Rapport over de gereedheid van de data-infrastructuur 2026

De vraag naar AI groeit sneller dan de paraatheid van de infrastructuur. Uit nieuw wereldwijd onderzoek in opdracht van Seagate onder meer dan 2.700 besluitvormers op het gebied van bedrijfstechnologie is gebleken dat 99% verwacht dat AI de opslagbehoeften de komende drie jaar zal doen toenemen, terwijl slechts 38% aangeeft volledig hierop voorbereid te zijn.

Deze kloof in de paraatheid krijgt steeds grotere gevolgen naarmate AI een nieuwe fase ingaat. Het eerste tijdperk van AI werd gekenmerkt door doorbraken op het gebied van modellen en rekenkracht. Het komende tijdperk zal worden bepaald door de beslissingen over data-infrastructuur die nodig zijn om AI efficiënt en duurzaam op te schalen en op manieren die waarde op de lange termijn ontsluiten. Organisaties worden geconfronteerd met een nieuwe realiteit: Het succes van AI hangt af van innovaties op het gebied van infrastructuur, waarbij gegevens tegenwoordig een strategisch bedrijfsmiddel zijn in plaats van een kostenpost.

Tegen deze achtergrond werd in het onderzoek ingegaan op verschillende ontwikkelingen waarmee organisaties te maken hebben bij hun voorbereiding op de toekomst van AI-infrastructuur:

• Door AI aangestuurde gegevensgroei
• Gereedheid van de AI-infrastructuur
• Prioriteiten op het gebied van infrastructuurinvesteringen
• Duurzaamheid en operationele efficiëntie
• Opslagstrategie en schaalbaarheid op lange termijn

Deze ontwikkelingen onderstrepen de dringende noodzaak van voortdurende investeringen in datastrategie, datagovernance en de systemen die vereist zijn voor het succes van AI, en leiden tot een nieuwe prioriteit: duurzame schaalbaarheid.

Duurzame schaalbaarheid is het vermogen om de AI-capaciteit en de bedrijfswaarde te vergroten en tegelijkertijd de efficiëntie van de onderliggende infrastructuur voortdurend te verbeteren. Naarmate beleidsmakers, toezichthouders en het publiek de groei van de AI-infrastructuur steeds kritischer volgen, zal duurzame schaalvergroting een cruciale rol spelen in de levensvatbaarheid op lange termijn van een robuust en gezonde AI-economie.

De vijf strategische verschuivingen die hieronder worden beschreven, illustreren hoe organisaties duurzame schaalbaarheid in de praktijk brengen en waar de grootste kansen en uitdagingen liggen.

AI levert nu al meetbare bedrijfswaarde op. 86% van de respondenten beschrijft het rendement op AI-investeringen van hun organisatie als matig of aanzienlijk, waarbij 33% aangeeft dat er sprake is van aanzienlijke, meetbare opbrengsten. Deze resultaten maken de gegevens die AI mogelijk maken nog belangrijker. Wanneer modellen, toepassingen en beslissingen afhankelijk zijn van gegevens, is het opslaan daarvan niet langer een achtergrondtaak. Het draagt bij aan het vermogen van de organisatie om de resultaten op het gebied van AI in de loop van de tijd te verbeteren. Dit patroon is in grote lijnen terug te vinden in alle markten, waarbij gematigde of aanzienlijke rendementen worden gemeld in de VS (87%), China (91%), India (91%), Japan (75%), Frankrijk (82%), het Verenigd Koninkrijk (86%) en Duitsland (82%).

De verwachte groei is aanzienlijk. Vrijwel alle respondenten verwachten dat AI binnen drie jaar zal leiden tot een toename van de benodigde opslagcapaciteit. Zeven op de tien verwachten een stijging van ten minste 26%, inclusief 32% die verwacht dat de vereisten met meer dan de helft zullen toenemen. Deze verwachting is vrijwel overal op de verschillende markten aanwezig, variërend van 98% in Japan tot 100% in India, Frankrijk, het Verenigd Koninkrijk en Duitsland, terwijl de Verenigde Staten en China beide op 99% uitkomen.

