De AI-standaard die lock-in beperkt

“Een technische update over AI, dat is iets voor de IT-afdeling.” Klinkt logisch, maar deze keer bepaalt zo’n update mee of jouw AI-tools binnen twee jaar nog vlot praten met je CRM, je boekhouding en je klantendata, of dat je vastzit aan één leverancier. Deze week kreeg een obscuur klinkende standaard met de naam MCP namelijk zijn grootste update ooit.

Geen paniek: je hoeft geen letter code te begrijpen. Maar als je AI overweegt voor klantendienst, administratie of interne processen, dan bepaalt zo’n standaard mee hoeveel risico en afhankelijkheid je binnenhaalt. En dat is wel jouw zaak.

Wat is MCP en waarom praat de AI-wereld erover?

MCP staat voor Model Context Protocol, en het is niets meer dan een afspraak over hoe AI-tools veilig koppelen aan je systemen en data. Vergelijk het met de stekkers in je muur. Vroeger had elk toestel zijn eigen aansluiting, en je stond vloekend met adapters te schuiven. Een standaardstekker loste dat op: alles past, alles werkt.

Zonder zo’n afspraak moet elke AI-tool apart worden verbonden met elk systeem. Wil je een AI-assistent laten samenwerken met je boekhouding, je CRM en je klantenmails, dan bouw je vandaag drie aparte koppelingen. Voor de volgende tool begin je weer van nul. Duur, traag en foutgevoelig.

MCP maakt die koppelingen herbruikbaar. Volgens Databricks vermindert die aanpak ook de afhankelijkheid van één leverancier, omdat je integraties niet meer vastzitten aan één specifieke tool. Dat is precies waarom de AI-wereld erover praat: het is de saaie infrastructuur die bepaalt of AI echt schaalbaar wordt of een dure lappendeken blijft.

Wat verandert er precies met deze update?

De kern van de nieuwe versie is een technische ingreep die de koppelingen veel beter laat opschalen. Vroeger hing elk verzoek vast aan één specifieke serversessie, wat als een flessenhals werkte zodra meer mensen of tools tegelijk aan het werk waren. Die vaste band is nu losgekoppeld.

Dat klinkt abstract, dus concreet: waar het systeem vroeger elk gesprek moest onthouden en zo vastliep bij drukte, kan elke AI-actie nu los worden afgehandeld. Het systeem loopt daardoor niet meer vast als je van tien naar honderd gebruikers gaat, of van één AI-taak naar duizend per dag. Volgens Ars Technica was dit een van de meest gevraagde aanpassingen, net omdat schaalbaarheid de grootste rem was op bredere bedrijfsadoptie.

Belangrijk om nuchter te blijven: dit is een update die integraties betrouwbaarder en schaalbaarder maakt, geen garantie dat elke leverancier morgen meestapt. Het is een stevigere fundering, geen afgewerkt huis. Voor een kmo die vandaag nog geen AI gebruikt, verandert er op korte termijn weinig. Maar wie plannen heeft, krijgt nu een stabielere basis om op te bouwen.

Wat betekent dit voor jouw bedrijf?

Dit betekent concreet dat AI-tools koppelen aan je bedrijfsdata betrouwbaarder en minder riskant wordt. Drie dingen worden interessanter voor je zaak:

  • Minder vastlopen bij groei. Een koppeling die meeschaalt van vijf naar vijftig medewerkers zonder opnieuw te bouwen, spaart je later een dure verbouwing uit.
  • Meer keuzevrijheid. Zit je AI-tool op een open standaard, dan kan je later makkelijker wisselen van leverancier zonder alles opnieuw te ontwikkelen. Minder lock-in, meer onderhandelingsruimte.
  • Minder onderhoud. Herbruikbare koppelingen betekenen minder losse maatwerkstukken die je jaar na jaar moet bijhouden.

Voor een groeiende kmo met meerdere vestigingen of overnames is dat laatste geen detail. Elke overname brengt eigen systemen mee, en elke maatwerkkoppeling die je vermijdt, is er een minder om te onderhouden. Toch één waarschuwing: een open standaard neemt je verantwoordelijkheid over data en toegang niet weg. Als een AI-tool aan je klantendata mag, moet je nog altijd bepalen wat ze mag zien en wat niet. De standaard maakt het mogelijk; jij bepaalt de grenzen.

Het lastige aan een standaard als MCP is dat elke leverancier straks zal roepen dat hij “toekomstbestendig” is. Modewoord. Vraag dus door, en laat je claims staven met officiële documentatie. Concreet stel je bij een volgend gesprek deze vragen:

  1. Ondersteunt de tool een open standaard zoals MCP?
  2. Kan ik later van leverancier wisselen zonder alles te herbouwen?
  3. Hoe schaalt de koppeling mee als we groeien?
  4. Welke data krijgt de AI te zien en met welke rechten?
  5. Wordt elke AI-actie gelogd en te controleren?

Krijg je vage antwoorden of veel “dat lossen we wel op”, dan weet je genoeg. Een leverancier die met open standaarden werkt, legt graag uit hoe je later kan wisselen; wie je liever vastketent, doet dat niet. Zo’n gesprek voeren we bij Clear IT geregeld samen met klanten, net omdat we niet aan één fabrikant gebonden zijn en dus onbevangen kunnen adviseren.

Zet dit op je agenda voor het volgende gesprek

Je hoeft vandaag niets te installeren en zeker niet in paniek te schieten. Maar de volgende keer dat een verkoper je een AI-tool aanpraat, weet je nu welke vraag echt telt: werkt dit op een open standaard, of zit ik straks vast? Zet daarom twee dingen op je agenda. Inventariseer eerst intern welke AI-koppelingen je vandaag al hebt. Neem vervolgens die vijf vragen mee naar je eerstvolgende leveranciersbevraging. Vijf minuten voorbereiding kan je later een dure verbouwing besparen. Dat is de kleinste moeite met de grootste rust.

Veelgestelde vragen

Moet ik nu iets veranderen aan mijn huidige AI-tools?

Nee. Als je vandaag tevreden werkt, hoef je niets te doen. Zie dit als een aandachtspunt voor je volgende aankoop of leveranciersgesprek, niet als een dringende ingreep.

Ondersteunen grote leveranciers zoals Microsoft of Google deze standaard al?

Er is officiële ondersteuning zichtbaar via de ontwikkeltools van Microsoft, maar voor de meeste andere grote namen kunnen we dat vandaag niet hard bevestigen. Vraag elke leverancier daarom om zijn claim te staven met eigen documentatie.

Betekent een open standaard dat mijn data automatisch veilig is?

Nee, dat zijn twee verschillende dingen. De standaard maakt koppelingen mogelijk, maar jij bepaalt nog altijd welke data de AI mag zien en met welke rechten. Zorg voor beperkte toegang en logging van elke koppeling.

Is dit vooral iets voor grote bedrijven?

Niet noodzakelijk. Net kleinere bedrijven hebben baat bij herbruikbare koppelingen, omdat ze zo minder maatwerk en onderhoud dragen. Begin klein: één afgebakende use-case en één of twee kernsystemen.