AI in Azure: welke diensten heb je nodig per AI-toepassing?

Auteur blog

Jelte van Zanten

Marketing stagiair

03 maart 2026

7 minuten om te lezen

Je krijgt de vraag “we willen iets met AI”. In deze blog lees je hoe je een AI-toepassing in Azure opknipt in heldere bouwstenen en welke Azure-diensten daar meestal bij passen, zodat je sneller weet waar je moet beginnen.

Bouwstenen van een AI-toepassing

AI-toepassingen worden vaak als één geheel besproken, terwijl ze in de praktijk uit losse onderdelen bestaan. Dat is precies waarom de dienstkeuze soms vaag voelt. De meeste oplossingen hebben vier bouwstenen: een model dat genereert of herkent, een inputkanaal (tekst, spraak, beeld, documenten), een bron voor eigen data, en guardrails zoals filtering, logging en toegangscontrole.

Met die opsplitsing wordt de dienstkeuze concreet: per bouwsteen hoort een set Azure-services die goed aansluit op het werk dat je wilt doen.

Microsoft Foundry, Foundry Tools en Foundry Models

Microsoft bundelt een groot deel van AI-ontwikkeling in Azure onder Microsoft Foundry. In omgevingen en documentatie komen nog meerdere namen voor, omdat de branding de afgelopen jaren is verschoven.

Binnen Foundry zijn grofweg drie onderdelen relevant.

Foundry Tools zijn kant-en-klare AI-capabilities, zoals Vision, Speech, Language, Translator, Document Intelligence en Content Understanding. Dit is de verzameling die eerder vaak “Azure AI services” of “Cognitive Services” heette.

Voor generatieve AI met grote taalmodellen wordt meestal Azure OpenAI gebruikt binnen Foundry Models. Model- en API-beschikbaarheid verschilt per resource, regio en omgeving.

Voor het trainen, uitrollen en beheren van eigen machine-learningmodellen (inclusief MLOps) is Azure Machine Learning de logische plek. Dat past bij scenario’s waar je lifecyclebeheer, experimenten, pipelines en deployment als volwaardig proces wilt inrichten.

AI-diensten in Azure per toepassing

Onderstaande mapping is een startpunt. In bijna alle scenario’s zijn daarnaast ook “gewone” Azure-diensten nodig voor de applicatielaag, plus opslag en identity. Denk ook aan netwerkkeuzes, secrets, logging/monitoring en het scheiden van dev, test en productie.

Chat-assistent met interne kennis (RAG)

Een chat-assistent die antwoorden moet baseren op interne documenten gebruikt meestal een RAG-patroon: retrieval augmented generation. Azure OpenAI verzorgt de dialoog en het genereren, terwijl Azure AI Search dient als retrieval-laag.

Azure AI Search indexeert content en haalt relevante passages terug met tekst-, semantische en vectorzoektechnieken. De applicatie voegt die passages als context toe aan de prompt. Dat levert antwoorden op die beter te herleiden zijn naar bronnen en minder gevoelig zijn voor “opvullen” zonder basis.

Documenten omzetten naar data (facturen, contracten, formulieren)

Voor extractie van tekst, tabellen en key-value data uit documenten past Azure Document Intelligence vaak goed. Dit is doorgaans voorspelbaar en goed testbaar, wat belangrijk is bij vaste documentstromen.

Bij sterk variërende input, multimodale verwerking of schema-gestuurde extractie is Azure Content Understanding een alternatief. Die dienst kan ongestructureerde content omzetten naar gestructureerde output, met confidence scores en grounding. Daarmee wordt het makkelijker om grenzen te stellen: wanneer is de output “goed genoeg” en wanneer is controle of escalatie nodig?

Spraak transcriberen, voorlezen of een voice interface

Voor speech-to-text en text-to-speech is Azure Speech de basis. Dit wordt gebruikt voor transcriptie, voice bots en spraakgestuurde apps. In voice scenario’s zit het grootste ontwerpwerk daarna vaak in orchestration: de koppeling tussen transcriptie, applicatielogica en eventuele generatieve antwoorden.

Beeld of video analyseren (inspectie, DAM, toegankelijkheid)

Voor beeldanalyse en computer vision-mogelijkheden ligt Azure Vision voor de hand. Afhankelijk van de use case gaat het om herkennen, classificeren, metadata verrijken of toegankelijkheid verbeteren.

Houd rekening met productwijzigingen: onderdelen en mogelijkheden binnen vision-diensten kunnen veranderen. Controleer richting productie altijd de actuele status, regio-ondersteuning en de exacte API’s die worden gebruikt.

Tekst begrijpen en meertalig maken (klassieke NLP en vertaling)

Voor consistente, niet-generatieve taalbewerkingen zijn Azure Language en Azure Translator praktisch. Denk aan tekstanalyse, classificatie en het extraheren van kenmerken, plus vertaling voor meertalige workflows.

