OpenAI heeft Presence gelanceerd, een platform van productiekwaliteit dat zijn AI-agents koppelt aan forward-deployed engineers om ondernemingen te helpen experimentele bots om te zetten in betrouwbare, missiekritische diensten. De stap signaleert de intentie van het bedrijf om een kernleverancier van infrastructuur te worden voor bedrijven die AI op schaal nodig hebben, en niet slechts als een experimenteel lab.

Van interne GPT's naar enterprise-ready agents

Het afgelopen jaar was de belangrijkste enterprise-aanbieding van OpenAI Workspace Agents – aanpasbare "GPT's" die bedrijven gebruiken voor interne productiviteitstaken. Die agents kunnen eenvoudige vragen en documentgeneratie afhandelen, maar ze schieten tekort bij kritieke, klantgerichte toepassingen. Presence vult dat gat. Het richt zich op geautomatiseerde klantenservice en complexe workflow-orchestratie, waarbij downtime of onverwacht gedrag een directe impact kan hebben op de omzet en de reputatie van het merk.

De architectuur van het platform wijkt af van een standaard GPT-implementatie. In plaats van een klant een black-box-model en een set prompts te geven, bundelt OpenAI het model met engineering-diensten die de agent integreren in bestaande IT-ecosystemen. Het doel is om AI te transformeren van een behulpzame assistent naar een betrouwbaar onderdeel van de operationele ruggengraat van een bedrijf.

Forward-deployed engineers: de menselijke brug

Het meest zichtbare onderscheidende vermogen van OpenAI is de inzet van forward-deployed engineers (FDE's) die zij aan zij werken met gekwalificeerde klanten. Deze engineers worden onderdeel van het implementatieteam van de klant en dragen vier kerntaken uit:

  • Workflow-architectuur – Het in kaart brengen van bedrijfsprocessen naar AI-mogelijkheden en het selecteren van de meest effectieve interactiepatronen.
  • Systeemintegratie – Het koppelen van de agent aan legacy-software, eigen databases en andere interne tools.
  • Implementatie van guardrails – Het definiëren van strikte gedragsgrenzen om de output van de agent binnen acceptabele kaders te houden, waardoor hallucinaties of beleidsschendingen worden verminderd.
  • Lifecycle-management – Het uitvoeren van rigoureuze testcycli, het verplaatsen van de agent van een sandbox naar een live productieomgeving, en het monitoren van de prestaties op de lange termijn.

Door engineers direct bij de implementatie te betrekken, probeert OpenAI de "plug-and-play"-mythe te doorbreken die veel AI-leveranciers promoten. De engineers vormen de ruwe capaciteit van het model naar de specifieke data, beveiligingseisen en compliance-beperkingen van de klant.

De hindernis van compliance en transparantie

De adoptie van AI binnen het bedrijfsleven wordt nog steeds beperkt door zorgen over regelgeving en governance. Presence wordt alleen aangeboden aan gekwalificeerde ondernemingen, en OpenAI heeft nog geen gedetailleerde compliance-documentatie vrijgegeven. De EU AI Act legt bijvoorbeeld strikte regels op aan AI-systemen met een hoog risico, maar de publieke verklaringen van OpenAI gaan niet in op de vraag hoe Presence aan die verplichtingen voldoet.

OpenAI verwijst naar "vertrouwensmechanismen" – auditlogs, tools voor model-uitlegbaarheid en waarborgen voor gegevensprivacy – maar de exacte juridische kaders blijven vaag. Voor ontwikkelaars en oprichters is de spanning duidelijk: AI-innovatie gaat sneller dan de ontwikkeling van wereldwijd geaccepteerde standaarden. Bedrijven die nu voor Presence kiezen, moeten de voordelen van vroege toegang afwegen tegen het risico op latere regelgevende aanpassingen.

Wie wint, wie kijkt toe en wat het kost

OpenAI kan hiermee een voet aan de grond krijgen in de lucratieve markt voor enterprise-software, waar betrouwbaarheid en ondersteuningscontracten vaak veel groter zijn dan licentiekosten voor consumenten. Forward-deployed engineers genereren terugkerende inkomsten en binden klanten aan langdurige relaties.

Ondernemingen die Presence integreren, kunnen snellere automatisering van repetitieve taken zien, minder supporttickets en consistentere klantervaringen. De kostenstructuur van de dienst – modelgebruikskosten plus engineering-uren – is echter niet bekendgemaakt, waardoor kleinere bedrijven zich afvragen of de prijs binnen hun budget past.

Concurrenten die historisch gezien self-service AI-API's hebben aangeboden, kunnen de druk voelen om vergelijkbare professionele diensten toe te voegen, of het risico lopen belangrijke klanten te verliezen die de trial-and-error van interne integratie niet kunnen betalen.

Tegenargument: het risico op vendor lock-in

Critici stellen dat het bundelen van engineering-talent met het AI-model zorgt voor vendor lock-in. Zodra de kernprocessen van een bedrijf draaien om de agents en aangepaste guardrails van OpenAI, kan de overstap naar een andere aanbieder kostbaar en technisch complex worden. Het gebrek aan een open, op standaarden gebaseerde interface voor de guardrails versterkt die greep.

The limited availability of Presence – only to “qualifying” customers – means many mid-market firms may be left out of the early wave, potentially widening the gap between AI leaders and laggards.

What to watch next

  • Regulatory clarity – Updates from OpenAI on how Presence complies with the EU AI Act and other emerging frameworks will be a litmus test for broader adoption.
  • Pricing model – Transparency around fees for the platform and engineering services will determine whether the offering is viable beyond the largest enterprises.
  • Expansion criteria – The definition of “qualifying” customers and any plans to open the service to a wider audience will shape competitive dynamics in the AI-as-infrastructure space.
  • Industry response – How traditional enterprise-software vendors and cloud providers position themselves against a service that blends AI models with on-site engineering talent.

Takeaway

OpenAI’s Presence couples AI agents with dedicated engineers to turn bots into production-ready components, tackling the integration and reliability problems that have kept most bots in the lab. The approach could accelerate AI-driven automation for large enterprises, but it also raises questions about cost, regulatory compliance, and long-term vendor dependence. The next few months will reveal whether the model can scale beyond a select group of early adopters or remains a niche, high-touch offering.