Strategie
Van Software 1.0 naar 3.0: wat die verschuiving wél (en niet) voor uw organisatie betekent
Een kader van Andrej Karpathy en de community vertaald naar MKB: regels, data en taal als ‘programmeer’-lagen—en waarom uw werkplek daar logisch op moet aansluiten.
Drie lagen, één duidelijk verhaal
Bij Software 1.0 schrijft u expliciete regels: als dit, dan dat. Herkenbaar in klassieke automatisering en workflows.
Bij Software 2.0 domineert leren op data: het systeem vult de ‘gaten’ (bijvoorbeeld gewichten in een neuraal net) op basis van voorbeelden. U stuurt minder lijn-voor-lijn, meer op datasets en doelen—vergelijkbaar met trainen, fine-tunen of evaluatie in moderne AI-producten.
Bij Software 3.0 (de gangbare naamgeving in discussies rond o.a. Karpathy’s 2025-voorstelling) ligt de nadruk op natuurlijke taal als interface: u beschrijft intentie; een groot taalmodel vertaalt dat naar stappen, code of onderzoek. U bent nog steeds verantwoordelijk—maar de iteratie zit in prompten, tools en controle, niet in het handmatig uitschrijven van elke regel.
Wat dit vandaag in uw organisatie betekent
Geen keuze ‘of-of’
MKB gebruikt 1.0, 2.0 en 3.0 dooreen: vaste koppelingen, modellen getraind of geconfigureerd op uw data, én ad-hoc LLM-taken. Het punt is: waar u welke laag inzet, en met welke governance.
Als u alleen ‘chat in de browser’ toestaat, blijft 3.0 ongeorganiseerd: geen gedeelde modellen, geen hergebruik van prompts, geen duidelijk wie valideert. Een centrale werkplek met modelroutering (zoals Orbit) brengt 3.0 bij elkaar zonder 1.0 en 2.0 weg te gooien: legacy blijft draaien, nieuwe stappen lopen via één toegang.
Niet elke use-case vraagt cloud-model: soms is een lichter, open of redeneer-gericht model voldoende. Dat is precies waarom 'één kostenplaatje' met keuze per taak de bedrijfscase houdbaar houdt.
Partial autonomy, geen magie
“LLM’s combineren enorme kennis met echte beperkingen: hallucinatie, geheugen in context, en risico op onjuiste zelfverzekerdheid. De praktische volgorde is: genereren, dan snel controleren—met tooling die dat ondersteunt.”
Parafrase van publieke talks en interviews, o.a. rond YC 2025 (o.a. via Hugging Face-samenvatting)
Voor MKB is dat geen filosoferen maar triage: contracten, finance en HR: altijd human-in-the-loop. Marketing of research: snellere lussen met steekproeven. U borgt dat in rolbeschrijvingen, niet in ‘AI mag alles’.
Hoe One Space dit samenbrengt
Orbit is ontworpen als werkplek waar u modellen wisselt, ZDR in Orbit kunt inschakelen wanneer uw beleid dat vraagt, en dezelfde CTA’s en merk-ankers overal houdt. Nova pakt de ‘onderzoek en bronnen’-kant: agentic search past bij taken waar heldere, citeerbare informatie telt naast generatie.
Voor maatwerk of trajecten (scans, implementatie) blijft 1.0/2.0 vaak langer in de backbone; 3.0 zit dan in de schil waarmee teams werken. Zie /diensten/maatwerk en /ai-implementatie-mkb als verdieping.
Veelgestelde vragen
Moeten we ‘alles’ naar LLM’s verplaatsen?
Nee. Onderhoud 1.0/2.0 voor kritieke, begrensde logica. Gebruik 3.0 waar herformuleren, onderzoek, samenvatten of genereren waarde toevoegt, mét controlepunten die bij uw sector passen.
Is dit alleen relevant voor techbedrijven?
Nee. MKB, professionele diensten en semi-overheid zien dezelfde shift: minder lijnregels van AI kopen, meer een duidelijke werkplek en beleid. De terminologie helpt vóór te verbinden over IT, DPO en lijn.