Hoe IT-adviesbureaus klanten helpen van AI-ambitie naar infrastructuur

Bijna elke organisatie heeft inmiddels plannen met AI. Maar tussen een enthousiaste brainstorm en een draaiende toepassing zit een flinke kloof: welke data mag het model zien, waar draait het, wat kost het en hoe blijf je binnen de regels? Precies daar komen IT-adviesbureaus en technologiepartners in beeld. Hoe vertalen zij AI-ambitie naar infrastructuur die werkt?

In de praktijk gaat het zelden mis op het model zelf. Het gaat mis op de vragen eromheen. Een adviseur die een klant helpt, moet daarom tegelijk business-analist, architect en compliance-gesprekspartner zijn. In dit artikel lopen we de stappen door die zo’n traject meestal doorloopt: van ambitie naar concrete use case, de keuze voor de juiste infrastructuur, private AI en datacontrole, de afweging tussen cloud, on-premise en hybride, security en compliance, en schaalbaarheid. Tot slot kijken we naar de rol die adviesbureaus en technologiepartners als Lenovo daarin spelen.

De eerste vraag van een klant is vaak breed: ‘Wat kunnen wij met AI?’ Een goede adviseur draait die vraag om. Welk proces kost nu te veel tijd, waar ontstaan fouten, welke kennis zit opgesloten in documenten die niemand terugvindt? Pas als dat helder is, wordt AI een middel in plaats van een doel.

Dat de stap van proef naar productie lastig is, blijkt uit cijfers. Volgens de Lenovo Europe and Middle East CIO Playbook 2026, op basis van IDC-onderzoek onder 800 IT- en businessbeslissers, haalde 46 procent van de AI-proof-of-concepts de productiefase. Tegelijk heeft maar 27 procent een volledig AI-governancekader. De ambitie is er dus, de onderbouwing vaak nog niet.

Adviesbureaus werken daarom meestal met korte, afgebakende trajecten. Een workshop levert een lijst kandidaat-toepassingen op, die worden gescoord op waarde, haalbaarheid en datarisico. Eén of twee use cases gaan door naar een pilot met meetbare doelen, zoals doorlooptijd of het aantal afgehandelde tickets. Lenovo ondersteunt dat met AI Services, waaronder het AI Fast Start-programma waarmee organisaties een use case binnen 90 dagen kunnen valideren. Hoe je zo’n pilot vervolgens inbedt in een bredere strategie, lees je in een volgend artikel.

Zodra de use case vaststaat, volgt de technische vertaling. Gaat het om training of finetuning van een model, of vooral om inference: het dagelijks gebruiken van een bestaand model? Voor de meeste organisaties is het dat laatste. Een interne kennisassistent of een documentsamenvatter vraagt vooral om voldoende GPU-geheugen, lage latency en een stabiele koppeling met bestaande databronnen.

De adviseur vertaalt de use case daarom naar een concreet profiel: hoeveel gebruikers tegelijk, hoe groot het model, hoeveel data per dag, welke responstijd acceptabel is. Dat profiel bepaalt of een enkele krachtige machine volstaat of dat er een serveromgeving nodig is. Voor zware inference in het datacenter biedt Lenovo onder meer de ThinkSystem SR675 V3, een GPU-server die ondersteuning biedt voor onder meer Nvidia RTX Pro 6000 Blackwell-kaarten. Op locaties buiten het datacenter, zoals een fabriekshal of winkel, komt edge-hardware zoals de ThinkEdge-serie in beeld.

Belangrijk is dat de infrastructuur niet los staat van de rest van het IT-landschap. Identity management, back-up, monitoring en netwerksegmentatie moeten meegroeien. In een volgend artikel geven we een uitgebreide vergelijking tussen server, workstation en cloud per type workload.

Voor veel klanten is de belangrijkste vraag niet hóé slim een model is, maar waar hun data blijft. Contracten, klantdossiers, broncode en financiële gegevens wil je niet zomaar naar een externe dienst sturen. Private AI, waarbij modellen en data binnen de eigen omgeving worden verwerkt, is daarom een terugkerend onderwerp in adviesgesprekken. Wat private AI precies inhoudt en hoe je het technisch inricht, lees je uitgebreid in Private AI: hoe kun je AI veilig binnen je organisatie draaien?

De rol van de adviseur zit vooral in de voorbereiding. Welke data is gevoelig en welke niet? Welke afdeling is eigenaar? Mag een model dat interne documenten doorzoekt dezelfde rechten hebben als de gebruiker die de vraag stelt? Een dataclassificatie is vaak het eerste concrete opleverpunt, nog voordat er hardware is besteld.

Private AI hoeft niet direct een groot datacenterproject te zijn. Een team kan beginnen op een krachtig workstation of een compact AI-systeem zoals de Lenovo ThinkStation PGX, en later doorgroeien naar een gedeelde serveromgeving. Wat lokaal op een workstation al praktisch mogelijk is, komt aan bod in een volgend artikel.

