Wat is Azure AI Foundry precies? Is het gewoon weer een nieuwe dienst die Microsoft heeft toegevoegd, of is het iets groters? Het afgelopen jaar heeft Microsoft de ene na de andere AI aankondiging gedaan. Het is makkelijk om het overzicht te verliezen. Ik ben Mirko Peters van Microsoft Knowledge Nuggets. Aan het einde van deze aflevering weet je wat Foundry nu eigenlijk is en waarom het belangrijk is. Geen marketingpraatjes. We leggen het stap voor stap uit wat het is, wat erin zit en hoe alles met elkaar verbonden is. Waarom iedereen in de war is over de naam. De verwarring begint bij de naam. Foundry heeft meer naamswijzigingen ondergaan dan ik kan tellen. Eerst was het Cognitive Services, toen Azure AI Services, vervolgens Azure AI Studio, toen Azure AI Foundry. En sinds eind vorig jaar is het officieel Microsoft Foundry. Hetzelfde product, vier of vijf namen in ongeveer drie jaar tijd.

Dat alleen al is verwarrend, maar het wordt nog ingewikkelder. Momenteel draaien er twee versies van het platform naast elkaar. De klassieke hap gebaseerde architectuur is de oude manier. Het nieuwe Foundry projectmodel is de moderne versie. Beide versies zijn te vinden op dezelfde URL i.azure.com. Daar vind je een schakelaar waarmee je kunt wisselen tussen twee compleet verschillende architecturen. Het is niet alleen een nieuwe look, maar ook een andere manier om alles te organiseren. Dit is verwarrend voor beginners, omdat je bij het zoeken naar hulp artikelen vindt over haps en klassieke projecten. Die artikelen kloppen nog steeds. Microsoft ondersteunt beide versies, maar de nieuwe functies, agentmogelijkheden en alle andere investeringen van Microsoft zijn alleen beschikbaar voor Foundry projecten. Je zou een oude handleiding kunnen volgen, een hap instellen en er vervolgens achter komen dat je de nieuwste tools niet kunt gebruiken.

Dat is erg frustrerend. Dus hier is mijn advies, negeer de oude informatie. Microsoft plaatst alles in modern Foundry. Als je vandaag helemaal opnieuw begint, sla dan de haps over en ga direct naar Foundry projecten. Daar vind je de nieuwe mogelijkheden. Wat is Azure AI Foundry nu precies? Laten we bij het begin beginnen. Wat is Azure AI Foundry? Het is een uniform platform voor het bouwen, testen en implementeren van AI toepassingen. Allemaal op één plek. Dat is de eenvoudigste definitie. Zie het als een fabriek. Grondstoffen komen binnen. Modellen, data, tools en afgewerkte applicaties komen eruit. Chatbots, copilots, automatiseringsagenten. Je bouwt de fabriek niet zelf. Microsoft beheert hem. Je loopt er gewoon binnen, pakt wat je nodig hebt en begint met bouwen. Dit is geen los product zoals Word of Excel. Foundry is een container die modellen, tools, projecten en beveiliging bevat.

Maak één Foundry resource aan en je krijgt de volledige modelcatalogus. Duizenden modellen. Je krijgt tools voor het bouwen van agenten, testomgevingen, evaluatietools en beveiliging. Allemaal gebundeld. Nu een belangrijk verschil. Foundry is voor ontwikkelaars. Als je Python of C-hashtag schrijft als je aangepaste AI-oplossingen wilt bouwen met code, dan is dit jouw platform. Op zoek naar een low-code, drag-and-drop ervaring? Dat is Copilot Studio, een andere tool voor een ander publiek. Beide zijn prima. Voor Foundry betekende het bouwen van een AI-applicatie op Azure het provisioneren van afzonderlijke services. Je zou Azure Open AI Cognitive Services, Azure Machine Learning en Azure Azure Arc moeten instellen en vervolgens aangepaste code schrijven om ze aan elkaar te koppelen. Een hoop werk. Foundry vervangt dat allemaal. Maak één resource aan en alles is al verbonden. Modellen zijn er, tools zijn er, beveiliging is ingebouwd.

