Synthetische trainingsdata licentiëren? Waarom een eeuwigdurende datasetdeal op dag één wordt geboekt en een op gebruik gebaseerde deal wordt geboekt naarmate deze wordt verbruikt

Je hebt zojuist een datasetlicentie van $240.000 ondertekend. Hoeveel omzet heb je deze maand behaald? Het antwoord kan $240.000, $20.000 of $0 zijn — en de clausule die je op pagina negen van het contract vluchtig hebt doorgenomen, bepaalt welke van de drie. Doe je het verkeerd, dan is je omzet onjuist weergegeven, precies in de richting die due diligence bij fondsenwerving dwarsboomt, een herziening van de jaarrekening uitlokt of spookinkomsten op je belastingaangifte zet. Deze gids laat zien hoe elke gangbare vorm van een synthetische-datadeal zich verhoudt tot ASC 606, zodat het getal in je grootboek overeenkomt met de economische realiteit die je daadwerkelijk hebt ondertekend.

Waarom datasetlicenties plotseling je omzetmodel zijn​

Ontwikkelaars van AI raken door hoogwaardige publieke trainingsdata heen, en de markt bevestigt dat: analisten schatten de markt voor het genereren van synthetische data op ruwweg $500–710 miljoen in 2025–2026, met een groei van ongeveer 30–40% per jaar richting meerdere miljarden dollars begin jaren dertig. Omdat publieke webtekst slechts een fractie van 's werelds data is — de rest staat eigendomelijk op bedrijfsservers — betalen labs nu echt geld voor voorbereide datasets, en leveranciers licentiëren ze in een handvol herhaalbare vormen.

Marktwaarnemers beschrijven vier standaardstructuren: een vlakke licentie (één onderhandelde vergoeding voor een gedefinieerde dataset en gebruik), prijs per eenheid (per uur video, per record of per volumelaag), een terugkerende licentie (jaarlijks of meerjarig, vaak met refreshes en API-toegang), en prijs op basis van gebruik (per query, per token, per inferentie). Gepubliceerde cijfers lopen van een basisbedrag van $5.000 voor een enkele beoordeelde coderepository tot $4 miljoen of meer voor de gegevens van een grote operationele onderneming, met opvallende platformdeals zoals een gemeld $60 miljoen per jaar voor de feed van een groot forum en $1 tot $4 per minuut voor video. De standaardlicentievorm geeft de koper een eeuwigdurend, wereldwijd recht om modellen te gebruiken die al op jouw data zijn getraind, plus een eindige licentie op de dataset zelf, vaak beperkt tot een bepaald toepassingsgebied.

Elk van die vormen is een ander antwoord op de vraag wanneer omzet wordt verantwoord. De boekhoudkundige vraag is nooit "hoe groot is het contract" — het is "wanneer gaat de zeggenschap over wat je hebt beloofd over naar de klant."

Het ASC 606-kader: wat heb je eigenlijk beloofd?​

ASC 606 leidt elk klantcontract door vijf stappen — identificeer het contract, identificeer de prestatieverplichtingen, bepaal de transactieprijs, verdeel deze, en erken omzet naarmate elke verplichting wordt nagekomen. Bij datasetdeals doen twee classificatievragen het meeste werk.

Ten eerste: is de datasetlicentie functionele of symbolische intellectuele eigendom? Functionele IE heeft aanzienlijke op zichzelf staande functionaliteit — software, voltooide media, een dataset die de klant vandaag kan pakken en erop kan trainen. Symbolische IE heeft geen op zichzelf staande functionaliteit en ontleent haar waarde aan de voortdurende activiteit van de licentiegever — merken, handelsmerken, franchiserechten. Een geleverde synthetische dataset is een schoolvoorbeeld van functionele IE: de klant kan deze gebruiken op het moment dat je haar overdraagt. Die classificatie wijst op verantwoording op een bepaald tijdstip: omzet wanneer de licentie wordt verleend en de klant de data kan gebruiken en ervan kan profiteren.

Ten tweede: is een deel van de vergoeding een op verkopen of gebruik gebaseerde royalty voor die licentie? Zo ja, dan overschrijft een speciale uitzondering de normale regels voor variabele vergoeding: je erkent royalty-omzet pas bij het laatste van twee gebeurtenissen — de daaropvolgende verkoop of het gebruik vindt plaats, of de prestatieverplichting waaraan de royalty was toegewezen is nagekomen. In gewone taal: geen schattingen, geen prognoses, geen opbouw van verwacht gebruik. Je boekt royalty's wanneer de meter loopt.

Die twee regels verklaren elke dealvorm hieronder.

Eeuwigdurende deals: omzet bij levering, niet bij ondertekening​

Een eeuwigdurende licentie — één vergoeding, de klant houdt de dataset en de rechten op getrainde modellen voor altijd — is de eenvoudigste vorm. Je komt je prestatieverplichting na wanneer je de data levert en de klant deze kan gebruiken. Dat is meestal de downloadlink, de S3-overdracht of het live gaan van de API-inloggegevens, niet de dag waarop het contract wordt ondertekend en niet de dag waarop de factuur wordt betaald.

