AI die van jou blijft

Een private AI-omgeving is AI die binnen jouw eigen infrastructuur draait in plaats van in de publieke versie van een chatbot. Je gebruikt dezelfde modellen als ChatGPT of Claude, maar je bedrijfsdata verlaat je eigen omgeving niet en wordt niet gebruikt om modellen te trainen.

Voor de meeste bedrijven is dat het antwoord op de vraag die elk AI-plan tegenhoudt: mag dit wel met onze klantgegevens? Wij richten die omgeving voor je in, meestal via Azure OpenAI in je eigen Microsoft-tenant, en koppelen hem veilig aan de systemen waar je dagelijks mee werkt.

Terwijl de directie nog twijfelt of AI "wel mag", plakt een collega een klantcontract in de gratis versie van een chatbot om er snel een samenvatting uit te halen. Niet uit kwade wil, maar omdat het werkt. Dit heet schaduw-AI, en het gebeurt in vrijwel elk bedrijf dat er geen alternatief voor biedt.

Een verbod lost dat niet op. Mensen stoppen niet met een tool die ze uren werk scheelt; ze stoppen alleen met erover vertellen. Dan verdwijnen offertes, personeelsgegevens en klantdata in accounts waar je geen zicht op hebt en geen verwerkersovereenkomst mee hebt.

De omgekeerde route werkt wel: geef je team een AI-omgeving die net zo goed werkt als de publieke chatbots, maar waarvan jij weet waar de data staat. Dan is het veilige pad ook het makkelijke pad.

Niet elk bedrijf heeft een private omgeving nodig. Dit is de afweging zoals wij hem in een kennismaking ook op tafel leggen:

Route 1: een zakelijk abonnement. ChatGPT Business of Claude for Teams regelt de basis: je data wordt niet voor training gebruikt en je hebt centraal beheer. Werk je vooral met teksten en heb je weinig gevoelige data, dan is dit gewoon genoeg. Dat zeggen we er eerlijk bij, want een omgeving inrichten die je niet nodig hebt, is weggegooid geld.

Route 2: dezelfde modellen, jouw omgeving (Azure OpenAI). De GPT-modellen achter ChatGPT, maar dan draaiend in je eigen Microsoft-tenant, in een EU-regio die jij kiest. Dit is voor de meeste mkb-bedrijven de beste balans: je betaalt per gebruik in plaats van per gebruiker, je data valt onder je bestaande Microsoft-afspraken, en je kunt de AI koppelen aan je eigen systemen. Dat laatste is het grote verschil met een abonnement. Ook Claude is inmiddels via je Azure-omgeving af te nemen (Microsoft Foundry, sinds medio 2026): zelfde beheer en één Azure-factuur, al loopt de verwerking daar via Anthropic en is een EU-regio er nog niet. Voor wie dat wil, kan Claude ook via AWS of Google Cloud.

Route 3: een eigen (lokale) LLM. Een open model op eigen servers, zodat er helemaal niets naar buiten gaat. Klinkt als de veiligste keus, maar de rekening is fors: eigen hardware, eigen onderhoud, en modellen die minder kunnen dan de nieuwste van OpenAI of Anthropic. Zinvol bij zeer gevoelige data of strenge sector-eisen; overkill voor de meeste bedrijven.

Twijfel je welke route bij jullie past? Die vraag beantwoorden we in een kennismaking gewoon, ook als het antwoord "route 1, zonder ons" is.

Route 2 verdient uitleg, want weinig bedrijven weten dat dit bestaat. Microsoft biedt de modellen van OpenAI aan als Azure-dienst. Dat betekent concreet:

Je data blijft van jou. Prompts en antwoorden worden niet gebruikt om modellen te trainen. De verwerking valt onder de Microsoft-overeenkomsten die je waarschijnlijk al hebt voor Office 365 of Azure.

Je kiest waar het draait. Je zet de dienst in een Europese regio neer. Voor je AVG-verantwoording maakt dat het verhaal een stuk eenvoudiger dan "het staat ergens bij een Amerikaanse startup".

Je betaalt per gebruik. Geen vast bedrag per gebruiker per maand, maar een tarief per verwerkte tekst. Voor een team dat AI wisselend gebruikt, is dat vaak goedkoper dan tien losse abonnementen. Dat verbruik reken je rechtstreeks met Microsoft af; wij verdienen daar niets aan.

Je kunt ermee bouwen. Dit is het punt waarop een eigen omgeving een abonnement echt achter zich laat: de AI kan in je werkprocessen worden ingebouwd. Offertes voorbereiden vanuit je eigen prijslijsten, inkomende mail sorteren en samenvatten, vragen beantwoorden vanuit je eigen documentatie.

Een AI-omgeving wordt pas echt waardevol als hij bij je eigen gegevens kan: je planning, je CRM, je documentatie. De vraag is hoe je dat veilig doet.

Daarvoor gebruiken we MCP, een open standaard waarmee AI-modellen gecontroleerd met andere systemen praten. Zie het als een portier tussen de AI en je software: jij bepaalt per systeem wat de AI mag inzien en wat hij mag aanpassen, en alles verloopt via een koppeling die je kunt uitzetten.

Dit is voor ons geen theorie. Bij ons lopen de urenregistratie, de deploys en zelfs een Discord-bot dagelijks via MCP-koppelingen. Daardoor kennen we ook de valkuilen: rechten die te ruim staan, sessies die verkeerd afgehandeld worden, koppelingen die stilletjes te veel mogen. Precies de dingen die je dicht wilt hebben vóór je AI op je bedrijfsdata loslaat.

Herken je een van deze situaties, dan is dit gesprek de moeite waard:

Twee soorten kosten, en die houden we bewust uit elkaar.

Het inrichten (eenmalig, aan ons). Een startomgeving (Azure OpenAI in je eigen tenant, veilig geconfigureerd, met een eerste koppeling naar bijvoorbeeld je mail of documentatie) staat er vanaf €2.500. Wil je daarna verder bouwen, met MCP-koppelingen naar meerdere systemen of AI die taken zelfstandig afhandelt, dan groeit dat als maatwerktraject vanaf €8.000. We werken in fases, dus je weet na elke stap waar je aan toe bent.

Het gebruik (maandelijks, aan Microsoft). Je AI-verbruik betaal je per token rechtstreeks aan Microsoft. Voor een mkb-team dat AI dagelijks als assistent gebruikt, praat je typisch over tientallen euro's per maand, geen honderden. Het schaalt uiteraard mee met wat je ermee doet: laat je AI grote documentstromen verwerken, dan loopt het op. Maar je ziet het verbruik per dag in je Azure-portaal, en je kunt er een budgetlimiet op zetten. Ter vergelijking: tien ChatGPT Business-licenties kosten je €210 per maand (€21 per gebruiker, excl. btw), elke maand opnieuw.

Reken je liever eerst zelf? In wat kost Claude Code zetten we op een rij hoe tokenprijzen werken; dezelfde logica geldt voor Azure OpenAI.