Je kunt meteen beginnen met bouwen. Dat is het punt. Het gaat er niet om een extra tool toe te voegen, maar om de frictie weg te nemen die gepaard gaat met het beheren van een dozijn afzonderlijke services. De belangrijkste organisatorische eenheid zijn Foundry-projecten. Je hebt dus je AI-fabriek. Maar een fabriek heeft organisatie nodig. Dat is waar Foundry-projecten om de hoek komen kijken. Een Foundry-project is een geïsoleerde werkruimte voor een specifieke AI-oplossing. Als Foundry de fabriek is, zijn projecten individuele werkbanken. Elk heeft zijn eigen tools, materialen en medewerkers zonder elkaar te beïnvloeden. Het team dat een chatbot voor klantenservice bouwt, zal niet per ongeluk het ouder assistent-project verstoren. Wat zit er in een project? Eigen modelimplementaties, agents, kennisbanken, evaluaties en monitoring. Alles wat je nodig hebt voor één oplossing, allemaal op één plek.

Dit is de kernstructuur. Projecten bevinden zich binnen een Foundry-resource. De resource is de grens voor facturering en beveiliging, het gebouw. Projecten zijn de ruimtes daarbinnen. Eén gebouw, één voordeur, één beveiligingsbalie, één factuur. Maar elke ruimte heeft zijn eigen doel en zijn eigen team. Neem bijvoorbeeld het bedrijf Contoso, dat drie AI-oplossingen ontwikkelt, een klantenservice-agent, een ouder assistent en een documentverwerkingssysteem. Met Foundry creëren ze één resource voor het hele bedrijf en daarin drie projecten. Elk project heeft zijn eigen modellen, agents en kennisbanken. Teams werken onafhankelijk van elkaar, zonder elkaar in de weg te zitten. Dit is belangrijk omdat verschillende teams verschillende toegang nodig hebben. Het klantenservice-team hoeft geen ouder documenten in te zien. Het documentverwerkingsteam heeft geen toegang tot terugbetalingsbeleid. Projecten bieden die isolatie.

Tegelijkertijd behoudt IT de centrale controle en beheert één resource, één beveiligingsbeleid en één budget. Autonomie voor teams met centraal beheer. Het hart van Foundry, de modelcatalogus. Zie het zo, elk project heeft een brein nodig. In Foundry bevindt dat brein zich in de modelcatalogus. Meer dan 11.000 modellen en dat is geen typfout. Je vindt er open AI-modellen zoals GPT-40 en GPT-4.1, Meta's Yama Family, Mistral, DeepSeq, Microsoft's eigen VIE-modellen, Anthropics Cloud, Coheer, modellen voor tekst, afbeeldingen, code en embeddings. Op dit moment is dit de grootste modelcatalogus die je op welke cloudplatform dan ook zult vinden. Laten we die onderverdelen in twee basistypen, grote taalmodellen en kleine taalmodellen. Grote modellen hebben miljarden parameters. GPT-4 heeft er meer dan een biljoen, dus ze kunnen complexe redeneringen, creatief schrijven en genuanceerde gesprekken aan.

Maar ze zijn duur en traag. Kleine modellen hebben veel minder parameters. Microsoft's VIE-3 heeft er ongeveer 3,8 miljard, klein vergeleken met GPT-4, maar het is snel en goedkoop. Voor gerichte taken zoals het extraheren van gegevens uit een formulier of het beantwoorden van een eenvoudige vraag, werkt het uitstekend. En hier is het praktische voordeel, je kunt een model binnen enkele seconden implementeren. Kies er een uit de catalogus, klik op implementeren en hij is klaar. Geen hardware-installatie, geen netwerkconfiguratie, geen uren wachten op de installatie, slechts seconden. En voordat je een definitieve keuze maakt, kun je hem testen in de testomgeving. Probeer verschillende prompts, pas instellingen aan zoals temperatuur en maximaal aantal tokens en zie de reacties direct. Het is een proefrit voordat je de auto koopt. Je zit niet vast aan één model en dat is een enorm voordeel ten opzichte van het rechtstreeks gebruiken van de API van OpenAI.

Met Foundry kun je GPT-4-O gebruiken voor complexe redeneringen waarbij kwaliteit belangrijk is, FIFOR eenvoudige klassificatie waarbij snelheid en kosten van belang zijn en Meta's Yama voor compliance als je modellen in je eigen datacenter moet uitvoeren. Je wisselt afhankelijk van de taak. Foundry bevat ook een vergelijkingstool waarmee je modellen naast elkaar kunt evalueren. Vergelijk op kwaliteit, hoe nauwkeurig zijn de reacties? Op veiligheid, hoe goed is het bestand tegen prompt injectieaanvallen? Op kosten, de prijs per miljoen tokens. Op snelheid, hoe snel genereert het output? Dat maakt modelselectie van een gokspelletje een wel overwogen beslissing. Je kiest het juiste gereedschap voor de juiste klus, niet zomaar het gereedschap waar iedereen het over heeft. Het bouwen van AI-agenten, de absolute topper van Foundry. Een model op zich is niet erg nuttig. Je kunt ermee chatten in de playground, vragen stellen, zien wat het genereert, maar dat is slechts een gesprek.

