Red Hat bouwde een bedrijf van $34 miljard op Linux. IBM kocht het. De deal bevestigde een hypothese die al vier decennia standhield: dat bedrijven die enorme waarde halen uit gedeelde code, uit eigenbelang de projecten zouden blijven financieren waarvan ze afhankelijk waren. Die hypothese staat nu onder druk. Niet omdat iemand besloten heeft om te stoppen met het financieren van open source. Omdat de industrie die het het meest financierde - SaaS - ontmanteld wordt door de industrie die er het meest van afhankelijk is - AI.

In een vorig artikel onderzocht ik hoe acht onafhankelijke onderzoeksteams tot hetzelfde inzicht kwamen: in plaats van geheugensystemen rond het model te bouwen, moet het model zelf getraind worden om het geheugen te beheren als een aangeleerde vaardigheid. Post-memory training - met behulp van versterkingsleren in de post-training fase - produceert agenten die beslissen wat ze moeten opslaan, verwijderen, consolideren en terughalen, allemaal geoptimaliseerd voor het voltooien van een taak.

Post-memory training is de afgelopen maanden een hyperfocus van mij geweest. Als u mijn recente artikelen over contextbeheer, geheugenarchitecturen en de steeds terugkerende vraag waarom agenten degraderen na hun 50e hebt gevolgd, dan is dit artikel het punt waar deze onderwerpen samenkomen. Het oorspronkelijke patroon was duidelijk genoeg. Acht onafhankelijke onderzoeksteams kwamen tot dezelfde conclusie: stop met het bouwen van geheugensystemen rond het model en train het model zelf om het geheugen te beheren als een aangeleerde vaardigheid. Die convergentie was significant.

Als we terugkijken op 2025, is één ding duidelijk: artificial intelligence en data zijn niet langer experimentele hulpmiddelen aan de rand van organisaties. Ze zijn doorslaggevend geworden voor de manier waarop bedrijven werken, concurreren en waarde creëren. De snelheid waarmee ze worden ingevoerd vertelt het verhaal. Tegen het einde van 2025 had ongeveer één op de zes mensen wereldwijd generatieve AI tools gebruikt, volgens het AI Diffusion Report van Microsoft. In bedrijven was het momentum zelfs nog sterker, met halverwege dit jaar bijna 70% van de wereldwijde organisaties die generatieve AI inzetten in ten minste één bedrijfsfunctie. Wat begon als geïsoleerde pilots heeft zich snel ontwikkeld tot ingebedde mogelijkheden die van invloed zijn op de besluitvorming, de betrokkenheid van klanten en de operationele efficiëntie.

In de sport worden data en AI voornamelijk geassocieerd met prestaties op het veld: analyse van spelers, tactische modellering en blessurepreventie. Technologie heeft de grenzen van atletische prestaties verlegd, waardoor atleten eerdere grenzen kunnen verleggen. Waarom passen niet meer sportorganisaties dezelfde denkwijze toe op de zakelijke kant van sport? Sport is een intens concurrerende amusementsindustrie waar marginale winst op gebieden zoals betrokkenheid van fans, inhoud, activiteiten en commerciële besluitvorming net zo belangrijk kan zijn als resultaten.

De technologie is echt, maar onvolwassen. Het traject is duidelijk, maar de tijdlijn niet. De meeste organisaties die in 2026 langlopende AI implementeren, zullen dure lessen leren. Een paar zullen echte voordelen behalen. Het verschil zal afhangen van drie dingen: waar ze inzetten, hoe ze besturen en of ze begrijpen wat "autonoom" in de praktijk betekent.