Ongeveer tien procent van de bedrijven draaide in 2025 AI aan de rand van het netwerk. Volgens Gartner is dat in 2029 meer dan twee derde. Tegelijk zegt 79 procent van de IT-beslissers dat ze AI-workloads uit de publieke cloud terughalen naar eigen infrastructuur. Latency, dataresidentie en onvoorspelbare cloudkosten sturen inferentie richting fabriek, winkel en laptop. Voor MSP’s betekent dat een vloot aan kleine rekenlocaties die beheerd moet worden.
Edge computing is al jaren een begrip, maar het budget ging lang naar sensoren, gateways en videocamera’s. AI verandert dat. IDC raamde in maart 2025 de wereldwijde uitgaven aan edge computing op 261 miljard dollar en verwacht een groei naar bijna 380 miljard in 2028, ruim 13 procent per jaar. Kunstmatige intelligentie is na augmented reality het snelst groeiende segment binnen die uitgaven. Gartner voorspelt dat in 2028 meer dan twee derde van de door bedrijven beheerde data buiten het datacenter of de cloud wordt gemaakt en verwerkt, en IDC verwacht dat in 2030 de helft van alle AI-inferentie bij bedrijven op endpoints of edge-nodes draait. De ‘rand van het netwerk’ is daarbij een breed begrip: van een server in een fabriekshal en een mini-datacenter in een ziekenhuis tot de NPU in een zakelijke laptop.
Waarom draait een workload lokaal?
Cloudian ondervroeg in februari 2026 ruim tweehonderd IT-beslissers in ondernemingen over hun AI-infrastructuur. Van hen heeft 79 procent AI-workloads al van de publieke cloud naar eigen of private infrastructuur verplaatst of is daarmee bezig, en 73 procent wil binnen twee jaar meer workloads hybride of lokaal draaien. Slechts 5 procent blijft volledig in de publieke cloud. De motieven vallen in drie groepen. De eerste is prestatie: 75 procent heeft workloads die on-premises beter draaien of daar zelfs op zijn aangewezen, en 37 procent heeft productiewerk dat vanwege realtime-eisen lokaal moet blijven. Een camera aan een productielijn die honderd keer per minuut beslist of een product doorgaat, kan zich geen rondreis naar Frankfurt of Dublin veroorloven. De tweede groep is data: 58 procent heeft een AI-initiatief afgeblazen, uitgesteld of ingeperkt vanwege zorgen over waar datawordt opgeslagen, en 91 procent wil gevoelige toepassingen on-premises, in een private cloud of hybride draaien. De derde groep is geld: bij 40 procent overtreft de werkelijke uitgave aan cloud-AI de begroting, meestal met 10 tot 30 procent.
Figuur 1. Waarom bedrijven AI-workloads uit de publieke cloud halen. Bron: Cloudian, 2026 Enterprise AI Infrastructure Survey.
De cloud blijft wel een rol spelen, blijkt uit al deze cijfers. Het trainen van grote modellen, piekcapaciteit en experimenten blijven daar. Wat lokaal komt te staan, is inferentie: het toepassen van een getraind model op nieuwe data, duizenden keren per dag, op de plek waar die data ontstaat.
De laptop wordt een inferentiemachine
Het meest zichtbare stuk edge staat op het bureau. Gartner raamde in augustus 2025 het aantal AI-pc’s voor dat jaar op 77,8 miljoen, computers met een NPU die lokaal modellen kunnen draaien, goed voor 31 procent van alle verkochte pc’s. In 2026 loopt dat volgens dezelfde prognose op naar 143 miljoen stuks en 55 procent van de markt, en tegen 2029 is de AI-pc de norm. Belangrijker dan de hardware is wat erop komt te draaien. Gartner verwacht dat eind 2026 40 procent van de softwareleveranciers AI-functies op de pc zelf prioriteit geeft, tegen 2 procent in 2024, en het aantal kleine taalmodellen dat lokaal op een pc draait, ging van nul in 2023 naar meerdere in 2026. Diezelfde analist voorspelt dat organisaties in 2027 kleine, taakspecifieke modellen minstens drie keer zo vaak inzetten als algemene grote taalmodellen, omdat ze sneller antwoorden, minder rekenkracht vragen en beter presteren op domeinspecifieke taken.
Figuur 2. Aandeel van AI-pc’s in de wereldwijde pc-verkoop. Bron: Gartner, september 2024 en augustus 2025.
Voor een MKB-bedrijf betekent dat het samenvatten, transcriberen, het classificeren van e-mail en zoeken in eigen documenten steeds vaker op het apparaat zelf gebeurt, zonder dat er data naar de API van een AI-leverancier gaat. Dat verandert de situatie rond AI-governance. De vraag welke data een organisatie naar buiten stuurt, wordt deels beantwoord door de hardwarekeuze.
Wat draait er nu al aan de rand?