De echte magie gebeurt wanneer je iets bouwt dat daadwerkelijk dingen kan doen, en dat is waar agents om de hoek komen kijken. Een agent is meer dan een chatbot. Een chatbot beantwoordt vragen. Een agent onderneemt actie. Hij kan het web doorzoeken, bestanden lezen, berekeningen uitvoeren, onthouden wat je hem vorige week hebt verteld en een reeks instructies opvolgen. Het is alsof je een assistent hebt die niet alleen praat, maar ook daadwerkelijk dingen voor elkaar krijgt. Foundry biedt je vijf componenten om een agent te bouwen. Ik zal ze even toelichten. Ten eerste, instructies. Hier vertel je de agent wat hij moet doen en hoe hij zich moet gedragen. Zie het als een functiebeschrijving. Je zou bijvoorbeeld kunnen zeggen, je bent een medewerker van de klantenservice. Wees vriendelijk en professioneel. Beantwoord alleen vragen over ons retourbeleid. Als je het antwoord niet weet, zeg dat dan een schakel een medewerker in.

Zonder instructies doet de medewerker wat het model ingeeft. Met instructies heeft de medewerker een duidelijk doel. Ten tweede, het model. Het verwerkt elk verzoek en genereert antwoorden. Je kiest welk model je wilt gebruiken. GPT-40 voor complexe redeneringen. GPT-5 voor eenvoudige taken. Wat het beste past. Het model maakt de medewerker slim, maar het is slechts één onderdeel. Ten derde, de tools. Dit is waar de medewerker zijn handen in legt. Tools zijn mogelijkheden die hij kan gebruiken om dingen te doen. Webzoekopdrachten stellen hem in staat actuele informatie op te zoeken. Code interpreters stellen hem in staat wiskundige berekeningen uit te voeren. Bestandszoekopdrachten stellen hem in staat documenten te lezen die je uploadt. Zonder tools kan de medewerker alleen tekst genereren. Met tools kan hij de wereld beïnvloeden. Ten vierde, kennis. Dit is de informatie waarnaar de medewerker kan verwijzen.

Je uploadt documenten, PDF's, JSON-bestanden, alle gegevens die je medewerker nodig heeft om vragen nauwkeurig te beantwoorden. Foundry gebruikt Azure Isearch op de achtergrond om die gegevens te indexeren en doorzoekbaar te maken. Wanneer een klant naar een specifiek beleid vraagt, hoeft de agent niet te gokken. Hij vindt het daadwerkelijke document en leest het voor. Ten vijfde, geheugen. Hierdoor kan de agent informatie onthouden over meerdere gesprekken heen. Je praat er vandaag mee en hij onthoudt je voorkeuren.

Voorkuren op, waardoor de ervaring persoonlijk en continu aanvoelt. Hier is een concreet voorbeeld uit mijn onderzoek. Iemand bouwde een agent voor het bijhouden van cadeaus in Foundry. Het idee is simpel. Je wilt de cadeaus voor je familie bijhouden, wat je ze in het verleden hebt gegeven, wat ze leuk vinden, wat ze niet leuk vinden en hoeveel je uitgeeft. De agent heeft daarom instructies zoals, je helpt bij het plannen van cadeaus. Stel nooit iets voor wat ze al hebben gekregen. Aanhalingsteken. Het gebruikt GPT-4 als brein, webzoekopdrachten om online cadeau ideeën te vinden, bestandzoekopdrachten met profielen voor elk gezinslid, hun voorkeuren, afkeuren en cadeaugeschiedenis van de afgelopen drie jaar, een code interpreter om budgetten en totalen te berekenen, en geheugen. Dus de volgende keer dat je een gesprek opent, onthoudt het dat je op zoek was naar een verjaardagscado voor je zoon Adam.

