← Alle artikelen

Bedrijf Gepubliceerd 2026-06-15 · 5 min leestijd

Waarom wij AI leveren als installeerbare binaries, niet als cloud-SaaS

Lokale inferentie, audit onder controle van de klant en een inkoopbeweging die al bestaat. Drie structurele redenen waarom Software Tailor's AI-producten desktopinstallaties zijn en geen tenant in onze cloud.

Het grootste deel van de AI Suite-line-up wordt geïnstalleerd op de eigen machine van de gebruiker. Er is geen tenant. Er is geen cloud-login die de toegang tot de inferentie-engine bewaakt. De desktop-apps communiceren met een lokaal aisuite-server-proces dat op zijn beurt communiceert met hetzij een on-device-model, hetzij een door de klant gecontroleerde AI Server die binnen het netwerk van de klant draait. Die keuze — desktopinstallatie, geen SaaS — is bewust, en de redenen verdienen het om opgeschreven te worden.

Reden 1: gereguleerde afnemers kunnen geen productie-prompts in de cloud van een ander plaatsen

De EU AI Act, sinds 2024 van kracht, classificeert een aanzienlijk aantal enterprise-workflows als "hoog-risico" en legt verplichtingen op aan de deployer op het gebied van vastlegging, menselijk toezicht en gegevensverwerking [1]. Equivalente of parallelle kaders bestaan in de OECD-lidstaten [2], en Amerikaanse federale instanties werken volgens het NIST AI Risk Management Framework bij de inkoop van AI-systemen [3]. Geen van deze kaders verbiedt cloud-AI; ze vereisen dat de deployer in staat is om — gelijktijdig en per verzoek — aan te tonen wat waarheen is verzonden en wat terugkwam.

In de praktijk botst die vereiste met de manier waarop cloud-LLM-API's vandaag functioneren. Een compliance-verantwoordelijke in de farma-sector kan geen audittrail per prompt opvragen uit een SaaS van een derde partij voor een workflow die patiëntidentificatoren verwerkt, ook niet als die SaaS contractueel AVG-conform is. Zij hebben nodig dat de prompt en respons nooit een netwerk verlaten dat zij in eigendom hebben. De schoonste manier om hen dat te geven is de AI te leveren als een binary die de klant binnen de eigen perimeter draait — en dat is wat wij doen.

Dit is geen hypothetische afnemer. De klantgroep waaraan wij sinds 2007 leveren omvat zes Fortune Global 500-organisaties in farma, finance, overheid, juridisch, defensie en energie [4]. Elk van deze sectoren kent ten minste één workflow waar het antwoord op "waar vindt de inferentie plaats?" bepaalt of het inkoopgesprek überhaupt begint.

Reden 2: een installeerbare binary past bij hoe ondernemingen daadwerkelijk software inkopen

De inkoopbeweging voor een desktopapplicatie is binnen grote IT-organisaties goed begrepen. De applicatie wordt verpakt, gedistribueerd via SCCM, Intune of Jamf, beheerd door dezelfde group policies als Microsoft Office, en verwijderd wanneer de laptop wordt afgevoerd. Inkoop, security review en end-user computing hebben hier al decennia oude processen voor. AI Suite sluit daar direct op aan.

Cloud-SaaS vereist daarentegen een parallelle beweging: een leveranciers-risk-review per tenant, een gesprek over identity federation, doorlopende audits van de positie van de leverancier en een voortdurende onderhandeling over wiens verplichtingen wat dekken wanneer er iets misgaat. Nuttig voor sommige soorten software. Slechte match voor het type AI-workflows dat onze klanten bouwen.

Door installeerbare apps te leveren die authenticeren tegen de eigen identity provider van de klant — Microsoft Entra ID of Google Workspace via OpenID Connect — en die niets opslaan op onze servers buiten het organisatierooster en de auditlog van administratieve acties, plaatsen wij het inkoopgesprek in het vakje dat de organisatie al weet hoe te behandelen.

Reden 3: nul projectmislukkingen sinds 2007 hangt af van het niet afhankelijk zijn van andermans uptime

Wij leveren al negentien jaar maatwerksoftware met een staat van nul projectmislukkingen sinds 2007 [4]. Die staat bestaat omdat het team elke laag van de levering controleert: code, build, test, uitrolartefact. Op het moment dat wij de productieworkflow van een klant laten afhangen van de beschikbaarheid van andermans cloud, houdt die staat op de onze te zijn om te verdedigen.

Cloud-AI-leveranciers hebben storingen. Zij throttlen. Zij wijzigen prijzen. Zij stoten modellen af. Zij stoten complete API's af. Klanten die wij bedienen in farma en defensie kunnen zich niet veroorloven dat hun jaarlange regulatoire dossier vastloopt omdat een model-endpoint dat zij niet in eigendom hebben werd gemigreerd. Daarom zetten wij hen daar niet op. Het model leeft op de machine van de klant, de inferentie vindt plaats op de machine van de klant, en het enige op onze infrastructuur is het lichtgewicht beheeroppervlak dat zij gebruiken om hun eigen uitrol te beheren.

Wat dit betekent voor evaluatie

Als u compliance-verantwoordelijke, CIO of CTO bent en lokale AI evalueert voor een enterprise-uitrol, zien de relevante vragen er anders uit dan bij een cloud-SaaS-evaluatie:

  • Waar vindt de inferentie plaats? Op het apparaat van de gebruiker, of op een server die de klant controleert. Niet op de onze.
  • Wat verlaat de perimeter? Uitsluitend organisatierooster en administratieve acties. Geen prompts, geen responses, geen documentinhoud.
  • Wat is het audittrail? Inhoudvrij JSONL, lokaal opgeslagen, exporteerbaar. Het model ziet nooit inhoud waarop het niet expliciet wordt aangezet om te handelen, en de auditregel ziet nooit inhoud.
  • Wat gebeurt er wanneer de leverancier verdwijnt? De binaries die de klant heeft geïnstalleerd blijven werken. De lokale AI Server waarop zij zijn ingeschreven blijft leveren. Geen herplatforming nodig.

Dit zijn de vier vragen waarop wij AI Admin Console en de Local AI Suite hebben gebouwd om helder antwoord te geven. Het artikel over EU AI Act-compliance en on-prem-uitrol behandelt de regelgevingskant in meer detail.

Referenties

  1. European Commission. "AI Act — Regulatory framework on AI." digital-strategy.ec.europa.eu. Geraadpleegd op 2026-06-15.
  2. OECD AI Policy Observatory. "National AI policies." oecd.ai. Geraadpleegd op 2026-06-15.
  3. NIST. "AI Risk Management Framework (AI RMF 1.0)." nist.gov/itl/ai-risk-management-framework. Geraadpleegd op 2026-06-15.
  4. Software Tailor. "Past clients." softwaretailor.com/past-clients.htm. Geraadpleegd op 2026-06-15.

Gerelateerde artikelen

Evalueer dezelfde aanpak op een echte workload.

Een gratis pilot van één week loopt door een reëel stuk klantwerk — lokale inferentie, identiteit onder controle van de klant, audit onder controle van de klant.

Abonneer op productupdates

Nieuwe gratis AI-producten, belangrijke updates en releases die alleen via deze site beschikbaar zijn. Geen spam.