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 doorbreken. 'Het is een veelvoorkomend misverstand dat je data perfect moet zijn voordat je dit soort workloads uitvoert,' legt hij uit. In werkelijkheid is het tegenovergestelde waar: de tools om met rommelige data om te gaan zijn nog nooit zo goed geweest. ### Waarom Perfecte Data een Fabeltje is Volgens een recent artikel in AI Fieldbook suggereren leveranciers en consultants dat je enorme datalakes en meerjarige datatransformatieprogramma's nodig hebt. Dat klinkt logisch, maar het is niet de realiteit. 'De tooling is nog nooit zo goed geweest om met slechte kwaliteit data om te gaan,' zegt Rose. 'Het is bijna opmerkelijk wat een LLM kan begrijpen van een half-ingevulde prompt.' Met de juiste veiligheidsmaatregelen kun je deze kracht benutten zonder jaren te wachten op perfecte data. ### Voorbeeld uit de Praktijk: Medische Sector Rose geeft een concreet voorbeeld van een klant in de medische sector die wilde migreren naar een nieuw factuurvereffeningssysteem. De dossiers waren een mix van PDF's, afbeeldingen en tekst. Soms stond de procedure in de naam van de arts, of stond de artsennaam in het patiëntendossier. Gen AI kon de schone data uit een simpele prompt halen, 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 werd berekend. ### Laag voor Laag Automatiseren 'Je begint met het stapelen van verschillende use cases op elkaar,' zegt Rose. 'Dat betekent niet dat het alles perfect doet – je hebt nog steeds een mens in de loop nodig. Maar je wilt zeggen: we begonnen met 20% automatisering, daarna 40%, 60%, 80%, en dat langzaam laten groeien.' Deze aanpak vermindert risico's en bouw vertrouwen op in het systeem. ### De Toekomst: Kosten en Draagbaarheid Rose verwacht dat de discussies over AI-modellen zullen verschuiven van radicale sprongen in mogelijkheden naar duurzaamheid van kosten. 'Hoe maken we het zo dat we geen datacenters in hetzelfde tempo hoeven te bouwen?' vraagt hij zich af. '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 – bijna elke pagina op internet – dus een doorbraak door meer data is onwaarschijnlijk. ### Doe Het Zelf in Plaats van SaaS Kopen Tijdens de AI & Big Data Expo, waar JBS Dev deelneemt, zal Rose een controversieel standpunt verkondigen: stop met het kopen van SaaS-oplossingen als je het zelf kunt doen. 'Het is niet zo moeilijk als het klinkt,' zegt hij. 'Bijna iedereen heeft een cloudomgeving. Daar moet je beginnen, want de cloudtooling van de grote drie heeft alles wat je nodig hebt om morgen agentische workloads te implementeren, zonder nieuwe softwarelicenties of training.' Zodra dat staat, helpt JBS Dev met de volgende stappen. ### Conclusie Imperfecte data is geen obstakel, maar een kans om slimme tools in te zetten. Door menselijke controle te combineren met AI, kun je stap voor stap automatiseren en kosten besparen. De sleutel is om te beginnen, niet te wachten op perfectie.