Red Hat lanceert AI 3.4 voor schaalbare bedrijfs-AI en autonome agents

Red Hat, wereldwijd marktleider in enterprise open source-oplossingen, heeft deze week tijdens Red Hat Summit meerdere aanvullingen aangekondigd op zijn product- en dienstenportfolio voor AI-infrastructuur. De belangrijkste nieuwigheid is Red Hat AI 3.4, een platform dat de ontwikkeling en uitrol van agentic workflows moet vereenvoudigen. Het bedrijf richt zich met de nieuwe versie op organisaties die de stap willen zetten van losse AI-proefprojecten naar schaalbare implementaties over hun volledige infrastructuur.

Red Hat AI 3.4 wordt door het bedrijf omschreven als een uniform metal-to-agent platform. Dit betekent dat het de volledige stack dekt, van de onderliggende hardware-infrastructuur tot de autonome agents die taken uitvoeren. Het platform biedt volgens Red Hat een enterprise-fundament voor schaalbare inferentie en implementaties van autonome agents, met de transparantie en controle die nodig zijn om aan strenge eisen op het gebied van risico en governance te voldoen. Hierdoor kunnen organisaties AI benaderen als een schaalbare, voorspelbare en verantwoorde bedrijfsvoorziening in plaats van als verzameling losstaande experimenten.

Red Hat is een Amerikaans softwarebedrijf dat sinds 2019 eigendom is van IBM. Het bedrijf is vooral bekend van Red Hat Enterprise Linux, een commerciële Linux-distributie die veel wordt gebruikt in datacenters en cloudinfrastructuur. Red Hat richt zich op open source-software voor bedrijven, met producten voor containerplatforms, automatisering, cloudinfrastructuur en middleware. Het bedrijf heeft wereldwijd circa 20.000 medewerkers en behaalde in boekjaar 2025 een omzet van ongeveer 5,8 miljard dollar. De focus op AI-infrastructuur past in de bredere strategie van IBM en Red Hat om bedrijven te helpen bij de implementatie van kunstmatige intelligentie in productieomsgevingen.

De nieuwe versie introduceert twee belangrijke functionaliteiten. Ten eerste combineert Red Hat AI 3.4 schaalbare inferentie met gereguleerde modeltoegang. Het platform integreert de vLLM-inferentieserver en de gedistribueerde llm-d-engine met Model-as-a-Service (MaaS). Dit moet een krachtige basis bieden voor modelinferentie, terwijl de toegang tot modellen centraal beheerd kan worden voor zowel gebruikers als agents. Inferentie is het proces waarbij een AI-model voorspellingen of antwoorden genereert op basis van nieuwe input, en is een van de meest rekenintensieve onderdelen van AI-implementaties.

Ten tweede biedt de nieuwe versie gestroomlijnde AgentOps voor de levenscyclus van autonome toepassingen. Dit omvat uitgebreide AgentOps-mogelijkheden met geïntegreerde tracing, observability en evaluaties, plus beheer van agent-identiteit en -levenscyclus. Hierdoor kunnen agents gecontroleerd van ontwikkeling naar productie worden gebracht. AgentOps is een relatief nieuw begrip in de AI-wereld, vergelijkbaar met DevOps en MLOps, en richt zich specifiek op het beheren van autonome AI-agents die taken kunnen uitvoeren zonder directe menselijke tussenkomst.

Autonome agents zijn AI-systemen die zelfstandig taken kunnen uitvoeren, beslissingen kunnen nemen en kunnen reageren op veranderende omstandigheden. In tegenstelling tot traditionele AI-modellen die alleen antwoorden geven op vragen, kunnen agents actief handelingen verrichten zoals het verzamelen van informatie, het uitvoeren van berekeningen, het aanroepen van externe systemen en het nemen van beslissingen op basis van vooraf gedefinieerde doelen. Voorbeelden zijn agents die klantvragen afhandelen, supply chain-processen optimaliseren, of financiële analyses uitvoeren.

