Anthropic en een groep investeerders hebben een nieuw bedrijf opgezet dat zich niet richt op het bouwen van AI-modellen, maar op het inbouwen van die modellen in echte bedrijven. Het nieuwe bedrijf heet Ode en heeft 1,5 miljard dollar aan startkapitaal. Het idee is simpel: goede modellen zijn belangrijk, maar het echte werk is zorgen dat die modellen ook echt in bedrijfsprocessen werken.

Wat is Ode?

Ode is een gezamenlijke onderneming van Anthropic en investeerders zoals Blackstone, Hellman & Friedman en Goldman Sachs. De kern van Ode komt voort uit een klein bedrijfje dat Fractional AI heette. Dat bedrijf bood AI-engineers aan die bij klanten werkten en die aanpak trok de aandacht van de investeerders. Kort na de aankondiging nam het nieuwe samenwerkingsverband Fractional AI over.

Ode heeft nu ongeveer honderd engineers in dienst. Ze werken nauw samen met Anthropic’s toegepaste AI-team om te kijken waar AI echt verschil kan maken binnen een organisatie. Ode zegt te streven naar maatwerk: systemen die precies aansluiten op de manier waarop een bedrijf werkt.

Ode voert uit onder een “Claude-first” principe. Dat betekent dat het bedrijf bij voorkeur Anthropic’s technologie gebruikt, zoals functies als Claude Tag in Slack — een functie die helpt om de AI te verbinden met de context en gesprekken binnen een organisatie. Ode is echter niet beperkt tot één leverancier; andere AI-producten worden gebruikt als dat nodig is.

Waarom inzetten op implementatie?

AI-modellen worden steeds beter. Maar beter presterende modellen alleen garanderen nog geen succes in een bedrijf. De echte vraag is hoe bedrijven die technologie praktisch gaan gebruiken. Anthropic en andere labs denken dat het helpen van bedrijven met implementatie de volgende grote markt wordt.

Ode zegt te mikken op projecten die bovenaan de agenda van de directie staan. Dat kunnen nieuwe productfuncties zijn of het herontwerpen van belangrijke bedrijfsprocessen. Als de CEO dit project belangrijk vindt, krijgt het prioriteit en meer kans op succes, volgens de leiding van Ode.

De oprichters roepen dat dit een enorm verdienmodel kan worden — zelfs een bedrijf van biljoenen dollars als alles goed gaat. De kern is volgens hen kwaliteit: snel groeien zonder in te boeten op de uitvoering.

Hoe werkt hun aanpak en welke problemen komen ze tegen?

Ode profileert zich als een ‘geschaalde boutique’. Dat wil zeggen: een klein, gespecialiseerd team dat op grotere schaal werkt. Veel van hun engineers worden omschreven als allrounders met ervaring als oprichter of in leidinggevende rollen. Ze moeten complexe technische problemen kunnen oplossen en het project van begin tot eind kunnen dragen.

In dit werk worden vaak zogenaamde forward-deployed engineers ingezet — FDEs — (dat zijn engineers die tijdelijk bij de klant op locatie werken om technologie te integreren en aan te passen). De vraag naar zulke teams is veel groter dan het aanbod. Grote adviesbureaus als Deloitte en Accenture bouwen ook zulke teams op, en OpenAI heeft iets vergelijkbaars gestart met The Deployment Company. Dat betekent veel concurrentie.

Belangrijke uitdagingen zijn:

• Het vinden en houden van ervaren, veelzijdige engineers.

• Groeien zonder dat de kwaliteit van de implementaties afneemt.

• Het aantonen van meetbaar bedrijfsresultaat van elke AI-implementatie.

Ode en soortgelijke spelers moeten ook beslissen wanneer ze bestaande tools gebruiken en wanneer ze iets volledig op maat bouwen. Volgens Ode maakt de keuze van het model onderdeel uit van een groter geheel: net zoals de keuze van een programmeertaal niet het hele project bepaalt.

Conclusie

De grote AI-labs en investeerders lijken te geloven dat de volgende belangrijke markt niet alleen draait om betere modellen, maar om het vermogen om die modellen daadwerkelijk in bedrijven werkend te krijgen. Ode is een flinke inzet op die visie: een kapitaalkrachtige, gespecialiseerde dienst die engineers naar bedrijven brengt om AI toe te passen in bestaande processen.

Of er genoeg getalenteerde engineers zijn om aan de vraag te voldoen, en of bedrijven massaal bereid zijn te investeren in grootschalige implementaties, blijft de grote vraag. Wat wel duidelijk is: de strijd om wie AI succesvol in bedrijven brengt, gaat steeds meer over uitvoering en minder alleen over wie het slimste model heeft.