De keuze tussen cloud en eigen hardware is voor een adviseur geen geloofsvraag maar een rekensom met randvoorwaarden. De publieke cloud is snel beschikbaar en geschikt voor experimenten of pieken in de vraag. Eigen hardware geeft voorspelbare kosten bij continu gebruik, lage latency en volledige controle over de data. Daartussen ligt hybride: gevoelige workloads draaien on-premise, minder kritische taken of tijdelijke capaciteit in de cloud.

Die middenweg is ook de meest gekozen. In de eerdergenoemde CIO Playbook geeft 58 procent van de Europese en Midden-Oosterse organisaties aan hybride als primair inzetmodel voor AI te verkiezen. Lenovo speelt daarop in met Hybrid AI Advantage, een combinatie van infrastructuur, gevalideerde softwareplatforms en diensten. Een onderdeel daarvan is de Hybrid AI Factory, een modulaire architectuur met vooraf gevalideerde combinaties van hardware, software en beheer, samen met partners als Nvidia, Red Hat, Nutanix en Canonical.

Voor de adviseur scheelt dat werk. In plaats van elk onderdeel zelf te testen, kan hij vertrekken vanuit een bewezen referentiearchitectuur en zich richten op de specifieke integratie bij de klant.

AI voegt nieuwe aanvalsvlakken toe aan een bestaande omgeving. Denk aan prompt injection, waarbij een kwaadwillende via een document of e-mail instructies aan het model meegeeft, of aan een assistent die meer data ophaalt dan de gebruiker mag zien. De vuistregel die adviseurs hanteren: leg autorisatie buiten het taalmodel vast. Het model mag alleen bij data waar de vragensteller zelf ook bij mag.

Daarnaast speelt regelgeving. De AVG blijft gewoon van toepassing, ook als een model lokaal draait. En de Europese AI-verordening (AI Act) wordt stapsgewijs van kracht. De verplichting tot AI-geletterdheid voor medewerkers geldt bijvoorbeeld al sinds 2 februari 2025, transparantieregels zoals het melden dat iemand met een chatbot praat sinds 2 augustus 2026.

Voor een adviesbureau betekent dat: vroeg in het traject vaststellen in welke risicoklasse een toepassing valt en welke documentatie en menselijke controle daarbij horen. Op hardwareniveau helpt het als de basis op orde is. Lenovo bouwt beveiliging daarom in de hardware zelf in, met onder meer firmwarebescherming en een hardware root of trust onder de noemer ThinkShield.

Een geslaagde pilot zorgt bijna altijd voor meer vraag. Meer gebruikers, meer afdelingen, grotere modellen of een tweede use case. Een infrastructuur die precies past op de pilot, loopt dan snel tegen grenzen aan. Tegelijk wil een klant niet investeren in capaciteit die misschien pas over twee jaar nodig is.

Adviseurs lossen dat op door modulair te ontwerpen. Begin met een configuratie die ruimte laat voor extra GPU’s of extra nodes, kies voor open software zodat een model later vervangen kan worden, en zorg dat beheer en monitoring vanaf het begin centraal geregeld zijn. Ook energie en koeling verdienen aandacht: GPU-servers verbruiken veel stroom en produceren veel warmte. Lenovo’s Neptune-koeling voert die warmte af via vloeistof, wat helpt als de serverruimte of colocatie beperkt is in koelcapaciteit.

De financiële kant is minstens zo belangrijk. Met Lenovo TruScale Infrastructure Services neemt een organisatie infrastructuur af als dienst, met betaling naar gebruik in plaats van een grote investering vooraf. Binnen TruScale zijn er ook opties om GPU-capaciteit als dienst af te nemen. Zo kan een klant klein beginnen en opschalen zodra de toepassing zich bewijst.

Wie de stappen hierboven naast elkaar zet, ziet waarom weinig organisaties dit volledig zelf doen. Het vraagt kennis van processen, data, architectuur, security, regelgeving én financiering. Een IT-adviesbureau of technologiepartner brengt die disciplines samen en blijft vaak ook na de implementatie betrokken, bij beheer, optimalisatie en de volgende use case.

De technologiepartner levert daarbij meer dan hardware. Lenovo biedt een portfolio dat loopt van ThinkPad P-laptops en ThinkStation-workstations voor individuele ontwikkelaars en data scientists tot ThinkSystem-servers en ThinkEdge voor datacenter en edge. Maar Lenovo levert ook AI Services voor advies, implementatie en adoptie, de AI Library met kant-en-klare toepassingen voor onder meer klantenservice en marketing, en een ecosysteem van softwarepartners. Met TruScale komt daar een financieringsmodel bij dat aansluit op hoe klanten AI willen inkopen: stapsgewijs.

Voor klanten of adviesbureaus betekent dat één aanspreekpunt voor de hele keten, van werkplek tot datacenter, met gevalideerde combinaties die het risico op verrassingen verkleinen. Het betekent bovendien dat de stap van ambitie naar infrastructuur kleiner wordt, en dat de eerste use case een fundament legt voor de volgende.