De focus op agentic workflows is opvallend omdat dit een van de snelst groeiende gebieden binnen bedrijfs-AI is. Waar veel organisaties de afgelopen twee jaar vooral hebben geëxperimenteerd met chatbots en generatieve AI voor tekst en beeld, verschuift de aandacht nu naar agents die complexere, meertrapsprocessen kunnen uitvoeren. Volgens marktonderzoeksbureau Gartner zal tegen 2028 ongeveer 33 procent van de enterprise software-applicaties agentic AI bevatten, tegenover minder dan 1 procent begin 2024. Deze verschuiving vraagt om nieuwe infrastructuur en beheertools, wat de timing van Red Hat AI 3.4 verklaart.

Uitdagingen bij schalen van AI

Veel organisaties kampen met de overgang van AI-pilots naar productie-implementaties. Uit onderzoek van McKinsey uit 2025 blijkt dat slechts 23 procent van de AI-proefprojecten in bedrijven wordt opgeschaald naar volledige productie. De belangrijkste obstakels zijn technische complexiteit, gebrek aan governance, onvoldoende infrastructuur, en zorgen over betrouwbaarheid en veiligheid. Bedrijven worstelen met vragen als: hoe beheer je tientallen of honderden AI-modellen, hoe zorg je voor consistente prestaties, hoe voorkom je dat modellen ongewenst gedrag vertonen, en hoe voldoe je aan regelgeving rond AI-gebruik.

Red Hat positioneert zijn platform als antwoord op deze uitdagingen. Door inferentie, modelbeheer, observability en governance in één platform te integreren, moet het eenvoudiger worden om AI-toepassingen te beheren en te schalen. De nadruk op transparantie en controle is relevant gezien de toenemende regelgeving rond AI, zoals de Europese AI Act die in 2026 van kracht werd. Deze wetgeving stelt strenge eisen aan hoogrisico-AI-systemen, waaronder transparantie, menselijk toezicht, datakwaliteit en risicobeheer.

De keuze voor open source is kenmerkend voor Red Hat. Waar veel AI-platforms van grote cloudleveranciers zoals Amazon Web Services, Microsoft Azure en Google Cloud propriëtaire componenten bevatten, bouwt Red Hat op open source-technologie. Dit biedt organisaties meer flexibiliteit en voorkomt vendor lock-in, maar vraagt ook meer technische expertise. De vLLM-inferentieserver die Red Hat integreert is een open source-project dat zich richt op snelle en efficiënte inferentie voor grote taalmodellen. Het project wordt breed gebruikt in de AI-community en ondersteunt modellen zoals Llama, Mistral en GPT-varianten.

Model-as-a-Service (MaaS) is een benadering waarbij AI-modellen als beheerde dienst worden aangeboden, vergelijkbaar met Software-as-a-Service. In plaats van dat elke afdeling of ontwikkelaar zelf modellen moet deployen en beheren, biedt een centrale dienst toegang tot een catalogus van goedgekeurde modellen. Dit vereenvoudigt het beheer, verbetert de beveiliging en zorgt voor consistente prestaties. Voor organisaties met tientallen of honderden AI-toepassingen is dit een belangrijke vereenvoudiging.

Marktcontext en concurrentie

Red Hat opereert in een competitieve markt voor AI-infrastructuur. Grote cloudleveranciers zoals AWS, Microsoft en Google bieden uitgebreide AI-platforms met vergelijkbare functionaliteit. AWS heeft SageMaker en Bedrock, Microsoft heeft Azure AI en OpenAI-integratie, Google heeft Vertex AI. Deze platforms bieden vaak meer out-of-the-box functionaliteit en eenvoudigere onboarding, maar zijn sterker gekoppeld aan de eigen cloudinfrastructuur.

Daarnaast zijn er gespecialiseerde aanbieders zoals Databricks, dat zich richt op data en AI-workflows, en startups zoals Weights & Biases en Comet die zich richten op MLOps en experiment tracking. Red Hat onderscheidt zich door de focus op open source, hybride cloud en enterprise governance. Het bedrijf richt zich vooral op organisaties die AI willen draaien op eigen infrastructuur of in hybride omgevingen, en die waarde hechten aan vendor-onafhankelijkheid.

