Waarom het echte rendement van AI niet in het model zit, maar in de laag eronder.
Laatst bijgewerkt op 2 september 2026.
Bij ons als investeerder Liplyn Group is het dagelijkse kost: ondernemers, bestuurders en investeerders die ons benaderen met vragen over AI. Die vragen bekijken we altijd met een investeringsoog: waar zit de duurzame waardecreatie en hoe haal je écht rendement uit je kapitaal? Het eerlijke antwoord op de AI-vraagstukken begint bij ons bijna altijd met een tegenvraag over het fundament. Want iedereen wil iets met AI, maar bijna niemand heeft zijn data op orde.
Ga vandaag langs bij tien Nederlandse directieteams en negen ervan hebben een AI-agenda. Copilots, agents, generatieve modellen in het klantcontact. De ambitie is er, het budget vaak ook. Wat er meestal níet is: een fundament dat die ambitie kan dragen.
De data staat verspreid over systemen die nooit voor elkaar zijn ontworpen. Definities verschillen per afdeling; “klant” betekent iets anders in sales dan in finance. Historie is incompleet of niet reproduceerbaar. Eigenaarschap is niet belegd. Datakwaliteit wordt gemeten als er een probleem is, niet als routine. En governance bestaat als document, niet als praktijk.
Dan komt het AI-model. En het model doet precies wat het altijd doet: het versterkt wat je erin stopt.
De oudste wet uit de modellenbouw
In elk model statistisch, machine learning of generatief geldt exact dezelfde wet: Rubbish in, rubbish out. Diamonds in, diamonds out.
Een middelmatig model op uitstekende data verslaat een uitstekend model op middelmatige data. Vrijwel altijd. Dat is geen mening, dat is de ervaring van iedereen die ooit een productiemodel heeft moeten uitleggen aan een klant die het antwoord niet vertrouwde.
De consequentie daarvan wordt zwaar onderschat. Modellen zijn inmiddels een commodity: ze zijn beschikbaar voor iedereen, tegen dalende kosten en met dalende onderlinge verschillen. Wat níet inwisselbaar is, is de datalaag eronder de infrastructuur, de kwaliteit, de definities, de historie en het eigenaarschap. Daar zit het schaarse goed. Daar zit de verdedigbare positie.
Datamanagement als strategische asset
In veel organisaties valt datamanagement onder IT-beheer. Het is een kostenregel op de begroting, geen drager van waardecreatie. Dat is een historische vergissing die nu pijnlijk zichtbaar wordt.
Datamanagement is een strategische asset om drie redenen:
- Het is niet te kopiëren: Een concurrent kan morgen hetzelfde model inkopen. Hij kan niet morgen vijftien jaar schone, gekoppelde en gedocumenteerde historie inkopen.
- Het bepaalt het plafond van elke AI-investering: Wie de datalaag overslaat, betaalt de rekening twee keer: eerst voor het project dat niet werkt, daarna voor het fundament dat er alsnog moet komen.
- Het is bestuurlijk noodzakelijk: Herleidbaarheid, uitlegbaarheid en aantoonbare kwaliteit zijn met de huidige toezichtsrealiteit een harde voorwaarde geworden om te mogen opereren.
Datamanagement is geen randvoorwaarde voor de AI-strategie. Het ís de AI-strategie, in het enige deel dat je zelf in handen hebt.
De asymmetrie in de markt
De markt betaalt op dit moment heel veel voor het AI-model en verrassend weinig voor unieke basisdata. Dat is precies het soort asymmetrie waar duurzame waarde vandaan komt. Wie wil bouwen aan een toekomstbestendige data-economie, kijkt niet naar de hypes van morgen, maar naar het fundament van vandaag: de infrastructuur, het vakmanschap en de schone datasets waar iedere AI-toepassing uiteindelijk op moet landen. Dit is een wezenlijk verschil.
Fase één is het bouwen van die gekoppelde datalaag. Fase twee is de vertaling naar slimme, werkende oplossingen. Wie fase twee probeert te bouwen zonder fase één, maakt precies de fout die de rest van de markt nu maakt. Het echte rendement van AI zit niet in de belofte van de AI-tooling, maar in de rust van een fundament dat klopt.
Dit artikel is een bijdrage van Luke Liplijn, oprichter en directeur van Liplyn Group.
Ontdek hoe wij met Liplyn Group bouwen aan het datafundament van de toekomst en hoe u daar als belegger van kunt meeprofiteren. Lees meer op liplyngroup.com.