Een AI-model kan technisch geschikt zijn voor een toepassing, maar de licentie of gebruiksvoorwaarden kunnen commercieel gebruik beperken. Lees hoe open gewichten, open-source software en commerciële modeldiensten van elkaar verschillen, en welke gevolgen die verschillen hebben voor data, software en bedrijfsprocessen.
Welke rechten bepalen of je een AI-model commercieel mag gebruiken?
Als je een AI-model commercieel wilt inzetten, kijk je niet naar één enkel licentie. Je krijgt meestal te maken met rechten op modelgewichten, de softwarelagen die je gebruikt, de trainingsdata en soms op de dienst zelf waarmee je het model bereikt. Zo vind je modellen die je technisch zo downloadt, maar waarvan de bijbehorende licentie alsnog grenzen stelt, zoals beperkingen op toepassing in bepaalde branches of beperkingen op doorsturen van gewichten. Het komt voor dat de software voor inference heel andere voorwaarden heeft dan het model dat je gebruikt.
Juist als je een model meeneemt in een product of bedrijfsproces, worden die verschillen belangrijk. Iets in-house testen via een API is echt wat anders dan modelgewichten opnemen in software die je verkoopt. In het laatste geval moet je bijvoorbeeld letten op herdistributie, documentatieplichten, credits of verplichte openstelling van informatie. Hoe je het technisch aanbiedt, als SaaS-dienst, ingebouwd in een applicatie of als los te downloaden bestand, kan de eisen uit de licentie veranderen.
Schrijf per onderdeel op: wie is eigenaar, welk gebruik wil je en welke versie van de voorwaarden geldt op het moment dat je bouwt. Neem alles mee, dus niet alleen de naam van het model of de downloadknop op een website. Voor elk productioneel systeem hoort zo'n overzicht gewoon bij je technische beslissingen, zoals je dat bij hosting of toegang ook regelt.
Open gewichten zijn niet automatisch open source
Open weights betekent meestal: je kunt de modelgewichten ergens downloaden en zelf draaien. Maar dat zegt niks over toegang tot de trainingsdata, code die voor training is gebruikt, de testresultaten of de hele totstandkoming. Ook zegt het weinig over welk gebruik echt is toegestaan. Vaak gebruikt de aanbieder een aparte licentie met eisen voor commercieel gebruik, distributie, beperking van sectoren of restricties rond risicovolle toepassingen.
Open source is preciezer: daar kijk je bij software niet alleen naar toegankelijke code, maar ook naar de rechten voor aanpassen en herverdelen. Bij AI-systemen is dat complexer; een set gewichten is niet hetzelfde als een volledige set broncode, en zonder trainingsdata weet je niet altijd precies hoe het model tot stand is gekomen. De Open Source Initiative heeft daar eigen richtlijnen voor, maar aanbieders interpreteren termen als open of community vaak net anders.
Check daarom altijd de letterlijke tekst van de licentie. Je wilt weten of je mag aanpassen, intern draaien, als dienst mag aanbieden of in klantproducten mag verwerken. Kijk ook wat geldt voor afgeleide werken en diensten die je bouwt boven op het model. Dat alles bepaalt of je in de praktijk echt zo vrij bent als je zou willen bij zelf hosten.
Modellicenties lezen op beperkingen en verplichtingen
In een modellicentie staan niet alleen verboden. Er kunnen verplichtingen bij zitten zoals naamvermelding, licentietekst meeleveren, gebruikers informeren, of documentatie delen bij aangepaste versies. Soms gelden speciale eisen als je het model op schaal inzet of als onderdeel van een druk bezochte dienst gebruikt.
Lees de licentie zorgvuldig en zoek op begrippen als commercieel gebruik, distributie, hosting, afgeleid werk en eindgebruiker. Let op verschil tussen intern en extern gebruik. Soms staat er een lijstje van verboden toepassingen, maar andere keren hanteert de tekst bredere termen zoals schade, toezicht of beslissingsovername (let op die formuleringen als iets niet 100 procent duidelijk is). Bij twijfel, beter even juridisch na laten kijken dan aannemen dat het technisch wel zal kloppen.
Houd de versie van de licentie vast plus de datum dat je hem hebt bekeken. Webpagina’s en downloadlinks veranderen wel eens, terwijl het bestand dat je in je repo zet nog hetzelfde heet. Bouw licentie-informatie standaard in bij je software of modelregistratie, zodat je later vlot kunt nagaan welke regels golden voor een gereleasete versie.