De AI-infrastructuurmarkt groeit hard. Volgens onderzoeksbureau IDC zal de wereldwijde markt voor AI-platforms en -infrastructuur in 2026 ongeveer 67 miljard dollar bedragen, met een verwachte groei naar 135 miljard dollar in 2029. Dit omvat hardware, software, cloudservices en professionele diensten. De groei wordt gedreven door toenemende adoptie van generatieve AI, de opkomst van autonome agents, en de behoefte aan schaalbare infrastructuur voor training en inferentie.

Gevolgen voor Nederlandse bedrijven

Voor Nederlandse bedrijven die AI willen implementeren is de aankondiging relevant om meerdere redenen. Ten eerste illustreert het de verschuiving van experimenteren naar productie. Veel Nederlandse organisaties hebben de afgelopen twee jaar geëxperimenteerd met ChatGPT, generatieve AI en andere tools, maar worstelen met de vraag hoe ze dit structureel kunnen inbedden. Platforms zoals Red Hat AI 3.4 bieden een mogelijke route, maar vragen wel aanzienlijke technische expertise en investeringen.

Ten tweede is de focus op governance en compliance relevant voor Nederlandse bedrijven die onder de Europese AI Act vallen. Organisaties die hoogrisico-AI-systemen ontwikkelen of gebruiken, moeten kunnen aantonen dat ze voldoen aan eisen rond transparantie, risicobeheer en menselijk toezicht. Een platform dat deze functionaliteit ingebouwd heeft, kan de compliance-last verlagen.

Ten derde is de keuze voor open source en hybride cloud relevant voor organisaties die hun data en AI-modellen niet volledig naar de publieke cloud willen verplaatsen. Dit geldt vooral voor sectoren zoals financiële dienstverlening, zorg en overheid, waar databescherming en soevereiniteit belangrijke overwegingen zijn. Red Hat biedt de mogelijkheid om AI-infrastructuur te draaien op eigen datacenters, in private clouds, of in hybride configuraties.

De kosten van AI-infrastructuur zijn aanzienlijk. Training van grote AI-modellen kost miljoenen euro's aan rekenkracht, en ook inferentie kan duur zijn bij grote schaal. Een efficiënte inferentie-engine zoals vLLM kan de kosten aanzienlijk verlagen door betere benutting van GPU's en snellere responstijden. Voor bedrijven die honderden of duizenden AI-verzoeken per dag verwerken, kunnen de besparingen oplopen tot tienduizenden euro's per maand.

Red Hat AI 3.4 is beschikbaar vanaf deze week. Het bedrijf heeft niet bekendgemaakt wat de prijsstelling is, maar enterprise open source-licenties van Red Hat zijn doorgaans gebaseerd op het aantal servers of cores, met jaarlijkse abonnementen die variëren van enkele duizenden tot tienduizenden euro's per server. Daarbovenop komen vaak kosten voor professionele diensten, training en support.

De komende maanden zal blijken hoe de markt reageert op de nieuwe versie. Red Hat heeft een sterke positie in enterprise Linux en containerplatforms, maar is relatief nieuw in de AI-markt. Het succes zal afhangen van de vraag of het bedrijf voldoende functionaliteit, prestaties en gebruiksgemak kan bieden om te concurreren met de grote cloudleveranciers en gespecialiseerde AI-platforms.

Voor de bredere markt is de aankondiging een signaal dat AI-infrastructuur volwassener wordt. De focus verschuift van experimenteren en prototyping naar productie, schaal en governance. Dit vraagt om professionele tooling, gestandaardiseerde workflows en enterprise-grade betrouwbaarheid. Bedrijven die AI serieus willen inzetten, zullen moeten investeren in infrastructuur, processen en vaardigheden om dit mogelijk te maken.

Red Hat Summit, waar de aankondiging plaatsvond, is de jaarlijkse gebruikersconferentie van het bedrijf. De conferentie trekt doorgaans 5.000 tot 8.000 bezoekers, vooral IT-professionals, ontwikkelaars en beslissers uit grote organisaties. Naast productaankondigingen biedt het evenement technische sessies, workshops en netwerkmogelijkheden. De focus op AI dit jaar weerspiegelt de prioriteit die Red Hat en IBM aan dit thema geven.