Je bouwt en test dit alles in de Agent Playground. Het is een visuele interface waar je elk onderdeel configureert, de reacties van de agent test en precies ziet welke tools er zijn gebruikt en waarom. Zodra het werkt, kun je het implementeren. Foundry biedt je een API-eindpunt dat je vanuit elke applicatie kunt aanroepen, of je kunt het rechtstreeks publiceren naar Microsoft Teams als een copilot-agent. Hoe dan ook, je agent gaat van idee naar productie zonder ook maar één regel infrastructuurcode te schrijven. De architectuur is in eenvoudige bewoordingen uitgelegd. Dat is het oppervlakkige beeld, maar wat gebeurt er nu eigenlijk onder de motorkap? Hier is de architectuur in begrijpelijke taal. Wanneer u een Foundry resource aanmaakt, configureert Azure automatisch de volledige infrastructuur. U hoeft dus geen opslag te provisioneren, logboekregistratie in te stellen of beveiligingsgroepen te definiëren.

Alles gebeurt achter de schermen, er wordt een opslagaccount aangemaakt voor uw bestanden en logboeken, monitoring wordt ingesteld en identiteiten worden geconfigureerd. U hoeft dus alleen de resource aan te maken en kunt direct aan de slag. Foundry maakt gebruik van het resource type Cognitive Services, hetzelfde type dat wordt gebruikt door Azure Open AI en oudere AI-services zoals Vision & Speech. De oude hap gebaseerde architectuur gebruikt de machine Learning Services, een volledig andere provider met andere facturering, netwerkmogelijkheden en governance. Dit is belangrijk omdat Foundry zich in een eenvoudiger en meer uniform onderdeel van de Azure-infrastructuur bevindt. Projecten zijn onderliggende resources van de Foundry resource en delen daarom dezelfde identiteit en beveiligingsgrenzen. Wanneer uw toegangsbeheer op Foundry-niveau instelt, wordt dit automatisch toegepast op alle projecten.

U hoeft de beveiliging dus niet afzonderlijk voor elk project te configureren. Als uw project specifieke machtigingen nodig hebt, kunt u die ook toevoegen. Foundry werkt niet op zichzelf. Het maakt verbinding met andere Azure-services, waarvan Azure AI-sarch de belangrijkste is omdat uw agents hiermee kennis kunnen vinden en ophalen. Keyfolds laat geheimen en API-sleutels veilig op en opslagaccounts bevatten bestanden, logboeken en vectorindexen. Deze verbindingen worden beheerd via wat Foundry, verbindingen, noemt, vooraf geconfigureerde links waarmee uw agents toegang krijgen tot deze resources zonder dat u handmatig referenties hoeft te beheren. De Foundry-agentservice is de runtime die uw agents daadwerkelijk host. Zie het als de machinekamer. Wanneer een gebruiker een verzoek verzendt, coördineert de agentservice het verzoek, controleert de instructies, roept het model aan, activeert de juiste tools, haalt kennis op en genereert een antwoord.

Het voert ook veiligheidsfilters uit om schadelijke inhoud te onderscheppen en schaalbaarheid te beheren. Dus als duizend gebruikers tegelijkertijd uw agent benaderen, wordt de capaciteit automatisch verhoogd. Alles draait binnen de bedrijfsbeveiliging van Azure, waar Entra ID de authenticatie afhandelt, beheerde netwerken het verkeer privé houden en op rollen gebaseerd toegangsbeheer ervoor zorgt dat alleen geautoriseerde personen agents kunnen wijzigen. Inhoudsveiligheidsfilters blokkeren ongepaste antwoorden. Het is dezelfde beveiligingsinfrastructuur die ook de services van Microsoft zelf draaiende houdt. Nog iets, de oude hub en projectarchitectuur bestaat nog steeds. Als u Azure AI Foundry al een tijdje gebruikt, heeft u mogelijk een hub ingesteld en die werken nog steeds met Microsoft-ondersteuning. Maar ze krijgen geen nieuwe agentfuncties zoals de agent playground, de agentservice of de geheugenfunctionaliteit.

