AI-nieuws week 45: meer grip op wat er met je data gebeurt

Deze week ging het minder over slimmere modellen en meer over controle: wie je content mag gebruiken voor training, wat er in een prompt naar een model mag en of je een topmodel zelf kunt draaien. Voor grote AI-projecten zijn dat precies de vragen die bepalen of een toepassing door de security- en privacytoets komt.

De belangrijkste ontwikkelingen

Eén signaal in robots.txt om AI-training te weigeren

Google, Microsoft, OpenAI en Anthropic maakten op 30 oktober bekend dat ze één gedeeld signaal gaan respecteren waarmee een website aangeeft dat haar content niet voor AI-training gebruikt mag worden (The Next Web, PPC Land). Het gaat om een aparte groep in robots.txt onder de token __usage_ai-training, beschreven in een IETF-draft van een Anthropic-medewerker. Anthropic zegt de ondersteuning al in te bouwen, OpenAI volgt in de komende maanden, Microsoft vanaf 1 februari 2027 en Google begin 2027. Het signaal is een voorkeur, geen crawlverbod, en het haalt content die al verzameld is niet uit bestaande datasets.

Waarom het ertoe doet: de AI Act verplicht aanbieders van modellen voor algemene doeleinden om machineleesbare opt-outs van rechthebbenden te respecteren. Eén gedeeld formaat maakt dat beter controleerbaar. Organisaties met waardevolle publieke kennis, zoals onderwijsinstellingen, zorgaanbieders en overheden, kunnen nu per pad vastleggen wat wel en niet voor training mag. Neem die keuze op in je AI-governance en leg vast wie erover beslist. Meer over de wet zelf lees je in Wat is de AI Act?

Claude Enterprise laat je elke prompt eerst zelf controleren

Anthropic maakte op 5 november inference hooks algemeen beschikbaar voor Claude Enterprise. Met een prompt hook gaat elke prompt eerst naar een securityserver van de klant, en met een pre-tool-call hook wordt elke toolaanroep gecontroleerd voordat die wordt uitgevoerd. Volgens The Next Web werkt dit met bestaande DLP-leveranciers of een eigen server. De uitkomst is alleen toestaan of weigeren, en de functie werkt niet voor organisaties die Claude via Amazon Bedrock of Google Cloud afnemen. In bèta kwamen er een Security Center dat je instellingen vergelijkt met een aanbevolen configuratie, centraal beheer voor meerdere organisaties en een EDR-sensor in Cowork.

Waarom het ertoe doet: tot nu toe moest je zo’n controle zelf bouwen met een gateway tussen je gebruikers en het taalmodel. Nu zit het controlepunt in het platform, met jouw eigen regels. Dat helpt bij de AVG en bij agents die tools aanroepen: je kunt per handeling afdwingen wat mag. Let wel op de afhankelijkheid. Bouw je je controles rond de hooks van één leverancier, dan neem je ze niet mee naar een ander model. Een eigen controlelaag die voor alle modellen werkt, blijft de robuustere keuze.

Kimi K3.1 Pro: een topmodel met downloadbare gewichten

Moonshot AI zette op 4 november de gewichten van Kimi K3.1 Pro op Hugging Face, zoals in week 44 aangekondigd. Volgens VentureBeat en Startup Fortune gaat het om ongeveer 2,8 biljoen parameters en een download van zo’n 1,56 terabyte. De licentie is een eigen licentie, geen erkende open-sourcelicentie. Commercieel gebruik mag, maar aanbieders die het model als dienst verkopen en boven een omzetgrens van 20 miljoen dollar per jaar zitten, hebben een aparte overeenkomst nodig.

Waarom het ertoe doet: het verschil tussen open en gesloten modellen blijft kleiner worden, wat zelf hosten op Europese infrastructuur realistischer maakt. Maar een model van deze omvang draai je niet op één server: reken op een cluster met tientallen grafische kaarten en het beheer dat daarbij hoort. Voor de meeste organisaties is een kleiner open model, of hosting bij een Europese aanbieder, de praktischere route. De afweging staat in Eigen AI bouwen.

Kort

Infrastructuur

• OpenAI startte het Grid Protectors Program: toekomstige rekencentra gaan minder stroom afnemen als het net onder druk staat, te beginnen in Georgia. Achtergrond over de energiekant van AI staat in Duurzame AI.
• Supermicro en SambaNova gaan samen inferencesystemen leveren die GPU’s van NVIDIA combineren met SambaNova’s SN50-chips, met in eerste instantie 10.000 chips (Crypto Briefing).

Wat dit betekent voor jouw AI-project

• Bepaal je trainingsbeleid voor publieke content. Leg vast welke delen van je website wel en niet voor AI-training gebruikt mogen worden, en zet dat in robots.txt zodra je juridische afdeling akkoord is. Een opt-out voor training is iets anders dan een blokkade voor AI-zoekmachines: die laatste bepaalt of je nog geciteerd wordt.
• Leg controle vóór het model, niet erachter. Inspecteer prompts en toolaanroepen voordat ze een model bereiken. Of je dat via de hooks van je leverancier doet of via een eigen laag, het hoort in je architectuur en niet alleen in een gebruikersrichtlijn.
• Houd open modellen in je vergelijking. Neem bij een leverancierskeuze minstens één open model mee, met de licentie, de hardwarekosten en het beheer erbij. Ook als je er nu niet voor kiest, weet je dan wat je alternatief kost.

Wil je weten waar die grenzen in jouw organisatie liggen en hoe je ze in de architectuur vastlegt? Daar helpen we bij met AI-advies. Bouw je een agent die tools aanroept, lees dan ook hoe we AI-agents bouwen.