AI-native startups: Hoe investeerders de AI-applicatielaag beoordelen

Inleiding

Kunstmatige intelligentie is een grote en geconcentreerde categorie van durfkapitaalinvesteringen geworden. Stanford HAI meldt dat wereldwijde bedrijfsinvesteringen in AI in 2025 meer dan verdubbelden, waarbij generatieve AI bijna de helft van de private AI-financiering voor zijn rekening nam [1]. NVCA meldt dat Amerikaanse durfkapitaalinvesteringen in de eerste helft van 2026 recordniveaus bereikten, terwijl het meeste geïnvesteerde kapitaal naar AI-bedrijven en financieringen van USD 100 million of meer ging [2]. Carta registreert dat bedrijven op zijn platform in 2025 USD 119.5 billion ophaalden via 4.859 rondes, het laagste jaarlijkse aantal rondes in ten minste zes jaar; de Series A-gegevens tonen een mediane premie op de waardering van 38% voor AI-bedrijven [3]. OESO meldt dat AI-gerelateerde investeringen in 2025 meer dan de helft van de totale durfkapitaalinvesteringen bedroegen [6].

Deze cijfers beschrijven kapitaalmarkten, niet de kwaliteit van investeringen. Een label als AI-native kan verwijzen naar een product waarvan de klantuitkomst afhangt van machine-inferentie, een conventioneel softwareproduct dat een modelinterface heeft toegevoegd, een dienstverlenend bedrijf dat AI intern gebruikt, een workflowbedrijf met een eigen evaluatie- en data-lus, of een oprichtersverhaal met beperkt bewijs uit productie. Elk geval heeft een ander product-, risico-, marge-, distributie- en kapitaalprofiel.

Het underwritingprobleem is daarom een bewijskwestie. Een investeerder moet vaststellen wat de applicatie doet, welke klantuitkomst verandert, welk deel van de workflow wordt geautomatiseerd, welke model- en data-afhankelijkheden ertoe doen, hoe kwaliteit wordt geëvalueerd, hoe fouten worden beheerst, hoe klanten het product kopen en behouden, hoe omzet wordt omgezet in cash, hoe de kosten om te bedienen veranderen met gebruik en welke rechten de onderneming toestaan om te opereren. Een oprichter heeft hetzelfde bewijs nodig om de onderneming te besturen en een geloofwaardig financieringsproces voor te bereiden.

De centrale stelling van dit onderzoekspaper is dat de kwaliteitsgecorrigeerde geaccepteerde klantuitkomst de juiste operationele eenheid is. Een geaccepteerde uitkomst is een voltooide klanttaak of beslissing die voldoet aan gedefinieerde kwaliteits-, bevoegdheids- en bewijscriteria. Voorbeelden zijn een beoordeelde kredietmemo, een opgelost klantverzoek, een geaccepteerde factuurclassificatie, een vrijgegeven softwarewijziging, een voltooide compliancecontrole of een door de klant goedgekeurd ontwerp. Tokens, calls, generaties, agents en modelscores op benchmarks zijn technische inputs. Ze worden economisch relevant wanneer ze bijdragen aan geaccepteerde uitkomsten, behouden klanten en geïnde brutowinst.

Hierna volgen zeven underwritingprincipes. Ten eerste moet het AI-native label worden vertaald naar een waarneembare workflow en architectuur. Ten tweede moet de onderneming modelprestaties aantonen op representatieve klanttaken. Ten derde vereist omzetkwaliteit bewijs over contracten, facturen, inning, cohorten, concessies en concentratie. Ten vierde vereist de brutomarge een volledige kostenadministratie per uitkomst, inclusief kosten voor menselijke beoordeling en betrouwbaarheid. Ten vijfde maken model- en cloudaanbieders deel uit van de producttoeleveringsketen. Ten zesde bepalen datarechten, privacy, intellectueel eigendom, beveiliging en regelgevende rol waar en hoe het product kan worden verkocht. Ten zevende moet de investeringscasus bestand zijn tegen een schok in de modelprijs, een kwaliteitsregressie, het uitfaseren van een aanbieder, het verlies van een klant en een langzamere verkoopcyclus.

De bewijsafsluitdatum is 1 augustus 2026. De analyse gebruikt actuele officiële marktrapporten, effectenregistraties, documentatie van aanbieders, materiaal van toezichthouders, wetgeving, normen en beveiligingsbronnen. Er zijn geen onderneming, oprichter, fonds, klant, product, contract, cohort, dataroom, evaluatiesuite, kostenadministratie, kapitalisatietabel of investeringsmemorandum verstrekt. Alle uitgewerkte volumes, prijzen, kosten, conversieratio's, productiviteitseffecten en waarderingsinputs zijn hypothetische modelaannames. Toegeschreven Matchpoint of klantomzet, kostenreductie en verliesreductie blijven USD 0.

Reikwijdte, definities en bewijsgrenzen

Applicatielaag

De applicatielaag zet modellen, data, software en menselijk werk om in een product dat wordt gebruikt voor een specifieke klantworkflow. Deze kan gebruikersinterfaces, applicatielogica, retrieval, geheugen, tools, modelroutering, prompts, fine-tuning, evaluatie, toegangsbeheer, observability, facturering en ondersteuning omvatten. De applicatieonderneming kan eigen, externe of open-weight modellen gebruiken. De verdedigbaarheid kan voortkomen uit workflowintegratie, eigen datarechten, evaluatieactiva, distributie, overstapkosten, gereguleerde machtigingen, klantvertrouwen of operationeel leren.