Commerciële modeldiensten en API-voorwaarden vergelijken
Kies je voor een commerciële modeldienst, dan haal je meestal geen gewichten op, maar stuur je prompts naar een API van een externe aanbieder. Wat je mag hangt af van de contracten, het beleid en de documentatie van die dienst. Hier staat onder andere wie wat mag doen met input en output, wat wordt gelogd, of gegevens mogen worden gebruikt om de dienst te verbeteren en welke beveiligingsopties of privacy-instellingen er zijn. De precieze voorwaarden kunnen verschillen afhankelijk van het product, type account of je regio.
Ga altijd na wat er gebeurt met je data zoals prompts, uploads en modelantwoorden. Kijk naar bewaartermijnen, loginstellingen, verwerking voor training, en je opties om gegevens te laten verwijderen. Retentie van data (de aanbieder bewaart niet alles, zegt hij), betekent niet dat helemaal niets meer ergens staat. Lees de details. Kijk ook naar SLA, releasebeheer en exportopties; handig om te weten als je bedrijf van zo’n dienst afhankelijk raakt.
Het grote voordeel van een API: niet zelf hosten of onderhouden, alles draait aan de kant van de aanbieder. Maar je bent wel gebonden aan hun spelregels, versiebeheer, beschikbare modellen en updates. Voor software die naar externe klanten gaat, moet je vooraf afspreken wat er gebeurt als een model stopt of voorwaarden veranderen. Leg vast welke endpoints, modellen en instellingen je gebruikt, en wie in de gaten houdt of regels veranderen. Voor een ChatGPT-integratie gelden dezelfde vragen over data en voorwaarden.
Auteursrecht op AI-output en het risico van gelijkenis
Toestemming voor het model betekent niet dat je automatisch alles met de output mag. Een AI-model kan tekst, plaatjes, code of muziek maken die (per ongeluk) op bestaand, beschermd werk lijkt. Vooral als je output direct publiceert, in een commercieel product stopt of voor externe communicatie gebruikt, wil je dat risico kennen. De voorwaarden van de aanbieder geven soms duidelijkheid over rechten op output, maar lossen een claim van anderen daarover niet vanzelf op.
Of je output zelf onder auteursrecht valt hangt af van het land waarin je zit en de mate van creatieve, menselijke input. Iets wat puur automatisch is gemaakt, valt niet altijd onder dezelfde bescherming als werk waarin iemand een eigen keuze heeft gemaakt. Goed om vast te leggen: de prompts, bewerkingen door mensen en goedkeuringsstappen. Dat helpt als je ooit moet bewijzen wie wat deed of waarom je output als origineel wil neerzetten. Het is geen garantie op gelijk bij discussie over rechten, maar het maakt je dossier wel sterker.
Pas je checks aan het feitelijk gebruik aan. Samenvatten voor intern gebruik is wat anders dan illustraties op produktverpakking, of code in een commercieel product. Laat bij twijfel output scannen op opvallende tekst, persoonsnamen, publieke merken of overgenomen licenties. Zeker bij herbruikbare code kunnen kleine stukjes bestaande software of meegeleverde licentieheaders problemen opleveren. Eigendom van het model, rechten op output en rechten op gebruikte informatie zijn losse vragen; behandel ze ook als aparte punten.
Trainingsdata, prompts en vertrouwelijke bedrijfsinformatie
Niet alleen het model zelf is relevant bij licentievragen. De teksten, data en documenten die je verzendt zitten vaak vol gevoelige bedrijfsinformatie, privacygevoelige gegevens of klantdata. Gebruik je een dienst van een derde, dan is het belangrijk te weten wie welke rol heeft bij de verwerking, welk contract er ligt en of die dienst bestemd is voor jouw type data. Alleen algemene voorwaarden lezen is niet genoeg; zakelijke producten hebben soms aparte instellingen voor privacy, security en verwerkingsovereenkomsten.
Maak duidelijk (voor je team en voor jezelf) welke gegevens je uploadt en waarom. Iemand die een contracttekst in een publieke chatbot plakt, kan meer delen dan bedoeld. Geautomatiseerde koppelingen zoals een API met een ticketsysteem kunnen ongemerkt veel data publiceren buiten de bedoelde context. Dit zijn niet alleen privacyissues, maar kunnen net zo goed tegen afspraken rond geheimhouding ingaan. In sectoren als zorg, overheid of finance gelden soms nog aanvullende eisen.
