Wat als je AI-model morgen ineens offline gaat?

Een model dat er 's avonds nog was, en 's ochtends niet meer

Stel je voor: je hebt net een slimme AI-assistent in je bedrijf ingericht. Offertes worden automatisch opgesteld, binnenkomende mails gesorteerd, klantvragen voorgekauwd. Het werkt. En dan krijg je een melding dat het AI-model waar alles op draait per direct is uitgeschakeld. Niet vanwege een storing, maar omdat een overheid dat heeft bevolen.

Dat klinkt als een ver-van-je-bed-scenario, maar precies dit gebeurde in juni 2026. Het nieuwste en krachtigste AI-model dat publiek beschikbaar was, ging twee dagen na de feestelijke lancering alweer op zwart. Wereldwijd, voor iedereen, van de ene op de andere dag. Voor de meeste bedrijven liep het met een sisser af, omdat alles netjes terugviel op een ander model. Maar het laat wél een ongemakkelijke vraag zien die elke ondernemer met AI in zijn processen zich zou moeten stellen: wat gebeurt er met mijn bedrijf als dat ene model er morgen niet meer is?

Waarom dit niet eenmalig is

Het is verleidelijk om dit af te doen als een rare uitschieter. Dat is het niet. Modellen verdwijnen of veranderen om allerlei redenen die niets met jou te maken hebben: een leverancier zet een oud model uit om een nieuw model te promoten, prijzen gaan omhoog, een model wordt opnieuw afgesteld waardoor het zich anders gedraagt, of er komt (zoals in dat geval) ineens een regel van buitenaf overheen. Het tempo ligt hoog: soms komen er in één week drie nieuwe topmodellen bij, en juist die snelle wisselingen maken vastzitten aan één aanbieder riskant.

Het hoeft trouwens niet eens zo ver te gaan als helemaal weg. Ook een leverancier die je weeklimiet een stukje krapper zet, raakt een proces dat op vaste tijden moet draaien.

Voor een groot techbedrijf is dat een rimpeling. Voor een MKB-bedrijf dat zijn klantenservice of administratie op één model heeft gebouwd, kan het het verschil zijn tussen "we merken er niets van" en "de halve dinsdag ligt plat". Het goede nieuws: je kunt je hier vrij eenvoudig tegen wapenen. Het draait om één principe.

Bouw model-agnostisch, niet model-afhankelijk

"Model-agnostisch" klinkt technisch, maar het idee is simpel: je automatisering moet niet weten of het kán schelen welk specifiek AI-model het werk doet. Het model is een onderdeel dat je kunt vervangen, zoals je een leverancier van kantoorartikelen kunt vervangen zonder dat je hele inkoopproces omvalt.

In de praktijk betekent dat: je legt niet vast "gebruik altijd dít ene model van die ene aanbieder", maar "gebruik bij voorkeur dit model, en als dat niet beschikbaar is, val terug op een alternatief". Dat tweede deel, de terugval, is wat de meeste bedrijven vergeten in te bouwen. En het is precies wat toen het verschil maakte tussen rustig doorwerken en stilstand.

Concreet zijn er drie lagen waarop je dit regelt:

1. Een primair en een reservemodel. Kies een hoofdmodel én minstens één alternatief dat in dezelfde categorie speelt. Werkt het ene niet, dan neemt het andere het over.
2. Losse koppeling tussen je proces en het model. Je workflow stuurt een opdracht naar "een AI", niet naar een specifiek merk diep verstopt in je code. Zo wissel je later van model zonder alles om te bouwen.
3. Een terugvalplan voor als álle AI even wegvalt. Wat is het minimale dat handmatig moet kunnen doorgaan? Vaak is dat minder eng dan je denkt, zolang je het van tevoren hebt bedacht.

Hoe je dit in de praktijk inricht

De meeste MKB-automatisering bouwen we tegenwoordig in tools waar dit principe gewoon in zit, je moet het alleen aanzetten. In n8n (het automatiseringsplatform dat we vaak inzetten) kies je per stap welk AI-model het werk doet. Je kunt daar een tweede model naast hangen dat het overneemt zodra het eerste hapert. Geen ingewikkelde code, gewoon een extra blok in je workflow.

Werk je met Claude Code of vergelijkbare gereedschappen voor je ontwikkelteam? Daar kun je inmiddels een lijstje van reservemodellen instellen: valt je voorkeursmodel weg, dan pakt het automatisch het volgende uit de rij. Dezelfde gedachte, andere knop.

De kern is steeds hetzelfde: je maakt een bewuste keuze over wat er gebeurt als plan A niet beschikbaar is, in plaats van daar pas over na te denken op het moment dat het misgaat. Als je wilt zien hoe zo'n flexibele opzet er voor jouw situatie uitziet, hebben we de basis ervan beschreven in onze gids over automatisering voor ondernemers.