Al die functies komen pas beschikbaar in de nieuwe Foundry-projecten. Dus als u helemaal opnieuw begint of agents wilt bouwen, gebruik dan de nieuwe projecten. Bouw niet voort op de oude basis. Hoe alles met elkaar verbonden is, het grote geheel. Wat gebeurt er nu eigenlijk als iemand een Foundry-applicatie gebruikt? Stel je voor dat een gebruiker een vraag typt en die vraag komt bij je agent terecht. De agent controleert de instructies, kiest het juiste model en begint met de verwerking. Maar hij raadt niet zomaar het antwoord. Hij raadpleegt Azure AI Search om relevante kennis uit je documenten te halen, roept een tool zoals een webzoekmachine aan voor actuele informatie, verwerkt al die context en genereert een antwoord. Vervolgens slaat hij het gesprek op in het geheugen, zodat hij de volgende keer weet wie je bent en wat je hebt besproken. Dat is de volledige workflow. Voor Foundry had je vijf aparte Azure services en aangepaste code nodig om dat te laten werken.

Azure Open AI voor het model, Isearch voor het ophalen van kennis, een aparte service voor webzoekopdrachten, opslag voor logboeken en bestanden en keyfold voor geheimen. Vervolgens moest je code schrijven om dat allemaal met elkaar te verbinden, authenticatie af te handelen, fouten te beheren en monitoring in te stellen. Foundry doet dat allemaal standaard. Je configureert gewoon de componenten en je agent rijdt. Het punt is dat alles met elkaar in wisselwerking staat. Verander je het model, dan verander je de kosten en nauwkeurigheid van elk antwoord. Voeg je betere kennisbronnen toe, dan worden je antwoorden nauwkeuriger. Schakel je geheugen in, dan voelt de ervaring persoonlijk in plaats van robotachtig. Dit zijn geen geïsoleerde beslissingen. Het is een systeem en Foundry geeft je de controle om dat systeem af te stemmen op jouw specifieke behoeften. Dit is waarom bedrijven overstappen van pilots naar productie.

Foundry biedt hen de basis om betrouwbare AI-applicaties te bouwen. Beveiliging is ingebouwd, monitoring is ingebouwd en evaluatie is ingebouwd. Je begint niet helemaal opnieuw. Je staat op een platform dat de lastige taken voor je uitvoert, zodat jij je kunt concentreren op de applicatie. Aan de slag, je eerste stappen. Dus, waar begin je? Ga naar i.azure.com en maak je eerste Foundry resource aan. Je hebt een Azure-abonnement nodig, maar als je er geen hebt, meld je dan aan voor een gratis account met wat credits om mee te experimenteren. De hele installatie duurt ongeveer een minuut. Maak vervolgens een project aan binnen die resource en geef het een naam die overeenkomt met wat je aan het bouwen bent. Kies daarna een model uit de catalogus. Ik raad aan om te beginnen met een model dat krachtig genoeg is voor de meeste experimenten. Je kunt het met één klik implementeren. Open vervolgens de agent Playground en bouw een eenvoudige agent.

Geef het instructies zoals, je bent een behulpzame assistent die vragen beantwoordt over het bedrijfsbeleid. Voeg vervolgens webzoekopdrachten toe als tool. Test het door een vraag te stellen en de trace te bekijken om te zien welke tools het heeft gebruikt en waarom. Probeer niet alles tegelijk te bouwen. Kies één use case, bijvoorbeeld een document Q&A-bot die vragen beantwoordt over het bedrijfshandboek en begin klein. Zorg dat het werkt en breed het van daaruit uit. Voeg bestandszoekfunctie toe met daadwerkelijke documenten, voeg geheugen toe zodat het gebruikers onthoudt en voeg een code interpreter toe als je berekeningen nodig hebt. Het mooie is dat Foundry een ingebouwde AI-chatbot bevat die vragen over het platform zelf beantwoordt. Als je vastloopt, vraag het dan bijvoorbeeld welke modellen zijn beschikbaar in mijn regio of hoe voeg ik geheugen toe aan mijn agent. Het doorzoekt de documentatie en geeft je direct antwoord, alsof je een supportmedewerker in je portal hebt ingebouwd.

Dat is dus het systeem, een uniform platform dat modellen, projecten, agents, kennis en beveiliging samenbrengt en ze allemaal combineert tot één geheel dat naadloos werkt. Als je ziet hoe alles integreert, verdwijnt de verwarring. Foundry is niet zomaar een tool, het is de werkplaats waar je AI-applicaties bouwt. Kortom, je grootste winst vandaag is simpel. Maak een Foundry project aan en bouw één agent. Dat is alles. Vond je dit nuttig? Abonneer je dan voor meer van dit soort duidelijke uitleg in begrijpelijke taal en deel deze aflevering met iemand die ook in de war is over het AI-aanbod van Microsoft. Ze zullen je ervoor bedanken.