Imperfecte data en de AI-laatste mijl: inzichten van JBS Dev

Sophie Jansen · 2026-05-12

Joe Rose, president van strategisch technologiepartner JBS Dev, wil een wijdverbreide 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. ### Waarom perfecte data niet nodig is Vendors en consultants suggereren vaak dat je enorme datalakes en jarenlange transformatieprogramma's nodig hebt. Dat klinkt logisch, 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 van een half ingevulde prompt.' De onvoorspelbaarheid van modellen betekent wel dat je moet kunnen omgaan met foute output. Daar komt de mens in de loop om de hoek kijken. Voor tekstuele of categorische data is er een zekere veerkracht. 'Mensen zijn gewend aan 'we bouwen het, het werkt, we vergeten het',' zegt Rose. 'Maar zo werken deze systemen niet.'  ### Een 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. Soms stond de procedure bij de naam van de dokter, of de doktersnaam bij de patiënt. 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 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 je wilt zeggen: we begonnen met 20% automatisering, daarna 40%, 60%, 80% – en dat geleidelijk laten groeien.' ### De toekomst: kosten en draagbaarheid Rose verwacht dat de discussies over AI-modellen zich zullen verplaatsen naar kosten en draagbaarheid. 'Ik denk dat je een verschuiving ziet van radicale sprongen in modelcapaciteit naar: hoe maken we de kosten duurzamer? Zodat we niet in hetzelfde tempo datacenters hoeven te bouwen als nu.' 'De laatste mijl is: hoe krijgen we deze dingen draaiend op een laptop of telefoon in plaats van in een datacenter?' De modellen zijn getraind op een enorme hoeveelheid data – vrijwel elke pagina op het internet en meer. 'Er is niet ineens een berg nieuwe data die voor een doorbraak zorgt.' ### Stop met kopen bij SaaS-leveranciers Op de AI & Big Data Expo, waar JBS Dev deelneemt, kijkt Rose uit naar de gesprekken. Een van zijn controversiële meningen: 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. 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 op zijn plek is, staat JBS Dev klaar voor de volgende stappen.