← Terug naar kennisbank
AI Nieuws
·
Leestijd: 4 min
Veel moderne AI-modellen, ook de bekende Nederlandse of internationale varianten, leren niet vanzelf van hun fouten. Ze geven vaak goede antwoorden, maar verbeteren alleen als iemand ze extra traint of bijstuurt.
Als jij AI wilt inzetten voor een vakgebied zoals recht of financiën, gebeurt dat meestal door een algemeen model fijn af te stemmen op die specifieke taken. Dat maatwerk vereist vaak dure specialisten of externe consultants die modellen aanpassen, soms aangeduid als forward‑deployed engineers (FDEs) — engineers die bij klanten werken om modellen te trainen en in te richten.
Wat doet Trajectory?
Trajectory is een nieuw Amerikaans bedrijf dat wil dat AI makkelijker leert van echte gebruikers. Het bedrijf is ongeveer een jaar oud en telt zo’n 18 mensen. Het bouwt een platform waarmee organisaties een basis-AI kunnen koppelen aan hun eigen applicaties. Het platform verzamelt vervolgens signalen en feedback over hoe het model presteert en gebruikt die informatie om het model opnieuw te trainen. Daardoor wordt het model geleidelijk beter in taken die specifiek zijn voor die organisatie.
Deze methode heet continual learning (voortdurend leren): het model blijft na de eerste inzet leren van nieuwe voorbeelden en correcties. Dat maakt het mogelijk dat een model, bijvoorbeeld voor contractcontrole of waardebepaling, steeds nauwkeuriger wordt zonder dat er een heel nieuw model van nul af aan moet worden gemaakt.
Waarom kan dit voor jouw organisatie handig zijn?
Voor organisaties die geen eigen onderzoeksteam hebben, kan dit een groot verschil maken. In plaats van veel tijd en geld te steken in het inhuren van experts of dure consultants, kunnen medewerkers zelf stap voor stap het model verbeteren. Volgens Trajectory gaat dit bijna automatisch en dicht bij de dagelijkse werkzaamheden van professionals plaatsvinden.
Concrete voordelen:
Lagere kosten voor het op maat maken van AI
Snellere inzet van AI voor specifieke taken
Mogelijkheid voor vakmensen (juristen, analisten, artsen) om zelf te bepalen wat
"goed" werk is en dat om te zetten in verbeteringen voor het model
Wie gebruikt het en wie zit erachter?
Trajectory kreeg recent een financieringsronde van 45 miljoen dollar (Series A), met een waardering van 300 miljoen dollar. De ronde werd geleid door Sequoia, met deelname van onder andere Nvidia, Bessemer Venture Partners en Bain Capital Ventures.
De drie oprichters leerden elkaar op Stanford en hebben ervaring bij bekende bedrijven zoals Google DeepMind en Apple. Het team werkt ook met mensen die eerder bij OpenAI, Stripe en Netflix zaten. Die achtergrond is volgens de oprichters een belangrijke troef: zowel voor de techniek als voor het ontwerp van de gebruikersomgeving.
Klantnamen die genoemd worden zijn onder meer:
Harvey
Rogo
Decagon
Mercor
Nvidia
Trajectories platform wordt nu openbaar beschikbaar gemaakt, zodat meer bedrijven open source (code die openbaar en vrij te gebruiken is) modellen kunnen natrainen en verbeteren.
Veiligheid en concurrentie
Het idee dat een systeem zichzelf verbetert, doet bij velen vragen rijzen over veiligheid. Er bestaat een concept dat recursive self‑improvement (herhaalde zelfverbetering) heet: systemen die zelfstandig steeds slimmer worden. Trajectory benadrukt dat mensen actief betrokken blijven bij het trainingsproces. Daardoor blijven professionals bepalen wat wenselijk gedrag is voor hun model en wordt het risico op onbedoelde of gevaarlijke uitkomsten kleiner.
Trajectory is niet de enige partij die dit probeert. Andere bedrijven werken ook aan hulpmiddelen om na de eerste training een model verder te finetunen. Concurrenten en vergelijkbare spelers in deze markt zijn onder andere teams en platforms die zich richten op het automatiseren van het na‑trainen van modellen.
Ontwerp en gebruiksgemak
Een opvallend punt bij Trajectory is de aandacht voor gebruiksvriendelijk ontwerp. Een technisch sterk model is niet genoeg als je klanten hebt zonder AI‑achtergrond. Daarom leggen de oprichters nadruk op een interface die het mogelijk maakt dat niet‑technische gebruikers, zoals juristen of analisten, zelf kunnen aangeven wanneer het model het goed doet en wanneer niet. Die feedback wordt vervolgens door het systeem automatisch gebruikt om het model te verbeteren.
Conclusie
Trajectory bouwt een platform waarmee organisaties hun AI‑modellen stap voor stap kunnen laten verbeteren op basis van echte feedback. Dat maakt gespecialiseerd gebruik van AI toegankelijker voor bedrijven zonder eigen onderzoeksteams, en kan kosten en tijd besparen bij het inzetten van AI in vakgebieden zoals recht en financiën. De combinatie van ervaren oprichters, externe investeerders en aandacht voor gebruiksgemak maakt het bedrijf een speler om te volgen in de ontwikkeling van praktische AI-toepassingen.
