De CEO van het Duitse vertaalbedrijf DeepL waarschuwt dat Europa een economische prijs betaalt voor zijn privacykeuzes. Hij stelt dat strenge regels de ontwikkeling van kunstmatige intelligentie kunnen vertragen. Dat raakt vooral taalmodellen en vertaalsoftware, zoals DeepL Translator en DeepL Write. De discussie sluit aan op de AVG en de Europese AI-verordening en hun gevolgen voor bedrijven en overheid.
DeepL vreest innovatieverlies
DeepL, gevestigd in Keulen, bouwt vertaalalgoritmen die grote hoeveelheden tekst nodig hebben om beter te worden. Volgens de topman dreigt Europa achterop te raken als datasets door privacyregels kleiner of minder divers worden. Hij wijst op de concurrentie uit de VS en Azië, waar meer experimenteerruimte is. Dat kan de kwaliteit en snelheid van Europese AI-systemen drukken.
Het bedrijf levert op het moment van schrijven vertaaloplossingen aan Europese ondernemingen en instellingen. Die willen foutarme vertaling, maar ook strikte vertrouwelijkheid. DeepL positioneert zich met zakelijke diensten zoals DeepL Pro en een API die data niet opslaan voor training, tenzij gebruikers dat toestaan. Dat vergroot vertrouwen, maar beperkt tegelijk het leervermogen van de modellen.
De kern van de waarschuwing is economisch: als modellen trager leren, kost dat productiviteit. Snellere en betere vertaling maakt internationale handel en samenwerking goedkoper. Andersom kunnen beperkingen leiden tot hogere kosten en minder innovatie. Dat raakt ook kleinere bedrijven die AI willen gebruiken.
AVG beperkt trainingsdata
De AVG is de Europese privacywet die strenge eisen stelt aan het gebruik van persoonsgegevens. Denk aan dataminimalisatie, doelbinding en transparantie. Voor AI-training betekent dit: minder vrijheid om grote tekstverzamelingen te gebruiken, zeker als daar persoonsgegevens in staan. Ook webscraping levert juridische onzekerheid op.
Dataminimalisatie betekent: alleen gegevens verzamelen en gebruiken die strikt nodig zijn voor een duidelijk doel.
Taalmodellen leren van brede en diverse data. Als toegang tot data kleiner wordt, daalt vaak de nauwkeurigheid voor zeldzame woorden, domeinen of kleinere talen. Dat kan de prestaties van vertaalsoftware zoals DeepL Translator beïnvloeden in specialistische contexten. Het risico is merkbaar in sectoren als recht, techniek en zorg.
Tegelijk biedt de AVG burgers en organisaties duidelijke bescherming. Versleuteling, pseudonimisering en afspraken over bewaartermijnen zijn nu standaard. Voor Europese AI-bedrijven levert dat extra kosten en processtappen op. Vooral start-ups ervaren de naleving als zwaar, terwijl grote spelers het makkelijker kunnen organiseren.
AI-verordening verhoogt verplichtingen
De Europese AI-verordening (AI Act) voegt nieuwe plichten toe voor aanbieders van AI. Generatieve modellen en zogenaamde algemene-doel AI-systemen krijgen transparantie-eisen. Zo moeten aanbieders samenvattingen geven van trainingsdata en zorgen voor copyright-naleving. Ook risicobeheersing en duidelijke documentatie worden verplicht.
Voor overheden betekent dit extra zorgplicht bij inkoop en gebruik van AI. De Europese AI-verordening gevolgen overheid zijn concreet: risicobeoordelingen, toezicht op leveranciers en soms impactanalyses op grondrechten. Vertaaltools vallen meestal in de laagrisicocategorie, maar integraties in kritieke processen vragen extra waarborgen. Daardoor wordt verantwoorde inzet belangrijker dan ooit.
Voor bedrijven als DeepL ontstaat een spanningsveld. Aan de ene kant vraagt de wet om uitleg en openheid over datamodellen. Aan de andere kant willen klanten dat hun teksten niet voor training worden gebruikt. Het vinden van een werkbare middenweg is nu een strategische prioriteit.
Zakelijke vertaling vraagt vertrouwen
DeepL verkoopt vooral aan organisaties die vertrouwelijke informatie vertalen. Denk aan contracten, patiëntinformatie of interne strategie. De dienst belooft standaard geen opslag van teksten voor trainingsdoeleinden in betaalde pakketten. Ook worden datastromen versleuteld en in de EU verwerkt.
Die privacy-by-design-aanpak sluit aan bij de AVG. Maar ze beperkt onvermijdelijk de hoeveelheid leerdata. Daarom kiezen sommige aanbieders voor opt-in-training, geanonimiseerde datasets of synthetische data. Elk van die opties heeft voor- en nadelen voor kwaliteit en juridische zekerheid.
Voor publieke organisaties en ministeries telt daarnaast de herleidbaarheid van fouten. Als een vertaling fout is, moet duidelijk zijn hoe het systeem tot dat resultaat kwam. Dat vraagt logbestanden, modeldocumentatie en goede escalatieprocessen. Leveranciers zullen dit in contracten en technische middelen moeten vastleggen.
Balans tussen privacy en groei
De oproep van de DeepL-topman draait om balans. Europa wil innovatie, maar ook sterke privacy. Beleidsopties liggen klaar: dataruimtes met strenge toegang, sectorale afspraken en streng toezicht. Ook proeftuinen en sandboxes in de AI Act kunnen helpen om veilig te experimenteren.
Voor Nederland ligt er een kans in gezamenlijke datasets voor overheidstaal en zorg, met harde waarborgen. Daarmee kunnen vertaal- en schrijfsystemen beter presteren, zonder onnodige risico’s. Heldere richtlijnen over wat wel en niet mag bij dataverzameling zijn daarbij cruciaal. Zo ontstaat rechtszekerheid voor inkopers en bouwers.
De economische inzet is breed: productiviteit, digitale autonomie en concurrentiekracht. Als de regels slim worden uitgevoerd, hoeft bescherming innovatie niet te smoren. De komende implementatie van de AI-verordening wordt hier de lakmoesproef. Bedrijven als DeepL zullen de uitkomst direct voelen in hun datamodellen en diensten.