De modellaag levert inferentie of modelgewichten. De infrastructuurlaag levert compute, opslag, orkestratie en deployment. Deze grenzen kunnen overlappen. Een onderneming die een model fine-tunet of host, moet nog steeds aantonen hoe het model de klantuitkomst verandert en hoe de applicatie waarde vastlegt.

AI-native classificatie

Een AI-native classificatie moet op bewijs zijn gebaseerd. De classificatie vereist niet één technische architectuur. Zij vereist materiële afhankelijkheid van machine-inferentie binnen de klantwaardeketen, een product dat rond die capaciteit is ontworpen en een operationeel systeem dat de kwaliteit en economie ervan meet.

Het resultaat kan worden vastgelegd als een AI-native dienst, een AI-ondersteunde dienst, een AI-begeleide dienst of als ongeverifieerd. Het label is een due-diligenceconclusie, niet een waarderingsconclusie.

Bewijsklassen

Elke materiële claim moet een klasse en eigenaar krijgen. Waargenomen bewijs komt uit een gecontroleerd bronsysteem. Onafhankelijk gereproduceerd bewijs komt uit een herhaalde test door de investeerder, adviseur of een gekwalificeerde derde partij. Door de klant bevestigd bewijs komt van een genoemde bevoegde klantvertegenwoordiger en moet waar mogelijk worden afgestemd op systeemgegevens. Door het management geschat bewijs is gelabeld en onderbouwd met een methode. Niet-onderbouwde claims blijven openstaande punten.

Openbare vergelijkbare bedrijven en marktrapporten

Openbare stukken tonen analytische methoden en mogelijke economische variatie. Palantir rapporteerde USD 4.475 billion aan omzet over 2025, een brutomarge van 82% en 954 klanten [7]. UiPath rapporteerde USD 1.611 billion aan omzet over fiscaal 2026, USD 1.853 billion aan geannualiseerde run-rate uit verlengingen en een brutomarge van 83% [8]. C3 AI rapporteerde USD 250.3 million aan omzet over fiscaal 2026 en een GAAP-brutomarge van 31% [9]. Duolingo maakte bekend dat gestegen generatieve-AI- en hostingkosten de brutomarge in 2025 verlaagden en beschreef later aanhoudende investeringen in AI-infrastructuur [10].

Deze bedrijven verschillen in schaal, product, implementatie, klantenmix, diensten, boekhouding en volwassenheid. Hun kengetallen bepalen niet de brutomarge of waardering van een private start-up. Ze laten zien waarom een investeerder een generieke AI-softwaremargeaanname moet vermijden.

Marktrapporten hebben ook grenzen. De gepubliceerde data van Carta is geaggregeerd uit bedrijven en effectenhouders op haar platform en sluit bedrijven uit die verzochten om uitsluiting van geanonimiseerde studies [3-5]. Het rapport van NVCA bestrijkt het Amerikaanse durfkapitaalecosysteem met PitchBook als dataleverancier [2]. OESO gebruikt Preqin-data in haar AI durfkapitaalbrief [6]. Stanford HAI combineert meerdere publieke en propriëtaire bronnen [1]. Het paper behoudt de reikwijdte van elke bron.

Juridische, investerings- en auteursgrenzen

Dit paper bepaalt niet of een product gereguleerd is, of verwerking rechtmatig is, of intellectuele-eigendomsrechten geldig zijn, of een effect geschikt is, of een waardering billijk is of of een investering moet worden gedaan. Die beslissingen vereisen het toepasselijke contract, de feiten, de jurisdictie en bevoegde autoriteit.

Matchpoint Partners is de organisatorische auteur. Er worden geen prestaties van oprichters, standpunten van investeerders of cliëntresultaten aan een met naam genoemde persoon toegeschreven.

Beslissingskaart voor investeerders en oprichters

beslissingen van investeerders

investeerders hebben een gefaseerd antwoord nodig op vijf vragen. Is het klantprobleem waardevol en terugkerend? Creëert het product een geaccepteerde uitkomst waarvoor klanten willen betalen? Kan het bedrijf kwaliteit en controle behouden bij veranderingen in model en markt? Levert behouden omzet aantrekkelijke brutowinst- en kaskenmerken op? Wordt de financieringsprijs ondersteund door het bewijs en het neerwaartse scenario?

oprichterbeslissingen

Hetzelfde bewijs ondersteunt de controle van de oprichter. Een oprichter moet weten welke klantuitkomst retentie aandrijft, welk falen de grootste schade voor klanten veroorzaakt, welke afhankelijkheid van aanbieders opschaling beperkt, welk cohort brutowinst oplevert en welke mijlpaal de volgende kapitaaleenheid rechtvaardigt.

Gedeelde dataroom

De investeerder en oprichter moeten vanuit dezelfde afgestemde dataroom werken. Een andere interpretatie is legitiem. Verschillende onderliggende cijfers creëren vermijdbaar risico.

