AI bouwen of kopen: kies per proces op onderscheid, risico en beheer

AI is een inkoop- én ontwerpbeslissing

De vraag of een organisatie AI moet bouwen of kopen, is zelden een keuze tussen volledige zelfstandigheid en een kant-en-klaar product. Kopen kan een SaaS-dienst, model-API of bestaande bedrijfsapplicatie betekenen. Bouwen is zelf proceslogica, integraties, kennislaag, gebruikerservaring en beheersmaatregelen ontwikkelen of laten ontwikkelen. Een eigen foundation model trainen is doorgaans een andere, zwaardere keuze.

De kern is niet welk model in een demonstratie het meest indruk maakt. De kern is welk procesonderdeel onderscheidend is, welk risico automatisering meebrengt en wie de oplossing beheert. Zonder aantoonbare proceswaarde of eigenaar wordt geen van beide opties duurzaam.

Voor agentic AI is die nuchterheid extra belangrijk. Gartner voorspelde in juni 2025 dat meer dan 40% van de agentic-AI-projecten eind 2027 wordt geannuleerd vanwege stijgende kosten, onduidelijke bedrijfswaarde of onvoldoende risicobeheersing. Dat is een prognose en geen vastgestelde uitkomst, maar de onderliggende les is bruikbaar: kies een toepassing omdat de waarde en de beheersing vooraf helder zijn, niet omdat een product als ‘agent’ wordt gepositioneerd. [3]

Begin bij het proces, niet bij de tool

Leg voordat u leveranciers vergelijkt het proces in gewone taal vast. Benoem de aanleiding, de beslissingen, de gegevensbronnen, de gewenste uitvoer, de uitzonderingen en de persoon die mag ingrijpen. Kies vervolgens een meetbare uitkomst, bijvoorbeeld kortere doorlooptijd, minder handmatig herstelwerk of een betere volledigheid van een dossier. Zonder een uitgangssituatie en een beoogde uitkomst is een pilot hooguit een technische verkenning.

Deze stap maakt ook zichtbaar of AI nodig is. Een vaste, voorspelbare handeling kan soms betrouwbaarder met conventionele automatisering worden ingericht. Een assistent is geschikt wanneer een medewerker informatie moet vinden of een eerste concept nodig heeft. Een systeem dat zelfstandig een actie uitvoert, vraagt om scherpere grenzen: welke actie mag het uitvoeren, op welke gegevens, onder welke drempelwaarde en met welke goedkeuring? Die keuze hangt af van het proces en niet van de term die een leverancier gebruikt. Gartner adviseert agentic AI alleen te gebruiken waar duidelijke waarde of rendement aantoonbaar is. [3]

Kopen is passend voor herhaalbare capaciteit

Kopen is vaak logisch wanneer de functie breed verkrijgbaar is en het proces weinig eigen karakter heeft. Denk aan een generieke zoekfunctie, transcriptie, vertaling of een standaardvoorziening binnen bestaande kantoorsoftware. De leverancier draagt dan een deel van het onderhoud, de productontwikkeling en de technische beschikbaarheid. De organisatie kan haar schaarse ontwerp- en verandervermogen richten op het werk dat werkelijk eigen is.

Dat is geen vrijbrief om uitsluitend op een demonstratie of abonnementsprijs te selecteren. Onderzoek bij een ingekochte oplossing hoe de gegevens stromen, welke gegevens worden bewaard, welke toegangsrollen bestaan en hoe export of beëindiging van de dienst werkt. Vraag ook welke onderdelen configureerbaar zijn, hoe wijzigingen worden aangekondigd en hoe logs, incidenten en support zijn geregeld. Leg afspraken over beveiliging, verwerking van persoonsgegevens, beschikbaarheid en exit vast in contract en implementatieplan.

De meest onderschatte vraag is of het product in het bestaande werk past. Een AI-functie die buiten het dossier, het autorisatiemodel of de kwaliteitscontrole werkt, verschuift werk in plaats van het weg te nemen. Een beperkte proef met echte, toegestane procesdata en vooraf bepaalde acceptatiecriteria is daarom zinvoller dan een brede uitrol op basis van een verkoopdemo.

Bouwen vraagt om een verdedigbare reden

Maatwerk verdient serieuze overweging wanneer de organisatie een combinatie bezit die niet eenvoudig in een standaardproduct past. Dat kan een eigen procesregel zijn, een specifieke integratie met bedrijfssystemen, een kennisstructuur die zorgvuldig moet worden ontsloten of een gebruikerservaring die essentieel is voor controle. Het onderscheid moet concreet zijn: niet ‘onze werkwijze is bijzonder’, maar ‘deze stap bevat deze regel, deze gegevens en deze uitzondering die aantoonbaar niet goed in het product passen’.

Bouwen betekent niet dat alles zelf moet. Een verstandige architectuur kan bestaande modellen en diensten benutten, terwijl de organisatie de onderdelen bezit die haar proces bepalen: autorisatie, bronselectie, validaties, goedkeuring, audittrail en gebruikersinterface. Zo wordt het eigendom begrensd tot wat werkelijk waarde of risico bepaalt.

