AI website bouwen: mythes over imperfecte data ontkracht

Sophie Jansen · 2026-05-12

Joe Rose, president van strategisch technologiebedrijf JBS Dev, wil afrekenen met een hardnekkige mythe over 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. ### Data hoeft niet perfect te zijn Volgens een recent artikel in AI Fieldbook suggereren leveranciers en consultants dat je enorme datalakes en jarenlange transformatieprogramma's nodig hebt. Dat zorgt voor verwarring bij leidinggevenden. 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 van een half ingevulde prompt.' Het is logisch. Als je zo'n tool hebt, kun je die inzetten met de juiste beveiligingsmaatregelen. De onvoorspelbaarheid van modellen vereist wel dat je slechte output kunt opvangen, en dat is waar de mens in de cyclus komt. Voor tekstuele of categorische data is er veerkracht. 'Mensen zijn gewend aan "we bouwen het, het werkt, we vergeten het",' zegt Rose. 'Zo werken deze systemen niet.'  ### Voorbeeld uit de medische sector Rose geeft een voorbeeld van een klant in de medische sector die overstapte naar een nieuw facturatie- en reconciliatiesysteem. Dossiers waren een mix: sommige in PDF, andere als afbeelding; de procedure stond soms in de naam van de arts, de artsennaam in het patiëntendossier, enzovoort. Gen AI kon de schone data uit een simpele prompt halen, van OCR tot afbeeldingen en tekstextractie voor PDF's. Vervolgens werden 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 in de cyclus nodig. Maar je wilt zeggen: we beginnen op 20% automatisering, dan 40%, dan 60, 80%, en dat laten groeien.'  ### Kosten en draagbaarheid worden de volgende stap Rose verwacht dat toekomstige discussies over deze modellen gaan over kosten en draagbaarheid. 'Ik denk dat je een verschuiving zult zien van radicale sprongen in modelcapaciteit naar: hoe maken we de kosten duurzamer, zodat we geen datacenters hoeven te bouwen in het tempo van nu?' zegt hij. 'De laatste kilometer is: hoe krijgen we deze dingen op een laptop of telefoon in plaats van in een datacenter? De modellen zijn getraind op een enorme dataset – eigenlijk elke pagina op het internet en meer. Er is niet nog veel meer data die nog niet is gebruikt en die tot een doorbraak kan leiden.' ### Doe het zelf in plaats van SaaS Op de AI & Big Data Expo, waar JBS Dev deelneemt, kijkt Rose uit naar de gesprekken. Een controversiële mening die hij wil delen: stop met kopen bij SaaS-leveranciers als je het zelf kunt doen. 'Het is niet zo moeilijk als het klinkt,' zegt hij. 'Bijna iedereen heeft een cloudomgeving, en daar zou ik beginnen. 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 op zijn plaats is, staat JBS Dev klaar voor de volgende stappen van de reis.