Marktcontext en het AI-kapitaalconcentratieprobleem

Premie en selectie

AI-kapitaalgroei verruimt de opportuniteitenset en verhoogt de selectiedruk. Uit de gegevens van Carta over 2025 blijkt dat meer kapitaal over minder rondes wordt verdeeld en dat er vanaf Serie A een AI-waarderingspremie bestaat [3]. Het seedonderzoek van Carta rapporteert slankere vroege teams, langere financieringstrajecten en een groeiende kloof tussen typische en topwaarderingen, met name voor AI-bedrijven [4]. Het beloningsrapport over H2 2025 beschrijft AI-gedreven kapitaal- en talenteffecten en benadrukt tegelijk kleinere teams in vroege fasen [5].

De investeerder moet daarom een categoriepremie onderscheiden van bedrijfsspecifiek bewijs. Een waardering kan schaarste, concurrentie, strategische optiewaarde, marktomvang, groei, retentie, team, technologie, datarechten of momentum weerspiegelen. Elke drijfveer vereist eigen bewijs en een eigen behandeling van neerwaartse risico's.

Discipline voor marktomvangbepaling

Een markt op applicatielaag moet beginnen met klanteenheden en workflowbestedingen. Top-down AI-totalen kunnen adoptie contextualiseren. Ze tonen geen te behalen omzet aan.

Voor een verticale AI-onderneming moet het marktmodel het aantal doelbedrijven, in aanmerking komende afdelingen, workflowfrequentie, huidige kosten, vereiste toestemming, integratielast, budgeteigenaar en aannemelijke adoptie omvatten. Voor een horizontaal product voorkomt segmentatie naar use case en koper een oppervlakkige berekening van het totale aantal seats.

Waarschijnlijkheid van fondsenwerving en runway

De marktgegevens wijzen op een geconcentreerde financieringsomgeving. Ze tonen niet aan dat een bepaald bedrijf kapitaal kan ophalen. Het financieringsplan moet een scenario zonder kapitaalophaling, een scenario met uitgestelde kapitaalophaling en een scenario met een lagere prijs bevatten. Het moet maandelijkse cash, vastgelegde kosten, discretionaire kosten, aanwervingsdrempels, verplichtingen jegens leveranciers, werkkapitaal en minimale operationele runway tonen.

Deze cases zijn hypothetische modelveronderstellingen. Ze demonstreren planningsmechanismen. Ze voorspellen niet de beschikbaarheid van financiering, waardering of rendement.

De AI-native applicatielaagtest

Klantuitkomst vóór modelcapaciteit

De eerste due-diligencesessie moet één klantworkflow zonder het product reconstrueren. Het team registreert trigger, input, operator, beslissing, output, beoordeling, uitzondering, doorlooptijd, foutkosten en bevoegdheid. Daarna reconstrueert het dezelfde workflow met het product. De vergelijking identificeert welke stappen verdwijnen, veranderen, versnellen of nieuwe controles vereisen.

De oefening legt categoriefouten bloot. Een sneller concept kan de beoordelingsinspanning verhogen. Een kortere afhandelingstijd kan correctie of escalatie verhogen. Een hogere automatiseringsgraad kan een lagere klantacceptatie verbergen. Een product dat meer output creëert, kan waarde verminderen als gebruikers het niet binnen hun beslissingsvenster kunnen verifiëren.

Geaccepteerde klantuitkomst

Een geaccepteerde uitkomst heeft vijf elementen. De taak is gedefinieerd. Het bronbewijs is toereikend. De output voldoet aan kwaliteits- en beleidsdrempels. De bevoegde persoon of het bevoegde systeem accepteert deze. De uitkomst bereikt de klantworkflow. Een gegenereerd antwoord dat wordt weggegooid, een concept dat volledig opnieuw moet worden gemaakt en een geautomatiseerde beslissing die door beoordeling wordt teruggedraaid, zijn geproduceerde outputs, geen geaccepteerde uitkomsten.

Het bedrijf moet geaccepteerde uitkomsten per klant en cohort meten. Nuttige maatstaven zijn acceptatie in de eerste ronde, geaccepteerde uitkomst per actieve gebruiker, beoordelingsminuten per geaccepteerde uitkomst, uitzonderingspercentage, correctiepercentage, incidentpercentage, klantescalatie en tijd tot acceptatie. De definitie moet stabiel genoeg zijn voor cohortanalyse en specifiek genoeg om volume-inflatie te voorkomen.

Claimregister

SEC-handhaving met betrekking tot AI-uitingen toont het belang aan van nauwkeurige voorstellingen [12]. Een private financiering is ook afhankelijk van betrouwbare claims. Het claimregister legt elke materiële bewering vast die wordt gebruikt in de pitch, dataroom, klantvoorstel en investeringsmemo.

Het claimregister helpt ook oprichters. Niet-onderbouwde claims kunnen vóór een financieringsproces worden gecorrigeerd. Managementinschattingen kunnen via gestructureerde tests worden omgezet in waargenomen bewijs.

Bewijsvliegwiel

Een verdedigbare toepassing kan een rechtmatig en nuttig bewijsvliegwiel opbouwen. Klanttaken genereren gebruiksdata waarvoor toestemming is gegeven of die contractueel is toegestaan. Beoordelings- en uitkomstsignalen verbeteren de evaluatie. Evaluaties verbeteren routering, workflow en releasebeslissingen. Beter geaccepteerde uitkomsten verbeteren adoptie en retentie. Aanhoudend gebruik levert representatiever bewijs op. Elke schakel vereist rechten, kwaliteit en economische waarde.

