Waarom is dit belangrijk?
Een gedeelde AI-techstack laat organisaties een AI-systeem van proef naar dagelijks gebruik brengen en later bijwerken en controleren. In de digitalisering van overheid, wetenschap en werk bepaalt deze basis of nieuwe systemen aansluiten op bestaande administraties en onderzoeksomgevingen. Op school en op het werk merken gebruikers stabielere hulpmiddelen, maar een vaste keuze maakt wisselen lastig en een storing in één onderdeel raakt het hele systeem.
Zo werkt het in de praktijk
In de maakindustrie tonen bedrijven op IMTS een AI-techstack. AWS koppelt data uit SAP, PLM en historians via een kennisgraaf in de Industrial Data Fabric. Het Universitair Ziekenhuis Balgrist ontwikkelt in de zorg deep-learningmodellen in de cloud voor medische beelden.
ISO/IEC JTC 1/SC 42 beschrijft in ISO/IEC 23053 de onderdelen van een AI-systeem met machine learning. De norm geeft gedeelde termen voor die onderdelen en hun functies, ook bij deep learning. Organisaties gebruiken het kader bij het ontwerpen en beoordelen.
Teams passen MLOps toe op de AI-techstack. MLOps is een werkwijze om modellen betrouwbaar in gebruik te nemen en te bewaken. Een MLOps-tool verplaatst modellen en data tussen bouwplatform en rekenomgeving, van training tot monitoring.




