DeenterpriseAIcontrolplane
Nu AI verschuift van antwoorden geven naar handelen, is het moeilijke vraagstuk niet langer modelkwaliteit maar bevoegdheid. Een control plane is waar bevoegdheid wordt bepaald, gehandhaafd en vastgelegd.
- IdentityWho is acting?
- OntologyWhat is being acted on?
- PolicyIs this allowed?
- ExecutionHow is it carried out?
- EvidenceWhat actually happened?
- EvaluationWas it any good?
- LifecycleWhat happens next?
Definitie
Een enterprise AI control plane is de laag die bepaalt en handhaaft wat kunstmatige intelligentie binnen een organisatie mag doen: welke agents en modellen welke data mogen benaderen, welke acties zij mogen uitvoeren, met welke tools, op welke infrastructuur, onder wiens bevoegdheid en met welk bewijs.
Waaromagentseennieuwcontroleprobleemcreëren
Een chatbot levert een dataprobleem op: er is iets in een tekstvak geplakt. Een copilot levert een verantwoordingsprobleem op: iemand heeft een concept opgeleverd dat hij niet volledig zelf schreef. Een agent levert een controleprobleem op, en dat is een andere categorie. Een agent plant, kiest tools, roept systemen aan en wijzigt de staat van systemen — soms over meerdere systemen, soms zonder dat er iemand meekijkt.
Bestaande enterprise-controls zijn ontworpen voor twee soorten actoren: een mens met een functie, en een applicatie met een vast en beoordeelbaar gedrag. Een agent is geen van beide. Hij heeft het bereik van een integratie en de improvisatie van een mens, en komt doorgaans binnen zonder eigen identiteit en zonder eigenaar die er verantwoording over kan afleggen.
Daarom is de bruikbare vraag niet of het model veilig is. De vraag is: toen dit ding handelde, onder wiens bevoegdheid deed het dat, wat mocht het aanraken, en kunt u dat aantonen?
Dezevenstappenvaneenbestuurdverzoek
Niets wijzigt van staat voordat het alle zeven heeft doorlopen. De volgorde doet ertoe: beleid kan niet worden geëvalueerd voordat het verzoek is opgelost tegen getypeerde objecten, en bewijs kan niet achteraf worden samengesteld uit logs die daar nooit voor bedoeld waren.
- IdentityWho is acting?
- OntologyWhat is being acted on?
- PolicyIs this allowed?
- ExecutionHow is it carried out?
- EvidenceWhat actually happened?
- EvaluationWas it any good?
- LifecycleWhat happens next?
- Identity
- Every agent, model and workflow has its own identity — not a shared service account. Non-human identities are issued, scoped, rotated and revoked like any other principal.
- Ontology
- Requests resolve against typed enterprise objects rather than free-text table names, so permissions and policies can be expressed in the organisation's own terms.
- Policy
- Data scope, tool scope, model policy, network egress, cost budget and approval requirements are evaluated before execution, not asserted in a prompt.
- Execution
- Approved work runs in an isolated runtime with short-lived credentials, brokered tool calls and a recorded plan.
- Evidence
- Inputs, retrieved context, model selection, tool invocations, approvals and outputs are captured as a reviewable trail attached to the decision.
- Evaluation
- Behaviour is scored against task-specific evaluations and regression suites, so quality is measured rather than assumed after a change.
- Lifecycle
- Promotion between environments, ownership, review dates, deprecation and shutdown are managed explicitly — including a kill switch that works.
Watdecontrolplanebestuurt
Elk hiervan is een controlevlak met eigen configuratie, eigen auditspoor en eigen faalwijze.
Niet-menselijke identiteit
Elke agent, workflow en modelintegratie krijgt een eigen principal met een eigen levenscyclus. Gedeelde serviceaccounts zijn de meest voorkomende reden waarom een organisatie niet kan zeggen wie iets heeft gedaan.
Databereik
Rechten uitgedrukt tegen ontologie-objecten — deze assetklasse, deze contracten, deze regio — in plaats van tegen tabelnamen, zodat het bereik schemawijzigingen overleeft en door de business te beoordelen is.
Toolgovernance
Welke tools een agent mag aanroepen, met welke argumenten, met welke frequentie. Tooltoegang wordt bemiddeld: de agent krijgt een bevoegdheid, geen credential.
MCP-governance
Model Context Protocol-servers worden behandeld als geprivilegieerde integraties. Ze worden geregistreerd, begrensd, op versie vastgezet en gemonitord, omdat een ruime MCP-server een open pad is naar alles wat erachter zit.
Modelbeleid
Welke modellen welke dataklassen en welk soort werk mogen behandelen, inclusief waar de inferentie fysiek plaatsvindt en wat de aanbieder mag bewaren.
Uitvoeringscontrole
Goedgekeurd werk draait in een geïsoleerde runtime met kortlevende credentials, een vastgelegd plan, begrensde gelijktijdigheid en een gehandhaafd kostenplafond.
