AI Website Bouwen: Mythes over Imperfecte Data Ontkracht

Sophie Jansen · 2026-05-12

Joe Rose, president van strategisch technologiebedrijf JBS Dev, wil een hardnekkige mythe over generatieve en agentische AI-systemen ontkrachten. "Het is een veelvoorkomend misverstand dat je data perfect moet zijn voordat je dit soort workloads kunt uitvoeren," legt hij uit. ### De Werkelijkheid over Data Kwaliteit Vendors en consultants suggereren vaak dat je enorme datalakes en jarenlange transformatieprogramma's nodig hebt. Maar de realiteit is anders. "De tools zijn nog nooit zo goed geweest om met slechte data om te gaan," zegt Rose. "Het is bijna opmerkelijk wat een LLM kan begrijpen uit een halve prompt." Het gebruik van deze tools vraagt wel om de juiste veiligheidsmaatregelen. De onvoorspelbaarheid van modellen betekent dat je slechte output moet kunnen opvangen. Daar komt de mens in de loop om de hoek kijken. "Mensen zijn gewend aan 'we bouwen het, het werkt, we vergeten het'," zegt Rose. "Maar zo werken deze systemen niet."  ### Praktijkvoorbeeld uit de 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; de procedure stond soms in de naam van de arts, en de artsennaam in de patiëntnaam. De generatieve AI kon met een simpele prompt de schone data extraheren, van OCR voor afbeeldingen tot tekstextractie voor PDF's. Daarna werden agentische benaderingen gebruikt, zoals het vergelijken van een klantrecord met een verzekeringscontract om te controleren of het juiste tarief in rekening was gebracht.  ### Stapsgewijze Automatisering "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, is zeggen: we begonnen met 20% automatisering, daarna 40%, 60%, 80%, en dat in de loop van de tijd laten groeien." ### Toekomst: Kosten en Draagbaarheid Rose verwacht dat de discussies rond deze modellen zich gaan richten op kosten en draagbaarheid. "Ik denk dat we een verschuiving gaan zien van radicale sprongen in modelcapaciteit naar 'hoe maken we de kosten duurzamer, zodat we niet in hetzelfde tempo datacenters hoeven te bouwen?'" "De laatste mijl is: hoe krijgen we deze dingen op een laptop of telefoon te draaien in plaats van in een datacenter? De modellen zijn getraind op een enorme hoeveelheid data—vrijwel elke pagina op internet en meer. Er is niet nog een berg data die niet al in de modellen zit en die tot een doorbraak zal leiden." ### Zelf Doen in de Cloud Tijdens de AI & Big Data Expo, waar JBS Dev aan deelneemt, kijkt Rose uit naar de gesprekken. Een controversiële mening die hij zal delen: stop met kopen van SaaS-leveranciers als je het zelf kunt doen. "Het is niet zo moeilijk als het klinkt," zegt hij. "Bijna iedereen heeft wel een cloud-omgeving. Begin daar, want de cloud-tools—vooral van de grote drie—bieden alles wat je nodig hebt om morgen agentische workloads te implementeren, zonder nieuwe softwarelicenties of training."