Datology lanceert Curation Studio voor datacuratie bij AI-training

TL;DR

• Wat: Datology AI lanceert Curation Studio, een tool waarmee teams hun trainingsdata voor AI-modellen kunnen selecteren en opschonen.
• Waarom relevant: De kwaliteit van trainingsdata bepaalt steeds meer hoeveel rekenkracht (en dus geld) je nodig hebt voor een goed AI-model.
• Wat je ermee kunt: Als je overweegt om een eigen AI-model te trainen of te finetunen, is het verstandig om eerst je datastrategie op orde te hebben — vóór je investeert in rekenkracht.

Vandaag kwam ik een aankondiging tegen van Datology AI: het bedrijf lanceert een product genaamd Curation Studio, bedoeld om het selecteren en opschonen van trainingsdata toegankelijker te maken. Wat mij triggerde is niet zozeer de tool zelf, maar het principe erachter: dat de kwaliteit van je data meer uitmaakt dan de hoeveelheid rekenkracht die je erop gooit.

Wat is Datology Curation Studio?

Datology AI is een Amerikaans bedrijf uit Redwood City, opgericht in 2023 door onder anderen Ari Morcos — eerder onderzoeker bij Meta FAIR en DeepMind. Het bedrijf heeft tot nu toe zo'n 57,5 miljoen dollar aan funding opgehaald, waaronder een Series A van 46 miljoen dollar geleid door Felicis Ventures, met deelname van Microsofts investeringstak M12 en het Amazon Alexa Fund.

Curation Studio is hun nieuwste product. Het idee: teams die hun eigen AI-modellen trainen krijgen een interface waarmee ze hun trainingsdata kunnen samenstellen, opschonen en optimaliseren. Denk aan het verwijderen van dubbele data, het filteren van irrelevante of ruis-achtige informatie, en het gericht selecteren van materiaal dat het model daadwerkelijk beter maakt.

Het product richt zich op machine learning-teams, niet op de gemiddelde ondernemer. Maar het onderliggende principe is wat mij betreft wél relevant voor een breder publiek.

Wat betekent "data als compute-vermenigvuldiger"?

Datology gebruikt de term compute multiplier — datacuratie als vermenigvuldiger van rekenkracht. Wat ze daarmee bedoelen: als je trainingsdata beter is, heeft je model minder rekenuren nodig om hetzelfde niveau te bereiken. In plaats van meer GPU's kopen, kun je ook slimmer omgaan met wat je die GPU's voert.

CEO Ari Morcos claimt in presentaties dat betere datacuratie prestaties kan opleveren die vergelijkbaar zijn met tien tot honderd keer meer rekenkracht. In één specifiek voorbeeld zou datacuratie alleen al een verbetering van veertien procentpunt op een benchmark hebben opgeleverd, en hetzelfde prestatieniveau als het Qwen 3.5 4B-model hebben bereikt met 145 keer minder rekenkracht.

Ik vind die cijfers indrukwekkend, maar het is belangrijk om erbij te zeggen: dit zijn resultaten uit Datology's eigen onderzoek en presentaties. Ik heb geen onafhankelijke evaluaties of peer-reviewed studies gevonden die deze specifieke claims bevestigen. Dat maakt ze niet onwaar, maar het is iets om in gedachten te houden.

Een vergelijking om het tastbaar te maken

Stel je voor dat je een recept volgt. Je kunt een grotere oven kopen om sneller te bakken — dat is meer rekenkracht. Of je kunt betere ingrediënten gebruiken, zodat het eindresultaat met dezelfde oven beter wordt. Datacuratie is die tweede optie: niet meer hardware, maar betere input.

Waarom dit voor ondernemers interessant is

Nu denk je misschien: ik train helemaal geen eigen AI-model, dus wat heb ik hieraan? Dat snap ik. De meeste MKB-ondernemers gebruiken bestaande tools — ChatGPT, Copilot, een chatbot van een leverancier. Maar er zijn twee redenen waarom deze ontwikkeling toch relevant is.

1. De trend naar eigen, kleinere modellen

Er is een beweging gaande richting kleinere, gespecialiseerde AI-modellen. In plaats van één groot model dat alles een beetje kan, trainen steeds meer bedrijven compacte modellen die één ding heel goed doen — bijvoorbeeld klantvragen beantwoorden op basis van je eigen productdocumentatie, of facturen classificeren.

Ook in Nederland zie je dit. Het GPT-NL-project — een Nederlands taalmodel ontwikkeld door TNO, SURF en het NFI met een budget van 13,5 miljoen euro — draait inmiddels in praktijkproeven. Het idee dat organisaties eigen modellen trainen of finetunen wordt steeds gangbaarder.

Als die trend doorzet, wordt de vraag "hoe goed is mijn trainingsdata?" steeds relevanter. En dan is het goed om te weten dat er tooling ontstaat die dat proces toegankelijker maakt.

2. Datakwaliteit als kostenpost of als besparing

Wat mij opvalt aan het hele verhaal is eigenlijk een les die breder gaat dan AI-training: de kwaliteit van je data bepaalt de kwaliteit van je resultaat. Dat geldt voor het trainen van modellen, maar net zo goed voor je CRM, je voorraadbeheer of je klantenservice. Slechte data kost geld — in verkeerde beslissingen, in dubbel werk, in gemiste kansen.

Stel dat je als ondernemer overweegt om een AI-toepassing te bouwen op basis van je eigen bedrijfsdata. Dan is de eerste vraag niet "welk model gebruik ik?" maar "hoe schoon en representatief is mijn data eigenlijk?"

Wat we nog niet weten

Er zijn een paar dingen die ik niet heb kunnen achterhalen. Datology noemt geen prijzen voor Curation Studio. Er is geen publieke feature-lijst beschikbaar, en het enige wat de website biedt is een "boek een demo"-knop. Het is dus onduidelijk of dit product ook bereikbaar is voor kleinere teams, of dat het vooral gericht is op grote AI-labs.

Ook is er geen onafhankelijke benchmark of review van het product. De lancering is vandaag, dus dat is niet verrassend — maar het betekent wel dat de claims van het bedrijf voorlopig op eigen onderzoek gebaseerd zijn.

Een breder signaal

Voor mij is het belangrijkste aan deze lancering niet de tool zelf, maar het signaal: datacuratie wordt een eigen discipline. Het is niet langer iets dat je er even bij doet voordat je op de trainknop drukt. Er ontstaan hele bedrijven rondom het idee dat beter selecteren van data meer oplevert dan meer rekenkracht inkopen.

Ik denk dat dit voor ondernemers een nuttige gedachte is, ook als je zelf nooit een model zult trainen. De vraag "is mijn data goed genoeg voor wat ik ermee wil?" wordt de komende jaren alleen maar belangrijker — of je nu AI inzet of niet.