ZEDEDA liet in februari 2026 zeshonderd IT- en operationele leidinggevenden in de Verenigde Staten en Duitsland ondervragen. Voor 83 procent van hen is edge-AI onderdeel van de kernstrategie. Bijna de helft (47 procent) draait een hybride architectuur van cloud en edge, tegen 24 procent die vooral op centrale infrastructuur leunt. In productie draaien vooral klantervaring en computer vision (elk 45 procent), realtime-monitoring en anomaliedetectie (41 procent), energieoptimalisatie (40 procent) en voorspellend onderhoud (38 procent). Opvallend is hoe snel agents naar de rand komen: van de bedrijven met actieve edge-AI-deployments werkt 86 procent aan agentic-functies, 21 procent draait pilots met agents die zelfstandig meerdere stappen uitvoeren en 15 procent heeft die al in productie.
Figuur 3. Edge-AI-toepassingen in productie en de belangrijkste obstakels. Bron: ZEDEDA/Censuswide, Enterprise Edge AI Survey 2026.
De obstakels komen meestal op het bordje van de MSP: integratie met bestaande systemen (34 procent), security en governance (32 procent) en gebrek aan interne expertise (31 procent). Van de bedrijven met actieve deployments noemt 41 procent het beheren van gedistribueerde workloads lastig. Een model op één GPU-server in het datacenter is te overzien. Hetzelfde model op vijftig winkellocaties, met eigen updates, logging en toegangsbeheer, is een beheervraagstuk.
Het stroomnet duwt mee
In Nederland komt daar een factor bij die in Amerikaanse onderzoeken ontbreekt. Het kabinet meldde in april 2026 dat bij de regionale netbeheerders ruim 15.000 aanvragen van afnemers op een aansluiting of verzwaring wachten, duizend meer dan een half jaar eerder. De Dutch Data Center Association telde eind 2025 ruim 1,5 gigawatt aan IT-vermogen in Nederlandse datacenters en rekent in het basisscenario op 2,8 gigawatt in 2031, maar vergunningstrajecten duren gemiddeld 4,5 jaar en de wachttijd op een netaansluiting loopt op tot tien jaar. Nieuwe centrale AI-capaciteit komt er dus traag bij. Een NPU in een laptop of een compacte inferentieserver in een bestaand pand gebruikt de aansluiting die er al is. Dat maakt lokale AI in Nederland ook een praktische uitweg.
Wat betekent dit voor MSP’s?
De vraag waar een AI-workload moet draaien, wordt een vast onderdeel van elk AI-adviestraject. Een bruikbare vuistregel: data die het pand niet mag verlaten, beslissingen die binnen milliseconden nodig zijn en werk dat duizenden keren per dag hetzelfde model aanroept, horen lokaal. Training, piekbelasting en alles wat zelden draait, horen in de cloud. Voor de meeste klanten wordt het resultaat hybride, en de MSP is degene die dat ontwerp maakt en bewaakt.
Daarna begint het echte werk. Elke edge-node is een endpoint met een besturingssysteem, een modelversie en een aanvalsoppervlak. Neem ze op in RMM en patchbeheer alsof het servers zijn, regel zero-touch provisioning zodat een vervangende box zonder engineer op locatie in bedrijf komt, en beheer modelversies net zo strak als applicatieversies. Leg vast welke data lokaal blijft en welke telemetrie wel naar het centrale platform gaat, want dat is de basis voor de documentatie onder de AI Act en voor het gesprek met de klant over dataresidentie. En tel de AI-pc mee in de vervangingscyclus: als je klant in 2026 laptops zonder NPU koopt, sluit hij lokale AI voor vier jaar uit.
De workloads die het datacenter verlaten, verdwijnen niet. Ze komen terecht op plekken waar tot nu toe nooit een model draaide: de fabriekshal, de winkelvloer, de spreekkamer en de laptoptas. Iemand moet die vloot beheren, en de kans is groot dat die iemand de RMM-agent al op de laptop van de klant heeft staan.
Bronnen: IDC, Worldwide Edge Spending Guide, persbericht (maart 2025); Gartner, AI PCs Will Represent 31% of Worldwide PC Market by the End of 2025 (augustus 2025); Gartner, Worldwide Shipments of AI PCs to Account for 43% of All PCs in 2025 (september 2024); Gartner, Organizations Will Use Small, Task-Specific AI Models Three Times More Than General-Purpose LLMs by 2027 (april 2025); Gartner- en IDC-voorspellingen over edge-AI en data buiten het datacenter, via Network World (september 2026); Cloudian, 2026 Enterprise AI Infrastructure Survey (februari 2026, n=203); ZEDEDA/Censuswide, Enterprise Edge AI Survey 2026 (maart 2026, n=600); Kamerbrief Voortgang aanpak netcongestie (2 april 2026); Dutch Data Center Association, State of the Dutch Data Centers 2026 (juni 2026).