Wat er sinds juni 2026 is bijgekomen

Toen we dit schreven, ging het over één spectaculair geval: een model dat van bovenaf werd uitgezet. Dat blijft zeldzaam. In de maanden daarna kwamen er twee veel alledaagsere manieren bij waarop het model onder je automatisering kan wegvallen, en die raken je waarschijnlijk eerder.

De eerste is de aangekondigde afvoerdatum. Aanbieders ruimen hun oude modellen inmiddels op volgens een vast schema, met een aankondiging vooraf. In de release notes van OpenAI (2026) staat bijvoorbeeld dat GPT-4.5 op 27 juni 2026 uit ChatGPT verdween na een aankondiging van dertig dagen, dat o3 op 26 augustus 2026 volgde na negentig dagen, en dat de losse DALL-E-assistent op 30 augustus 2026 werd uitgezet. Dat is netjes geregeld, maar alleen als iemand die aankondiging leest. Draait er een automatisering op een model dat over drie maanden verdwijnt, dan is dat vandaag nog geen probleem en over drie maanden wel.

De tweede is de gewone storing. Die is minder dramatisch dan een verbod en komt veel vaker voor. Op de statuspagina van Anthropic stonden in augustus 2026 meerdere verstoringen binnen één maand, meestal van een half uur tot een paar uur. Voor wie een terugvalmodel had ingesteld, betekende dat vertraging. Voor wie dat niet had, stond de betreffende automatisering stil.

Er is ook een derde categorie in beeld gekomen: rechtszaken. Verschillende muziekuitgevers procederen tegen Anthropic over trainingsdata, waarvan de zaak van Sony Music Publishing en Warner Chappell van eind augustus 2026 de meest recente is. Zulke zaken lopen jaren en zeggen op dit moment niets over de beschikbaarheid van een model, dus dat is geen reden om iets te veranderen. Het is wel een reden om niet te doen alsof de AI-markt een stabiele boel is waarin je vijf jaar vooruit kunt plannen.

Zet die ene datum in je agenda

Van die drie is de aangekondigde afvoerdatum de enige waar je vooraf iets aan kunt doen, en juist die glipt er meestal doorheen. Drie dingen die samen een half uur kosten:

1. Schrijf op welk model waar draait. Vaak zijn dat er minder dan je denkt: één in je mailafhandeling, één in je documentverwerking, misschien één in een chatbot.
2. Zoek per aanbieder de pagina op waar afvoerdatums staan. Elke grote aanbieder heeft er een. Zet één herinnering per kwartaal om die door te lopen.
3. Spreek af wie dat doet. Continuïteit die van niemand is, wordt niet bijgehouden. Dat geldt hier net zo goed als bij de vraag wie de server van je automatisering bijwerkt.

"Maar mijn leverancier is toch betrouwbaar?"

Dat is hij waarschijnlijk ook. Het punt is niet dat je je aanbieder moet wantrouwen. Het punt is dat betrouwbaarheid van de leverancier en continuïteit van jóuw proces twee verschillende dingen zijn. Zelfs de meest solide aanbieder kan te maken krijgen met regels, storingen of beslissingen waar hij zelf niet over gaat. Juni 2026 was daar het levende bewijs van: het ging niet om een onbetrouwbare partij, maar om een ingreep van buitenaf die niemand kon zien aankomen.

Continuïteit is iets wat je zelf organiseert, in je eigen processen. Net zoals je niet je hele voorraad bij één leverancier neerlegt en niet al je omzet uit één klant haalt, leg je ook niet je hele AI-laag in handen van één model. Het is gewoon goed risicobeheer, en het kost je, mits goed ingericht, nauwelijks extra moeite.

Wat dit waard is voor je bedrijf

Even praktisch: wat levert dit op, los van een geruster gevoel?

• Geen stilstand bij een uitval. Als één model wegvalt, draait je proces door op een alternatief. Je klanten merken er niets van.
• Onderhandelingsruimte. Wie niet vastzit aan één aanbieder kan makkelijker overstappen als prijzen stijgen of een ander model beter werk levert.
• Toekomstbestendig. De AI-markt verandert razendsnel. Een opzet die niet aan één model vastzit, kan meebewegen met wat er morgen beter of goedkoper is, zonder verbouwing.

Dat laatste sluit aan bij hoe wij sowieso naar AI in het MKB kijken: niet als één magische knop, maar als een set bouwstenen die je slim combineert. Daar schreven we eerder over in AI-agents voor het MKB.

Begin klein, maar begin bewust

Je hoeft hier geen groot project van te maken. De meeste schade ontstaat niet doordat bedrijven het verkeerd doen, maar doordat ze er simpelweg nooit over hebben nagedacht, en dan op de verkeerde dag worden verrast. Eén middag nadenken over "wat als dit model wegvalt?" en het inbouwen van een eenvoudige terugval is genoeg om de grootste risico's af te dekken.

Wil je weten waar je vandaag al op leunt zonder het te beseffen, en hoe je je automatisering robuuster maakt zonder alles overhoop te halen? We kijken het graag samen met je door.