De vijf koppen van vandaag
- AI aan de telefoon moet zich vanaf vandaag verplicht voorstellen — het is de wet
- Apple krijgt geen echte beveiligingsmelding meer binnen, te veel AI-rommel in de inbox
- Chipmachines voor datacenters verdringen gewone laptops — MacBook Air schaars en duurder
- Meta traant een tweede AI-agent om de eerste te helpen onthouden wat er misgaat
- OpenAI lanceert Presence: AI-klantenservice voor bedrijven, met engineers als vangnet
Het nieuws van vandaag
AI aan de telefoon moet zich voortaan direct voorstellen
Vanaf vandaag maakt de Europese AI-verordening het verschil tussen mens en machine verplicht zichtbaar.
Wie vandaag belt met een klantenservice en een stem hoort, heeft recht te weten of die stem een mens of een AI is. Datzelfde geldt voor chatbots, voor foto’s en video’s gemaakt met AI, en zelfs voor tv-reclames waarin kunstmatige intelligentie is ingezet. De regel komt voort uit de Europese AI-verordening, twee jaar geleden als eerste ter wereld in werking getreden. De wet treedt in fases in, en de transparantie-eisen gelden vanaf 2 augustus.
De verordening verplicht bedrijven om direct duidelijk te maken wanneer iemand met een AI-systeem interacteert. Geen kleine lettertjes aan het eind van het gesprek, geen disclaimer ergens onderaan de pagina. De melding moet vooraf, in heldere taal. Het toezicht ligt bij de Autoriteit Persoonsgegevens, die sinds vorig jaar ook de AI-verordening handhaaft.
Apple sluit bugmeldingenloket na stortvloed aan AI-nepberichten
Een Italiaanse beveiligingsspecialist vond een ernstig MacOS-lek, maar kon het niet melden — de inbox zat vol met gegenereerde rapporten.
De beveiligingsafdeling van Apple verdrinkt in AI-gegenereerde bugmeldingen. Het bedrijf heeft daarom een limiet ingesteld op het aantal rapporten dat beveiligingsonderzoekers mogen indienen. Het probleem: tussen de rommel verdwijnen echte meldingen. Het Italiaanse securitybedrijf Bynario ontdekte een MacOS-kwetsbaarheid die op de zwarte markt tot 200.000 dollar waard zou zijn geweest, maar kon aanvankelijk geen melding maken omdat Apples bugbounty-programma vol zat.
Het is niet de eerste keer dat AI-tools beveiligingsteams platleggen. Microsoft, Google en andere grote techbedrijven worstelen met hetzelfde probleem. Beveiligingsonderzoekers gebruiken steeds vaker taalmodellen om rapporten te schrijven of zelfs volledig te genereren, vaak zonder echte technische inhoud. Apple heeft nu per onderzoeker een maximum ingesteld, en het bedrijf overweegt strengere verificatie voordat een rapport überhaupt wordt bekeken.
AI-datacenters leggen beslag op chips, laptops worden schaars en duur
De vraag naar geheugen voor AI-infrastructuur duwt consumentenproducten opzij — MacBook Air verdwijnt uit de schappen.
Apple kan zijn MacBook Air niet op voorraad houden. Niet omdat de vraag onverwacht hoog is, maar omdat de toeleveringsketen is ontregeld. De bouw van AI-datacenters in de Verenigde Staten heeft de vraag naar high-end geheugen en opslag zo sterk doen stijgen dat fabrikanten consumentenproducten deprioriteren. DDR5-geheugen en SSD’s zijn dit jaar in prijs verdubbeld, en Apple verhoogde in juni de prijzen van zijn laptops met 100 tot 400 dollar.
Toch helpt zelfs dat niet genoeg. Leveranciers kiezen voor marges: HBM2-geheugen voor datacenters is winstgevender dan DDR5 voor laptops. Apple heeft daardoor moeite om voldoende chips te bemachtigen voor zijn consumentenproducten. De MacBook Air, een van de populairste laptops ter wereld, kampt met grote leveringsproblemen. Andere fabrikanten zien hetzelfde patroon: wie geen contracten voor meerdere jaren heeft, valt uit de boot.
via 9to5Mac
Meta traant een tweede AI-agent als geheugencoach
Complexe taken mislukken vaak omdat AI-modellen dezelfde fouten blijven herhalen — Meta test nu een tweede model dat bijhoudt wat er misgaat.
AI-agenten vergeten wat ze net nog diagnosticeerden. Ze herhalen mislukte stappen, negeren eerdere lessen, en lopen vast in loops. Meta AI test daarom een ander ontwerp: een tweede AI-model dat als geheugencoach fungeert. Dit model houdt in een gestructureerde geheugenbank bij wat de hoofdagent al heeft geprobeerd, welke fouten zijn gemaakt, en wanneer het zinvol is om te herinneren. Het beslist ook wanneer het beter is om stil te blijven.
