Gesprek tussen Philip Gast (CTO, AdamI) en Roel Rotteveel (COO, AdamI)
Juni 2025, Amsterdam – Een diepgaand gesprek over infrastructuur, agentic AI, en strategische adoptie.
Waar Amerikaanse organisaties inmiddels miljarden investeren in grootschalige AI-infrastructuur en agentic AI-workflows, opereren veel Nederlandse bedrijven nog terughoudend en fragmentarisch. Maar wie concurrentievoordeel wil behalen – of überhaupt relevant wil blijven – zal AI niet langer als experiment, maar als strategische capability moeten benaderen. In dit gesprek duiken Philip Gast (CTO) en Roel Rotteveel (COO) van AdamI dieper in de fundamentele verschillen tussen de Nederlandse en Amerikaanse aanpak. Ze bespreken hoe bedrijven kunnen leren van succesvolle AI-implementaties, hoe technologische modernisering versneld kan worden met generatieve AI-agents, en welke rol infrastructuur en verandermanagement spelen bij duurzame adoptie.
Roel Rotteveel:
Philip, de Amerikaanse markt lijkt AI inmiddels structureel te omarmen, vooral op het gebied van infrastructuur en agentic AI. In Nederland zie ik vooral experimenten. Hoe kijk jij daarnaar?
Philip Gast:
Klopt. In de VS is AI niet langer een innovatieproject, maar een strategisch platform. McKinsey schat dat er de komende vijf jaar $5 tot $7 biljoen nodig is voor AI-gerelateerde infrastructuur, met name datacenters en energievoorziening. Nederland zit nog in de “proof of concept”-fase. Dat is begrijpelijk, maar ook riskant. De waarde van AI zit niet in de pilot, maar in schaalbare toepassing.
Roel:
Wat bedoel je met “agentic AI”, en waarom is dat volgens jou de volgende stap?
Philip:
Agentic AI draait om autonome AI-agents die zelfstandig én in samenwerking taken uitvoeren binnen een workflow. Niet één grote LLM die alles doet, maar tientallen gespecialiseerde agents die samenwerken. Denk aan een workflow in compliance: één agent haalt transactiedata op, een andere controleert op afwijkingen, een derde genereert het rapport. Deze multiagentmodellen zijn snel, betrouwbaar en schaalbaar.
Roel:
Waarom is dat relevanter dan de generieke LLM’s die nu populair zijn?
Philip:
Generieke LLM’s zijn krachtig, maar complex en duur in productie. Kleinere, domeinspecifieke agents hebben een lagere time-to-first-token, zijn makkelijker te testen en te beheren. In agentic modellen zie je een verschuiving van ‘grote breinen’ naar ‘gespecialiseerde cellen’, wat goed aansluit bij Nederlandse organisaties met sterke domeinkennis en compliance-eisen.
Roel:
Amerikaanse bedrijven investeren fors in hybride AI-infrastructuur. Waar staan wij?
Philip:
Daar kunnen we van leren. In de VS verschuift men van cloud-only naar een hybride aanpak: grote modellen in de cloud, maar gevoelige data op-premises. Mede door wet- en regelgeving. Nederland is daar juist sterk in, denk aan de zorg en financiële sector. Maar infrastructuur ontbreekt vaak. We moeten investeren in een flexibel, hybride AI-platform, inclusief edge-capaciteit en model governance.
Roel:
Een ander groot thema in het rapport is de rol van IT-modernisering. Hoe haakt dat in op AI?
Philip:
Sterk. 70% van Fortune 500-bedrijven draait nog deels op software van 20 jaar oud. Dat zijn systemen die slecht te integreren zijn met moderne AI-modellen. Gen AI verandert dat fundamenteel. Waar IT-modernisering eerst jaren en miljoenen kostte, kan het nu in maanden – tegen een fractie van de kosten. Mits je het goed aanpakt.
Roel:
Wat bedoel je met ‘goed aanpakken’?
Philip:
Veel bedrijven maken de fout om oude code één-op-één te vertalen. Dat heet code-and-load – je verplaatst je tech debt van oud naar nieuw. De slimme aanpak is om met AI te analyseren wat écht waarde toevoegt, en dan alleen dát te moderniseren. Door gen AI agents in te zetten die bijvoorbeeld automatisch documentatie genereren, architectuur omzetten of security-policies toepassen, kun je 40-50% versnelling én kwaliteitsverbetering realiseren.
Roel:
Hoe schaal je zoiets? Is dat niet per definitie maatwerk?
Philip:
Juist niet. McKinsey introduceerde het idee van agent factories en gen AI platforms: fabrieken van herbruikbare agents die gestandaardiseerd werken. Daarmee kun je vanuit één architectuur tientallen processen automatiseren. Dit is de stap van experiment naar industriële schaal.
Roel:
Wat zijn de valkuilen waar Nederlandse bedrijven voor moeten oppassen?
Philip:
Ten eerste: technologie inzetten zonder duidelijke businesscase. Begin altijd met het probleem, niet met de tool. Ten tweede: denken dat AI een IT-project is. Het raakt governance, ethiek, operations, zelfs het organisatiemodel. En ten derde: onderschatting van change management. AI verandert werk – en dus mensen. Zonder begeleiding leidt dat tot weerstand of mislukking.
Roel:
En wat kunnen we leren van succesvoorbeelden?
Philip:
Een bank in de VS moderniseerde met gen AI 20.000 regels mainframe-code. De inschatting was 800 uur. Met orchestrated AI agents duurde het 40% minder lang. Bij een verzekeraar werd de moderniseringstijd met meer dan 50% versneld door agents in te zetten voor codeanalyse, testing en documentatie. Dat soort versnelling is ook in Nederland haalbaar – mits je durft.
Roel:
Wat is volgens jou de belangrijkste mindsetverschuiving?
Philip:
Stop met denken in applicaties, begin met denken in ecosystemen. AI moet geen tool zijn, maar een capability: flexibel, schaalbaar, ingebed. Het draait niet om AI-as-a-project, maar om AI-as-a-platform. Dáár zit het verschil tussen pionieren en transformeren.
Slotgedachte:
Philip:
De Amerikaanse les is duidelijk: AI opschalen vraagt infrastructuur, agent orchestration én visie. Nederland heeft de kennis, het vertrouwen en de ethiek – maar moet nu investeren in snelheid en schaal. Wacht niet tot je legacy breekt. Herbouw voordat het moet.