De conclusie is duidelijk: organisaties moeten rekening houden met zowel een toename van de hoeveelheid gegevens als met de grotere waarde die in die gegevens vervat zit. Een kortetermijnbenadering die uitsluitend gericht is op onmiddellijke capaciteit kan ertoe leiden dat informatie te versnipperd, te ontoegankelijk of te duur wordt om te hergebruiken. Vanuit een langetermijnperspectief kunnen beslissingen op het gebied van gegevensbewaring, toegang en governance worden gekoppeld aan de toekomstige waarde die de organisatie verwacht dat AI zal opleveren.

Die verschuiving is al merkbaar in de manier waarop leidinggevenden opslag omschrijven. 89% is het ermee eens dat AI de gegevensopslag transformeert van een backofficefunctie naar een strategische bedrijfsinfrastructuur. Deze bevinding duidt op een verschuiving in prioriteiten: beslissingen op het gebied van opslag zijn nu rechtstreeks van invloed op hoe snel organisaties gegevens kunnen benutten en hoe goed zij de waarde ervan kunnen behouden. Dit beeld is consistent in alle markten, variërend van 96% in Japan en Duitsland tot 100% in India, waarbij de VS en het Verenigd Koninkrijk op 99%, China op 98% en Frankrijk op 97% uitkomen.

Uitvergroten

De meeste organisaties spreken hun vertrouwen uit in de koers die zij varen, maar bij nader inzien blijkt de werkelijkheid genuanceerder te zijn. Hoewel 83% aangeeft volledig of grotendeels voorbereid te zijn op de langetermijnbehoeften van AI op het gebied van gegevens, beschouwt slechts 38% zichzelf als volledig voorbereid. De waargenomen mate van paraatheid loopt per markt sterk uiteen, van 96% in China tot 55% in Japan, 89% in India, 88% in het Verenigd Koninkrijk, 86% in zowel de VS als Duitsland en 74% in Frankrijk.

Uit de bevindingen blijkt dat de mate waarin men klaar is voor AI niet alleen afhangt van rekencapaciteit of investeringen. De respondenten noemen de mate van ontwikkeling van de AI-strategie, het budget en de middelen, gegevensbeheer en governance als de meest voorkomende tekortkomingen. Ook bij de implementatie doen zich soortgelijke problemen voor. Wat de belangrijkste operationele beperkingen betreft, noemt 53% de kwaliteit en beschikbaarheid van gegevens en 43% de opslaginfrastructuur, tegenover 27% de beschikbaarheid van rekenkracht en 24% energiebeperkingen noemt.

De respondenten noemen de kwaliteit en gereedheid van gegevens (53%) en de opslaginfrastructuur (43%) als de belangrijkste uitdagingen bij de implementatie van AI, nog vóór de beschikbaarheid van rekenkracht en energiebeperkingen.

Uitvergroten

De respondenten noemen de kwaliteit en gereedheid van gegevens (53%) en de opslaginfrastructuur (43%) als de belangrijkste uitdagingen bij de implementatie van AI, nog vóór de beschikbaarheid van rekenkracht en energiebeperkingen.

De kloof in de paraatheid is uiteindelijk een uitdaging op het gebied van de gegevensbasis. Daarom hebben organisaties behoefte aan een gecoördineerde gegevensbasis waarin gegevensbewaring, governance, opslag en rekenkracht op elkaar zijn afgestemd, om AI effectief te kunnen opschalen.

Organisaties beschouwen investeringen in datacenters steeds vaker als een strategische zakelijke prioriteit in plaats van als een noodzakelijke operationele uitgave. Meer dan driekwart noemt dit als een van hun drie belangrijkste prioriteiten op het gebied van infrastructuur en één op de vijf noemt dit als hun allerhoogste prioriteit.

