Het AI-platform bepaalt het plafond

Tijdens een implementatie bleek halverwege dat het gekozen platform niet alles ondersteunde wat het ontwerp nodig had. De prompts waren goed en het ontwerp klopte. Het platform kon het niet, en dat los je met geen enkele prompt op. We pasten het ontwerp en de verwachtingen aan, maar die beperkingen hadden vóór de start op tafel moeten liggen.

Sindsdien controleer ik het platform voordat er gebouwd wordt. Copilot Studio, een no-code builder of een chatbot die je kant-en-klaar afneemt: de keuze legt vast wat het systeem ooit kan. Die grens kun je in de eerste week nog verleggen. In week drie betaal je ervoor.

Waarom bepaalt het platform het plafond?

Een platform legt vast welke modellen je gebruikt, met welke systemen het kan praten en welke data het kan lezen. Een prompt stuurt wat het model binnen die ruimte doet. De ruimte zelf verandert er niet door.

In de praktijk zie ik vijf soorten grenzen. Welke modellen beschikbaar zijn en wie daarover beslist. Welke externe systemen het platform mag aanroepen. Welke bestanden het leest, tot welke omvang en in welk formaat. Hoe het zich gedraagt in het kanaal waar mensen het gebruiken, want dat kan verschillen van de testomgeving. En hoeveel verkeer je licentie toelaat.

In een demo zie je geen van die vijf. Een demo draait op drie voorbeeldbestanden, met één gebruiker, in de omgeving van de bouwer. De grenzen verschijnen zodra het echte werk erin komt: de grote handleiding, het beveiligde contract, de hele afdeling die tegelijk vragen stelt.

Wat zijn de beperkingen van Copilot Studio?

Microsoft publiceert ze zelf op de pagina “Quotas and limits” (Microsoft Learn, geraadpleegd september 2026), en een paar ervan merk je pas met echte bestanden en echte gebruikers. Vier voorbeelden van die pagina:

• Heeft de maker geen Microsoft 365 Copilot-licentie in dezelfde tenant, dan gebruikt de agent voor gegenereerde antwoorden alleen SharePoint-bestanden onder de 7 MB. Een groter bestand moet je opknippen.
• Geüploade documenten met het gevoeligheidslabel confidential of highly confidential, of met een wachtwoord, worden niet geïndexeerd. Ze staan wel als klaar voor gebruik, maar leveren geen antwoorden op.
• Agents kunnen geen code schrijven en uitvoeren. Microsoft schrijft er zelf bij dat antwoorden op analytische vragen over Excel-bestanden daardoor niet optimaal kunnen zijn.
• Een proef- of ontwikkelomgeving verwerkt 10 generatieve AI-verzoeken per minuut. Wie daarboven een bericht stuurt, krijgt een foutmelding.

Geen van die vier is een reden om Copilot Studio te laten liggen. Een vraagbaak over goed bijgehouden Word-documenten in je eigen Microsoft 365-omgeving past er prima in. Draait je use case om cijfers in spreadsheets of om vertrouwelijke contracten, dan zit de kern precies op een grens. Die pagina werd in augustus 2026 nog bijgewerkt, dus lees hem opnieuw voor je kickoff.

Copilot Studio of maatwerk?

Kies het platform als je use case ruim binnen de grenzen valt en je organisatie het al beheert. Kies maatwerk als de kern van de use case op een grens ligt en je iemand hebt die het systeem na de eerste release onderhoudt.

Die tweede voorwaarde weegt zwaarder dan hij klinkt. Een platform dat je IT-afdeling al beheert, heeft een eigenaar, een beveiligingsmodel en een leverancier die updates uitrolt. Maatwerk heeft dat pas als jij het regelt. Een goede prompt in een bestaand product is soms sterker dan een maatwerkapp van €15.000; daarover schreef ik in Van AI bouwen naar AI beslissen.

Er is een derde uitkomst die vaak over het hoofd wordt gezien: dezelfde use case op een andere plek. Soms past het werk beter in een systeem dat het team al gebruikt, en is een nieuw platform helemaal niet nodig.

Welk plafond zit buiten het AI-platform?

De bestaande systemen, de licenties en de mensen die moeten beslissen. Een AI-platform dat alles kan, heeft niets aan een bronsysteem zonder koppeling of een licentie die de gebruikers niet hebben.

Het voorbeeld van de 7 MB laat zien hoe dat samenhangt: die grens verdwijnt met een andere licentie. Wie mag welke licentie aanvragen, en hoe lang duurt dat? Wie van security, legal of de ondernemingsraad moet nog ja zeggen? Een platform dat technisch past, maar pas over een kwartaal wordt goedgekeurd, past voor dit project niet.

Daarom kijk ik vóór de kickoff naar vier dingen: het AI-platform, de eigen systemen, de licenties en wie er beslist. Soms is de uitkomst een ander platform, soms een andere plek voor de use case.

De platformcheck vóór de kickoff

Deze zeven vragen stel ik voordat er een ontwerp ligt. Kost dat een dag, dan is die dag goed besteed.

1. Welke drie dingen kan dit platform niet? Vraag het de leverancier of het bureau. “Geen” is een rode vlag.
2. Welke modellen zijn beschikbaar, en wie kiest? Kun je later wisselen, of zit je vast aan wat de leverancier aanbiedt?
3. Met welke systemen moet het praten? Bestaat er per systeem een koppeling, en past de hoeveelheid data binnen de limieten van die koppeling?
4. Welke bestanden moet het lezen? Test met de echte: de grootste, de oudste scan, het document met een gevoeligheidslabel. Niet met drie nette voorbeeld-pdf’s.
5. Welke licenties zijn nodig, voor wie? En wat verandert er aan limieten en kosten als je van proefomgeving naar productie gaat?
6. In welk kanaal gebruiken mensen het? Test in dat kanaal zelf.
7. Wie moet nog ja zeggen? Security, legal, de ondernemingsraad. Zet hun naam en een datum in de planning.

Ligt de kern van je use case op een grens, verander dan vóór het bouwen van platform of van use case. Een bureau dat deze vragen niet zelf stelt, zou ik niet inhuren; de rest van mijn criteria staat in de koopgids voor een AI-bureau, en de les waar dit uit komt in mijn memo over 35+ implementaties.

Het plafond zie je alleen als je ernaar vraagt.