Op 12 juni 2026 om 17:21 ET verdween een van de beste AI-modellen ter wereld van de ene op de andere minuut. Niet door een storing. Niet door een prijswijziging. Door een directief van een overheid. En precies daarom is ai vendor lock-in geen abstract risico meer, maar iets wat ondernemers nu kunnen zien gebeuren.
Wat er die avond gebeurde, is het sterkste argument voor vendor-onafhankelijkheid dat ik dit jaar krijg. Ik leg uit wat er precies misging, wat het voor jouw bedrijf betekent, en hoe ik mijn eigen AI-systemen zo bouw dat één extern besluit ze niet kan platleggen.
Wat er op 12 juni gebeurde
De Amerikaanse Commerce Secretary, Howard Lutnick, gaf Anthropic die avond een directief op basis van national security en export-controle. Twee modellen, Fable 5 en Mythos 5, moesten onbereikbaar worden voor elke foreign national.
Niet alleen voor mensen buiten de VS. Ook voor niet-Amerikanen binnen de Verenigde Staten. Zelfs voor Anthropic's eigen niet-Amerikaanse werknemers.
De aanleiding was een jailbreak die de cybersecurity-capaciteit van Mythos zou ontsluiten. Fable 5 is sterk in het opsporen van software-kwetsbaarheden, en de overheid vond dat te gevoelig om wereldwijd toegankelijk te houden.
Om aan de eis te voldoen kon Anthropic niet selectief filteren. Het bedrijf moest beide modellen volledig uitzetten voor álle klanten, ook de Amerikaanse. In de eigen verklaring schrijft Anthropic dat deze norm, breed toegepast, elke nieuwe modelrelease van elke frontier-aanbieder zou kunnen stilleggen. Andere modellen bleven wel beschikbaar, maar deze twee waren weg.
Voor wie zijn werk op een van die twee modellen had gebouwd, was het simpel: de motor sloeg af en er was geen knop om hem aan te zetten.
Wat ai vendor lock-in echt betekent voor jouw bedrijf
Vendor lock-in klinkt als IT-jargon. In de praktijk betekent het iets heel concreets: je hele werkproces kan stilvallen door een besluit waar jij geen enkele invloed op hebt.
Stel je voor dat je een AI hebt ingericht die je offertes opstelt, je klantmails beantwoordt, of je inkoopdata analyseert. Het werkt maanden goed. Je personeel rekent erop. Je hebt processen eromheen gebouwd.
En dan, op een dinsdagavond, is het model weg. Niet omdat jij iets fout deed. Omdat een overheid aan de andere kant van de oceaan een handtekening zette.
Dit is het kernprobleem van afhankelijkheid van één externe partij. Het maakt niet uit hoe goed het model is. Als jij geen alternatief klaar hebt staan, ben je overgeleverd aan beslissingen van de provider, de overheid van het land waar de provider zit, en de geopolitiek daartussen.
En het hoeft niet eens een overheid te zijn. Een prijsverhoging, een gewijzigde gebruiksvoorwaarde, een provider die een model met pensioen stuurt: het effect op jouw workflow is hetzelfde. Eén beslissing, en je staat stil.
Vendor-onafhankelijkheid is geen luxe, het is een ontwerpkeuze
De les uit 12 juni is niet "gebruik geen Anthropic" of "vermijd Amerikaanse providers". De les is: bouw zo dat geen enkele provider je kan platleggen.
Dat begint bij een simpel principe. Je AI-systeem moet niet afhankelijk zijn van één specifiek model, maar van een rol die door meerdere modellen ingevuld kan worden.
In de systemen die ik bouw, koppel ik de logica nooit hard aan één leverancier. De software weet niet of er Anthropic, OpenAI, een Chinees model of een lokaal model draait. Hij weet alleen: "ik heb hier iets nodig dat tekst analyseert" of "ik heb iets nodig dat code schrijft".
Welk model die taak doet, is een instelling, geen fundament. Daardoor kan ik vandaag model A gebruiken en morgen model B, zonder dat ik mijn hele systeem moet herbouwen. Als er één wegvalt, schakel ik om en draait alles door.