Uitvergroten

Uit de uitgavenprognoses blijkt ook dat AI-infrastructuur verder reikt dan alleen GPU’s. Beveiliging en compliance-infrastructuur staan bovenaan de lijst van investeringsprioriteiten van organisaties (44%), gevolgd door gegevensbeheer en -governance (43%). De vernieuwing van AI- en GPU-infrastructuur en opslaghardware staan op een gedeelde derde plaats als belangrijkste investeringsprioriteit (39%).

De strategische vraag is dan ook niet welke specifieke laag in de stack het grootste budget krijgt. Het gaat erom of de volledige infrastructuur de gegevensstroom naar AI-systemen kan ondersteunen, gegevens kan bewaren die later mogelijk aan waarde winnen, en kan opschalen zonder dat dit nieuwe operationele beperkingen met zich meebrengt. Investeringen leveren meer waarde op wanneer organisaties deze onderlinge afhankelijkheden gezamenlijk beoordelen.

Overwegingen op het gebied van energie en duurzaamheid spelen nu al een rol bij de planning van AI-infrastructuur. 77% van de respondenten geeft aan dat hun organisatie een uitbreiding heeft uitgesteld of herzien vanwege deze zorgen. Daaronder valt 36% die geplande investeringen ingrijpend heeft herzien en 41% die te maken heeft gehad met lichte vertragingen.

Door deze bevinding wordt efficiëntie niet langer een ambitie voor de toekomst, maar een huidige beperkende factor bij de planning. Organisaties moeten hun capaciteit uitbreiden, maar zij moeten ook inzicht hebben in de gevolgen van die groei voor de stroomvoorziening, de ruimte, de koeling en de levenscyclus van de apparatuur. De meest zinvolle beslissingen zijn die welke leidinggevenden kunnen koppelen aan meetbare operationele vereisten.

De respondenten verwachten vooruitgang. 39% beschrijft zijn opslagactiviteiten momenteel als ‘zeer duurzaam’. Dat percentage stijgt tot 61% wanneer zij nadenken over waar hun activiteiten zich over vijf jaar zullen bevinden. De verwachtingen variëren ook naargelang het beschikbare investeringsbedrag: 70% van de organisaties met een jaarlijks duurzaamheidsbudget van 100 miljoen dollar of meer verwacht dat hun bedrijfsvoering binnen vijf jaar ‘zeer duurzaam’ zal zijn, tegenover 48% van de organisaties met een budget van minder dan 1 miljoen dollar.

Organisaties definiëren en meten duurzame infrastructuur steeds vaker op basis van operationele efficiëntie in plaats van uitsluitend op basis van milieurapportages. Het stroomverbruik is de factor waarmee het vaakst rekening wordt gehouden bij de beoordeling van de ecologische voetafdruk van opslaghardware; 62% noemt dit. De levensduur en duurzaamheid van het apparaat volgen met 55%. Vrijwel alle respondenten zijn het er ook over eens dat het verlengen van de levensduur van apparatuur voor gegevensopslag een aanzienlijke invloed heeft op de duurzaamheid van de activiteiten in datacentra.

Deze bevindingen ondersteunen een operationele benadering van duurzame opschaling. In plaats van zich te baseren op algemene milieutermen, kunnen organisaties specifieke infrastructuurkeuzes beoordelen aan de hand van het stroomverbruik, de capaciteitsbenutting, de levensduur van de apparatuur en de energiekosten per terabyte. Deze maatregelen maken het eenvoudiger om duurzaamheidsdoelstellingen te koppelen aan de dagelijkse economische aspecten van infrastructuur.

Naarmate AI de hoeveelheid, verscheidenheid en waarde van de gegevens vergroot die organisaties nodig hebben om succesvol te zijn en te groeien, worden de bedrijfsmodellen die hierop zijn gebaseerd in toenemende mate bepaald door de onderliggende gegevensinfrastructuur. Net zo belangrijk als het uitbreiden van de capaciteit is het optimaliseren van de economische aspecten en de operationele efficiëntie van de groei. Dit houdt in dat bij het ontwerp van infrastructuur efficiëntiegerichte principes worden toegepast, waardoor organisaties hun capaciteit kunnen opschalen en tegelijkertijd het gebruik van middelen, de winstmarges en het rendement op investeringen op de lange termijn voortdurend kunnen verbeteren.