Techmaatregelen beginnen bij dataminimalisatie. Verstuur niet meer dan nodig, maak persoonlijke data zoveel mogelijk onherkenbaar en beperk welke medewerkers toegang tot het systeem krijgen. Vergeet niet om te kijken waar prompts en bestanden worden opgeslagen, dat kan bij de dienstverlener zijn, maar ook op je eigen servers, in logs of via monitoringtools. Documenteer goed welke modeldienst en instellingen zijn goedgekeurd voor gevoelig gebruik. Anders kan de licentie wel kloppen, maar blijken je praktische flows niet compliant te zijn met je eigen afspraken.
Gebruiksbeperkingen, hoogrisicotoepassingen en sectorspecifieke regels
AI-licenties of algemene voorwaarden sluiten sommige toepassingen uit, of geven extra eisen bij gevoelige toepassingen. Dat zie je vaak bij gezichtsherkenning, surveillance, medische toepassingen, personeelsbeleid of systemen die rechten van mensen beoordelen. Het verbod kan gaan om je eigen gebruik, maar ook om wat je via klantproducten mogelijk maakt. Kijk dus niet alleen naar je eigen gebruik, maar ook hoe klanten met je software aan de slag gaan.
Hou die voorwaarden uit licenties apart van wettelijke eisen. Soms staat een toepassing contractueel toe terwijl de wet er nog eisen aan stelt (denk aan risicobeoordeling of documentatieplicht). In andere gevallen mag iets volgens de licentie niet, ook al mag het volgens de wet wel. Zodra een systeem invloed heeft op mensen moet je het volledige gebruik beoordelen: waarvoor, door wie, op welke data en rol het model daadwerkelijk speelt. En kunnen mensen iets herstellen of corrigeren?
Vertaal deze beperkingen meteen naar je ontwerp. Je kunt functies blokkeren, een model beperken tot suggesties, of steeds een menselijke controle eisen voor er actie volgt. Die keuzes horen niet alleen in disclaimers maar in je technische implementatie. Documenteer uitzonderingen, verantwoordelijkheden en wie controleert. En herbekijk je gebruik als doelgroep, data of beslislijn wijzigt.
Fine-tuning, afgeleide modellen en het doorgeven van gewichten
Als je zelf modellen finetunet, traint op eigen voorbeelden of extra data toevoegt, moet je goed opletten op rechten en distributie. De oorspronkelijke licentie bepaalt of je mag aanpassen, en legt voorwaarden op aan je aangepaste model. Het maakt ook uit of je alleen intern draait of gewichten aan klanten/partners levert. Interne fine-tuning kan minder streng zijn dan gewichten delen met anderen.
Let goed op wat er bedoeld wordt met afgeleid model. In sommige licenties betekent het echt gewijzigde gewichten, andere keren elk model dat is gebaseerd op of getraind met originalen. Extra adapterbestanden zoals een LoRA-bestand kunnen ook onder de licentie vallen als ze in samenhang met het model werken (zelfs als ze op zich geen gewichten bevatten). Beoordeel daarom altijd het technisch geheel én de letterlijke tekst.
Als je meerdere modelcomponenten levert, moet duidelijk zijn wie wat waarvoor mag gebruiken. Maak compleet wat er wordt geleverd, onder welke licentie en wie verplicht is om verdere licenties te delen. Houd trainingsdata en herkomst apart, zodat je achteraf op rechten of vertrouwelijkheid kan controleren. Bij modelupdates kan een nieuwe basisversie andere regels opleggen. Soms lijkt een aangepaste set compatibel, maar juridisch moet je dan alsnog een aparte review doen.
Een AI-model beoordelen en licentiebeheer in software inrichten
Start je beoordeling bij het beoogde gebruik, niet bij de vraag ‘open of gesloten’. Beschrijf hoe je het model wilt inzetten: puur intern, via een API, ingebouwd in software of als dienst aan klanten. Noteer direct ook de inputdata, wat het model gaat opleveren en waarvoor de output gebruikt wordt, zeker als die deel uitmaakt van besluiten richting klanten of gebruikers. Daarmee leg je de context vast die nodig is om licenties niet alleen formeel, maar in realtime tegen je werkelijke toepassing te houden.
