AI-data hoeft niet perfect te zijn: inzichten van JBS Dev

Sophie Jansen · 2026-05-12

Joe Rose, president van strategisch technologiebedrijf JBS Dev, wil een hardnekkige mythe doorprikken over werken met generatieve en agentische AI-systemen. "Het is een veelvoorkomend misverstand dat je data perfect moet zijn voordat je dit soort workloads kunt uitvoeren," legt hij uit. ### De mythe van perfecte data Vendors en consultants suggereren vaak dat je enorme data lakes en jarenlange transformatieprogramma's nodig hebt. Geen wonder dat executives er hoofdpijn van krijgen. De realiteit is anders. "De tools zijn nog nooit zo goed geweest als nu om met slechte data om te gaan," zegt Rose. "Het is bijna opmerkelijk wat een LLM kan begrijpen van een half geschreven prompt." Het klinkt logisch. Als je zo'n krachtig hulpmiddel beschikbaar hebt, kun je het beter inzetten – met de juiste beveiligingen. De onvoorspelbaarheid van modellen betekent dat je moet kunnen omgaan met foutieve output. Daar komt de mens in de loop om de hoek kijken. Voor tekstuele of categoriedata is er veerkracht ingebouwd. "Mensen zijn gewend aan 'we bouwen het, het werkt, we vergeten het'," zegt Rose. "Zo werken deze systemen niet."  ### Praktijkvoorbeeld: medische sector Rose geeft een voorbeeld van een klant in de medische sector die wilde migreren naar een nieuw facturatie- en reconciliatiesysteem. De dossiers waren een mix: sommige in PDF, andere als afbeelding. Soms stond de procedure vermeld onder de naam van de arts, of stond de artsennaam bij de patiënt. Generatieve AI kon de schone data halen uit een simpele prompt – van OCR voor afbeeldingen tot tekstextractie voor PDF's. Daarna werden meer agentische benaderingen gebruikt, zoals het vergelijken van een klantrecord met een verzekeringscontract om te controleren of het juiste tarief werd berekend. "Je begint verschillende use cases op elkaar te stapelen," zegt Rose. "Dat betekent niet dat alles perfect gaat – je hebt nog steeds een mens nodig. Maar wat je wilt doen, is zeggen: we begonnen met 20% automatisering, daarna 40%, 60%, 80% – en dat langzaam laten groeien."  ### De volgende stap: kosten en draagbaarheid Rose verwacht dat toekomstige discussies over AI-modellen gaan over kosten en draagbaarheid. "Ik denk dat we een verschuiving gaan zien van radicale sprongen in modelcapaciteit naar de vraag: hoe maken we de kosten duurzamer, zodat we niet zoveel datacenters hoeven te bouwen?" De 'last mile' is volgens hem: "Hoe krijgen we deze dingen op een laptop of telefoon in plaats van in een datacenter? De modellen zijn getraind op een enorme hoeveelheid data – eigenlijk elke pagina op het internet en meer. Het is niet alsof er nog een berg nieuwe data is die tot een doorbraak leidt." ### Stop met kopen van SaaS Op de AI & Big Data Expo, waar JBS Dev deelneemt, kijkt Rose uit naar de gesprekken. Een controversiële mening die hij zal delen: stop met kopen van SaaS-vendors als je het zelf kunt doen. "Het is niet zo moeilijk als het klinkt," zegt hij. "Bijna iedereen heeft een cloudomgeving. Begin daar, want de cloudtools – vooral van de grote drie – hebben alles wat je nodig hebt om morgen agentische workloads te implementeren, zonder nieuwe softwarelicenties of training." Zodra dat is opgezet, staat JBS Dev klaar voor de volgende stappen.