We hebben dit gesprek inmiddels met genoeg scholen gevoerd om een patroon te zien. Bijna niemand begint met een vraag over de AI. Ze beginnen met een vraag over de data. Bouw je voor het onderwijs en opent je pitch met modelkwaliteit, dan beantwoord je een vraag die niemand in de kamer heeft gesteld.
Waar staat het, en wie komt er nog meer bij
De eerste vraag gaat altijd over locatie, en het woord cloud is nooit een antwoord. Scholen willen weten in welk land de data staat, welke juridische entiteit verwerker is, en welke subverwerkers daarachter in de keten zitten. Het Nederlandse onderwijs heeft dit eerder meegemaakt. De sector heeft jarenlang collectief onderhandeld met de grote platformleveranciers over precies deze voorwaarden, en schoolbesturen weten nog hoe dat ging. Ze hebben geleerd een subverwerkerslijst te lezen. Kan een leverancier die niet laten zien, dan is het gesprek in feite klaar.
Scholen beoordelen het contract voordat ze het model beoordelen.
Leert het model van onze leerlingen
De tweede vraag is of invoer van leerlingen trainingsdata wordt. Veel leveranciers antwoorden hier bewust vaag, omdat het eerlijke antwoord ingewikkeld wordt zodra je het model van een ander doorverkoopt. Wat een school nodig heeft, is een kaal nee, contractueel vastgelegd, geldend voor de leverancier en voor elke modelaanbieder daaronder. Alles wat zachter klinkt wordt gelezen als ja, met extra stappen.
Wie is verantwoordelijk als het fout gaat
AI in een klaslokaal zal iets fout doen. Iedereen in die kamer weet dat. Wat ze toetsen, is of jij het ook weet en of je erop hebt ontworpen. Het goede antwoord is geen hoger nauwkeurigheidspercentage. Het is een leraar die kan zien wat er is gegenereerd, het kan aanpassen en het kan overrulen, in een systeem dat die correctie als normaal behandelt en niet als storing. Scholen vertrouwen producten die ervan uitgaan dat ze gecontroleerd worden.
En als we ermee stoppen
Inkopers stellen deze vraag en productmensen hebben er een hekel aan. Kunnen we alles exporteren, in een bruikbaar formaat, en wordt de data daarna echt verwijderd. Het is een terechte vraag en hij is goedkoop om goed te beantwoorden. Als weggaan makkelijk is, is binnenkomen minder eng. Leveranciers die vertrek moeilijk maken, zeggen daarmee iets over hun vertrouwen in het eigen product.
Waarom we PrivateEdGPT zo hebben gebouwd
Deze vijf vragen hebben het product gevormd, niet de veelgestelde-vragenpagina. PrivateEdGPT draait op Europese modellen met Europese hosting, traint niet op schooldata, zet de leraar standaard in de lus en heeft export vanaf dag een ingebouwd. Niets daarvan is een functielijst waar een kind iets om geeft. Het is wel de reden dat een bestuurder het naar binnen laat, en dat is een voorwaarde voordat een kind het ooit ziet.
Neem dit mee
- 1Scholen beoordelen het contract voordat ze het model beoordelen.
- 2Een vaag antwoord over trainingsdata wordt gehoord als ja.
- 3Ontwerp om overruled te worden door een leraar, niet om vaker gelijk te hebben.
- 4Makkelijk vertrek maakt adoptie makkelijker, niet moeilijker.