Bouw je AI-product niet op gehuurde grond

English · Nederlands

An old paper road map on a dark desk, its roads turning into glowing blue network lines that run into a laptop, with a padlock and a property tag attached to the map.

Draait je AI-product op het model van een ander, dan zit je in dezelfde positie als appbouwers die op de kaart van een ander draaiden. Het fundament is duur, strategisch en in handen van een paar bedrijven, waarvan sommige ook met jou concurreren. In 2011 schreef ik over wat de deal tussen Nokia en Microsoft betekende voor mobiele kaarten. Als ik het in 2026 teruglees, zaten de meeste voorspellingen ernaast, maar de vraag eronder is in AI de centrale vraag geworden.

Wat ik toen zag

In februari 2011 kondigden Nokia en Microsoft hun smartphonepartnerschap aan, en NAVTEQ, de kaartentak van Nokia, werd genoemd als belangrijke asset. Mijn argument: digitale kaarten zijn niet gratis. Een wereldwijde kaartdatabase bouwen kost zoveel dat een handvol bedrijven bijna iedereen belevert, en Google deed er alles aan om minder van hen afhankelijk te worden.

Ik verwachtte drie dingen. Kaarten zouden voor Microsoft veel goedkoper worden. Gratis turn-by-turn navigatie zou naar Windows-telefoons komen. En Microsoft en Nokia zouden ontwikkelaars kaarten en POI-data aanbieden als neutraal platform, omdat apps als foursquare vastzaten aan de kaarten van Google, een concurrent. Het meeste daarvan liep anders dan ik dacht. Het punt over eigendom niet.

Two fenced plots with For Rent signs: on the left an old Nokia phone showing a map, under the Nokia logo; on the right a laptop with an AI chat, under the Microsoft logo. Landlord signs above them read OpenAI and Anthropic.
Verhuurders toen en nu: kaarten in 2011, foundation models vandaag.

Wat nu hetzelfde is

Vervang “kaart” door “foundation model” en de structuur is bekend. Een frontier model trainen kost zoveel dat een paar bedrijven het grootste deel van de markt beleveren. Duizenden producten worden er via API’s bovenop gebouwd. En verschillende leveranciers verkopen ook hun eigen assistenten, dus het platform is tegelijk een concurrent.

Twee lessen uit de kaartenmarkt herhalen zich al.

De eigenaar van de asset bepaalt de prijs, zodra je ervan afhankelijk bent. In juli 2018 gooide Google de prijzen van Maps om. Waar ontwikkelaars 25.000 gratis kaartladingen per dag hadden, kregen ze nu een maandelijks tegoed van $200, goed voor zo’n 28.000 ladingen per maand, en de prijs per 1.000 extra ladingen ging van $0,50 naar $7 (Maps Marker). Veel apps waren gebouwd in de veronderstelling dat kaarten praktisch gratis waren. Modelprijzen dalen vandaag. Dat zegt niets over wat er gebeurt als een leverancier weet dat je niet weg kunt.

Toegang kan van de ene op de andere dag veranderen. In juni 2025, een paar dagen na berichten dat OpenAI de codeertool Windsurf zou kopen, sneed Anthropic de directe toegang van Windsurf tot een aantal Claude-modellen af, met minder dan een week aankondiging. De medeoprichter van Anthropic zei dat het vreemd zou zijn om Claude aan OpenAI te verkopen (The Decoder). Het is het probleem van foursquare op Google Maps uit mijn post, afgespeeld in een week.

De grootste afnemers trekken de voor de hand liggende conclusie. Microsoft, de nauwste partner van OpenAI, voegde in september 2025 de modellen van Anthropic toe aan Microsoft 365 Copilot, naast die van OpenAI (Pure AI). Als Microsoft een tweede bron wil, zou jij dat ook moeten willen.

Wat anders is

De vergelijking is nuttig, niet exact.

Er zijn meer leveranciers. In 2011 had een handvol bedrijven een wereldwijde kaart. Vandaag bieden verschillende labs capabele modellen aan, en open-weight modellen die je zelf kunt draaien zijn voor veel taken goed genoeg. Multi-sourcing is een realistische optie, wat het bij kaarten nauwelijks was.

Modellen zijn minder uitwisselbaar dan kaarttegels. Een straat is in elke database een straat. Twee modellen met dezelfde prompt gedragen zich verschillend, dus je overstapkosten zitten verstopt in prompts, evaluaties en het gedrag waar je klanten aan gewend zijn geraakt. Een overstap die op papier een week werk lijkt, kan zomaar een kwartaal kosten.

En je eigen assets tellen zwaarder. Bij kaarten was de basislaag het grootste deel van de waarde. In AI-producten zit in de workflow, de klantdata en het system of record rond het model vaak meer waarde dan in het model zelf. Dat is goed nieuws, als je erin investeert.

Wat je eraan doet

  1. Breng je afhankelijkheid in kaart. Schrijf per AI-feature op welk model hij gebruikt, wat er gebeurt als de prijs verdubbelt, de voorwaarden veranderen of de toegang volgende maand stopt, en hoeveel omzet eraan hangt.
  2. Bouw zo dat je kunt overstappen. Laat modelaanroepen via één interne laag lopen en houd per kritieke feature een evaluatieset bij, zodat je een ander model in dagen kunt testen in plaats van maanden.
  3. Houd een tweede bron achter de hand. Test en onderhoud voor omzetkritieke features minstens één alternatieve leverancier, inclusief een open-weight optie voor gevoelige data of grote volumes.
  4. Bescherm je eigen prijs. Geef de tarievenkaart van een leverancier niet één op één door aan klanten. Prijs op je eigen waarde-eenheid en houd in contracten ruimte voor prijswijzigingen van leveranciers.
  5. Investeer in wat de modelleverancier niet bezit. Workflow, data, integraties en audit trail. Dat houdt klanten bij jou als het model eronder verandert.

Huur de motor, bezit de weg

In 2011 schreef ik dat kaarten dure strategische assets zijn, geen gratis nutsvoorziening. Foundation models zijn hetzelfde, op veel grotere schaal. Er een huren is prima; de meeste bedrijven zouden dat moeten doen. Zorg er alleen voor dat je klanten bij jou blijven als de verhuurder de huur verhoogt of de sloten vervangt.

Bronnen