De investeerder moet een circulaire claim over een datamoat afwijzen. Meer data heeft alleen waarde als deze is toegestaan, relevant, voldoende gelabeld, opgenomen in een gecontroleerd verbeterproces en moeilijk door een concurrent te reproduceren.

Productwaarde, klantworkflow en product-marktbewijs

Uitgangssituatie en contrafactuele situatie

Productwaarde vereist een basislijn. De basislijn kan bestaan uit huidig menselijk werk, regels, bestaande software, uitbestede dienstverlening of niets doen. De contrafactuele situatie moet weerspiegelen wat de klant zonder het product daadwerkelijk zou doen. Een product vergelijken met een onrealistisch handmatig proces overschat de waarde.

Het sterkste vroege bewijs is een representatieve vergelijking binnen één klant. Deze gebruikt dezelfde taakfamilie, servicevereisten en beslissingsperiode. Ze registreert invoerverschillen, selectie-effecten en beoordeling. Gerandomiseerde tests kunnen geschikt zijn voor productfuncties. Operationele en gereguleerde workflows kunnen gepaarde perioden, gefaseerde uitrol of gecontroleerd schaduwgebruik vereisen.

Brug van productiviteit naar omzet

Productiviteit wordt een waardepropositie voor de klant wanneer de klant capaciteit kan herinzetten, werkelijke kosten kan verlagen, meer vraag kan bedienen, de time-to-revenue kan verbeteren of gemeten verlies kan beperken. Omzet wordt bedrijfswaarde wanneer gecontracteerd gebruik wordt omgezet in geïnde en behouden brutowinst.

Klantbewijsladder

Intentieverklaringen, memorandum van overeenstemming, onbetaalde pilot, betaalde pilot, productiecontract en geïnde verlenging moeten afzonderlijk worden gerapporteerd. Logo's vormen geen vervanging voor deze classificatie.

Klantreferentieprotocol

Een klantreferentie moet worden geautoriseerd en gestructureerd. De interviewer bevestigt probleem, eerdere workflow, inkoopproces, implementatie, time-to-value, kwaliteit, uitzonderingen, ondersteuning, gebruiksfrequentie, breedte van het gebruikersbestand, prijs, verlengingsintentie en alternatieven. De investeerder legt de relatie van de geïnterviewde met de aankoop en het dagelijks gebruik vast.

De referentie is door de klant bevestigd bewijs. Deze is sterker wanneer deze wordt afgestemd op contractadministratie, productadministratie en financiële administratie. Een door de oprichter geselecteerde interne voorvechter kan waardevolle details bieden en vertegenwoordigt mogelijk niet de standpunten van inkoop, beveiliging, financiën of eindgebruikers.

Distributie- en verkoopmodel

AI-applicaties kunnen gebruikmaken van door de oprichter geleide verkoop, productgedreven adoptie, directe enterprise-verkoop, marktplaatsen, cloudpartners, systeemintegrators, kanaalpartners en embedded distributie. Elk model heeft onderscheidende kosten, controle, tijd en concentratie.

Technische architectuur, modeltoeleveringsketen en portabiliteit

Architectuurbewijs

De architectuur moet het volledige pad tonen van gebruiker en bronsysteem naar geaccepteerd resultaat. Deze omvat identiteit, machtigingen, databeweging, retrieval, prompts, modelroutes, tools, code-uitvoering, guardrails, menselijke beoordeling, opslag, observability en facturering. Het diagram moet klantomgevingen, bedrijfssystemen en derde partijen onderscheiden.

Aanbiederregister

OpenAI, Anthropic, Google en AWS publiceren verschillende prijsstructuren voor modellen, caching, batching, tools, context en deployment [13-16]. Google publiceert ook levenscyclusinformatie voor modellen en endpoints, inclusief uitfaseringen [17]. Het register legt de exacte gebruikte dienst vast, niet alleen het merk van de aanbieder.

Lijstprijzen kunnen veranderen en de gerealiseerde besteding hangt af van input, output, herhaalpogingen, caching, toolgebruik, context, modaliteit en volume. Due diligence moet factuurregels voor een representatieve periode afstemmen op producttelemetrie.

Concentratie en overstappen

Het onderzoek van de FTC naar geselecteerde partnerschappen tussen cloudaanbieders en AI-ontwikkelaars registreert cloudbestedingsverplichtingen, exclusiviteitskenmerken, toegang tot gevoelige informatie en mogelijke overstapkosten [11]. Het rapport gaat over die partnerschappen en stelt niet de voorwaarden van een particuliere applicatieonderneming vast. Het biedt een nuttige invalshoek voor due diligence.

Concentratie wordt gemeten over besteding, geaccepteerde uitkomsten, kritieke functionaliteiten, regio's en klanten. Een onderneming kan multi-model lijken terwijl één aanbieder elke omzetkritieke taak uitvoert. Een terugvaloptie die slaagt voor een synthetische prompt kan nog steeds falen bij klanttools, lange context, veiligheidsgedrag, gestructureerde output of latentie.

