Mistral-CEO Mensch waarschuwt voor gesloten AI-modellen

Mistral-oprichter Arthur Mensch waarschuwt bedrijven tegen gesloten AI-modellen. In een LinkedIn-post van 5 juli schrijft hij dat modelleveranciers die dataretentie afdwingen een "immense hefboom" op je bedrijf krijgen: zodra je hun model aan je bedrijfscontext koppelt, zien en leren ze mee, en sommige labs "gaan hun succesvolste klanten achterna" met precies die kennis.

Voor een ondernemer die staat voor een leverancierskeuze tussen een open en een gesloten model verschuift dat waar de beslissing over gaat. Het gaat niet alleen om welk model het beste presteert of het minste kost, maar om wie er meekijkt in je processen en of je later nog weg kunt. Onder vrijwel elke AI-functie in je CRM of helpdesk draait een foundationmodel dat de leverancier voor je koos en dat kan zien wat jij ermee doet, iets wat eerder aan bod kwam in een inkoperschecklist voor het model onder je SaaS. Mensch zet daar een scherpere claim bovenop: het risico is niet abstract, het is een leverancier die je van binnenuit leert kennen.

Wat Mensch adviseert

Mensch schetst een compleet programma. Gebruik open-source modellen. Bewaar je data en records in open systemen, anders kan een softwareleverancier je blokkeren om AI te bouwen buiten de "walled garden" die hij voor je heeft opgezet. Regel wie welke data mag zien, want "je wilt niet altijd dat Bob ziet wat Alice doet". En bouw uiteindelijk je eigen "continue trainingsflywheel", zodat je AI-systemen leren van je eigen medewerkers en klanten. Dat is volgens hem hoe je de randen van je bedrijf verandert in iets "wat je leveranciers en concurrenten niet kunnen namaken".

Hij verbloemt de prijs niet. Dit is "een complete replatforming van je IT" en een andere manier van softwaremaken, schrijft hij, waarbij je zowel menselijk gedrag als gradient descent moet begrijpen. Voor de meeste bedrijven is dat een flinke sprong.

Lees het met de afzender erbij

Mensch verkoopt precies wat hij aanraadt. Mistral levert de bouwstenen als één control plane (Studio) en een trainingsplatform (Forge), en host naar eigen zeggen met zero data retention op de infrastructuur van de klant. Dat maakt zijn analyse niet onwaar, maar wel belanghebbend. Er hoort een tweede feit bij: Mistral haalt de topprestaties van de duurste gesloten modellen zoals GPT-5.6 Sol of Fable 5 niet, zoals The Decoder aantekent. Wie puur op modelkracht koopt, komt bij die gesloten modellen uit. Precies daar begint de lock-in.

De waarschuwing staat niet op zichzelf. Microsoft-CEO Satya Nadella hield bedrijven eerder voor niet te leunen op een handvol AI-modellen maar een eigen, verwisselbare AI-stack te bouwen, opvallend genoeg terwijl Microsoft zelf grootinvesteerder in OpenAI is. Dat twee topmannen met tegengestelde belangen bij dezelfde conclusie uitkomen, zegt iets: de afhankelijkheid van een paar modelmakers is een bedrijfsrisico, geen politiek principe maar risicobeheer. Het hoort op dezelfde plank als één te grote klant of één onmisbare leverancier.

Waar dit heen wijst

Wat dit signaleert, is een verschuiving in wie het argument maakt. "Wees eigenaar van je AI" komt nu van een modelleverancier zelf, niet alleen van soevereiniteitsdenkers of overheden. De lat die Mensch legt, een eigen trainingsflywheel en een replatforming van je IT, ligt voor de meeste Nederlandse bedrijven te hoog.

De haalbare tussenweg is bescheidener en concreter: houd je data in open systemen, zorg dat je van model kunt wisselen, en leg per systeem vast wie erbij kan. Niet elk bedrijf hoeft zijn eigen AI-lab te bouwen. Elk bedrijf kan wel voorkomen dat het zijn processen ongemerkt weggeeft aan de leverancier die er het meeste baat bij heeft.