Een bouwbesluit is zwak wanneer het alleen rust op de wens om onafhankelijk van een leverancier te zijn. Die onafhankelijkheid moet worden afgezet tegen de vaardigheid om software, integraties en beveiliging te onderhouden. Ook een model-API in een maatwerkapplicatie blijft afhankelijk van externe technologie. Ontwerp daarom expliciet hoe een model, leverancier of component kan worden vervangen, en test die aanname waar dat proportioneel is.

Reken beheer mee vanaf de eerste businesscase

De bouwkosten zijn slechts één deel van de totale kosten. Na ingebruikname volgen onder meer monitoring, evaluatie van uitvoer, wijzigingsbeheer, toegangsbeheer, incidentafhandeling, documentatie, training en herbeoordeling zodra brondata, processen of modellen veranderen. Wie deze werkzaamheden niet van eigenaar, capaciteit en budget voorziet, koopt of bouwt feitelijk een tijdelijke demonstratie.

NIST positioneert het AI Risk Management Framework als een vrijwillig kader om betrouwbaarheid mee te nemen in ontwerp, ontwikkeling, gebruik en evaluatie van AI-systemen. Het aanvullende Generative AI Profile helpt organisaties specifiek bij het herkennen en beheren van risico’s van generatieve AI. [4] [5] Het kader vervangt wet- of regelgeving niet, maar biedt een bruikbare structuur voor de beheervraag.

Vertaal dat naar een concreet ritme. Documenteer toegestaan gebruik en bronnen. Test representatieve gevallen, inclusief uitzonderingen en onjuiste input. Meet naast snelheid ook fouten, herstelwerk en escalaties. Bepaal wie een oplossing pauzeert en over wijzigingen beslist. Dit geldt voor koop én bouw; bij maatwerk verschuift meer verantwoordelijkheid naar de organisatie.

Integraties vergroten waarde én aanvalsoppervlak

AI krijgt meer betekenis zodra het informatie kan ophalen of acties kan uitvoeren in andere systemen. Het Model Context Protocol (MCP) is een open standaard waarmee applicaties context en mogelijkheden, waaronder tools, aan AI-systemen kunnen aanbieden. De specificatie onderscheidt hosts, clients en servers. Zij benadrukt dat toegang tot gegevens en tools expliciete toestemming, toegangscontrole en zorgvuldige omgang met privacy vereisen. [6]

Die technische mogelijkheid is dus geen argument om elke koppeling te activeren. Beperk rechten tot wat voor het afgebakende proces nodig is. Laat een gebruiker begrijpen welke gegevens worden gedeeld en welke actie een tool uitvoert. Behandel toolbeschrijvingen en externe servers niet automatisch als betrouwbaar. De MCP-beveiligingsrichtlijn wijst onder meer op risico’s rond OAuth-proxy’s en token-passthrough; zij beschrijft per-client toestemming, exacte validatie van redirect-URI’s en controle van token-audience als relevante maatregelen. [7]

Voor een bouwbesluit betekent dit dat de integratielaag, autorisatie en logging vaak belangrijker zijn dan de keuze voor één taalmodel. Voor een koopbesluit betekent het dat deze onderdelen onderdeel moeten zijn van de technische en contractuele beoordeling. Een koppeling zonder heldere rechtenstructuur is geen versnelling, maar een nieuw beheerrisico.

Regelgeving hoort bij de afbakening

De EU AI Act, Verordening (EU) 2024/1689, volgt een risicogebaseerde benadering. De Europese Commissie meldt dat de transparantieregels vanaf augustus 2026 van toepassing zijn. [1] De primaire wetstekst licht toe dat personen in beginsel moeten worden geïnformeerd wanneer zij rechtstreeks met een AI-systeem interacteren, tenzij dat onder de omstandigheden duidelijk is. De verordening bevat daarnaast vereisten rond herkenbaarheid van bepaalde AI-gegenereerde of gemanipuleerde content en transparantie bij deepfakes. [2]

De precieze verplichting hangt af van rol, systeem en toepassing. Classificeer een beoogde toepassing vroeg, leg relevante verplichtingen vast en betrek zo nodig juridisch, privacy- en securityadvies. Bekijk compliance niet pas na een technische pilot: keuzes over data, logging, toezicht en communicatie kunnen dan al vastliggen.

Edgars analyse: hanteer een omkeerbare standaard

Mijn analyse is dat kopen de standaard mag zijn voor generieke capaciteit, terwijl bouwen een onderbouwde uitzondering moet zijn. Dat is geen universele regel, maar een manier om middelen te concentreren. Toets ieder voorstel aan vijf vragen: levert het proces aantoonbaar waarde op; is het proces werkelijk onderscheidend; vereisen gegevens of integraties bijzondere controle; kan een bestaand product binnen de grenzen voldoen; en is er een eigenaar voor beheer en besluitvorming?

Als een standaardoplossing de doeluitkomst binnen aanvaardbare risico’s bereikt, ligt kopen voor de hand. Ontstaat waarde door unieke proceslogica, gecontroleerde gegevensontsluiting of een essentiële integratie, dan kan maatwerk rationeel zijn. Leg in beide gevallen een evaluatiemoment vast.

De beste beslissing is bovendien omkeerbaar. Begin klein, beperk bevoegdheden, definieer succes en stopcriteria en maak een route voor overdracht of vervanging. Daarmee wordt AI geen ideologische bouw-of-koopkeuze, maar een bestuurbare investering in een concreet bedrijfsproces.

Bronnen

Auteur: Edgar van Lent.