Portabiliteitstest

Een portabiliteitstest voert een representatieve evaluatiesuite uit tegen een alternatief model of een alternatieve implementatie. De test registreert codewijzigingen, promptwijzigingen, verschillen in outputschema, kwaliteit, beoordelingslast, latentie, kosten, veiligheid, datavoorwaarden en migratietijd. De uitkomst kan portabel, gedeeltelijk portabel of geconcentreerd zijn.

De investeerder moet ten minste drie schokken modelleren: een stijging van 50% in de kosten per model-eenheid, intrekking van het primaire model binnen 90 dagen en capaciteitsbeperking tijdens piekgebruik. Deze percentages en perioden zijn hypothetische, illustratieve voorbeeldinputs. Het management moet ze vervangen door zijn contractuele en operationele onderbouwing.

Open-weight- en licentieafhankelijkheid

De Llama 4 Community License van Meta verleent bepaalde rechten en bevat voorwaarden voor herdistributie, naamsvermelding, acceptabel gebruik en schaalgerelateerde aspecten [22]. Andere open-weight-modellen hebben andere licenties. Open-weight betekent niet onbeperkt. De onderneming moet de exacte licentieversie, modelkaart, downloadbron, wijzigingen, kennisgevingen, beoordeling van acceptabel gebruik en herdistributieanalyse bewaren.

Evaluatie, betrouwbaarheid, beveiliging en operationele controles

Evaluatiecontract

Het AI-RMF van NIST gebruikt de functies besturen, in kaart brengen, meten en beheren [23]. Het Generatief AI-profiel identificeert generatieve AI-risico's en aanbevolen acties [24]. De huidige modelrichtlijnen van OpenAI bevelen representatieve taakevaluatie aan vóór migratie of optimalisatie [29]. De evaluatierichtlijnen van Anthropic beginnen met specifieke, meetbare en relevante succescriteria [30]. Deze bronnen ondersteunen een praktische release-discipline.

Een evaluatiecontract definieert taakpopulatie, steekproef, ground truth, beoordelaar, dimensies, drempelwaarde, ernst, subgroep, model/versie, prompt, toolomgeving en releasebeslissing. De testset moet normale, moeilijke, adversariële, onvolledige en buiten-scope-cases bevatten.

Release en monitoring

Eén benchmark is onvoldoende. Releases kunnen de modelversie, prompt, tools, retrieval, beleid, code, data en klantconfiguratie wijzigen. Het bedrijf moet een release-manifest bewaren en de vereiste suite opnieuw uitvoeren. Productiemonitoring vergelijkt vervolgens acceptatie, uitval, latentie en kosten met de releaseverwachtingen.

Betrouwbaarheid en bewijs van incidenten

Betrouwbaarheid wordt gemeten op de grens van de geaccepteerde uitkomst. De beschikbaarheid kan hoog zijn terwijl een kritieke tool stilzwijgend faalt. Een model kan reageren terwijl het een ongeldig schema levert. Een workflow kan voltooien na het beslissingsvenster van de klant. Het incidentenregister moet leveranciersstoringen, verminderde kwaliteit, ophaalfouten, verouderde data, toolfouten, beveiligingsincidenten, afwijkende uitgaven en achterstanden bij menselijke beoordeling omvatten.

Zekerheid

Het SSDF-communityprofiel van NIST voegt generatieve AI-praktijken toe aan veilige softwareontwikkeling [25]. CISA en NCSC behandelen veilig ontwerp, ontwikkeling, implementatie en exploitatie voor AI-systemen [26]. OWASP identificeert risico's, waaronder promptinjectie, openbaarmaking van gevoelige informatie, kwetsbaarheden in de toeleveringsketen en onbegrensde consumptie [27]. MITRE ATLAS biedt een evoluerende kennisbasis van dreigingen voor voorspellende, generatieve en agentische AI-systemen [28].

Beveiligingscertificeringen en penetratietests zijn bewijs binnen hun reikwijdte en datum. Ze vervangen geen architectuurbeoordeling, incidentgeschiedenis of klantspecifieke controles.

Datarechten, privacy, regelgeving en intellectueel eigendom

Exacte dienstvoorwaarden

OpenAI stelt dat zakelijke en API-inputs en -outputs standaard van training worden uitgesloten [18]. De dienstenovereenkomst ervan legt de zakelijke relatie en de relevante contentrechten vast [19]. Anthropic publiceert informatie over gegevensgebruik bij commerciële producten [20]. De voorwaarden van Google Gemini API maken onderscheid tussen onbetaalde en betaalde diensten, waaronder het gebruik van ingediende content en menselijke beoordeling voor onbetaalde diensten, en een andere behandeling voor betaalde diensten [21]. De richtlijnen van Google voor zero data retention wijzen productinstellingen en functies aan die relevant zijn voor retentie [40].

Deze voorwaarden kunnen wijzigen. Het bedrijf moet gedateerde contractdocumenten, accountinstellingen en bewijs van gegevensstromen bewaren. Een privacyantwoord dat uitsluitend is gebaseerd op een publieke verklaring van een aanbieder over het merk als geheel is onvolledig.

Datarechtenregister

De registratie moet gegevenskwaliteit en bruikbaarheid afzonderlijk van juridische rechten vastleggen. Rechtmatige gegevens kunnen irrelevant zijn. Bruikbare gegevens kunnen onbruikbaar zijn omdat het vereiste recht ontbreekt.

