Field Note 010AI
Eigen AI bouwen: maatwerk of generiek, open of gesloten
De vraag is zelden welk model het beste is, maar hoeveel ervan je zelf wil bezitten. Twee keuzes bepalen dat: maatwerk versus generiek, en open versus gesloten.
“Eigen AI” gaat zelden over het bouwen van een model vanaf nul. Het gaat over de mate van controle: over je data, je algoritmes en de manier waarop antwoorden tot stand komen. Twee keuzes bepalen die controle, en ze staan los van elkaar: maatwerk versus generiek, en open versus gesloten.
Maatwerk versus generiek
Een generiek model is een generalist. Het weet van alles een beetje en van jouw organisatie niets. Maatwerk verslaat generiek zodra minstens één van deze dingen speelt:
- Je werkt met gevoelige of vertrouwelijke gegevens.
- De taak vraagt domeinkennis die een generalist mist, zoals juridisch of medisch jargon.
- Het systeem moet integreren met je CRM, ERP of DMS in plaats van ernaast te staan.
- Compliance vereist dat je kunt aantonen wat er met data gebeurt.
De echte winst van maatwerk zit niet in het model zelf, maar in wat eromheen zit: getraind op jouw data, in jouw toon, gekoppeld aan jouw systemen, en meegroeiend met correcties die je zelf aanbrengt.
Open versus gesloten
De tweede keuze gaat over waar het model vandaan komt. Een gesloten (proprietary) model is een black box die je afneemt; een open model kun je inzien, aanpassen en zelf hosten. De afweging op een rij:
| Open source | Gesloten | |
|---|---|---|
| Transparantie | werking inzichtelijk | grotendeels verborgen |
| Datacontrole | volledig in eigen hand | via externe partij |
| Maatwerk | vrijwel onbeperkt | beperkt tot wat de leverancier toelaat |
| Kosten | geen licentiekosten, wel hosting | licentie, weinig infra |
| Ondersteuning | community en documentatie | leverancier |
Open source wint zodra transparantie, datacontrole of het vermijden van vendor lock-in zwaarder wegen dan gemak. Let wel op de licentie: MIT en Apache 2.0 geven veel vrijheid, GPL legt verplichtingen op aan wat je ermee bouwt.
Welk model bij welk probleem
Maatwerk betekent niet automatisch een neuraal netwerk vanaf nul. Meestal kies je een bestaand modeltype en pas je het toe:
- RAG koppelt een taalmodel aan jouw bronnen, voor antwoorden op basis van eigen kennis. Zie RAG in de praktijk.
- NLP voor het begrijpen en samenvatten van taal.
- CNN voor beeldherkenning, van productfoto’s tot scans.
- RNN voor sequenties: chatlogs, tijdreeksen, sensordata.
Wat het echt vraagt
De kwaliteit van eigen AI wordt niet bepaald door het model dat je kiest, maar door de data die je erin stopt en de controle die je eromheen inricht.
Eigen AI is een strategische keuze, geen technische. Ze loont wanneer je data, compliance of integratie je dwingt tot controle die een generiek, gesloten product niet kan bieden. En ze begint, zoals altijd, bij een fundament van betrouwbare data. Meer daarover in Waarom AI-projecten stranden op data.