Klassieke NLP is vaak goed uitlegbaar en stabiel, vooral wanneer herhaalbaarheid en voorspelbaarheid belangrijker zijn dan creatieve generatie.

.

Safety en guardrails die in elk scenario terugkomen

Veiligheid loopt door alle use cases heen. Azure AI Content Safety helpt bij het detecteren van schadelijke of ongewenste content in prompts en outputs, voor zowel tekst als beeld.

Daarnaast bepalen “standaard” guardrails of een oplossing production-ready is: toegangscontrole, auditability, monitoring, evaluaties en duidelijke afspraken over datagebruik en datalocatie.

Praktische aanpak voor de dienstkeuze

De dienstkeuze wordt het snelst helder door eerst input en output vast te leggen en pas daarna het model te kiezen. Een chatbot die “documenten moet begrijpen” blijkt in veel projecten vooral een documentverwerkingsvraag. En een “AI-zoekfunctie” is meestal primair retrieval, niet alleen een taalmodel.

Een bruikbare eerste stap is een minimale keten die direct te testen is met echte voorbeelden. Voor RAG is dat meestal:

Indexeer documenten in Azure AI Search.
Haal de beste matches op bij een vraag.
Voeg die passages toe als context en laat Azure OpenAI het antwoord formuleren.

Zo wordt snel zichtbaar of de data geschikt is, of vragen aansluiten op de bronnen en waar extra guardrails nodig zijn.

Daarna volgt het werk dat in Azure-projecten altijd terugkomt: identity en secrets, netwerkkeuzes, logging/monitoring en het scheiden van dev, test en productie. Binnen Foundry spelen daarnaast hub- en projectstructuren een rol om resources en governance te groeperen.

Veelgemaakte fouten

De meest voorkomende fout is proberen alles met één LLM op te lossen. Een taalmodel is flexibel, maar voor vaste extractie uit formulieren of scans is een documentdienst vaak voorspelbaarder en beter te controleren.

Een tweede fout is onvoldoende grounding. Zonder retrieval-laag, zoals Azure AI Search, kan een assistent overtuigend klinken terwijl er geen bron onder ligt.

Een derde fout is safety pas laat toevoegen. Content filters, evaluatie en logging horen in het ontwerp, niet in de laatste sprint.

Wil je meer weten over het gebruiken van AI-diensten in Azure? Neem dan gerust contact met ons op.

Ontdek hier onze Azure AI trainingen

Swipe voor meer

Microsoft Azure AI Fundamentals (AI-900)
- 1 dag
In de Microsoft Azure AI Fundamentals (AI-900) cursus ontvang je een grondige introductie tot de fundamentele concepten van kunstmatige intelligentie en de implementatie ervan in Microsoft Azure. Deze AI-900 training behandelt diverse AI-diensten, waaronder machine learning, spraak- en beeldherkenni
Bekijk deze training
Swipe voor meer

Designing and Implementing a Microsoft Azure AI Solution (AI-102)
- 4 dagen
De Designing and Implementing a Microsoft Azure AI Solution (AI-102) training richt zich op het ontwerpen en implementeren van AI-oplossingen met Microsoft Azure. Je leert hoe je AI-modellen bouwt, integreert en implementeert met Azure Cognitive Services, Azure Machine Learning en bots. Deze AI-102
Bekijk deze training
Swipe voor meer

Implement knowledge mining with Azure AI Search (AI-3022)
- 1 dag
In de training Implement knowledge mining with Azure AI Search (AI-3022) leer je hoe jij door middel van Azure AI Search krachtige AI-gestuurde zoekoplossingen kunt ontwikkelen, optimaliseren en beheren. Je zult praktische vaardigheden verkrijgen in Azure AI Language en machine learning (ML)-modelle
Bekijk deze training
Swipe voor meer

Create document intelligence solutions with Azure AI Document Intelligence (AI-3002)
- 1 dag
De training Create document intelligence solutions with Azure AI Document Intelligence (AI-3002) bereidt jou optimaal voor om geavanceerde document intelligence-oplossingen te ontwerpen en te implementeren met behulp van Azure AI. Door de AI-3002 training te volgen zul je ontdekken hoe jij AI-techno
Bekijk deze training
Swipe voor meer

Develop AI agents on Azure (AI-3026)
- 1 dag
In de training Develop AI agents on Azure (AI-3026) wordt het ontwikkelen en inzetten van intelligente AI-agents binnen Microsoft Azure behandeld. Je leert bijvoorbeeld hoe jij met Azure AI Foundry slimme agents kunt ontwikkelen die zelfstandig taken uitvoeren en samenwerken met andere systemen. De
Bekijk deze training