UAE, DIFC, ADGM, Saoedische en Britse gegevensbescherming

De UAE Federale decreetwet nr. 45 van 2021 stelt binnen zijn toepassingsgebied een federaal kader voor persoonsgegevens vast [33]. DIFC-verordening 10 behandelt de verwerking van persoonsgegevens door autonome en semi-autonome systemen [34]. ADGM-richtsnoeren behandelen geautomatiseerde individuele besluitvorming, waaronder de noodzaak van betekenisvolle menselijke beoordeling in relevante gevallen [35]. De Saoedische PDPL en het uitvoeringskader leggen verplichtingen voor verwerkingsverantwoordelijken binnen het toepassingsgebied vast [36]. Het Britse Information Commissioner's Office publiceert AI richtsnoeren over rechtmatigheid, behoorlijkheid, transparantie, doelbinding, minimale gegevensverwerking, juistheid, opslag, beveiliging en verantwoordingsplicht [37].

Deze tabel is een due-diligence-index. Zij vormt geen juridische conclusie.

Rollen en transparantie onder de EU-AI-verordening

De EU-AI-verordening onderscheidt modelaanbieders, systeemaanbieders, gebruikers en andere exploitanten en legt verplichtingen op naar rol en risico [31]. De Europese Commissie stelt dat de transparantieverplichtingen van artikel 50 gelden vanaf 2 augustus 2026, met een specifieke overgangsregeling voor bepaalde systemen die eerder op de markt zijn gebracht [32]. Een GCC-onderneming kan onder het toepassingsgebied vallen door het op de markt brengen van een product, inzet of getroffen personen in de Unie, afhankelijk van de feiten.

De product-rolmatrix moet voor elke use case en jurisdictie worden ingevuld. Een onderneming kan aanbieder zijn voor de ene functie, gebruiker voor een andere en integrator verderop in de keten van een algemeen inzetbaar model van een derde. De contracttaal moet aansluiten bij de feitelijke architectuur en beheersing.

Auteursrecht, octrooi en herkomst van code

Het Amerikaanse Copyright Office heeft rapporten gepubliceerd over digitale replica's, de auteursrechtelijke beschermbaarheid van outputs van generatieve AI en training van AI [38]. De herziene richtlijnen van het USPTO van november 2025 stellen dat de gebruikelijke maatstaven voor uitvinderschap gelden voor uitvindingen met ondersteuning van AI en dat alleen natuurlijke personen uitvinder kunnen zijn [39]. Overeenkomsten met aanbieders en licenties voor open modellen verdelen en reserveren verschillende rechten [19,21,22].

Gegenereerde code moet dezelfde controles op het gebied van review, tests, beveiliging, herkomst en licenties doorstaan als door mensen geschreven code. Due diligence moet een steekproef nemen van commits en afhankelijkheden in plaats van alleen op een beleidsdocument te vertrouwen.

Omzetkwaliteit, retentie en distributie

Van contract tot inning

Omzetunderwriting begint met een brug op klantniveau. De brug verbindt kans, ondertekend contract, prestatieverplichting, producttoegang, gebruik, geaccepteerde uitkomsten, factuur, inning, tegoed, tegemoetkoming, verlenging en uitbreiding. Het identificeert ook relaties met wederverkopers, gelieerde partijen, het oprichtersnetwerk en strategische partners.

Jaarlijkse terugkerende omzet moet een schriftelijk beleid hebben. De investeerder moet toetsen of pilots, afnameverplichtingen, implementatie, professionele diensten, niet-opzegbare contracten, minimale gebruiksvolumes, eenmalige vergoedingen en achterstallige facturen zijn meegenomen. Gerapporteerde ARR moet binnen het beleid aansluiten op een klantenschema en het grootboek.

Cohorten

Een cohort groepeert vergelijkbare klanten op basis van startperiode, segment, product, contract of acquisitiebron. Omzetretentie moet zowel op bruto- als op nettobasis worden getoond. Logo-retentie moet naast omzetretentie staan, omdat één klant die uitbreidt, een brede klantuitval kan verbergen.

De onderneming moet de omvang en leeftijd van het cohort bekendmaken. Een jong cohort kan een hoge netto retentie laten zien vóór de eerste betekenisvolle verlenging. Een klant met een grote initiële uitrol kan krimp veroorzaken zonder ontevredenheid. Het bewijs moet de beweging verklaren.

Concentratie

Concentratie wordt gemeten aan de hand van omzet, brutowinst, incassering, geaccepteerde uitkomsten, pipeline en kritieke datarechten. Een klant met een hoge omzet kan een lage marge hebben door toegewijde infrastructuur, diensten, ondersteuning of modelverbruik. Een designpartner met een lage omzet kan operationeel kritisch zijn omdat het product afhankelijk is van zijn data of domeinexpertise.

Verkoopefficiëntie

Klantacquisitiekosten moeten verkoopbeloningen, marketing, evenementen, tijd van oprichters, kanaalvergoedingen, oplossingsengineering, beveiligings-due-diligence, pilots en implementatie omvatten voor zover deze nodig zijn om het cohort binnen te halen. De terugverdientijd gebruikt de brutowinst van het cohort in plaats van de omzet.

