← Terug naar kennisbank

AI Nieuws

Beslissingsmodellen: snelle, goedkope AI die zich aan jouw data kan aanpassen

Beslissingsmodellen: snelle, goedkope AI die zich aan jouw data kan aanpassen

·

Leestijd: 4 min

Decision models winnen razendsnel aan populariteit. In oktober ging meer dan een kwart van de verzoeken via Vercel’s AI-modelrouter niet naar gewone LLM’s (groot taalmodel), maar naar decision models — een opvallend groot aandeel, zeker omdat deze modellen pas kort daarvoor zijn ingebracht.

Wat is een decision model?

Een decision model is een speciaal soort LLM (groot taalmodel) dat geen lange tekst uitvoert, maar snel kiest tussen vooraf ingestelde opties. In plaats van uitgebreide verklaringen te geven, geeft het model een keuze plus een inschatting van hoe zeker het is van die keuze. Dat maakt zulke modellen goedkoper en sneller in gebruik dan grotere, tragere modellen die uitgebreid redeneren.

Voor bedrijven is dit vaak nuttiger: in productieomgevingen telt snelheid en betrouwbaarheid meer dan een lange uitleg over de redenatie.

Waarom winnen deze modellen zo snel terrein?

Een paar redenen verklaren de snelle opkomst:

  • Snelheid en kosten: decision models leveren keuzes veel sneller en goedkoper dan grote taalmodellen die tekst genereren.

  • Eenvoud: het is relatief eenvoudig om zo’n model op te zetten. Direct na de bekendmaking van TypeSafe’s Jev-modellen verschenen tientallen varianten, en individuele ontwikkelaars en grote cloudleveranciers konden snel eigen versies maken.

  • Direct praktisch: ontwikkelaars kunnen makkelijk een model vervangen en zien direct hoe het presteert in hun eigen situatie. Daardoor zijn vergelijkingstests minder bepalend dan daadwerkelijke praktijkgebruik.

Wie zijn de grote spelers?

Een paar voorbeelden uit de recente ontwikkelingen:

  • TypeSafe bracht de Jev-familie uit en groeide daarmee snel: het bedrijf werd op 7,5 miljard dollar gewaardeerd kort na lancering. Diensten zoals OpenRouter rapporteerden vorige week meer dan 1,5 miljard verzoeken naar TypeSafe-modellen.

  • Grote cloudbedrijven reageerden snel. Zo gaf Microsoft aan dat het model Microsoft-Decision-1.1 per direct beschikbaar stelt op Azure. Bedrijven zoals Amazon en andere grote aanbieders hebben ook snel eigen opties gebouwd.

  • Startups springen erin mee. Het Britse Sqwish kwam met het model "kettei fat" en kondigde een investeringsronde van 3 miljoen dollar aan. Oprichters die eerder kleine taalmodellen bouwden, herkenden dat die architectuur zich goed leent voor beslissingsmodellen.

Data en maatwerk bepalen succes

Uitspraak van makers en investeerders maakt duidelijk wat het verschil kan maken: de kwaliteit van de data. TypeSafe’s CEO Diogo Almeida noemde het precies afstellen van het oordeel met statistisch aangepaste synthetische data als de grootste uitdaging bij het bouwen van Jev.

Sqwish zet daarnaast in op tools waarmee klanten hun eigen productiedata kunnen blijven uploaden om het model te verbeteren na de eerste training. Volgens de oprichters is dat juist wat hen onderscheidt van een eenvoudigweg vervangbaar product: klanten kunnen hun model blijven bijschaven met hun eigen data zodat het steeds beter wordt in de taken die voor hen belangrijk zijn.

Bedrijven noemen dit doorgaande afstemming of "continual tuning": niet één keer trainen, maar voortdurend verbeteren aan de hand van nieuwe, echte gegevens.

Beoordelingen en echte praktijk

Het is lastig om decision models puur op testscores te rangschikken. Sommige modellen scoren goed in vergelijkende tests, maar ontwikkelaars zeggen dat de echte proef in de praktijk ligt. Een model dat in theorie goed presteert kan in een echte bedrijfsomgeving teleurstellen als het niet goed is afgestemd op die specifieke data of eisen.

Microsofts team benadrukt dat te veel focus op benchmarks misleidend kan zijn. In de praktijk moeten modellen vier eigenschappen combineren: nauwkeurigheid, betrouwbaarheid, snelheid en kostenefficiëntie. Volgens Microsoft-prestaties doen modellen zoals Microsoft-Decision-1.1 en Jev het goed over al die aspecten, ook op tests die gebruiksgevallen nabootsen die ze nog niet eerder hebben gezien.

Hoe ziet de toekomst eruit?

Sommige ondernemers verwachten dat systemen van verschillende soorten AI samen zullen werken. In die visie nemen snelle beslissingsmodellen (soms System One genoemd) routinetaken over, terwijl zwaardere taalmodellen (System Two) ingezet worden voor ingewikkeldere redenering of uitzonderingen.

Voor startups biedt de opkomst van decision models kansen om zich te specialiseren door maatwerk en dataverzameling aan te bieden. Grote partijen kunnen de schaal en infrastructuur leveren. Voor jou als gebruiker of bedrijf betekent dit dat er vaker keuze komt uit gestandaardiseerde modellen of juist modellen die zijn aangepast aan jouw eigen data en processen.

Conclusie

Decision models zijn een snelgroeiende vorm van AI die vooral bedoeld is om snel en goedkoop beslissingen te nemen uit vaste opties. De meeste winst zit niet per se in het beste algemene model, maar in hoe goed een model wordt afgestemd op echte bedrijfsdata. Daardoor lijkt maatwerk — het blijven verbeteren met jouw eigen gegevens — de volgende belangrijke stap voor deze technologie.