Private AI voor bedrijven: wat het is en wat het niet is

Een term die alles en niets betekent

Private AI is een van die begrippen die in elke offerte staat en in elke offerte iets anders betekent. Voor de ene leverancier is het een open model op een eigen server. Voor de andere is het een clouddienst met een verwerkersovereenkomst. Voor een derde is het gewoon een geruststellende kop boven een standaardproduct.

Dat is vervelend, want de vraag erachter is legitiem. Als een AI-collega je orders, facturen en klantgegevens verwerkt, wil je weten waar die gegevens heen gaan, wie ze kan zien en wat ermee gebeurt. Dat is een goede vraag om te stellen voordat je begint.

Het helpt om de term uit elkaar te trekken in drie losse vragen die je apart kunt beantwoorden.

Vraag één: waar wordt je data verwerkt?

Dit is de vraag die het meest concreet te beantwoorden is en die in de praktijk het zwaarst weegt. Verlaat je data de EU, en zo ja, waarheen? Voor veel Nederlandse bedrijven, en zeker in de publieke sector en de zorg, is dat het punt waar het gesprek staat of valt.

Er is een verschil tussen waar het model is gemaakt en waar het draait. Grote modelaanbieders bieden inmiddels verwerking binnen Europese regio's aan, met contractuele en technische waarborgen. Dat is iets anders dan een model dat in Europa is ontwikkeld, en dat verschil wordt in verkooppraatjes weleens door elkaar gehaald.

Bij ons wordt data binnen de EU verwerkt. Dat is geen optie die je aanvinkt maar hoe het platform is ingericht, en het is een van de dingen waar onze ISO 27001-certificering op is getoetst.

Vraag twee: wordt er op je data getraind?

Dit is de angst die het vaakst wordt uitgesproken: komen mijn prijsafspraken straks bij een concurrent terecht omdat het model ervan geleerd heeft? Het is een terechte zorg, en het antwoord is contractueel en technisch.

Bij zakelijke afspraken met de grote modelaanbieders wordt er niet getraind op wat je via de API stuurt. Dat is een expliciete voorwaarde, geen impliciete belofte. Belangrijk detail: dat geldt voor zakelijke toegang via de API, niet automatisch voor de gratis consumentenversie van dezelfde tool. Wie een klantorder in een gratis chatvenster plakt, valt onder andere voorwaarden.

• Vraag om de verwerkersovereenkomst en lees wat er over training in staat.
• Vraag hoe lang gegevens worden bewaard voor logging en foutopsporing, en hoe je die termijn kunt inperken.
• Vraag wie er bij die logs kan, en of dat rolgebaseerd is ingericht.
• Vraag wat er gebeurt met je gegevens als de samenwerking eindigt.

Vraag drie: eigen model of eigen omgeving?

Nu komen we bij het deel waar de meeste verwarring zit. Sommige bedrijven willen een open model op eigen infrastructuur, zodat er per definitie niets naar buiten gaat. Dat kan, maar het is een zwaardere keuze dan de meeste mensen denken.

Een eigen model betekent eigen hardware of gehuurde GPU-capaciteit, iemand die het beheert, en de verantwoordelijkheid voor bijwerken en beveiligen. Daar staat tegenover dat de open modellen inmiddels goed genoeg zijn voor veel administratief werk, dus het is geen kwaliteitsoffer meer.

De vraag is of je risicoprofiel het rechtvaardigt. Voor het verwerken van inkoopfacturen van een groothandel is het meestal overkill. Voor een organisatie die met medische of justitiële gegevens werkt, kan het precies de juiste keuze zijn. Het antwoord hangt af van je data, niet van de mode.

Wat er buiten het model gebeurt telt net zo zwaar

Discussies over private AI gaan bijna altijd over het model, terwijl de meeste risico's ergens anders zitten. Een agent die in je ERP werkt, heeft rechten in dat ERP. Dat is een groter beveiligingsvraagstuk dan de vraag welk model de tekst leest.

• Rechten: wat mag de agent aanmaken, wijzigen en lezen, en wat expliciet niet?
• Scheiding: kan de agent bij administraties of klanten waar hij niets te zoeken heeft?
• Logging: is per handeling terug te zien wat er is gedaan en op welke gronden?
• Menselijke controle: welke beslissingen gaan nooit zonder akkoord door?
• Certificering: is dit alles onafhankelijk getoetst of alleen intern beschreven?

Deze vijf punten zijn saaier dan de vraag welk model je gebruikt, maar ze bepalen in de praktijk of een incident klein blijft of groot wordt.

Het model als vervangbaar onderdeel

Er is nog een praktische reden om niet te veel gewicht op de modelkeuze te leggen: modellen veranderen sneller dan je bedrijfsproces. Wie zijn oplossing bouwt rondom één specifiek model, bouwt een afhankelijkheid in die over een jaar duur kan uitpakken.

Wij behandelen het model daarom als een onderdeel dat je vervangt. Komt er een model dat beter, sneller of goedkoper is, of dat beter past bij een specifieke eis rond dataverwerking, dan wisselen we het zonder dat jouw proces verandert. De koppeling, de regels, het geheugen en de logging blijven staan.

Dat maakt de vraag naar private AI ook eenvoudiger te beantwoorden. Je hoeft niet vooraf voor de rest van de tijd te kiezen. Je kiest een architectuur waarin die keuze omkeerbaar is.

Aan de slag

Begin niet met de vraag welk model je wil, maar met welke gegevens er door het proces heen gaan en hoe gevoelig die zijn. Vaak blijkt dat het gevoeligste deel van het proces helemaal geen model nodig heeft, en dat de eisen op één specifieke stroom veel zwaarder zijn dan op de rest.

In een Quick Scan kijken we samen naar je proces, je gegevens en je eisen, en laten we zien hoe de inrichting eruitziet die daarbij past. Op onze beveiligingspagina lees je hoe het platform is ingericht, en het ISO 27001-certificaat delen we op aanvraag.