Een onderneming in een vroege fase kan de onderliggende activiteit rapporteren, zelfs wanneer een stabiele CAC niet beschikbaar is. Nuttig bewijs omvat oprichtersuren per fase, aantal beveiligingsreviews, duur van pilots, implementatie-inspanning, win-/verliesredenen en de tijd van ondertekening tot productieacceptatie.

Unit-economics, brutomarge en kapitaalplan

Kostenledger per uitkomst

De prijsstelling van providertokens is slechts één kostenpost [13-16]. De volledige kosten van een geaccepteerde uitkomst kunnen bestaan uit toegang tot bronsystemen, documentverwerking, embeddings, retrieval, contextopslag, modelinvoer en -uitvoer, caching, grounding, tools, code-uitvoering, nieuwe pogingen, mislukte aanroepen, orkestratie, observeerbaarheid, beveiliging, menselijke beoordeling, ondersteuning en klantspecifieke infrastructuur.

Illustratieve brutowinstbrug

Stel, uitsluitend ter illustratie, dat één klant per maand 10.000 geaccepteerde uitkomsten afneemt tegen USD 1.20 per stuk. De maandelijkse omzet is USD 12,000.. De kosten voor model en retrieval zijn USD 1,650; de kosten voor tools en infrastructuur zijn USD 900; de kosten voor menselijke beoordeling zijn USD 1,800; de kosten voor toewijzing van support en betrouwbaarheid zijn USD 750.. De illustratieve brutowinst is USD 6,900 en de brutomarge is 57,5%.

Elke input in dit voorbeeld is een hypothetische aanname voor de modellering. Het vormt geen bewijs voor enig bedrijfs- of klantresultaat. Toegerekende omzet, kostenreductie en verliesreductie blijven USD 0.

Marge-decompositie

De margemutatie moet worden uitgesplitst naar prijs, volume, mix, modelroute, prompt-/contextgrootte, caching, batchgebruik, beoordelingspercentage, uitvalpercentage, klantspecifieke service en boekhoudkundige classificatie. De openbaarmaking van Duolingo uit 2025, waarin generatieve AI- en hostingkosten aan de beweging van de brutomarge worden gekoppeld, illustreert waarom directe AI-kosten in de brug thuishoren [10]. De verschillende brutomarges die Palantir, UiPath en C3 AI rapporteren, illustreren variatie in product en businessmodel [7-9].

Een dalende prijs van de aanbieder kan de marge verbeteren. Het kan ook prijsconcurrentie uitlokken, nieuwe toetreders mogelijk maken of een modelroute van hogere kwaliteit ondersteunen die de kostprijs per eenheid behoudt. Underwriting moet de reactie van de onderneming modelleren in plaats van aan te nemen dat alle besparingen van de aanbieder bij de aandeelhouders blijven.

Kapitaalintensiteit

Applicatiebedrijven kunnen kapitaallicht of kapitaalintensief zijn. De kapitaalbehoefte stijgt met lange enterprise-verkoopcycli, dedicated implementaties, data-acquisitie, modeltraining, gegarandeerde capaciteit, gereguleerde vergunningen, beveiligingseisen, menselijke operaties en werkkapitaal. Vastgelegde clouduitgaven kunnen een vaste verplichting creëren voordat het klantvolume arriveert.

Runway-brug

Het runwaymodel moet starten met door de bank geverifieerde kas en de maandelijkse ontvangsten en betalingen afstemmen. Het management past vervolgens poorten toe voor personeelswerving, leveranciers, verkoop en regelgeving. Het bestuur moet basis-, vertragings-, lagere-omzet-, kostenschok- en geen-financieringsronde-scenario's zien.

Het plan moet vastgelegde, gecontracteerde, goedgekeurde, discretionaire en niet-goedgekeurde uitgaven onderscheiden. De aanwending van middelen wordt een lijst van bewijsmijlpalen: productieacceptatie, representatieve evaluatie, verlengingscohort, brutomarge-drempel, leveranciersmigratie, beveiligingsvereiste of vergunningsstap.

Underwriting-scorecard, investeringsmemorandum en neerwaarts scenario

Scorecard-ontwerp

De scorecard registreert de toereikendheid van bewijs, niet het charisma van de oprichter of enthousiasme over de categorie. Elk domein krijgt een status: geverifieerd, gedeeltelijk geverifieerd, door het management geschat, niet onderbouwd of ongunstig. Een numerieke score kan consistentie ondersteunen, maar mag een kritiek probleem niet verhullen.

De wegingen zijn hypothetische modelaannames. De investeringscommissie dient haar eigen wegingen en kritieke blokkades goed te keuren.

Bewijspakket voor investeringsmemo

Neerwaartse scenario's

Alle shocks zijn hypothetische, illustratieve voorbeeldinputs. Het due-diligence-team moet ze vervangen door bedrijfsspecifiek bewijs en door de commissie goedgekeurde ernstniveaus.

Waardering en structuur

De waarderingsanalyse moet actueel bewijs scheiden van optiewaarde. Huidige waarde kan gebruikmaken van waargenomen omzet, retentie, brutowinst, groei en kaskenmerken. Optiewaarde kan nieuwe producten, regio's, datasets of modelcapaciteit weerspiegelen en moet waarschijnlijkheid, kapitaal en tijd meewegen.

