Mozilla’s nieuwe Thunderbolt AI-client biedt ondernemers een manier om AI-toepassingen lokaal te draaien, zonder afhankelijk te zijn van externe clouddiensten. Het is een front-end die je koppelt aan je eigen infrastructuur, waardoor je de controle houdt over je data en privacy.

Wat er aan de hand is

Mozilla, bekend van de Firefox-browser, heeft Thunderbolt gelanceerd. Dit is geen zelfstandig AI-model, maar een zogenaamde “sovereign AI client”. Het is een front-end die bedrijven kunnen gebruiken om toegang te krijgen tot AI-functionaliteiten op hun eigen, lokaal gehoste infrastructuur. Thunderbolt is gebouwd bovenop Haystack, een open-source framework voor het bouwen van modulaire AI-pijplijnen. De client kan volgens Mozilla verbinding maken met verschillende AI-systemen, zoals OpenAI-compatible API’s (waaronder Claude en DeepSeek) en ACP-compatibele agents. Een belangrijk kenmerk is de integratie met lokaal opgeslagen bedrijfsdata via open protocollen en een offline SQLite-database, die als lokale “bron van waarheid” fungeert voor het AI-model. Mozilla claimt dat het systeem optionele end-to-end-encryptie en toegangscontroles op apparaatniveau biedt.

Wat dit betekent

Dit betekent een verschuiving voor bedrijven die AI willen gebruiken maar bezorgd zijn over dataprivacy, kosten of vendor lock-in. In plaats van data naar de servers van een grote cloudaanbieder te sturen, draait de verwerking lokaal. Dit is vooral relevant voor sectoren met gevoelige informatie, zoals de zorg, advocatuur, financiële dienstverlening en R&D-afdelingen. Voor het MKB opent het de mogelijkheid om geavanceerde AI-tools te gebruiken zonder dat alle bedrijfsinformatie via het internet reist. Het vereist wel technische kennis of een IT-partner om de lokale infrastructuur op te zetten en te onderhouden. Het is een antwoord op de groeiende vraag naar “sovereign AI”, waarbij bedrijven de volledige controle over hun AI-stack willen behouden.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw technische infrastructuur en behoeften. Het is geen kant-en-klare app, maar een client voor een zelf opgezet systeem.

Als je werkt met zeer gevoelige klant- of patiëntendata… dan biedt een lokaal systeem zoals Thunderbolt een manier om AI-tools voor documentanalyse of patroonherkenning te gebruiken zonder data de deur uit te doen. Je zou kunnen onderzoeken of bestaande workflows, zoals het verwerken van intakeformulieren of het samenvatten van dossiers, geautomatiseerd kunnen worden met een model dat alleen op je eigen server draait en leert van je eigen, versleutelde database.

Als je een technisch team hebt en kosten van cloud-API’s wilt beheersen… dan is een lokale setup een manier om voorspelbare kosten te creëren. In plaats van te betalen per API-aanroep naar een externe dienst, investeer je eenmalig in hardware en onderhoud. Een mogelijkheid is om Thunderbolt te gebruiken als een uniforme interface voor verschillende open-source AI-modellen die je lokaal test en inzet voor specifieke taken, zoals code-review, het genereren van interne documentatie of het beantwoorden van vragen uit een interne kennisbank.

Als je leveranciersonafhankelijkheid hoog op de agenda staat… dan sluit deze aanpak aan bij een strategie om niet vast te zitten aan één tech-gigant. Door te bouwen op open protocollen (zoals OpenAI-compatible API’s) en een open-source framework (Haystack), behoud je de flexibiliteit om onderdelen te wisselen. Je zou kunnen beginnen met het opzetten van een proefomgeving waarin je een lokaal model koppelt aan je CRM-data via Thunderbolt, om te zien of je zo betere klantanalyses kunt maken zonder data te delen.

Overweeg om dit eerst met een proof-of-concept in een afgeschermde omgeving te testen, bijvoorbeeld voor een niet-kritieke interne proces. De grootste uitdaging zal niet de Thunderbolt-client zelf zijn, maar het selecteren, trainen en onderhouden van de lokale AI-modellen waar deze mee praat.

Bron: Arstechnica