Elk AI-product wil verbeteren door gebruik. De eerlijke vraag is hoe dat gebeurt — en wiens data de verbetering betaalt.

Het gebruikelijke antwoord is dat uw inhoud de brandstof is. U gebruikt het hulpmiddel, uw documenten stromen naar de servers van de aanbieder "om de dienst te verbeteren", en de verbetering wordt gedestilleerd uit werk dat u voor de dossiers van uw cliënten heeft verricht. De opt-out, als die er is, staat drie klikken diep begraven in voorwaarden die u niet heeft gelezen.

Wij hebben de lerenlaag andersom gebouwd.

Standaard uit, en dat betekent uit

De zelflerende laag draait niet tenzij een kantoor hem inschakelt. Niet bijna-uit, niet opt-out — uit. Wanneer de laag is uitgeschakeld, is de registratiecode een harde no-op; er wordt niets vastgelegd, want er is niets vast te leggen totdat het kantoor anders beslist.

Hem inschakelen vereist een expliciete bevestiging in de eigen instellingen van het kantoor, onder de compliance-sectie. Het is een bewuste handeling van iemand bij het kantoor, geen standaard die iemand bij het kantoor moet opmerken en ongedaan maken.

Wat het leert, en waar dat blijft

Wanneer een kantoor wel kiest voor opt-in, houdt de laag een lokaal journaal bij van hoe de AI-agenten van het product zijn gebruikt — welke agent wat heeft afgehandeld, hoe een dossier is gerouteerd, waar een rode vlag is afgegaan, hoe vaak inhoud is geredigeerd. Dat journaal leeft aan de kant van het kantoor. Het is een registratie die het kantoor kan lezen, in een viewer die recente vermeldingen toont, en op verzoek kan wissen.

Voordat er iets in dat journaal wordt geschreven, verwijdert een redactiestap persoonsidentificatoren — burgerservicenummers, paspoortnummers, postcodes, e-mailadressen, telefoonnummers, bedragen — de identificatoren die van een registratie iets over een persoon maken in plaats van een patroon. Die verwijdering vindt aan de kant van het kantoor plaats, vóór het schrijven, niet onderweg naar ergens anders.

De grens die wij niet overgaan: dossierinhoud verlaat de grens van het kantoor nooit. Wat de laag oorspronkelijk zou delen, als het kantoor daarvoor had gekozen, was gepseudonimiseerd gedrag — de vorm van het gebruik, niet de inhoud. Wij hebben besloten dat delen helemaal niet uit te brengen: vorm noch inhoud verlaat uw kantoor. Het leren blijft lokaal, en de prompts van het product verbeteren door ons eigen werk, niet door uw gebruik.

Dit is ook wat art. 5 lid 1 sub c AVG vraagt — dataminimalisatie: niet meer verwerken dan noodzakelijk. Wij hebben die eis in de architectuur verankerd, niet alleen in een beleidsbelofte.

Waarom wij de documentatie bij de schakelaar hebben geleverd

Een compliancefunctionaris kan een functie niet accorderen die hij niet kan beschrijven. Daarom wordt de laag geleverd met de documentatie die een kantoor nodig heeft om hem te verwerken in de eigen privacyverklaring, de verwerkersovereenkomst op grond van art. 28 AVG, en de subverwerkerlijst — native opgesteld voor de plichten van elke markt, klaar voor de verantwoordelijke om te beoordelen en te ondertekenen. Geen externe adviseur nodig om uit te zoeken wat de schakelaar doet.

Waar het vandaag staat, eerlijk

De opt-in-schakelaar is live. Het lokale journaal legt vast aan de kant van het kantoor wanneer ingeschakeld. De redactiestap wordt uitgevoerd bij elke AI-aanroep. De onderdelen die gepseudonimiseerd gedrag naar een centrale leerder zouden brengen, zijn als proof-of-concept gebouwd en vervolgens AFGEWEZEN. Wij bouwen ze niet. Er is geen federatiedienst en geen uploadpunt, en die komen er ook niet — het zelflerend vermogen van een kantoor blijft op de eigen schijf, en dat is de definitieve vorm, geen tussenstap. Wij zeggen dat, in plaats van u te laten wachten op een lus die nog zou komen.

Dit is hetzelfde principe als de rest van het product: door advocaten, voor advocaten. Het datadomein van een kantoor is van het kantoor. Leren is iets dat u aanbiedt, met de documentatie erbij — nooit iets dat u neemt.

← Alle artikelen