AI en machine learning in je website: eerst dit weten

·

Je wilt een chatbot, slimme zoekfunctie of gepersonaliseerde aanbevelingen op je website. Logisch, want die mogelijkheden bestaan en zijn minder exotisch dan een paar jaar geleden. Maar voordat je een bouwer inhuurt die zegt dit voor je te kunnen regelen, zijn er een paar dingen die je echt moet snappen, anders betaal je voor iets wat je niet begrijpt en ook niet kunt controleren.

Wat AI op een website eigenlijk betekent

“AI integreren” klinkt als één ding, maar het dekt tientallen verschillende technieken. Een chatbot die vaste antwoorden geeft op basis van trefwoorden is iets heel anders dan een systeem dat leert van gebruikersgedrag en zijn antwoorden aanpast. Beide worden in offertes vaak “AI” genoemd.

Machine learning is de techniek waarbij een systeem patronen herkent in data en daar zelfstandig conclusies uit trekt. Dat vraagt om trainingsdata, rekenkracht en onderhoud. Zonder die drie ingrediënten werkt het systeem niet goed, of het werkt een tijdje en degradeert daarna stil.

Wat je op de meeste websites ziet, is geen zelflerend systeem maar een koppeling met een bestaande dienst, zoals een taalmodel via een API. Dat is prima, maar het is iets anders dan maatwerk. Het onderscheid bepaalt wie eigenaar is van de functionaliteit, wat het kost als de externe dienst zijn prijzen verhoogt, en wat er gebeurt als die dienst stopt.

Vraag bij elke aanbieder dus concreet: bouw je iets op maat, of koppel je aan een externe dienst? En als dat laatste: welke, onder welke voorwaarden, en wat zijn mijn opties als ik later wil overstappen?

Wat je moet regelen voordat de bouw begint

De meeste problemen bij dit soort projecten ontstaan niet tijdens de bouw, maar daarvoor. Opdrachtgevers weten niet precies wat ze willen, en bouwers vullen dat gat op met keuzes die hen uitkomen.

Zorg dat je vóór de offertefase minimaal het volgende hebt uitgewerkt:

  • Wat is het doel? Niet “we willen AI”, maar: welk probleem lost het op voor de gebruiker?
  • Welke data heb je beschikbaar? Een aanbevelingssysteem werkt niet zonder historische gebruiksdata. Als die data er niet is, begin je met een leeg model.
  • Wie beheert het systeem na oplevering? AI-functionaliteiten hebben onderhoud nodig. Wie monitort of het systeem nog goed presteert? Wie past het aan als de output verslechtert?
  • Wat zijn de privacyregels? Zodra je gedrag van gebruikers bijhoudt voor een lerend systeem, raakt dat de AVG. Dat is geen bijzaak.
  • Wie is eigenaar van het model? Als een bouwer een model traint op jouw data, is dat model dan van jou? Leg dat vast.
  • Wat zijn de kosten bij schaal? API-koppelingen rekenen vaak per gebruik. Bij hoge volumes kunnen die kosten snel oplopen.
  • Wat is het minimaal werkbare resultaat? Formuleer een meetbare definitie van “het werkt goed genoeg om live te gaan”.

Dit lijstje klinkt als bureaucratie, maar het is eigenlijk een beschermingsinstrument. Bouwers die moeite hebben met deze vragen beantwoorden, zijn bouwers waarbij je later problemen krijgt.

Een extra aandachtspunt is de afhankelijkheid van externe modellen. Data-ai is een voorbeeld van een begrip dat in de markt breed wordt gebruikt, maar waaronder heel verschillende architecturen schuilgaan. Weet je niet wat er onder de motorkap zit, dan kun je ook niet beoordelen wat de leverancier je levert.

Hoe je offertes vergelijkt voor AI-functionaliteiten

Offertes voor dit soort werk zijn moeilijker te vergelijken dan een standaard websitebouw. De scope is vager, de techniek is minder gestandaardiseerd en de risico’s zitten vaak in wat er niet staat.

Vraag elke aanbieder om een technische beschrijving van de oplossing, niet alleen een functionele. Wat voor systeem wordt er gebouwd? Welke externe diensten worden gebruikt? Hoe worden die gekoppeld? Wat zijn de kosten van die koppelingen op maandbasis bij normaal gebruik?

Kijk ook naar de testfase. Hoe wordt bepaald of het systeem goed genoeg werkt? Wie bepaalt dat? Op basis van welke criteria? Als een offerte geen testprotocol noemt, is dat een signaal.

