Je beste medewerker is onmisbaar, en dat is precies het risico. In elk MKB zit cruciale kennis in een paar hoofden, ongedocumenteerd. Zo leg je die vast met AI, zonder de expert te vervangen.
Een eigen AI onder je bureau hoeft geen 85.000 dollar te kosten. Ik vergelijk drie werkstations van 2.000 tot 4.700 dollar: NVIDIA DGX Spark, AMD Strix Halo en de Mac Studio.
Chat-logs verlopen, context gaat verloren, en git toont wat veranderde maar niet waarom. Zo bouwde ik een AI audit trail die crash-bestendig is, lokaal blijft, en geen database nodig heeft.
Een AI-werkstation van 84.999 dollar onder je bureau. De prijs is niet het punt. De vraag is van wie jouw AI-model en je data zijn. Over data-soevereiniteit voor het MKB.
De Digital Omnibus stelt de zware high-risk-regels van de EU AI Act uit naar 2027 en 2028. Maar de transparantieverplichtingen gelden vanaf 2 augustus 2026. Dit moet je als MKB-gebruiker nu regelen.
Op 12 juni dwong de Amerikaanse overheid Anthropic om twee topmodellen wereldwijd uit te zetten. Wie alles op één externe AI-provider bouwt, kan op dezelfde manier worden uitgezet. Dit is hoe het anders kan.
Een complete walkthrough van mijn productie-Claude-Code-setup. 38 skills, 11 sub-agents, persistent memory, en de governance-laag eromheen. Geen abstractie, concrete file-paths en patronen voor AI peers en hobbyisten.
Een AI-systeem dat suggesties doet die je negeert is alleen maar ruis. Een AI-systeem dat patronen herkent en suggesties doet die je vaker wel dan niet aanneemt, dat is een leerloop. Hoe je die bouwt zonder volledige autonomie weg te geven.
Prompt engineering is dood. Context engineering heeft het overgenomen. Het verschil, en hoe je voorkomt dat je AI-assistent verzandt in ruis. Voor AI peers en hobbyisten die voorbij de eerste experimenten zijn.
Een AI-assistent zonder state is een goudvis. Iedere sessie begint hij opnieuw. Hier is hoe je dat oplost, concrete patronen voor AI peers en hobbyisten, met code-voorbeelden voor Claude Code.
Without instruction provenance, you cannot verify that a receipt corresponds to the prompt that ran. PR #309 added a SHA-256 hash of the literal instruction text to every dispatch manifest and receipt. One line of Python. Permanent forensic value.
A year ago I bolted a small helper onto another project. The bottleneck was never whether the AI could write code. It was knowing what it did, who reviewed it, and whether I could reconstruct that later. Today VNX is open source: 1.0.