Composition8 gaat samenwerken met softwarebedrijf MDFT Pro om prototypes met kunstmatige intelligentie te bouwen en te testen. De samenwerking is in Nederland aangekondigd en richt zich op snelle ontwikkeling van werkende voorbeelden. Doel is om ideeën sneller naar de praktijk te brengen en klantprocessen te verbeteren. De plannen vallen onder regels van de Europese AI-verordening en de AVG.
Partners bouwen snelle prototypes
Composition8 en MDFT Pro willen met gezamenlijke teams vlot werkende AI-prototypes opleveren. Zo’n prototype is een klein, testbaar systeem dat één duidelijk probleem oplost. Dit helpt organisaties om sneller te zien wat werkt en wat niet. Het verkort de tijd van idee naar resultaat.
Prototyping verlaagt kosten en risico’s. Teams toetsen functies met echte gebruikers, voordat ze zwaarder investeren. Feedback uit pilots stuurt het ontwerp bij. Daardoor groeit de kans op een oplossing die in de praktijk past.
Welke modellen, dataÂmodellen of AI-tools de partners inzetten is op het moment van schrijven niet bekendgemaakt. De keuze voor modellen hangt vaak af van de taak, zoals tekst, beeld of data-analyse. Ook integratie met bestaande systemen speelt mee. Transparantie hierover wordt belangrijk bij vervolgpilots.
Een prototype is een vroege, werkende versie van een product die bedoeld is om aannames snel en veilig te testen.
Focus op praktijkproblemen
De samenwerking richt zich op concrete werkprocessen. Denk aan slim zoeken in documenten, samenvatten van dossiers of geautomatiseerde kwaliteitscontrole. Zulke functies gebruiken algoritmen om patronen in data te herkennen. Ze moeten tijd besparen en fouten verminderen.
Voor organisaties is de vraag: welke taak levert het meeste nut op met de minste complexiteit. Kleine, afgebakende use-cases zijn vaak geschikt voor een eerste pilot. Daarna kan stap voor stap worden opgeschaald. Zo blijft het project beheersbaar.
Beide partijen zullen domeinkennis moeten koppelen aan technologie. Zonder kennis van het werkveld mist een prototype zijn doel. Gebruikers betrekken in ontwerp en test is daarom cruciaal. Dit vergroot draagvlak en veiligheid.
AI-verordening en AVG gelden
Als de prototypes persoonsgegevens verwerken, geldt de AVG. Dan zijn dataminimalisatie, veilige opslag en versleuteling verplicht. Een Data Protection Impact Assessment (DPIA) kan nodig zijn. Dit voorkomt privacyrisico’s en boetes.
De Europese AI-verordening werkt met risicoklassen. Toepassingen met hoog risico, zoals beoordelingssystemen voor onderwijs of werving, krijgen strengere eisen. Denk aan datakwaliteit, loggen, transparantie en menselijk toezicht. Laag-risico-systemen hebben lichtere verplichtingen.
Op het moment van schrijven treedt de AI-verordening gefaseerd in werking. Leveranciers en afnemers moeten nu al documenteren hoe een systeem is getraind, getest en gemonitord. Ook moeten zij duidelijke gebruiksinstructies bieden. Dit maakt audits en toezicht in Nederland en Europa makkelijker.
Toetsen, meten en bijsturen
De waarde van een AI-prototype staat of valt met meten. Teams moeten vooraf succesmaten kiezen, zoals nauwkeurigheid, doorlooptijd of foutreductie. Ook robuustheid en bias horen erbij. Testen met representatieve datasets is noodzakelijk.
Fouten blijven mogelijk, bijvoorbeeld door zogenaamde hallucinaties bij tekstmodellen. Een veilige fallback, zoals menselijke controle, is dan vereist. Logging en versiebeheer helpen bij het terugvinden en herstellen van issues. Zo blijft het systeem uitlegbaar en betrouwbaar.
Beveiliging en intellectueel eigendom vragen aandacht. Denk aan toegangsbeheer, versleuteling en beperking van gevoelige invoer. Contracten moeten regelen wie eigenaar is van code, data en uitkomsten. Heldere SLA’s en aansprakelijkheid horen daarbij.
Nederlandse relevantie groeit
Nederlandse bedrijven en overheden zoeken naar concrete, veilige AI-toepassingen. Snelle prototypes kunnen laten zien wat haalbaar is, zonder grote voorinvestering. Dit past bij publieke inkoop die vaak met pilots werkt. Het versnelt leren én naleving van Europese regels.
Voor sectoren als zorg, onderwijs en lokale overheid zijn privacy en transparantie extra belangrijk. Daar gelden vaak aanvullende normen en toezicht. Heldere uitleg aan gebruikers is dan verplicht. Dit sluit aan bij de eisen van de AI-verordening en de AVG.
Ook mkb-bedrijven profiteren van deze aanpak. Kleine stappen houden risico’s laag en geven snel inzicht. Succesvolle functies zijn daarna beter schaalbaar. Dat maakt investeringen voorspelbaarder.
Wat nog ontbreekt
De partijen delen op het moment van schrijven geen details over sectorfocus, planning of budget. Ook is niet bekend welke modellen, datasets of cloudplatforms worden gebruikt. Publicatie van technische en ethische documentatie zou helderheid geven. Dat helpt klanten om te beoordelen of het systeem past binnen hun beleid.
Belangrijk om te volgen zijn de eerste pilots, referentieklanten en meetresultaten. Denk aan aantoonbare tijdwinst, foutreductie of tevredenheid van gebruikers. Onafhankelijke evaluaties vergroten vertrouwen. Ze maken vergelijkingen met andere oplossingen mogelijk.
Als Composition8 en MDFT Pro transparant werken en voldoen aan Europese regels, kan dit tempo maken in de Nederlandse markt. Klanten krijgen dan sneller zicht op nut en risico’s. Dat is nodig nu de Europese AI-verordening concreet wordt. En organisaties verantwoord willen innoveren met algoritmen en datamodellen.