Menselijke goedkeuring
Acties boven een risicodrempel stoppen en stellen het dossier samen voor een benoemde beoordelaar — het voorstel, het bewijs, de alternatieven en het gevolg van niets doen.
Bewijs
Invoer, opgehaalde context, gekozen model, aangeroepen tools, gegeven goedkeuringen en geproduceerde uitvoer, vastgelegd als een controleerbaar dossier bij de beslissing in plaats van verspreid over logs.
Evaluatie
Taakspecifieke evaluatiesets en regressietests, zodat een wijziging in een prompt, een modelupgrade of een beleidsaanpassing een gemeten verschil oplevert in plaats van een gehoopt verschil.
Agent-naar-agent
Wanneer de ene agent aan een andere delegeert, wordt de bevoegdheid smaller in plaats van dat die zich opstapelt. Delegatie wordt vastgelegd en het oorspronkelijke mandaat begrenst alles verderop.
Een control plane is geen dashboard dat rapporteert wat AI heeft gedaan. Het is het pad dat AI moet afleggen om überhaupt iets te kunnen doen.
Controlplaneversuswatervaakmeewordtverward
Deze drie worden regelmatig als alternatieven gepresenteerd. In de praktijk staan ze naast elkaar en lossen ze verschillende problemen op.
| Vergelijking | Wat die oplost | Wat een control plane toevoegt |
|---|---|---|
| Agentorkestratie | In welke volgorde stappen draaien, en hoe wordt hersteld bij fouten | Of een stap überhaupt mag, en onder wiens bevoegdheid |
| AI-gateway | Routering, limieten, sleutelbeheer en tokenverantwoording op modelverkeer | Het volledige verzoekpad: data, tools, acties, goedkeuringen en bewijs |
| LLMOps | Modellen en prompts bouwen, evalueren en uitrollen | Wat het resulterende systeem in productie mag doen, en aantoonbaar heeft gedaan |
Gebruikinkritiekeinfrastructuur
In netbeheer, waterbeheer, telecom en industriële procesomgevingen is de beperking zelden de bereidheid tot automatisering. Het is dat het gevolg van een niet-beoordeelde actie fysiek is, en dat de scheiding tussen informatiesystemen en operationele technologie er om goede redenen is.
Het patroon dat werkt is asymmetrisch. Observatie gaat over de grens: telemetrie, historiandata en assetgegevens stromen via een bemiddelaar naar buiten, de ontologie in, waar agents erover kunnen redeneren. Actie gaat niet onbegeleid over die grens: een agent stelt een voorstel met bewijs samen en legt dat neer bij een gekwalificeerde operator in het bestaande operationele systeem.
Die asymmetrie wordt uitgedrukt als beleid in de control plane, niet als een afspraak die mensen moeten onthouden.
Vragen
- Is een AI control plane hetzelfde als AI-governance?
- Verwant, maar niet hetzelfde. AI-governance is de organisatorische discipline: beleid, rollen, risicoclassificatie en toezicht. Een control plane is de technische laag die die besluiten handhaaft in het uitvoeringspad. Governance zonder handhaving is documentatie; handhaving zonder governance is configuratie zonder eigenaar.
- Hebben we dit nodig als we alleen een copilot gebruiken?
- Waarschijnlijk nog niet, en dat is een verdedigbaar standpunt. De noodzaak ontstaat wanneer AI acties gaat uitvoeren in plaats van concepten opleveren, wanneer meerdere teams onafhankelijk beginnen te bouwen, of wanneer een auditor vraagt wie iets heeft geautoriseerd. Het goede moment om ervoor te ontwerpen is vóór het derde team.
- Waar staat dit ten opzichte van onze identityprovider?
- Ernaast, niet in plaats van. Uw identityprovider blijft gezaghebbend voor mensen en federatie. De control plane geeft de niet-menselijke identiteiten uit waaronder agents handelen, en koppelt die aan uw directory voor eigenaarschap en goedkeuringsroutering.
- Vertraagt dit agents?
- Beleidsevaluatie voegt latency toe in de orde van milliseconden; menselijke goedkeuring kost zoveel tijd als de beoordelaar nodig heeft. De relevante vergelijking is niet met een onbestuurde agent maar met het huidige proces, waarin doorgaans iemand met de hand context bijeenzoekt voordat er iets besloten wordt.
Continue
- Enterprise-ontologieWaarom rechten getypeerde objecten nodig hebben om iets te betekenen.
- PlatformarchitectuurDe acht lagen en hoe ze samenhangen.
- SoevereiniteitControle over compute, modellen, data, identiteit, beheer en governance.
- Bestuurde agentsWat een mandaat begrenst en hoe goedkeuring werkt.
- SecurityarchitectuurZero trust voor niet-menselijke identiteiten. (Engels)
- Volledige uitlegHet uitgebreide referentieartikel. (Engels)
Breng ons één operationeel probleem.
U hoeft nog geen volledig plan te hebben. Breng het probleem — samen bepalen we de volgende stap.
Of plan direct een gesprek met het team