JBS Dev: Onvolmaakte data en de laatste AI-mijl

Sophie Jansen · 2026-05-12

Joe Rose, president van strategisch technologiebedrijf JBS Dev, wil een van de hardnekkige mythes over generatieve en agentische AI-systemen doorbreken. '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 Volgens een recent artikel in AI Fieldbook suggereren leveranciers en consultants dat je enorme datalakes en meerjarige datatransformatieprogramma'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 halfgeschreven prompt.' Dat klinkt logisch. Als je zo'n krachtig hulpmiddel hebt, kun je het maar beter inzetten – met de juiste waarborgen. De inherente onvoorspelbaarheid van modellen betekent dat je slechte output moet kunnen opvangen, en daar komt de mens in de loop om de hoek kijken. Voor tekstuele data of categoriedata is er veerkracht ingebouwd. '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 ander facturatie- en reconciliatiesysteem. De dossiers waren een mix: sommige in PDF, andere als afbeelding; de procedure stond soms op naam van de dokter, de doktersnaam stond dan weer in het patiëntveld, enzovoort. De generatieve AI kon de schone data uit een simpele prompt halen – 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 in de loop nodig. Maar wat je wilt doen is zeggen: we begonnen met 20% automatisering, daarna 40%, dan 60, 80% – en dat zo in de loop van de tijd laten groeien.'  ### De toekomst: kosten en draagbaarheid Rose verwacht dat toekomstige discussies over deze modellen vooral gaan over kosten en draagbaarheid. 'Ik denk dat je een verschuiving gaat zien van radicale sprongen in modelcapaciteit naar de vraag: hoe maken we de kosten duurzamer, zodat we niet in hetzelfde tempo datacenters hoeven te bouwen?' De laatste mijl is volgens hem: hoe krijgen we deze dingen op een laptop of telefoon aan de praat in plaats van in een datacenter? 'De modellen zijn getraind op een enorme hoeveelheid data – eigenlijk elke pagina op het internet en nog wat. Het is niet alsof er nog een berg nieuwe data is die niet al in de modellen zit en die tot een doorbraak gaat leiden.' ### Doe het zelf: stop met SaaS-licenties kopen Op de AI & Big Data Expo, waar JBS Dev deelneemt, kijkt Rose uit naar de gesprekken. Eén controversiële mening die hij wil delen: stop met het kopen van SaaS-licenties als je het zelf kunt doen. 'Het is niet zo moeilijk als het klinkt,' zegt hij. 'Bijna iedereen heeft wel een cloudomgeving. Daar zou ik beginnen, want de cloudtools – vooral van de grote drie – hebben alles wat je nodig hebt om morgen al agentische workloads te implementeren, zonder nieuwe softwarelicenties of training.' Zodra dat staat, is JBS Dev er voor de volgende stappen van de reis.