De verschuiving naar een op efficiëntie gerichte infrastructuur komt tot uiting in de operationele werkwijzen die organisaties hanteren:

• 52% maakt gebruik van AI om de opslag- en operationele behoeften vast te stellen (VS: 48%, China: 55%, India: 62%, Japan: 54%, Frankrijk: 47%, VK: 53%, Duitsland: 42%).
• 46% investeert in hernieuwbare energiebronnen (VS: 44%, China: 41%, India: 58%, Japan: 37%, Frankrijk: 45%, VK: 49%, Duitsland: 47%).
• 40% stemt het energieverbruik af op de daadwerkelijke gegevensbehoeften in plaats van de infrastructuur continu te laten draaien (VS: 34%, China: 44%, India: 48%, Japan: 41%, Frankrijk: 29%, VK: 41%, Duitsland: 40%).
• 31% hergebruikt de warmte die door de data-infrastructuur wordt gegenereerd (VS: 26%, China: 37%, India: 32%, Japan: 24%, Frankrijk: 38%, VK: 31%, Duitsland: 33%).

Diezelfde op efficiëntie gerichte denkwijze krijgt ook steeds meer invloed op de opslagarchitectuur. Een op de werklast afgestemde aanpak is een voorbeeld van deze verschuiving. In plaats van één enkele architectuur toe te passen op de gehele levenscyclus van gegevens, kunnen organisaties systemen ontwerpen die een evenwicht bieden tussen prestaties, capaciteit, efficiëntie en waarde op de lange termijn, afgestemd op de vereisten van de werklast. Dit biedt een praktischer kader voor het opschalen van AI, waarbij de infrastructuurkosten en de benodigde middelen onder controle worden gehouden.

AI-omgevingen omvatten diverse soorten gegevens met verschillende eisen op het gebied van prestaties, capaciteit en toegang. Trainingsgegevens, actieve datasets, inferentiecontext, modelcheckpoints, broninhoud en bewaarde uitvoer stellen niet allemaal dezelfde eisen aan de infrastructuur. Naarmate AI op grotere schaal wordt toegepast, wordt efficiëntiegericht ontwerp steeds belangrijker. Organisaties die opslagtechnologieën afstemmen op de vereisten van hun werkbelastingen binnen intelligente, meerlaagse architecturen, kunnen hun economische efficiëntie verbeteren, de operationele kosten verlagen en een veerkrachtiger basis leggen voor groei op de lange termijn.

De volgende fase van AI zal meer gegevens opleveren, maar capaciteit alleen zal niet bepalend zijn voor welke organisaties de waarde daarvan weten te benutten. Het onderscheidende kenmerk zal de mogelijkheid zijn om gegevens beschikbaar en gebruiksklaar te houden en tegelijkertijd op efficiënte wijze om te gaan met de eisen die de groei aan de infrastructuur stelt.

Uit het onderzoek blijkt dat hieraan al wordt gewerkt. Organisaties geven prioriteit aan investeringen in datacenters, herzien de rol van opslag en houden bij hun uitbreidingsplannen rekening met efficiëntie en de levenscyclus. Toch blijft er een groot verschil bestaan tussen grotendeels voorbereid zijn en volledig voorbereid zijn.

Om die kloof te dichten is een infrastructuurstrategie nodig die is afgestemd op de volledige levenscyclus van gegevens. Organisaties moeten inzicht hebben in welke gegevens zij zullen genereren, hoe snel verschillende werklasten toegang tot deze gegevens moeten hebben, hoe lang deze gegevens hun waarde behouden en welke operationele maatregelen de groei zullen sturen. Die beslissingen vormen de basis voor duurzame schaalvergroting en voor blijvende waarde die AI oplevert.