Tijdens AWS Summit Amsterdam 2026 stond de keynote vrijwel volledig in het teken van AI in productieomgevingen. Niet de beschikbaarheid van AI-modellen was het hoofdthema, maar de vraag hoe organisaties AI kunnen opschalen, integreren in bestaande processen en onderbrengen in een veilige en bestuurbare infrastructuur. De bijeenkomst vond gisteren plaats in RAI Amsterdam en omvatte meer dan tachtig sessies rond cloud, AI, modernisering en digitale transformatie.
Danielle Gorlick, General Manager Benelux bij AWS, opende de keynote met de stelling dat de Benelux een sterke uitgangspositie heeft voor AI-adoptie. Zij verwees daarbij naar de combinatie van talent, infrastructuur en vertrouwen in de regio. Tegelijk waarschuwde zij dat de kloof tussen organisaties die AI structureel inzetten en organisaties die blijven hangen in experimenten groter wordt. Volgens Gorlick hebben veel bedrijven inmiddels een “POC graveyard”: een verzameling pilots en demo’s zonder aantoonbare impact op de organisatie.
De kern van haar boodschap was dat AI niet los kan worden gezien van data, governance en schaalbaarheid. “Er is geen AI-strategie zonder een sterke datastrategie”, stelde zij. Organisaties moeten volgens haar vanaf het begin rekening houden met security en governance, en niet pas wanneer een pilot naar productie moet. Ook moeten zij bij kleine use cases al nadenken over de architectuur die nodig is om later op te schalen.
Als voorbeeld van AI-toepassing in de praktijk noemde AWS onder meer The Ocean Cleanup. Die organisatie gebruikt camerabeelden van boten en drones om plasticstromen te analyseren. Met AI op basis van Amazon Bedrock wordt gekeken waar inzet het meeste effect kan hebben. Ook Booking.com werd genoemd als voorbeeld van een organisatie die AI op grote schaal in productie inzet. Volgens AWS heeft het bedrijf 150 petabyte aan data naar de AWS-cloud gemigreerd en draaien er 350 modellen in productie, die gezamenlijk 200 miljard voorspellingen per dag doen.
Een tweede hoofdthema was digitale soevereiniteit. AWS presenteerde de Europese Sovereign Cloud als antwoord op de vraag van Europese organisaties naar meer controle over data, metadata en operationele processen. AWS kondigde eerder dit jaar aan dat de Europese Sovereign Cloud fysiek en logisch gescheiden is van andere AWS-regio’s en exclusief door EU-ingezetenen wordt beheerd. Het bedrijf investeert hiervoor 7,8 miljard euro en kondigde Local Zones aan in onder meer Nederland en België.
Na Gorlick ging Martin Elwin, Technology Director AWS Europe North, dieper in op de technische kant van AI-agents en softwareontwikkeling. Een belangrijk onderdeel van zijn presentatie was Kiro, de agentic IDE van AWS. Kiro moet ontwikkelaars helpen om prompts om te zetten in specificaties en vervolgens in werkende code. Daarmee positioneert AWS de tool niet alleen als codegenerator, maar als onderdeel van een gestructureerde ontwikkelworkflow.
Elwin gebruikte Ericsson als voorbeeld van een organisatie die AI niet alleen inzet voor codegeneratie, maar vooral voor contextuele kennis. Door Kiro te verbinden met een semantische laag en Model Context Protocol kunnen ontwikkelaars volgens AWS toegang krijgen tot interne kennis, zoals netwerkdocumentatie, productspecificaties en configuraties. De boodschap was dat productiviteitswinst in enterprise-omgevingen niet alleen voortkomt uit betere modellen, maar vooral uit betere context.
Ook applicatiemodernisering kreeg veel aandacht. AWS Transform Custom werd gepresenteerd als een manier om legacy-code, API’s, runtimes en frameworks met behulp van agents te moderniseren. Bynder werd genoemd als voorbeeld. Het bedrijf moest een grote ColdFusion-omgeving op Lucee 5 migreren naar Lucee 6. Volgens AWS kon Bynder met een definitiegedreven aanpak en iteratieve AI-ondersteuning meer dan 300.000 regels code tot 80 procent sneller migreren dan met een handmatige aanpak.
Philips liet vervolgens zien hoe AI in een grote bestaande organisatie wordt ingezet om interne processen te versnellen. Christina Murphy beschreef hoe Philips AI gebruikt in zijn verkoopproces voor digitale pathologie. Waar het opstellen van een offerte gemiddeld 45 dagen duurde, wil Philips dat proces terugbrengen tot enkele minuten. Daarvoor ontwikkelde een team van minder dan twintig mensen samen met AWS en EPAM een AI-ondersteunde saleservaring met de naam Sensai.