In de praktijk wissel ik per taak van model. Het ene model voor architectuurwerk, het andere voor uitvoering, weer een ander voor controle. Die flexibiliteit is precies wat je beschermt op het moment dat een model verdwijnt. Welke modellen op welk moment het beste presteren verandert overigens elke paar maanden, en daarom test ik geregeld welk AI-model lokaal draait en welke ik beter via een externe dienst afneem.
Lokaal AI draaien waar het kan
De sterkste vorm van vendor-onafhankelijkheid is een model dat op je eigen hardware draait. Niemand kan een model uitzetten dat fysiek bij jou op kantoor staat.
Open modellen zijn de afgelopen twee jaar zo goed geworden dat ze voor veel MKB-taken ruim volstaan. Facturen lezen, e-mails samenvatten, documenten doorzoeken, klantvragen classificeren: dat kan op een goede lokale machine, zonder dat je data ooit je bedrijf verlaat.
Lokaal draaien lost in één klap drie problemen op. Je bent niet afhankelijk van een externe provider. Je data blijft binnen je eigen muren, wat voor privacygevoelig werk een eis is. En je betaalt geen verbruikskosten per gebruik, alleen je eigen stroom en hardware.
Het is niet voor alles de beste keuze. De allerzwaarste taken doen externe topmodellen nog altijd beter. Maar de juiste mix, het routinewerk lokaal en alleen de echt complexe zaken extern, geeft je een fundament dat niet zomaar instort. Als de externe modellen wegvallen, valt je dagelijkse werk niet stil, want de basis draait gewoon bij jou.
Governance: weten wat er draait voordat het misgaat
Vendor-onafhankelijkheid op papier is niets waard als je niet weet wat je systeem op dit moment gebruikt. Toen Fable 5 en Mythos 5 verdwenen, was de eerste vraag voor veel bedrijven: draaien wij hier eigenlijk op?
Veel ondernemers konden die vraag niet beantwoorden. Hun AI zat verstopt in een tool, een plugin of een dienst, en welk model daaronder draaide wisten ze niet.
Daarom leg ik in mijn eigen governance-framework van elke AI-actie vast welk model die uitvoerde, wat het deed en wat het kostte. Niet als bureaucratie, maar omdat je een afhankelijkheid pas kunt managen als je hem kunt zien.
Op het moment dat een model verdwijnt, wil je binnen een minuut kunnen zeggen: deze processen raken het, deze niet, en hier zit het alternatief. Die vastlegging is precies wat het verschil maakt tussen een avondje omschakelen en een week paniek. Ik schreef eerder uitgebreider over waarom ik elke AI-beslissing vastleg in een controleerbaar logboek, en 12 juni is het beste argument voor die discipline dat ik tot nu toe ben tegengekomen.
Wat dit betekent voor de keuzes die je nu maakt
Ik bouw al sinds 1 februari 2025 aan AI-productiesystemen, met ruim 3.000 uur ontwikkeltijd erin, en de rode draad is steeds dezelfde: de architectuur is belangrijker dan het model van de week.
Modellen komen en gaan. Ze worden beter, duurder, verboden of met pensioen gestuurd. Wat blijft, is de vraag of jouw systeem die wisselingen kan opvangen zonder om te vallen.
Het bedrijf dat op 12 juni in paniek raakte, had niets fout gedaan. Het had alleen één aanname gemaakt die nu niet meer houdbaar is: dat een commercieel topmodel er altijd zou zijn.
Wat je nu zou moeten checken aan je eigen AI-stack
Begin met drie simpele vragen over elke AI-tool die je gebruikt.
Eén: welk model draait hieronder, en van welke provider? Als je het niet weet, is dat al je antwoord.
Twee: wat gebeurt er met mijn werkproces als dit model morgen verdwijnt? Als het antwoord "dan ligt het stil" is, heb je een afhankelijkheid die je moet afdekken.
Drie: kan ik dit routinewerk lokaal of bij een tweede provider draaien? Voor veel taken is dat antwoord vaker ja dan ondernemers denken.
Je hoeft niet alles morgen om te bouwen. Maar weten waar je kwetsbaar bent, is de eerste stap. Op 12 juni werd duidelijk dat de vraag niet is óf een model ooit verdwijnt, maar of jij dan klaarstaat.