Waarom geen black box
Voor elke berekende waarde toont het systeem exact welke regels zijn toegepast, welke condities zijn geëvalueerd en waar de brondata vandaan komt. Dat is XAI — explainable AI by design.
XAI — Explainable AI by design
Geen machine learning. Transparante, auditeerbare regels.
SharedBrains werkt regelgebaseerd. Geen probabilistisch model dat u niet kunt inspecteren — transparante productregels die domeinexperts zelf beheren en begrijpen.
Voor elke berekende waarde in de configurator — van wanddikte tot offerteprijs tot stuklijstpositie — wordt de volledige redenering bijgehouden. Welke regel is toegepast, welke conditie was waar, welke brondata is gebruikt. Traceerbaar tot de bronregel.
Dat is geen audit-feature die u achteraf toevoegt. Dat is de architectuur.
Voorbeeld: transformation trace
| INVOER | Klantaanvraag: framebreedte 1.200 mm · uitvoering RVS · belasting klasse B | |
| REGEL 1 | Wanddikte IF belasting = B AND materiaal = RVS THEN dikte = 4 mm | 4 mm ✓ |
| CONDITIE | belasting_klasse == "B" → TRUE / materiaal == "RVS" → TRUE | |
| REGEL 2 | Kostprijs frame → stuklijstlijn 4841 × 4 mm × 1.200 mm × EUR 3,42/kg | EUR 1.243,68 |
| REGEL 3 | Margecheck → kostprijs EUR 1.243,68 ÷ minimummarge 28% → verkoopprijs ≥ EUR 1.726,72 | EUR 1.890,00 ✓ |
| RESULTAAT | Offerteprijs vastgesteld · stuklijst gegenereerd · werkinstructie aangemaakt | ✓ GOEDGEKEURD |
Elke stap traceerbaar tot bronregel en -data — voor engineers, auditors en uw klant.
Drie strategische argumenten
Waarom XAI en geen AI/ML
Elke keuze voor regelgebaseerde configuratie is een bewuste architectuurbeslissing. Hieronder de drie redenen die voor de meeste complexe ETO/CTO-organisaties doorslaggevend zijn.
1. Uw kennis blijft uw kennis
AI/ML-systemen gebruiken uw productkennis als trainingsdata voor modellen die u niet bezit, op infrastructuur die u niet controleert. Uw concurrerende know-how — de regels die bepalen hoe uw producten werken, wat ze kosten en waarom bepaalde combinaties niet mogen — wordt verwerkt in modellen die ook uw concurrenten zouden kunnen bedienen.
SharedBrains houdt uw intellectueel eigendom in uw eigen productmodel. Het wordt nooit gebruikt om externe modellen te trainen. Uw know-how is beveiligd by construction, niet als beleid maar als architectuurkeuze.
AI/ML-black box
Uw productkennis is trainingsdata voor een probabilistisch model dat u niet kunt inspecteren, corrigeren of terugvorderen.
- Model traint op uw IP — buiten uw controle
- Geen inzicht in welke kennis is opgenomen
- Vendor kan data hergebruiken voor andere klanten
2. Dezelfde vraag geeft altijd exact hetzelfde antwoord
Een regelgebaseerd systeem is deterministisch: identieke invoer = identieke uitvoer, gegarandeerd. LLM-systemen zijn probabilistisch — dezelfde prompt kan op verschillende dagen, of zelfs op hetzelfde moment bij twee gebruikers, een ander resultaat geven.
Voor productie is determinisme geen luxe — het is een vereiste. Dezelfde klantaanvraag moet altijd leiden tot dezelfde specificatie, dezelfde prijs, dezelfde stuklijst, dezelfde werkinstructies. Altijd.
- Identieke invoer → identieke uitvoer — gegarandeerd
- Reproduceerbaar voor offertes, audits en klachtenafhandeling
- Geen verrassingsvarianten in productie
Gevolg van probabilisme
Een klant vraagt twee keer dezelfde configuratie — en krijgt twee verschillende prijzen. Dat is onacceptabel voor productie en onaanvaardbaar voor uw commerciële reputatie.
- Prijsverschillen bij identieke aanvragen
- Onherleidbare stuklijstvarianten
- Auditspoor ontbreekt of is onbetrouwbaar
3. Vertrouwen, compliance en onderhoud
Engineers accepteren het systeem omdat ze de logica begrijpen — ze kunnen de regels lezen, testen en corrigeren. Dat is de reden dat adoptie slaagt. Bij black-box systemen blijft altijd de vraag: "maar waarom rekent het dit uit?"
- EU Machinerichtlijn 2023/1230: auditeerbare configuratiebeslissingen zijn ingebakken — geen apart complianceproject nodig
- Zelfbediening door experts: uw domeinexperts passen regels zelf aan als productspecificaties wijzigen — zonder reverse engineering of vendor-afhankelijkheid
- Onboarding van nieuwe engineers: de regels zijn leesbaar — nieuwe teamleden leren uw productarchitectuur door het productmodel te lezen
Ingebakken in de architectuur
Compliance, beheersbaarheid en adoptie zijn geen add-ons. Ze volgen direct uit de keuze voor transparante regels.
- EU 2023/1230 auditspoor automatisch aanwezig
- Experts beheren productmodel zelf
- Leesbare regels versnellen onboarding
Dezelfde invoer. Altijd exact dezelfde uitvoer.
Dat is geen feature — dat is de architecturele keuze die alles bepaalt. Deterministisch by design. Auditeerbaar by default. Uw IP beveiligd by construction.
Vergelijking
SharedBrains vs. AI/ML-black box
De architectuurverschillen die voor ETO/CTO-organisaties het meest consequent zijn.
| Eigenschap | SharedBrains Regelgebaseerd / XAI |
AI/ML-black box bijv. LLM-configurator |
|---|---|---|
| Traceerbare beslissingen | ||
| Deterministisch (zelfde in = zelfde uit) | ||
| IP blijft bij de klant | ||
| Eigen experts passen regels zelf aan | ||
| Begrijpelijk voor engineers zonder AI-kennis | ||
| EU 2023/1230 auditspoor ingebakken |
Wat dit betekent voor uw rol
Drie perspectieven
Ik kan elke configuratiebeslissing uitleggen aan mijn team — en aan de klant. Dat vertrouwen hadden we nooit met een black-box systeem.
EU 2023/1230 compliance zit ingebakken in de architectuur. Geen apart auditproject, geen extra tooling — het systeem is het bewijs.
Ons intellectueel eigendom blijft van ons — niet verwerkt in andermans AI-model. Voor een bedrijf als ons is dat geen kleine beslissing.