Structuur kan bewijshiaten aanpakken via gefaseerde financiering, mijlpalen, reserves, informatierechten, toestemmingsrechten, bestuursrechten, vesting van oprichters, optiepools en garanties. De juridisch adviseur moet de transactie opstellen en beoordelen. Mijlpalen moeten binnen de invloedsfeer van het management liggen en worden gedefinieerd door controleerbaar bewijs.

Playbooks voor oprichters en investeerders

Index van de due-diligencekamer voor oprichters

De oprichter moet originele bescheiden bewaren en reconciliaties verstrekken in plaats van een geordende verzameling gunstige screenshots. Klantidentificeerbare en persoonsgegevens mogen alleen worden gedeeld onder passende bevoegdheid en controles.

Veldwerk door investeerder

De investeerder begint met een verzoeklijst en een bewijskaart. Hij neemt steekproeven van klanten uit de groepen behouden, uitgebreid, pilot, afgehaakt en gemiste kansen. Hij reproduceert een afgebakende evaluatie. Hij volgt geselecteerde contracten tot gebruik, facturen en kasstromen. Hij stemt leveranciersfacturen af op telemetrie. Hij neemt steekproeven op eigendom van broncode en datarechten. Hij test één leveranciersmigratie. Hij beoordeelt incidenten en rapportage aan de raad van bestuur.

Vragen aan het management

1. Welke exacte uitkomst voor de klant wordt geaccepteerd, door wie en onder welke kwaliteitsdrempel?
2. Welke productietaak faalt het vaakst, en wat is het gevolg daarvan voor de klant?
3. Welk gerapporteerd productiviteitsresultaat heeft een waargenomen nulmeting en een tegenfeitelijke vergelijking?
4. Welke leverancier, welk model of welke tool is cruciaal voor omzetbehoud?
5. Hoe lang zou een representatieve migratie duren, en wanneer is deze voor het laatst getest?
6. Welke dataclaim heeft het zwakste bewijs van rechten?
7. Welke klantcohort genereert de hoogste geïnde brutowinst?
8. Welke klant vereist de meeste menselijke beoordeling of ondersteuning?
9. Welke materiële claim in het pitchdeck blijft een managementinschatting?
10. Welk resultaat zou het management ertoe brengen het product te beperken, opnieuw te ontwerpen of stop te zetten?
11. Welk liquiditeitsplan geldt als de volgende financiering zes maanden wordt uitgesteld?
12. Welke mijlpaal zet de grootste resterende onzekerheid om in bewijs?

Routekaart met poorten voor 12-18 maanden

De routekaart begint met definitie en afstemming. Zij doorloopt representatieve evaluatie, productiebewijs, behouden economische waarde en financieringsgereedheid. De kalenderplanning hangt af van de bedrijfsstatus, het klantproces en regelgevende vereisten.

De routekaart is een reeks bewijspoorten. Een bedrijf kan sneller opschieten wanneer betrouwbaar bewijs al voorhanden is. Het kan in een fase blijven wanneer een poort niet wordt gehaald. De beslissing kan zijn: doorgaan, beperken, herontwerpen, als onderzoek aanhouden of stoppen.

Beperkingen, onderzoeksagenda en conclusie

Dit onderzoekspaper presenteert een due-diligencekader op basis van openbaar bewijs. Het rapporteert geen investering, klantencohort, productie-evaluatie of financieel rendement. Marktgegevens hebben betrekking op verschillende datasets en perioden. Openbaarmakingen van beursgenoteerde ondernemingen beschrijven volwassen bedrijven met economische profielen die mogelijk niet lijken op die van een private startup in de applicatielaag. Prijzen en voorwaarden van leveranciers kunnen wijzigen na de afsluiting van de bewijsbasis.

Het kader vereist bedrijfsbewijs voor implementatie. Toekomstig onderzoek moet geanonimiseerde cohorten van contract tot cash, de economie van geaccepteerde uitkomsten, modelmigraties, incidentkosten en waarderingsuitkomsten per applicatiecategorie analyseren. Vergelijkende studies moeten volledige afbakeningen rapporteren voor werklast, model, prompt, tool, beoordeling, latentie, fouten en kosten. GCC-onderzoek moet federale, DIFC-, ADGM- en Saoedische juridische contexten onderscheiden en gekwalificeerde juridische analyse gebruiken.

De investeringsconclusie is gedisciplineerd. AI-native applicatiebeoordeling begint met één waardevolle klantworkflow en één kwaliteitsgecorrigeerde geaccepteerde uitkomst. Vervolgens volgt het bewijs via architectuur, modeltoeleveringsketen, evaluatie, datarechten, productiegebruik, contract, inning, cohort, kosten en beheersing. Het bedrijf krijgt een AI-native classificatie wanneer deze keten materieel en reproduceerbaar is. Het krijgt een investeringscase wanneer behouden klantwaarde, brutowinst, governance en financieringsprijs in een neerwaarts scenario geloofwaardig blijven.

Voor investeerders verandert het kader categorie-enthousiasme in een claimregister, veldwerkplan, scorecard en op bewijs gebaseerd memorandum. Voor oprichters creëert het een beheersysteem voor productkwaliteit, klantwaarde, afhankelijkheid van leveranciers, datarechten, brutomarge en gereedheid voor fondsenwerving. Beide partijen profiteren van één afgestemde bewijskamer en een expliciete omgang met onzekerheid.