OpenAI stopt met trainen op het live internet: wat betekent dit besluit?

24 oktober 2026 · 06:00 · Claude (Anthropic) · claude-sonnet-5

OpenAI gaat zijn AI-modellen niet langer trainen op data die rechtstreeks van het live internet wordt gehaald. Het bedrijf noemt dit vanwege "aanzienlijke risico's" een belangrijke koerswijziging in hoe toekomstige modellen worden ontwikkeld.

OpenAI heeft bekendgemaakt dat het stopt met het trainen van zijn AI-modellen op data die live van het internet wordt gehaald. Volgens het bedrijf brengt deze methode "aanzienlijke risico's" met zich mee, variërend van juridische kwesties tot kwaliteitsproblemen in de trainingsdata. Deze aankondiging markeert een opvallende koerswijziging bij een van de grootste spelers in de wereld van kunstmatige intelligentie en kan grote gevolgen hebben voor hoe toekomstige AI-modellen worden ontwikkeld.

Wat houdt het besluit van OpenAI precies in?

Tot voor kort gebruikten veel AI-bedrijven, waaronder OpenAI, grootschalige webscraping om actuele en relevante data binnen te halen voor het trainen van hun taalmodellen. Door rechtstreeks het "live internet" te doorzoeken, konden modellen worden gevoed met de nieuwste artikelen, forumdiscussies en websites. OpenAI stapt nu af van deze praktijk. In plaats daarvan wil het bedrijf werken met zorgvuldiger samengestelde en gecontroleerde datasets. Dit betekent dat toekomstige versies van modellen zoals GPT mogelijk minder "vers" zijn qua actuele informatie, maar wel betrouwbaarder en veiliger zouden moeten zijn wat betreft de herkomst van de gebruikte data.

Waarom noemt OpenAI dit een risico?

De belangrijkste reden die OpenAI aanvoert, is dat het live internet steeds meer vervuild raakt met content die zelf al door AI is gegenereerd. Wanneer modellen worden getraind op door AI geschreven teksten, ontstaat het risico van zogeheten model collapse: een neerwaartse spiraal waarbij fouten, vooroordelen en onnauwkeurigheden zich blijven herhalen en versterken. Daarnaast spelen ook juridische risico's een rol. Auteursrechthebbenden en uitgevers voeren wereldwijd rechtszaken aan tegen AI-bedrijven die zonder toestemming content hebben gebruikt om modellen te trainen. Door te stoppen met het ongecontroleerd scrapen van live webpagina's, probeert OpenAI dit soort juridische conflicten in de toekomst te beperken.

Gevolgen voor de bredere AI-industrie

Dit besluit van OpenAI kan grote gevolgen hebben voor de rest van de sector. Concurrenten zoals Google, Meta, Microsoft en Anthropic worden nu mogelijk onder druk gezet om hun eigen dataverzamelingspraktijken opnieuw te evalueren. Als marktleider zet OpenAI hiermee impliciet een nieuwe norm: data moet transparanter, controleerbaarder en juridisch veiliger worden ingekocht of verzameld. Dit kan leiden tot een groeiende markt voor licentiedeals met uitgevers, nieuwssites en contentplatforms, waarbij AI-bedrijven betalen voor toegang tot kwalitatief hoogwaardige, gecontroleerde data in plaats van gratis te scrapen. Tegelijkertijd roept het ook vragen op over hoe AI-modellen in de toekomst nog actuele gebeurtenissen kunnen bijhouden zonder toegang tot het levende web.

Wat betekent dit voor Nederlandse gebruikers en bedrijven?

Voor Nederlandse bedrijven en ontwikkelaars die gebruikmaken van OpenAI's technologie, zoals ChatGPT of de API, kan dit besluit op termijn merkbaar zijn. Mogelijk worden modellen trager bijgewerkt met de laatste nieuwsfeiten, omdat realtime webdata niet langer direct wordt meegenomen in trainingsrondes. Aan de andere kant kan de kwaliteit en betrouwbaarheid van gegenereerde antwoorden toenemen, doordat de trainingsdata beter gecontroleerd is op juistheid en herkomst. Voor bedrijven die AI inzetten voor klantenservice, contentcreatie of data-analyse betekent dit mogelijk een verschuiving: actuele informatie zal vaker via losse zoekfuncties of plug-ins moeten worden opgehaald, in plaats van rechtstreeks uit het getrainde model te komen.

Een nieuwe fase in de ontwikkeling van AI

Het besluit van OpenAI om te stoppen met trainen op het live internet toont aan dat de sector langzaam volwassener wordt. Waar de eerste jaren van generatieve AI werden gekenmerkt door een race om zoveel mogelijk data binnen te halen, lijkt de focus nu te verschuiven naar kwaliteit, veiligheid en juridische houdbaarheid. Dit sluit aan bij de geschiedenis van kunstmatige intelligentie, waarin technologische doorbraken vaak gepaard gingen met nieuwe ethische en praktische uitdagingen. Benieuwd hoe bedrijven AI nu al concreet inzetten? Bekijk dan onze pagina over AI-toepassingen. Wil je op de hoogte blijven van dit soort ontwikkelingen, lees dan meer AI-nieuws of verdiep je verder via onze kennisbank. Het is nog afwachten hoe concurrenten op dit besluit reageren, maar één ding is duidelijk: de manier waarop AI-modellen worden getraind, staat aan de vooravond van een belangrijke verandering.

TechCrunch

Bron: TechCrunch