Meta-topman Mark Zuckerberg wil dat zijn bedrijf de richting van kunstmatige intelligentie bepaalt. Toch lukt het hem op het moment van schrijven nog niet om de architect van AI te zijn. Meta investeert fors in modellen als Llama 3 en in de assistent Meta AI in WhatsApp, Instagram en Facebook. Europese regels, zoals de AI-verordening (AI Act) en de AVG, en de vraag “Europese AI-verordening gevolgen overheid”, drukken duidelijk op die ambitie.
Meta kiest open modellen
Meta verspreidt Llama 3 als open-weights model, wat betekent dat de gewichten vrij beschikbaar zijn voor ontwikkelaars. Dat maakt het makkelijker voor bedrijven en overheden om het model lokaal te gebruiken en aan te passen. Voor Europese organisaties is dit aantrekkelijk omdat data in eigen beheer kunnen blijven, wat helpt bij AVG-eisen zoals dataminimalisatie.
Open-weights is niet hetzelfde als volledig open source, want trainingsdata en volledige trainingscode ontbreken vaak. Toch bouwt er snel een ecosysteem rondom Llama 3 met uitbreidingen, evaluaties en Nederlandse taalpakketten. Dit vergroot de invloed van Meta op de ontwikkelpraktijk, maar niet automatisch op de richting van de hele sector.
Meta koppelt de modellen aan eigen producten, zoals Meta AI in chatapps en AI-stickers in Instagram. Daarmee krijgt het bedrijf veel gebruikersfeedback, wat nuttig is voor verdere training. Maar het verandert nog niet de technische standaard in het veld.
Kwaliteit nog niet toonaangevend
Sluitende modellen van OpenAI (GPT-4o), Google (Gemini) en Anthropic (Claude 3) scoren op het moment van schrijven vaak hoger op benchmarktests. Zulke tests meten onder meer redeneervermogen, code en lange context. In praktijk merken gebruikers dit in betrouwbaarheid, minder hallucinaties en betere multimodale output.
Meta’s Llama 3 is snel en breed inzetbaar, maar kan nog worstelen met nauwkeurigheid bij complexe taken. Dat speelt in sectoren met strenge eisen, zoals zorg, financiën en overheid. Nederlandse organisaties testen daarom vaak meerdere modellen naast elkaar, met extra controles of menselijke review.
De zichtbare producten van Meta, zoals chatassistenten en fotogenerators, zijn gebruiksvriendelijk maar niet altijd het beste in klas. Voor ontwikkelaars telt vooral prestatie op taakniveau en juridische helderheid. Daardoor blijft Meta invloedrijk in volume, maar niet per se richtinggevend in ontwerp.
AI-verordening drukt op strategie
De Europese AI-verordening stelt eisen aan algemene AI-systemen (GPAI), zoals transparantie over capaciteiten en beperkingen. Voor zeer krachtige modellen gelden extra plichten rond risicobeperking en rapportage. Dit raakt ook Nederlandse overheden bij inkoop: documentatie, evaluaties en logging worden verplicht.
Meta moet daarom duidelijker maken hoe Llama 3 is getraind, welke data zijn gebruikt en welke risico’s er zijn. Voor open-weights modellen weegt mee hoe derden het systeem inzetten en beheren. Dat vraagt om handleidingen, modelkaarten en standaard “veiligheidsrails”.
De AI-verordening is de Europese wet die regels geeft voor het maken en gebruiken van AI. Algemene modellen krijgen transparantieplichten, en zeer capabele modellen extra risicobeheersing.
Het bedrijf stelde in 2024 het trainen op Europese publieke content uit na zorgen bij toezichthouders. Daarmee wilde Meta risico’s onder de AVG beperken, zoals onduidelijkheid over grondslag en bezwaar. Het uitstel laat zien dat beleid en techniek elkaar direct raken in Europa.
Privacy beperkt datastromen
Grote taalmodellen hebben veel en diverse tekst en beeld nodig voor training. In Europa begrenzen de AVG en lokale toezichthouders het hergebruik van persoonlijke data. Dat dwingt bedrijven tot dataminimalisatie, versleuteling en duidelijke opt-out processen.
Voor Meta betekent dit meer frictie in dataverzameling voor Europese talen, waaronder Nederlands. Minder lokale data kan de kwaliteit bij publiekstaken drukken, zoals dienstverlening door de overheid. Dat vergroot de noodzaak van Europese datasets en initiatieven als open, gelicentieerde corpora.
Publieke instellingen in Nederland moeten bovendien toetsen of een model past binnen de risicoklasse van de AI-verordening. Bij hogere risico’s zijn extra waarborgen nodig, zoals menselijke controle en gedetailleerde logboeken. Open-weights kan helpen bij in-house beveiliging, maar neemt deze plichten niet weg.
Kosten en rekenkracht knellen
Meta bouwt datacenters en investeert in eigen AI-chips zoals MTIA om kosten te drukken. Toch blijven training en inferentie duur door schaarse GPU’s en hoge stroomkosten. Efficiëntie-innovaties, zoals kleinere modellen en betere quantization, zijn daarom strategisch belangrijk.
Europese locaties, inclusief Nederland, bieden aansluiting op het net en koeling, maar stuiten op ruimtelijke en energiebeperkingen. Dat kan de uitrol van nieuwe capaciteit vertragen. Voor gebruikers betekent dit dat toegang tot sterke modellen soms via cloudpartners gaat, met bijbehorende kosten.
Als rekenkracht en energie duur blijven, wint kwaliteit-per-watt aan belang. Hier hebben aanbieders met gespecialiseerde hardware of slimmere architecturen een voorsprong. Meta moet die kloof dichten om ook technisch de richting te bepalen.
Verdienmodel zoekt stevigheid
Open-weights vergroot bereik, maar bemoeilijkt directe licentie-inkomsten. Meta leunt op advertenties en commerce in eigen apps, waar AI de betrokkenheid moet verhogen. Concurrenten als Microsoft koppelen modellen juist aan cloudabonnementen en enterprise-diensten.
Voor Nederlandse bedrijven en overheden telt totale eigendomskosten: licentie, rekenkracht, integratie en compliance. Een open-weights model kán goedkoper zijn als het lokaal draait en data op locatie blijven. Maar beheer, beveiliging en updates vragen eigen expertise en budget.
Zuckerberg heeft schaal, data en distributie via WhatsApp, Instagram en Facebook. Toch maken regelgeving, kwaliteitsverschillen en kosten dat hij nog niet de architect is van het AI-tijdperk. De komende jaren bepalen Europese naleving en tastbare productkwaliteit of dat verandert.