Volgens Murphy werd Sensai gebouwd op Amazon Bedrock en Strands Agents. De toepassing ondersteunt verkopers bij klantvoorbereiding, configuratie, prijsstelling, offertes en CRM-updates. De ontwikkeling verliep volgens Philips 75 procent sneller dan gebruikelijk: een werkend prototype in twee weken, een proof-of-concept in zes weken en productie binnen vijf maanden. Murphy benadrukte dat governance vanaf het begin onderdeel was van de ontwikkelcyclus, onder meer voor toegankelijkheid, security, logging en UX-consistentie.
Daarmee sloot Philips aan bij een bredere lijn in de keynote: AI moet niet alleen sneller werk mogelijk maken, maar ook passen binnen bestaande eisen aan controle, veiligheid en naleving. AWS presenteerde daarnaast frontier agents, waaronder een autonome Kiro-agent, een AWS Security Agent en een AWS DevOps Agent. Deze agents moeten respectievelijk softwareontwikkeling, security reviews en operationele incidentanalyse ondersteunen. De DevOps Agent werd gepositioneerd als een systeem dat automatisch incidenten onderzoekt, oorzaken identificeert en herstelvoorstellen doet voordat een engineer volledig is ingelogd.
Naast agents ging Elwin uitgebreid in op de onderliggende infrastructuur. AWS noemde onder meer Graviton5, Trainium, Nvidia-GPU’s en AWS Lambda durable functions. Die laatste functionaliteit is bedoeld voor langlopende workflows, bijvoorbeeld wanneer een functie uren of dagen moet wachten op een callback van een agent. AWS positioneert dit als bouwsteen voor robuuste multi-step applicaties en agentic workloads.
Data bleef daarbij een terugkerend thema. Elwin stelde dat AI pas onderscheidend wordt wanneer modellen toegang hebben tot de specifieke data van een organisatie. AWS ziet datafragmentatie als een van de grootste obstakels voor enterprise-AI. Daarom benadrukte het bedrijf onder meer Amazon S3, Amazon S3 Files en ondersteuning voor Apache Iceberg. EDSN, de digitale datalaag achter de Nederlandse energiesector, werd genoemd als voorbeeld van een organisatie die met S3 en Apache Iceberg een open data-architectuur bouwt voor gereguleerde datadeling. Volgens AWS verwerkt het platform 1,2 miljard slimme-meterlezingen per maand en is het voorbereid op sterke datagroei in de komende jaren.
Ook Signify werd aangehaald als voorbeeld van AI in consumentenproducten. Het bedrijf gebruikt Amazon Bedrock voor een AI-assistent in de Philips Hue-app. Gebruikers kunnen daarmee via tekst of spraak lichtscènes maken en beheren op basis van sfeer, locatie of stijl. Volgens AWS gebruikt Signify Bedrock AgentCore voor agentic reasoning en meertalige ondersteuning, terwijl de infrastructuurcomplexiteit voor ontwikkelteams wordt beperkt.
Het laatste klantvoorbeeld kwam van KBC. Karen Van De Woestyne beschreef hoe de bank zijn digitale assistent Kate inzet als onderdeel van een bredere verschuiving van transactioneel bankieren naar journey-based banking. KBC wil klanten niet alleen ondersteunen op het moment dat zij een financieel product aanvragen, maar eerder in hun persoonlijke traject, bijvoorbeeld bij wonen, mobiliteit, energie, reizen of gezinssituaties.
Volgens Van De Woestyne heeft Kate sinds de introductie meer dan 80 miljoen gesprekken met klanten gevoerd. De assistent werkt binnen wat KBC zijn “ecosphere” noemt: een omgeving rond klantintenties in plaats van financiële producten. Met een intent engine analyseert KBC signalen uit klantgedrag en context om relevante vervolgstappen aan te bieden. Amazon S3, Amazon EKS, Amazon Bedrock en AgentCore werden genoemd als onderdelen van de technische basis.
De keynote liet daarmee zien hoe AWS zijn AI-strategie in Europa positioneert. Het bedrijf koppelt AI-agents aan bestaande enterprise-vraagstukken: legacy-modernisering, softwareontwikkeling, security, klantinteractie, datastrategie en compliance. Voor organisaties in de Benelux was de centrale boodschap dat de experimentele fase voorbij moet zijn. De vraag is niet alleen welke AI-toepassing mogelijk is, maar welke datafundering, governance en cloudarchitectuur nodig zijn om AI betrouwbaar in productie te brengen.