Let op de eigendomsbepalingen. Wie bezit de code? Wie bezit eventuele trainingsdata? Wie bezit het model dat op jouw data is getraind? Dit staat zelden automatisch goed in een standaardofferte.

Vraag ook naar de exitstrategie. Wat gebeurt er als je na twee jaar wilt overstappen naar een andere bouwer of een andere techniek? Kun je het systeem meenemen? Is de code overdraagbaar? Zijn er afhankelijkheden die dat moeilijk maken?

En vraag naar referenties van vergelijkbare projecten. Niet alleen “hebben jullie dit eerder gedaan”, maar ook: bij wie, en mag ik contact opnemen? Een bouwer die dat weigert of geen concrete referenties heeft, is een bouwer die je op z’n woord moet geloven.

Offertes vergelijken voor AI-werk vraagt meer voorbereiding dan voor een gewone website. Maar die voorbereiding bespaart je later een hoop gedoe.

Wat er mis kan gaan en hoe je dat voorkomt

De meeste AI-projecten die mislopen, mislopen niet omdat de techniek niet werkt. Ze mislopen omdat de verwachtingen niet klopten, de data niet op orde was of het onderhoud niet was geregeld.

Verwachtingen: AI is geen magie. Een chatbot die slecht is geconfigureerd, geeft slechte antwoorden. Een aanbevelingssysteem zonder goede data beveelt willekeurige dingen aan. Formuleer van tevoren wat “goed” betekent, en toets dat na oplevering.

Data-kwaliteit: Veel organisaties onderschatten hoe veel werk het is om data op orde te krijgen. Incomplete, verouderde of inconsistente data leidt tot systemen die slecht presteren. Bouw een datastap in de planning, inclusief tijd en budget.

Onderhoud: Een lerend systeem dat na oplevering niet meer wordt bijgehouden, verslechtert. Modellen driften, gebruikspatronen veranderen, externe diensten updaten hun API’s. Plan onderhoud in als structureel onderdeel van het project, niet als bijzaak.

Transparantie van de output: Weet je wat het systeem doet en waarom? Of is het een black box? Zeker als het systeem beslissingen beïnvloedt die voor gebruikers relevant zijn, wil je kunnen uitleggen wat er gebeurt. Dat is niet alleen een ethische vraag maar ook een juridische.

Vendor lock-in: Als je systeem volledig afhankelijk is van één externe dienst of één bouwer, ben je kwetsbaar. Zorg voor een plan B. Dat betekent niet dat je nooit van externe diensten gebruik mag maken, maar wel dat je weet wat je doet als die dienst wegvalt of duurder wordt.

Privacyrisico’s: Zodra gebruikersgedrag wordt bijgehouden voor een lerend systeem, moet je dat vastleggen in je privacyverklaring en de rechtsgrond regelen. Dat is niet iets wat de bouwer voor je regelt. Dat is jouw verantwoordelijkheid als verwerkingsverantwoordelijke.

Een goed project begint met een eerlijk gesprek over wat er mis kan gaan. Bouwers die dat gesprek vermijden of bagatelliseren, zijn bouwers die je later terugziet als het al fout is gegaan.

Veelgestelde vragen over AI integreren in je website

Hoe weet ik of een bouwer echt verstand heeft van AI?

Vraag ze om de techniek te beschrijven zonder jargon. Kunnen ze uitleggen wat ze bouwen, welke data het systeem nodig heeft, hoe het leert en hoe je kunt meten of het goed werkt? Bouwers die dat niet kunnen, begrijpen het zelf ook niet goed genoeg. Let ook op hoe ze omgaan met je vragen over eigendom en onderhoud. Degenen die dat serieus nemen, zijn serieuzer over het werk.

Moet ik veel data hebben voordat ik begin?

Dat hangt af van wat je wilt bouwen. Een koppeling met een extern taalmodel heeft geen eigen trainingsdata nodig. Een maatwerk aanbevelingssysteem werkt niet zonder historische gebruiksdata. Vraag de bouwer expliciet wat het systeem nodig heeft om goed te functioneren, en wat er gebeurt als die data er nog niet is. Soms is het verstandig om eerst data te verzamelen voordat je begint te bouwen.

Wat staat er vaak niet in een offerte voor dit soort werk?

De kosten van externe diensten na oplevering, het onderhoudsplan, de eigendomsbepalingen voor het model en de code, de exitstrategie, en een concrete definitie van wanneer het systeem “klaar” is. Dit zijn precies de punten die later tot conflicten leiden. Zorg dat je ze bespreekt en vastlegt voordat je akkoord gaat.

Meer om te lezen