Het pleidooi voor de kleine AI-studio
Waarom door oprichters geleide AI-ontwikkeling en de kleine AI-studio schaal verslaan bij het uitbrengen van AI-applicaties: smaak, eigenaarschap, snelheid en de discipline van nee zeggen.
Door Vitor Lima
Het eerlijkste wat je over de meeste AI-producten kunt zeggen, is dat niemand er echt de leiding over had. Je voelt het in de naden: een chatvenster geschroefd op een dashboard, een "samenvatten"-knop die dezelfde vier flauwe zinnen produceert wat je er ook in stopt, een instellingenpagina met elf model-schakelaars waar een productmanager een gevecht voor won om ze erin te krijgen. Dit zijn geen producten die verloren van een concurrent. Ze verloren van hun eigen organigram. Dit is het pleidooi voor de kleine AI-studio — voor door oprichters geleide AI-ontwikkeling als een bewuste keuze, niet een fase die je ontgroeit.
We bouwen AI-applicaties voor de kost, als een studio van twee personen. Dat is geen beperking waarvoor we ons verontschuldigen. Het is de reden dat het werk goed is. Wat volgt is geen nostalgie naar garagestartups. Het is een claim over waar AI-producten breken en wie in de positie is om ze te behoeden voor breuk.
Smaak is een voordeel van kleine teams, en AI maakte het groter
Vóór generatieve modellen ging smaak in software vooral over indeling en teksten. Je kon iets uitbrengen dat slechts competent was en gebruikers pasten zich aan. AI veranderde de inzet, omdat de uitvoer van het model het productoppervlak is. Wanneer je app schrijft, suggereert, samenvat of beslist, lekken duizenden kleine oordeelskwesties rechtstreeks door naar de gebruiker: toon, lengte, wanneer stil te blijven, wanneer onzekerheid toe te geven, hoe een "goed" antwoord er voor deze persoon op dit moment überhaupt uitziet.
Die kwesties overleven geen commissie. Ze worden uitgemiddeld tot brij.
Bij Youp, onze AI-dagboek-app, was het moeilijkste werk nooit het model-loodgieterswerk. Het was beslissen wat de app niet moest zeggen. Een dagboekmetgezel die een zware notitie beantwoordt met opgewekte positiviteit is slechter dan één die niets zegt. Dus staken we onze energie in terughoudendheid: de lengte van de reactie, wanneer een reflectie een enkele stille zin zou moeten zijn, wanneer de juiste zet is om helemaal niets te vragen. Dat is een smaakbeslissing, en die blijft alleen coherent omdat één of twee mensen het geheel in hun hoofd hielden en bereid waren een "nee" te verdedigen.
Kernpunt: Voor AI-producten is smaak geen decoratie. Het is de specificatie. Als de persoon met smaak drie lagen verwijderd zit van de prompt, de tokenstroom en de lege staat, dan bereikt hun smaak nooit de gebruiker. In een kleine studio is die afstand nul.
Eigenaarschap: wie het model koos, beantwoordt ook het ticket
Grote teams zijn georganiseerd om verantwoordelijkheid te verdelen, wat precies de verkeerde vorm is voor systemen die op vage, allesdoorsnijdende manieren falen. Een gehallucineerd veld, een latentiepiek onder belasting, een ophaalstap die stilletjes niets teruggeeft — geen daarvan respecteert teamgrenzen. Ze leven in de kloof tussen "het modelteam", "het platformteam" en "het appteam". Kloven zijn waar niemand de pijn voelt.
MadaiOps, onze app voor crypto-orders en handelsoperaties, maakt dit concreet. Hij plaatst, routeert en bewaakt orders over exchanges in realtime. Het tolereerbare foutpercentage voor "is mijn order daadwerkelijk doorgekomen" ligt ruwweg op nul. Dat kun je niet bouwen met diffuus eigenaarschap, want betrouwbaarheid is geen feature die je toevoegt. Het zijn duizend defensieve beslissingen over retries, idempotentie, gedeeltelijke uitvoeringen, en wat je een gebruiker toont wanneer een exchange liegt over zijn eigen staat. De persoon die de routinglogica schrijft, moet dezelfde persoon zijn die de angst voelt van een vastgelopen order om 3 uur 's nachts. Wanneer dat verschillende mensen zijn, wordt de naad tussen hen de storing.
Kernpunt: Breng het organigram uit en je brengt zijn naden uit. Een studio waar dezelfde handen de prompt, de retry-logica en het incidentkanaal aanraken, produceert systemen die minder falen en sneller herstellen — niet omdat de mensen slimmer zijn, maar omdat geen verantwoordelijkheid in een kloof valt.
