Wat is AI ‘grounding’ licensing en waarom is dit belangrijker dan trainingdeals?
AI-traininglicentieovereenkomsten lijken inmiddels verleden tijd nu publishers en platforms hun aandacht verleggen naar dynamischere, gebruiksgebaseerde modellen.
In plaats van de initiële trainingsdeals die jarenlang de basis vormden van AI-licentiesamenwerkingen tussen AI-platforms en nieuwsuitgevers, sluiten recente overeenkomsten zich meer aan bij een ander concept: wat in de sector vaak wordt aangeduid als “AI grounding.”
Wat bedoelen we met grounding?
In snel evoluerende digitale domeinen zoals AI, versnipperen termen al snel. Leveranciers, publishers, platforms en analisten bedenken hun eigen terminologie: denk aan “grounding”, “content inference compute” en “retrieval augmented generation” (RAG). Allemaal verwijzen ze naar min of meer hetzelfde principe. Wie geen zin heeft in jargon, noemt grounding en RAG simpelweg: “web search.”
Voor AI-engineers bestaan er subtiele technische verschillen, maar voor publishers gaat het vooral om de impact op hun inkomstenmodel. RAG/grounding verandert namelijk de manier waarop zij nu betaald worden, omdat large language models (LLMs) informatie steeds vaker ophalen in plaats van vertrouwen op oudere trainingsdata.
Van eenmalig bedrag naar terugkerende inkomsten
De oude praktijk van een eenmalige lumpsum-betaling maakt plaats voor terugkerende, gebruiksgebaseerde licentiedeals.
“Naarmate we meer richting RAG-deals bewegen, is het per-usage-element van de prijsstructuren hét bepalende onderdeel van de vergoeding geworden,” aldus Aaron G. Rubin, partner bij het strategische transacties- en licentieteam van advocatenkantoor Gunderson Dettmer.
Training vs. Grounding deals
Trainingdeals:
-
Betaling vooraf of vaste vergoeding over meerdere jaren.
-
Content wordt gebruikt om het AI-model te trainen.
-
Voorbeeld: The New York Times sloot een deal met Amazon ter waarde van $20 miljoen. News Corp deed iets vergelijkbaars voor $50 miljoen.
Grounding/RAG-deals:
-
Vergoeding gebaseerd op het aantal keren dat AI-systemen live content van publishers ophalen.
-
Relevant voor actuele informatie die niet in de trainingsdata zit.
-
Voorbeeld: een prompt als “Geef me een update over de ontmoeting tussen Trump en Zelensky vorige week” vereist dat de AI-engine live data ophaalt.
Het grounding-model creëert structurele kansen voor terugkerende licentie-inkomsten, zichtbaarheid en correcte bronvermelding. In tegenstelling tot trainingsdeals, die vooral éénmalige opbrengsten opleveren, biedt grounding een doorlopende stroom van waarde.
*Dit artikel is vertaald naar het Nederlands
