voorwaarden van een derde partij waar je rekening mee moet houden.

Dat klinkt als de veiligste optie, en voor bepaalde situaties is het dat ook. Maar er zijn serieuze keerzijden. Lokale modellen zijn doorgaans minder krachtig dan de grote cloudmodellen. De beste open modellen komen in de buurt, maar halen de absolute top nog niet. Daarnaast vraagt lokaal draaien om hardware-investeringen, beheer en kennis. Een krachtig model heeft forse rekenkracht nodig, en dat kost geld, ook als je het niet gebruikt.

Wat de cloud biedt

Cloudmodellen zijn krachtig, altijd up-to-date en vragen geen infrastructuurinvestering. Je betaalt voor wat je gebruikt en profiteert automatisch van verbeteringen die de aanbieder doorvoert. Voor de meeste toepassingen is dit de meest praktische keuze.

De keerzijde is afhankelijkheid. Van de aanbieder, zijn prijsbeleid, zijn voorwaarden en zijn beslissingen over welke modellen beschikbaar blijven. En van de locatie waar data wordt verwerkt. De grote aanbieders verwerken data standaard op servers in de Verenigde Staten. Europese verwerkingsopties bestaan wel, maar zijn doorgaans alleen beschikbaar via enterprise-contracten of via cloudplatforms als Azure, AWS Bedrock of Google Vertex AI, en vragen om een bewuste configuratiekeuze. De standaard API-toegang biedt die garantie niet.

AVG en gegevensverwerking

Voor MSP’s die werken met persoonsgegevens van klanten is de AVG het kader waar je niet omheen kunt. De kernvraag is waar data wordt verwerkt en onder welke voorwaarden. Maar die vraag is minder eenvoudig te beantwoorden dan het lijkt.

Een veelvoorkomend misverstand is dat een verwerkersovereenkomst het probleem oplost. Dat is niet zo. Een verwerkersovereenkomst legt vast hoe een aanbieder met data omgaat, maar verandert niets aan de locatie waar die verwerking plaatsvindt. Als die locatie buiten de Europese Economische Ruimte ligt, heb je aanvullende maatregelen nodig om doorgifte rechtmatig te maken. De meest gebruikte basis daarvoor is het EU-VS Data Privacy Framework, waaronder grote aanbieders als Anthropic, OpenAI en Google zijn gecertificeerd. Dat biedt een grondslag voor doorgifte, maar is niet onomstreden: het framework is juridisch kwetsbaar en eerder werden vergelijkbare afspraken door het Europese Hof van Justitie vernietigd.

Een tweede misverstand is dat dataresidentie en dataprivacy hetzelfde zijn. Dataresidentie gaat over waar data fysiek wordt opgeslagen. Dataprivacy gaat over wie er toegang toe heeft en onder welke juridische condities. Een model dat draait op een Europese server van een Amerikaanse aanbieder biedt dataresidentie in Europa, maar de Amerikaanse moedermaatschappij kan onder Amerikaanse wetgeving, zoals de CLOUD Act, alsnog verplicht worden toegang te verlenen aan Amerikaanse autoriteiten. Voor klanten in gevoelige sectoren is een reëel aandachtspunt.

Voor klanten in gereguleerde sectoren zoals zorg, financiële dienstverlening of overheid is de verwerkingslocatie daarom een van de eerste vragen die je moet beantwoorden voordat je een AI-oplossing implementeert. Wat voor data verwerkt het systeem? Wie heeft er toegang toe? Wat zijn de contractuele verplichtingen van de klant richting zijn eigen klanten of toezichthouder?

De afweging in de praktijk

Een handige manier om de keuze te structureren is door te kijken naar drie factoren. Hoe gevoelig is de data? Hoe hoog zijn de eisen aan prestaties en snelheid? En wat mag het kosten, zowel in investering als in doorlopende exploitatie?

Voor generieke taken met niet-vertrouwelijke data is een cloudmodel vrijwel altijd de verstandigste keuze. Voor toepassingen waarbij persoonsgegevens worden verwerkt, loont het om de verwerkingslocatie en de juridische grondslag voor doorgifte expliciet te regelen, liefst voordat de oplossing live gaat. En voor omgevingen waar data de organisatie onder geen beding mag verlaten, is lokaal draaien de enige optie die alle risico’s uitsluit.

Als MSP ben je steeds vaker degene die klanten door deze afweging heen loodst. Dat vraagt om technische kennis en het vermogen om privacyvraagstukken begrijpelijk te maken voor klanten die de nuances tussen dataresidentie, verwerkersovereenkomsten en juridische grondslagen niet kennen. Die rol is waardevol, en onderscheidt een MSP die AI serieus neemt van een die alleen een tool installeert.

De volgende aflevering gaat over een van de meest concrete toepassingen voor MSP’s: AI in de servicedesk. Ticketclassificatie, kennisbank-search, first-line response, alles met voor- en nadelen.