Snelheid is echt, maar het interessante is de soort snelheid
Iedereen beweert dat kleine teams snel bewegen. De luie versie daarvan is waar en saai: minder vergaderingen, geen goedkeuringsketens. De interessante versie is dat AI-ontwikkeling een specifiek tempo beloont dat grote teams structureel niet kunnen evenaren.
Bouwen met modellen is empirisch. Je weet niet hoe een prompt, een contextvenster of een tool-use-lus zich gedraagt totdat je het draait tegen echte invoer. De kernlus is: vorm een hypothese, verander één ding, kijk naar echte uitvoer, herzie je mentale model. De teams die winnen, draaien die lus vele malen per dag met de daadwerkelijke beslisser op de stoel.
Een grote organisatie verandert elke iteratie in een ticket, een sprint, een review. Tegen de tijd dat de feedback binnenkomt, is de persoon die de hypothese had de draad kwijt. Een studio comprimeert hypothese-tot-observatie tot minuten. Daarom is ons vroege werk aan Linea — AI-native workflow-automatisering, momenteel in gesloten bèta — in een strakke prototyping-lus gebleven in plaats van een roadmap. Het gedrag van agents is te emergent om op een Gantt-grafiek te plannen. Je bouwt het, kijkt hoe het iets doms doet, en herstelt de redenering, keer op keer, zonder overdrachten die de lus opeten.
De afweging, eerlijk gesteld
Dit soort snelheid heeft een reële kost. Het schaalt niet door mensen toe te voegen, en het hangt af van een handjevol individuen dat diep in de context blijft. Dat is een echt risico, en doen alsof dat niet zo is zou oneerlijk zijn. We accepteren het, omdat voor AI-producten het alternatief — een proces dat verloop overleeft maar het oordeel verwatert — slechtere software oplevert. We zijn liever klein en coherent dan groot en uitgemiddeld.
Nee zeggen is de hele discipline
De bepalende pathologie van AI-producten op dit moment is het onvermogen om nee te zeggen. Elk model kan een beetje van alles, dus elke roadmap zwelt op tot hij alles omvat. Het resultaat zijn producten die breed, ondiep en vergetelijk zijn: een featurelijst waar een standpunt zou moeten staan.
De hefboom van een kleine studio is het geloofwaardige "nee". Nee tegen model-schakelaars waar de meeste gebruikers niet over kunnen redeneren. Nee tegen een chatbot in een product dat er geen zou moeten hebben. Nee tegen het uitbrengen van een capaciteit die we niet betrouwbaar kunnen maken, want een wispelturige AI-feature is slechter dan geen feature. Het leert gebruikers je niet te vertrouwen, en dat vertrouwen komt niet terug. Dit is geen ascese. Het is de erkenning dat bij AI-producten oppervlakte een risico is. Elke capaciteit die je blootstelt is een belofte over kwaliteit die je nu moet nakomen over een onbegrensde invoerruimte.
Kernpunt: Het waardevolste artefact dat een kleine studio produceert, is vaak de lijst met dingen die het weigerde te bouwen. Die lijst is de ruggengraat van het product. Grote teams worstelen om er één te behouden, want nee zeggen tegen een capaciteit betekent meestal nee zeggen tegen een collega — een moeilijker gesprek dan de middelmatige versie uitbrengen.
Wat dit niet betekent
Het zou goedkoop zijn om te eindigen met "klein goed, groot slecht". Sommige dingen hebben echt schaal nodig: het trainen van frontier-modellen, infrastructuur op planetaire schaal, gereguleerde domeinen waar personeelsbezetting audittrails en juridische verdedigbaarheid koopt. Een studio is niet de juiste vorm daarvoor, en we doen niet alsof dat wel zo is.
Maar de laag waarin wij werken — het ontwerpen en uitbrengen van applicaties bovenop modellen die al bestaan — is precies waar schaal ophoudt te helpen en begint te verwateren. Het knelpunt daar is geen rekenkracht of personeelsbezetting. Het is coherent oordeel, meedogenloos toegepast op duizend kleine beslissingen, gedragen door mensen die dicht genoeg bij het werk staan om elke ervan te voelen.
Dat is het hele pleidooi. Niet dat we goedkoper of vindingrijker zijn, maar dat het medium concentratie van oordeel beloont, en een kleine, door oprichters geleide studio is de meest geconcentreerde vorm die oordeel kan aannemen. Wanneer het model alles kan, is het schaarse ding iemand die beslist — met smaak, en aansprakelijk voor de uitkomst — wat het zou moeten doen, en vaker nog, wat het niet zou moeten doen.