Toen ik in de jaren negentig op de middelbare school zat, nam mijn natuurkundeleraar me terzijde met een vraag die hij niet van zich af kon zetten: “Hoe zorgen ze ervoor dat elke computer ter wereld met elke andere computer praat?”
Hij had gezien hoe moeilijk het was om het eens te worden over fundamentele zaken als stopcontacten of normen voor telefoongesprekken. Maar plotseling hadden we dit internetding waarbij een machine in Thunder Bay in milliseconden met een machine in Tokio kon praten. Geen centrale planner. Geen mondiaal verdrag. Op de een of andere manier werkte het gewoon.
Het echte antwoord is minder magie en meer nadenken: een systeemprincipe dat de wet van Postel wordt genoemd.
In gewone taal: wees streng in wat u verzendt; wees genereus met wat je accepteert. Als ik met je praat, moet ik mijn best doen om de regels te volgen. Als je luistert, moet je je best doen om mij te begrijpen, ook al breek ik ze een beetje.
Deze filosofie, ingebouwd in vroege internetprotocollen, verdubbelde onze kansen dat twee systemen zouden samenwerken. Misschien heeft de afzender gelijk. Misschien was de ontvanger extra tolerant. Hoe dan ook, het netwerk ging door.
De afgelopen dertig jaar hebben we geprobeerd hetzelfde idee toe te passen: alles met alles verbinden, op steeds hogere lagen van de stapel. Het is niet altijd even sierlijk geweest.
EERST PROBEERDEN WE DE SYNTAXIS TE STANDAARDISEREN
In de jaren 2000 gokten bedrijven zwaar op XML. Het idee was simpel: één universeel formaat voor het delen van gegevens met een rulebook dat specificeerde hoe elk document eruit moest zien. In theorie zou software gewoon in dat regelboek worden aangesloten en zou alles automatisch werken. In de praktijk werden de regels enorm groot, waren de instrumenten broos en besteedden mensen veel tijd aan het discussiëren over de regels. Het geld werd echter niet verspild. Bedrijven hebben hard gewerkt om machineleesbare API’s via HTTP beschikbaar te stellen in plaats van alleen maar webpagina’s te pushen. Dat werk betekende veel meer dan XML zelf, dat stilletjes plaats maakte voor eenvoudigere formaten zoals JSON.
In de jaren 2010 herhaalden we het patroon met blockchains. De pitch deze keer: een gedistribueerd grootboek dat toeleveringsketens, facturen en contracten op een gestandaardiseerde manier kon volgen die iedereen kon verifiëren. Na miljarden dollars en veel desillusie hebben de meeste bedrijven de gemoderniseerde infrastructuur behouden en stilletjes de blockchain-laag verwijderd. Nogmaals, de technologische rage was niet het echte verhaal. De echte vooruitgang was dat bedrijven eindelijk hun back-endsystemen en interfaces moderniseerden.
NU STANDAARDISEREN WE SEMANTICA
Large Language Models (LLM’s), de systemen achter tools als ChatGPT, die veel mensen nu simpelweg “AI“, zijn verschillend. Ze vertalen niet alleen tussen bestandsformaten, ze vertalen tussen betekenissen.
Moet u zich aansluiten bij twee databases die tien jaar na elkaar zijn ontworpen door teams die elkaar nooit hebben ontmoet? Wilt u een vijandige webpagina schrapen en er een schone productcatalogus van maken? Heeft u een Engelse query nodig om een goede SQL-query op drie systemen te worden? Gisteren betekende dat dat een mens een kwetsbare adapter schreef en onderhield. Tegenwoordig kan een LLM die adapter vaak genereren, of indien nodig zelfs als adapter optreden.
Je kunt erover discussiëren of LLM’s iets ‘begrijpen’. Je kunt niet echt discussiëren over de vraag of ze dingen met elkaar verbinden. Gegeven twee semi-coherente systemen zal een LLM opgewekt proberen de een aan de ander in kaart te brengen. Het kan verkeerd of schilferig zijn, maar het zal constant op machinesnelheid proberen.
Dat maakt ze de eerste praktische technologie die de moeilijke 90% van de integratie aankan: de semantiek. XML en zijn vrienden pakten de makkelijke 10% aan: syntaxis.
De vloek dat we plotseling krijgen waar we om vragen
De meeste managers met wie ik spreek, beschouwen AI nog steeds als een chatbot die teksten schrijft of vergaderingen samenvat. Dat is het minst interessante deel.
De belangrijke use case is wat je B2B AI zou kunnen noemen: LLM’s die je API’s aanroepen, je documenten lezen, je eigenaardigheden leren kennen, en dan omdraaien en de API’s van je partners aanroepen. Ze worden de lijm tussen CRM’s, ERP’s, ticketingtools en financiële systemen, vaak zonder dat er een fulltime integratieproject in zicht is.
Het is geweldig om tijd te waarderen. Het is beangstigend voor al het andere.
De eerste internethausse bracht ons de vreugde van onmiddellijke wereldwijde connectiviteit en, als neveneffect, botnets, malware, phishing en geheel nieuwe beveiligingsindustrieën: firewalls, VPN’s, TLS, patchbeheer, eindpuntbescherming. We hebben ze reactief gebouwd na de blessure.
Hyperverbinding op de applicatielaag zal hetzelfde patroon volgen, tenzij geleiders deze keer sneller bewegen. Als uw LLM “integratielaag” met alles kan praten, dan kan een verkeerd geconfigureerde prompt, een gecompromitteerde API-sleutel of een vergiftigde trainingsset ook met alles praten.
Dus wat doe je?
Behandel door LLM aangedreven integraties als kritieke infrastructuur, niet als prototypes.
Aandringen op:
- Duidelijke systeemgrenzen: welke systemen kan AI lezen, schrijven of alleen wijzigingen voorstellen?
- Sterke identiteit en toegangscontrole voor elke API die ermee in aanraking komt.
- Audittrails die niet alleen uitleggen wat er is gebeurd, maar ook wie of wat heeft besloten dat dit een goed idee was.
We hebben alle computers één keer met elkaar verbonden en daarna zijn we tientallen jaren bezig geweest met het bouwen van de veiligheidsrails. Nu verbinden we alle data en alle bedrijfslogica. De adapters zijn slimmer, maar de les is dezelfde: de wet van Postel zal ons naar verbinding trekken, of we er nu klaar voor zijn of niet.
Laten we deze keer klaar zijn.
Avery Pennarun is CEO van Tailscale.