Zorg dat je de juiste documenten veilig opslaat: modellicentie, gebruiksbeleid, commerciële afspraken, privacyvoorwaarden, licenties van gebruikte software. Bewaar naam en versie van het model, de downloadbron, datum van interne review en verantwoordelijke persoon. Host je zelf, neem dan ook de runtime, quantisatiebestanden en adapters op in je registratie. Werk je met een API, leg dan vast welke dienst, welke configuratie, en welke voorwaarden daarbij hoorden.
Licentiebeheer hoort standaard in je releaseproces. Als je op de achtergrond een model wijzigt, kun je opeens aan andere regels moeten voldoen. Laat updates altijd door een proces gaan waarin je niet alleen kwaliteit en security test, maar ook of het gebruik past bij de afgesproken toepassing. Is naamvermelding of een melding verplicht, voeg die dan toe aan je release-informatie of documentatie. Dan houd je compliance onder controle, ook als er in het team wisselingen zijn. Voor terugkerende controles zijn n8n-workflows een optie.
Veelgestelde vragen
Hoe controleer ik of een AI-modellenlicentie samengaat met de licentie van mijn software?
Je kijkt zowel los naar de gebruiksregels van het model als die van je eigen software. Vergelijk verplichtingen zoals bronvermelding, herdistributie, mee te leveren licentieteksten en beperkingen op toepassing. De modellicentie kan eisen stellen als je gewichten meestuurt, je softwarelicentie kan andere eisen hebben voor het totale pakket. Omschrijf hoe je wilt verspreiden en toets dit aan beide licenties. Pak juridisch advies als je twijfels hebt of als regels tegenstrijdig lijken, voordat je publiceert of verspreidt.
Mag ik een open-weight model via een SaaS-dienst aanbieden zonder de gewichten te delen?
Soms mag dat, maar het feit dat klanten de gewichten niet krijgen maakt het niet automatisch toegestaan. Sommige licenties staan SaaS-diensten toe, andere stellen aanvullende eisen als je het model als online dienst aanbiedt. Check voor de zekerheid de definities van gebruik, distributie en dienst in de licentie van het model en kijk welke regels voor jouw klanten of eindgebruikers worden genoemd. Sla deze tekst op. Bij twijfel over reikwijdte of interpretatie kun je het het beste laten beoordelen door iemand met ervaring.
Wie is verantwoordelijk voor naleving van de EU AI Act bij gebruik van een AI-model van een derde partij?
Jouw verantwoordelijkheid hangt af van je eigen rol: wat bouw je, wat bied je aan, wie doet de uiteindelijke implementatie en wie bepaalt het doel van het systeem? Het is dus niet per definitie degene die het model maakte die verantwoordelijk blijft. Als je zelf het systeem bepaalt of als enige aanbiedt, gelden mogelijk strengere eisen dan als je enkel een klein onderdeeltje gebruikt. Leg in contracten goed vast wie aanlevert en wie verantwoording draagt, maar vertrouw er niet op dat je verantwoordelijkheden volledig kunt verplaatsen door zo'n afspraak.
Wat moet ik doen als een AI-model of modelversie wordt uitgefaseerd door de aanbieder?
Zie uitfasering als een praktijkrisico voor je product en maak van tevoren een plan voor overstappen. Zorg ervoor dat je weet op welk endpoint en met welke versie je werkt, wat de opzegtermijn of aankondigingsperiode is, en of je je instellingen, queries, antwoorden of logs kunt exporteren. Test alternatieven tevoren op echte taken; kijk niet alleen naar het outputverschil, maar ook naar zaken als security, integratie en effect op beheerkosten. Het is verstandig om een fallback-optie te houden en iemand verantwoordelijk te maken voor het volgen van aankondigingen rondom beschikbaarheid van de dienst.
Hoe bewijs ik later welke AI-modelvoorwaarden golden toen ik een product uitbracht?
Leg van elke release een dossier aan, waarin je modelnaam, versie, downloadlocatie of aanbieder en een bewaarbare kopie van de licentie- en gebruiksvoorwaarden opneemt. Noteer ook wie en wanneer de beoordeling uitvoerde, welke modelopties werden gebruikt en welke instellingen je per versie hebt gemaakt. Koppel het dossier aan je release-overzicht of componentnummer, zodat je bij audits of vragen snel terug kunt vinden wat toen gold. Alleen een URL bijhouden naar een webpagina is niet sterk genoeg, die pagina kan morgen anders zijn.
Foto: Kindel Media