Wat is Olivares AI?

Olivares AI is een open, zelf te hosten platform dat een vraag beantwoordt die de meeste teams vandaag niet kunnen beantwoorden: welke AI-agents draaien op mijn infrastructuur, en wat kan elk van hen daadwerkelijk bereiken?

Het draait waar je agents draaien, ontdekt ze passief, en bouwt een lees/schrijf-toegangskaart — voor elke agent, de resources die het kan bereiken en of het deze kan lezen of lezen en schrijven. Van daaruit kun je die toegang besturen en achteraf bewijzen wat er precies is gebeurd.

De lees/schrijf-toegangskaart

De kaart is de kern van het product (module III). Elke AI-agent wordt een node; elke resource die het kan bereiken — een database, een objectopslagplaats, een MCP-server, een API — wordt ook een node; en elke verbinding is getypeerd als R (lezen) of RW (lezen/schrijven).

Dat lezen-versus-schrijven-onderscheid is het punt. Een agent die alleen een productieopslag kan lezen is een heel andere impactradius dan een die ernaar kan schrijven. De kaart maakt dat verschil expliciet in plaats van het begraven te laten in verspreide IAM-beleidsregels.

Toegestaan versus Waargenomen

Wat de kaart onderscheidt is het verschil tussen twee lagen:

• Toegestaan — wat een agent mag bereiken, van toekenningen en beleid.
• Waargenomen — wat het daadwerkelijk is gezien te bereiken, van telemetrie.

Het vergelijken ervan toont twee bevindingen die ertoe doen:

• Onverwachte toegang — waargenomen maar nooit verwacht. Wat je wilt detecteren.
• Ongebruikte toekenningen — toegestaan maar nooit uitgeoefend. Je least-privilege-opschoningslijst.

Eerlijk over wat het kan bewijzen

De kaart verzint nooit zekerheid. Betrouwbaarheid is gelaagd en als zodanig getoond:

• Dekking van lees-versus-schrijf is clean op bronnen met native audit (PostgreSQL via pgAudit, objectopslag via CloudTrail, datawarehouses en datalakes), lossy op sommige document-/vectoropslagplaatsen, en opaque waar het simpelweg niet passief kan worden gereconstrueerd (Redis, SQLite, D1) — daar wordt de verbinding gemarkeerd als unknown in plaats van geraden.
• Attributie is firm wanneer een bron per-agent-identiteit draagt en comprimeert tot approximate wanneer een gedeeld serviceaccount verbergt wie wat deed.

Je ziet altijd hoeveel het product daadwerkelijk weet: de tiers worden getoond in de UI in plaats van verborgen, zodat een clean/firm verbinding en een unknown/approximate verbinding nooit worden gepresenteerd als hetzelfde.

Zelf gehost en open-core

Olivares AI is open-core: het complete product is gratis en open source onder AGPL-3.0 — geen uitgeklede community-editie. Het wordt gedeployed als een enkele statische binary met de webconsole ingebouwd.

Het control plane draait binnen je eigen infrastructuur en kan air-gapped draaien — je bestuurs- en observatiedata verlaat nooit je perimeter. Een eerlijke kanttekening: gehoste modellen zoals Claude zijn niet zelf te hosten, dus elke model-inferentie bereikt nog steeds de API van de provider (direct of via Bedrock/Vertex/Foundry). “Air-gapped” betekent je domein- data blijft thuis, niet dat het model offline draait. Alleen echt zelf te hosten modellen (bijvoorbeeld via vLLM/Ollama) draaien volledig offline.

Waar het vandaag staat

Het platform is pre-1.0. Het levert een catalogus van 29 capabiliteitsmodules, vandaag allemaal aangesloten in een standaardinstallatie. Het product is lezen-eerst en detectief als standaard — het observeert en bestuurt, en waar het kan handelen, doet het dat deny-closed. Niets hier claimt iets te doen wat de code niet doet.

Klaar om het te zien? Begin met de Snelstart.