In benchmarks steeg de score met 8,3 procentpunt. Dat klinkt bescheiden, maar in complexe taken — zoals het debuggen van software of het opzetten van een lange reeks acties — kan het verschil maken tussen een agent die vastloopt en een die daadwerkelijk afmaakt. De methode vergt wel meer rekenkracht: twee modellen draaien parallel. Meta heeft de code nog niet vrijgegeven, maar het onderzoek suggereert dat geheugenbeheer een van de volgende grote problemen is voor agents die langer dan een paar minuten bezig zijn.
via The Decoder
OpenAI Presence brengt AI-agents naar klantenservice, met engineers als backup
Het nieuwe enterprise-aanbod is bedoeld voor externe deployments — bij complexe gevallen schakelt OpenAI zijn eigen technici in.
OpenAI lanceert Presence, een enterprise-dienst die AI-agents inzetbaar moet maken voor klantenservice en interne workflows. Het verschilt van de bestaande Workspace Agents doordat het expliciet is bedoeld voor externe deployments: klanten van bedrijven praten met de agent, niet alleen medewerkers. Voor complexe gevallen biedt OpenAI een vangnet: het bedrijf schakelt zijn eigen engineers in om problemen op te lossen of de agent bij te stellen.
Dat laatste detail is opmerkelijk. Het suggereert dat OpenAI erkent dat agents in productie nog niet betrouwbaar genoeg zijn om volledig zelfstandig te draaien. De dienst richt zich op bedrijven die AI willen inzetten zonder zelf een volledig team van specialisten in te huren. OpenAI neemt daarmee een positie in tussen standaard API-toegang en volledige maatwerk-implementaties. Of bedrijven bereid zijn hun klantcontact uit handen te geven aan een systeem dat bij problemen terugvalt op externe engineers, blijft de vraag.
via The Decoder
Voor wie zelf met AI bouwt
Agents met te veel toegang: zeven fouten die direct misgaan
Een praktisch securityscenario in Python laat zien wat er gebeurt als je een agent toegang geeft tot bestanden, browser en database.
Een realistisch scenario: je geeft een AI-agent toegang tot lokale bestanden, een browser, en een database. De agent moet je helpen met onderzoek, data ophalen, en documenten genereren. Wat er vervolgens misgaat: prompt injection, geheimen die lekken, tools die verkeerd worden gebruikt, te ruime toegangsrechten, geheugen dat vergiftigd raakt, en outputs die ongevalideerd worden doorgegeven. Het artikel doorloopt alle zeven failure modes met werkende Python-voorbeelden.
De belangrijkste les: agents zijn niet veilig by default. Elke tool die je toevoegt, opent een nieuw aanvalsvlak. De voorbeelden zijn niet theoretisch — ze werken, en ze demonstreren wat er gebeurt als je geen sandboxing, input validatie, of least-privilege access toepast.
Aanbeveling: Doorloop het artikel als je overweegt agents toegang te geven tot iets behalve read-only data.
Vanilla RAG vs PageIndex vs GraphRAG: welke aanpak past bij jouw probleem?
Een experiment met zes podcast-afleveringen laat zien wanneer standaard RAG faalt en waarom GraphRAG niet altijd het antwoord is.
De auteur bouwde een RAG-systeem over zes afleveringen van een bedrijfspodcast. Klein corpus, schone transcripties, goede embeddings, logische chunking. Eerste vraag: “Wie leidt het team dat de grootste outage veroorzaakte?” Het antwoord was fout, met volledige zekerheid. De oorzaak: standaard RAG retrieves fragmenten op basis van gelijkenis, maar mist verbanden tussen documenten.
Het artikel vergelijkt drie architecturen: vanilla RAG (chunks ophalen op basis van embeddings), PageIndex (elke pagina krijgt een samenvatting die doorzoekbaar is), en GraphRAG (relaties tussen entiteiten worden expliciet vastgelegd in een graaf). Elke aanpak lost een ander probleem op. Vanilla RAG werkt voor directe, feitelijke vragen. PageIndex helpt als je overzicht nodig hebt over documenten. GraphRAG schittert bij vragen die relaties tussen verschillende bronnen vereisen.
Aanbeveling: Als je RAG hebt en het hallucinaties geeft op relationele vragen, kijk of GraphRAG past — maar niet elk probleem verdient die complexiteit.
NOS · The Decoder · 9to5Mac · Medium · Towards AI
Transparantie: het maken van deze editie kostte ±€0,22 aan AI-modelgebruik (7-daags gemiddelde per editie; selectie, schrijven, verrijking en eindredactie meegeteld).