Universal Cognitive Architecture: zo houdt een organisatie haar AI-geheugen draagbaar

UCA is dus geen nieuw taalmodel. Het is de voorgestelde ordeningslaag voor een Domain Language Model (DLM): een algemeen, stateless groot taalmodel dat tijdens gebruik wordt voorzien van de gestructureerde herinnering van een organisatie.

Zo is de architectuur van Starling MX opgebouwd

Starling beschrijft twee hoofdonderdelen in de organisatierepository:

• Org Library: beheerde en van versies voorziene records die de canonieke kennis van de organisatie moeten bevatten.
• Resources: ondersteunend bronmateriaal, gegenereerde documenten en werkbestanden die naast de canonieke records worden gebruikt.

Dat onderscheid is belangrijk. Een onderzoeksdocument of concepttekst kan een AI helpen bij een taak, maar wordt daarmee niet automatisch de officiële waarheid van de organisatie. De Org Library moet de goedgekeurde versie bewaren; Resources leveren context voor raadpleging en productie.

De repository is bovendien tekstgericht. Starling zegt dat organisatiegeheugen wordt opgeslagen als leesbare, verliesvrije Markdown-tekst, niet als ondoorzichtige modelstatus. Volgens het bedrijf maakt dat de informatie beter controleerbaar, versieerbaar en overdraagbaar, en bruikbaar voor zowel mensen als software.

Aan de technische kant stelt Starling dat een manifest de relevante context uit de door mensen beheerde repository samenstelt voor een modelsessie. Het model ontvangt die context, voert het werk uit en bewaart het duurzame organisatiegeheugen niet als eigen geheugen.

Welke rol speelt MCP?

Starling ziet Anthropic’s Model Context Protocol (MCP) als de verbindingslaag waarmee AI-modellen toegang krijgen tot externe organisatiecontext. UCA levert de gezamenlijke classificatielogica en semantische adressen; de repository bevat de beheerde records; MCP helpt die context met het model te verbinden.

Volgens dit ontwerp wordt het in principe mogelijk om van model te wisselen. De kennis van een organisatie zou niet opgesloten moeten raken in het bedrijfseigen geheugen of de gespreksgeschiedenis van één leverancier. In plaats daarvan kan een compatibel model aan dezelfde gestructureerde repository worden gekoppeld en voor een taak de relevante context ontvangen.

Dat is een ontwerpbelofte, geen bewijs dat universele interoperabiliteit al is aangetoond. De beschikbare bronnen beschrijven de architectuur en het beoogde gebruik ervan door Starling, maar bewijzen niet onafhankelijk dat ieder model of iedere implementatie even goed met de standaard werkt.

Waarom koppelt Starling UCA aan AI-soevereiniteit?

CEO Chris Kincade betoogt dat AI-soevereiniteit verder gaat dan infrastructuur. Wie GPU’s bezit, systemen lokaal host of voor een binnenlandse modelaanbieder kiest, heeft daarmee nog niet automatisch controle over de beslissingen, beleidsregels, herkomst, toegangsrechten en operationele kennis van de organisatie.

In de visie achter UCA blijven die duurzame bedrijfsmiddelen in een repository die de organisatie zelf beheert. Als een model wordt vervangen, opgewaardeerd, onbeschikbaar raakt of om governance-redenen wordt afgewezen, moet de organisatie haar geheugen behouden en een ander model aan dezelfde canon kunnen koppelen.

Dat kan de afhankelijkheid van één AI-leverancier verkleinen, omdat het waardevolste bezit — de geclassificeerde en beheerde organisatiekennis — buiten het model staat. Het kan ook de veerkracht vergroten doordat het model geen permanent institutioneel geheugen hoeft te dragen.

Daarom gebruikt Starling de formulering: ‘het model vergeet; de organisatie onthoudt.’ Het model redeneert tijdens een sessie, terwijl de instelling de records, adressen en governance bewaart die continuïteit aan het werk geven.

Wat verandert de open standaard?

Het bedrijf zegt dat UCA permanent gratis is onder een Creative Commons-licentie. Organisaties zouden de standaard daardoor kunnen gebruiken en erop kunnen voortbouwen zonder licentie of toestemming van Starling.

Dat onderscheidt UCA in theorie van een geheugenfunctie die uitsluitend binnen één platform werkt. Een open classificatiestandaard kan langer meegaan dan het product waarmee hij oorspronkelijk wordt geïmplementeerd. Organisaties zouden hun kennis volgens de standaard kunnen structureren en vervolgens verschillende hulpmiddelen voor opslag, ontsluiting en modeltoegang kunnen beoordelen.

De praktische waarde hangt wel af van brede toepassing, kwaliteit van de implementatie en goed beheer. Een permanent adres is pas nuttig als teams het eens zijn over de betekenis ervan, het canonieke record onderhouden en wijzigingen zorgvuldig controleren. Classificatie maakt kennis mogelijk beter vindbaar, maar maakt die kennis niet automatisch juist of actueel.

Toepassingen en grenzen van het bewijs

In het eigen materiaal koppelt Starling de architectuur aan scenario’s voor persoonlijke coaching, marketing, bouwmanagement en juridische dienstverlening. Ook staat er een aanbeveling van Brady Patterson van SelfOS, die zegt dat een ‘duidelijk anker’ voor kennis het verlies van context en datadrift verminderde.

Die voorbeelden moeten voorzichtig worden gelezen. De aangeleverde bronnen bevestigen onafhankelijk noch de relatie met Wrks Online’s QuillOS, noch de omvang van eventuele implementaties of gemeten prestaties. De uitspraak van SelfOS is een aanbeveling van een gebruiker of praktijkdeskundige, geen onafhankelijke validatie van de effectiviteit van UCA.

Ook breder gezien bestaat het beschikbare bewijs vooral uit eigen productmateriaal van Starling en berichtgeving over de lancering. Dat ondersteunt wat het bedrijf heeft uitgebracht en hoe het de architectuur beschrijft, maar toont niet aan dat UCA in de praktijk leidt tot hogere nauwkeurigheid, lagere kosten, betere beveiliging of volledige onafhankelijkheid van leveranciers.

De kern

UCA’s centrale voorstel is dat organisaties eerst een duurzaam, leesbaar en beheerd geheugen moeten opbouwen voordat AI-modellen over bedrijfskennis gaan redeneren. Vaste semantische adressen vormen het voorgestelde ordeningssysteem; de Org Library bewaart de canon; Resources bevatten ondersteunend en werkmateriaal; en MCP verbindt externe context met modelsessies.

Starling MX is het eerste bètaplatform dat volgens het bedrijf op dit model is gebouwd, met een prijs vanaf 99 dollar per maand voor de eerste gebruiker. De architectuur biedt een samenhangend antwoord op vendor lock-in en het verlies van institutioneel geheugen: houd de kennis van de organisatie gescheiden van het model, zodat modellen kunnen veranderen zonder die kennis mee te nemen.

Of die belofte ook op grote schaal standhoudt, blijft een open vraag waarvoor onafhankelijke praktijkgegevens nodig zijn.