Bedrijvendatabases werken nog altijd zoals in 1841: registers uitlezen en overtypen. Het Roemeense Veridion laat AI in plaats daarvan het internet lezen zoals een mens dat doet, maar dan 1,4 miljard pagina’s per maand, voor 693 miljoen bedrijven. Iedereen kan vandaag iets met taalmodellen, dus de vraag is waarom uitgerekend dit bedrijf het beter zou doen.
Neem het hotel in Ljubljana waar we met Veridion spreken. Het Sloveense handelsregister kent het als ‘MIKLOSIC 3 HOTEL d.o.o., opgericht 15 juni 2022, voorheen een adviesbureau’, met een adres en een activiteitencode. Veridion kent het als Eurostars uHotel, eigendom van een Madrileense vennootschap zonder website, onderdeel van een keten met 300 hotels in 23 landen en van een Barcelonese groep met 1,65 miljard euro omzet, huurder van het gebouw, 8,18 miljoen euro omzet, 4,4 sterren op 1.700 Google-reviews, zwembad op het dak.
“Een bedrijf is geen rij in een register”, zegt Alexandra Tofon van Veridion. “Het is de som van alles wat het achterlaat.”
Bedrijfsdata uit 1841
De sector die bedrijfsinformatie verkoopt, goed voor ruim 20 miljard dollar omzet, stamt uit het jaar waarin het Mercantile Agency of New York advocaten en boekhouders naar registers en rechtbanken stuurde. De methode is niet veranderd: een bedrijf dient zijn papieren in bij oprichting en werkt ze bij als de wet het eist.
Wat het écht doet, waar het opereert en hoeveel mensen er werken, hoeft het nergens te melden. Elke stap gaat door mensenhanden, en de sector verkoopt dezelfde datapool rond via wederverkopers. Drie op vijf bedrijven veranderden het voorbije jaar iets aan zichzelf; de database merkte het niet. Het gevolg: verzekeringen geprijsd op activiteiten die niemand meldde en kredieten die kmo’s niet krijgen omdat de bank hen niet ziet.
Van Veridions 693 miljoen entiteiten zijn er maar 180 miljoen echt operationeel. De rest zijn lege vennootschappen.
Lees het internet zoals een mens
Veridion begon in 2017 met een verkoper die geen betrouwbare prospectlijst vond. Zijn oplossing: websites openen en lezen. “Kan een machine dat zoals een mens, maar op schaal?” Het antwoord doorliep drie fasen die niet toevallig samenvallen met de evolutie van AI. Eerst regels en classifiers, met het klassieke dilemma: schaal of nauwkeurigheid, kies er één.
Twee jaar geleden volgde het batchtijdperk: wekelijks het hele web opnieuw inlezen in een proces van zes uur tot twee dagen, terwijl 95 procent van de bedrijven niet veranderd was. “We verspilden rekenkracht aan niets”, zegt data-engineer Alexandru Tofon.
Vandaag draait Orion, een event-gedreven engine op Flink en Kafka. Elke website is een eigen stroom die in seconden de graph bijwerkt.
Vandaag draait Orion, een event-gedreven engine op Flink en Kafka. Elke website is een eigen stroom die in seconden de graph bijwerkt. Pipelines zijn YAML-recepten: goedkope controles eerst, een taalmodel alleen waar het loont. Ruim 90 procent komt uit cache. Daardoor volstaan open modellen van 9 tot 27 miljard parameters op eigen GPU’s, aangevuld met zelf getrainde transformers en, waar de taak het vraagt, Gemini, Claude, ChatGPT en Mistral.
Het resultaat: duizenden tot tienduizenden pipelines per seconde en 100 miljoen modelvoorspellingen per dag. Alexandru toonde het met een weekendproject: 578.000 websites vergeleken met hun eigen vorige versie. In één weekend wijzigden 377 bedrijven een gepubliceerde prijs, 455 hun contactgegevens en 51 hun adres, herbouwden 1.990 hun site en bleken twee websites gehackt, met de afpersingnota als enig verifieerbaar spoor.
Waarom niet gewoon ChatGPT?
Veridion beantwoordt die vraag met vier ontwerpkeuzes. Eén: een pagina levert claims, geen bedrijven. Een scraper leest een pagina en schrijft een bedrijf weg. Veridion noteert dat één bron één bewering deed, en een bedrijf bestaat pas als meerdere onafhankelijke bronnen het bevestigen. “Eén foute match vergiftigt elke beslissing stroomafwaarts.”
Twee: de oude waarde blijft staan tot het tegendeel bewezen is. Laat een taalmodel dezelfde pagina twee keer lezen en het antwoordt soms anders. Dat antwoordt schrijft het door duizenden fantoomverhuizingen per dag als gevolg. De bewijslast ligt bij de nieuwe run. “Iedereen bouwt nu met deze modellen. Bijna niemand heeft ingebouwd tegen hun niet-determinisme.”
Drie: elke waarde draagt haar bewijs, met bron, datum, zekerheid en de redenering van het model. “Daarom hoort een chatbotantwoord niet in een verzekeringsdossier. Stel dezelfde vraag twee keer en je krijgt twee antwoorden, zonder herkomst.”
Vier: eigen hardware met drie gerepliceerde datacenters in Duitsland. “In de cloud zou het volume waarmee we werken ons in een paar maanden failliet krijgen.” Dat maakt Veridion naar eigen zeggen de helft goedkoper dan de gevestigde spelers.
Het eerlijke antwoord op ‘waarom zij’ is dus niet AI. De modellen zijn open en voor iedereen. De voorsprong zit in zes jaar validatie, in discipline tegen hallucinerende modellen en in hardware. Alle prestatiecijfers zijn wel eigen metingen: 30 procent nauwkeuriger met als voorbeeld een matchrate die bij een Canadese verzekeraar van 15 naar 60 procent ging.
De modellen zijn open en voor iedereen. De voorsprong zit in zes jaar validatie
De grenzen zijn scherp: wat niet op het internet staat, weet Veridion niet. Geauditeerde jaarrekeningen, kredietscores en DUNS-nummers, precies waar de sector op draait, heeft het niet.
Discipline is de voorsprong, en die is tijdelijk
Veridion verkoopt geen software en geen zetels, maar data, per use case en zonder publieke prijzen. Het verkoopt dat aan onder andere kredietbeoordelaars, verzekeraars, procurementplatformen en datahuizen die ze onder eigen naam doorverkopen.
Het bedrijf bewijst dat AI de methode van 1841 overbodig maakt: een machine kan het internet lezen zoals een mens en dat 693 miljoen keer tegelijk. Toch legt Veridion de focus niet op de modellen, wel op vertrouwen. Claims worden pas feiten na bevestiging. Waarden veranderen niet zonder bewijs.
Bedrijven vandaag laten te snel een chatbot op hun klantendata los, zonder daar structuur en vertrouwen achter te zoeken. De vraag is hoe lang Veridion een voorsprong kan opbouwen nu dezelfde open modellen voor iedereen klaarstaan. Bouwt iedereen straks zelf een Veridion? Zo snel ziet het bedrijf zichzelf niet in de problemen komen. Het tankte gisteren nog 20 miljoen euro in een Series A funding-ronde.
Tot dan geldt de les voor elke database met bedrijven of contacten: het probleem was nooit te weinig AI, maar te veel vertrouwen in wat er één keer werd ingetypt.