Drie valkuilen verschuiven die datum:

• Acceptatieclausules. Als het contract de klant 30 dagen geeft om schema, rij-aantallen of labelkwaliteit te valideren, is de zeggenschap mogelijk nog niet overgedragen tot de acceptatie (of tot het venster verstrijkt). Een "levering" die je in november hebt geboekt en die de klant in december formeel accepteert, is omzet van december.
• Meegebundelde refreshes. Een "eeuwigdurende licentie plus driemaandelijkse refreshes gedurende twee jaar" bestaat uit twee prestatieverplichtingen, niet één. Wijs een deel van de prijs toe aan de reeks refreshes en erken dat deel over de tijd naarmate elke refresh wordt geleverd. De eeuwigdurende basis wordt nog steeds bij de initiële levering geboekt.
• Invorderbaarheid. ASC 606 laat je alleen een contract hebben als de invordering van nagenoeg de gehele vergoeding waarschijnlijk is. Een eeuwigdurende licentie aan een klant die waarschijnlijk in gebreke blijft, is geen omzet op dag één; het is een kredietprobleem in een omzetkostuum.

Wanneer de levering schoon is, is de boeking even schoon: debet vordering, credit licentie-omzet voor de volledige vergoeding. Geen amortisatie, geen uitsmering — de klant heeft alles wat je hebt beloofd.

Op gebruik gebaseerde deals: boek de meter, nooit de prognose​

Deals per record, per token, per query en per inferentie zijn op gebruik gebaseerde royalty's voor een licentie op IE, dus de royalty-uitzondering is van toepassing: erken omzet naarmate het gebruik plaatsvindt, punt. Een jaarlijkse toezegging van $500.000 die de klant via API-aanroepen afbouwt, is geen $500.000 omzet in januari. Het is het gemeten gebruik van januari in januari, dat van februari in februari, enzovoort — zelfs als je de hele toezegging vooraf hebt gefactureerd.

Hier gaan de meeste dataleveranciers de fout in, in twee tegengestelde richtingen:

• De toezegging als omzet boeken. Het ondertekende orderformulier voelt als een verkoop. Dat is het niet — niet voordat de klant de data verbruikt. Het niet-verbruikte saldo is een contractverplichting (overlopende omzet), geen inkomen.
• "Verwacht" gebruik opbouwen. Onder de normale regels voor variabele vergoeding zou je kunnen schatten en beperken; de royalty-uitzondering verbiedt dat. Werkelijke gebruiksrapporten zijn de enige trigger. Loopt je meetpijplijn twee weken achter, dan loopt je omzet twee weken achter. Repareer de pijplijn in plaats van schattingen te boeken.

Minimale garanties en verrekenbare voorschotten​

Veel gebruiksdeals combineren een tarief per eenheid met een minimale garantie — zeg, $120.000 per jaar tegen $0,02 per record. De garantie is een ondergrens op de vergoeding, en de boekhouding hangt af van haar vorm:

• Niet-verrekenbaar minimum vooraf betaald: dit is vaste vergoeding. Voor een reeds geleverde licentie op functionele IE is deze doorgaans verantwoordbaar wanneer de licentie overgaat (onder voorbehoud van de gebruikelijke toewijzing als er andere verplichtingen bestaan). De klant betaalt het, of ze nu één record verbruikt of niet.
• Verrekenbaar voorschot: nu ontvangen geld, verrekend met toekomstige gebruiksroyalty's. Boek het bij ontvangst als een verplichting (overlopende omzet / klantvoorschotten). Naarmate het gebruik plaatsvindt, erken je de royalty-omzet en bouw je het voorschot af — debet de verplichting, credit de vordering of de geldverrekening. Als het voorschot aan het einde van de verrekeningsperiode hoger is dan de verdiende royalty's, hangt het van het contract af wat er met het tekort gebeurt: een bijbetaling die je behoudt is omzet wanneer de onzekerheid is opgelost; een terugbetaalbaar saldo blijft een verplichting tot het wordt terugbetaald of verdiend.
• Gebruik boven het minimum: gewone royalty's, erkend naarmate het gebruik plaatsvindt.

De verrekeningsmechanica verdient een concreet voorbeeld, want dit is de boeking die leveranciers het vaakst door elkaar halen:

2026-11-01 * "Dataset license delivered - perpetual base, invoice 1042"
  Assets:Receivable:Customer                 240000.00 USD
  Income:Licensing:Data                     -240000.00 USD
 
2026-11-01 * "Recoupable advance received - usage-based deal"
  Assets:Checking                             50000.00 USD
  Liabilities:Deferred-Revenue:Advances      -50000.00 USD
 
2026-11-30 * "November usage royalties earned - 2.1M records at $0.02"
  Assets:Receivable:Customer                  42000.00 USD
  Income:Licensing:Royalties                  -42000.00 USD
 
2026-11-30 * "Recoup November royalties against advance"
  Liabilities:Deferred-Revenue:Advances       42000.00 USD
  Assets:Receivable:Customer                  -42000.00 USD

Merk op wat ontbreekt: geen omzet op het voorschot van $50.000 wanneer het geld binnenkomt, en nergens een schatting — de $42.000 verschijnt pas wanneer het gemeten gebruik van november bekend is. De resterende $8.000 van het voorschot blijft in overlopende omzet staan tot het gebruik van december (of de bijbetalingsvoorwaarden van het contract) het oplost. Als je je boeken in platte tekst bijhoudt, behandelt de Beancount-documentatie het opzetten van inkomsten- en verplichtingenrekeningen zoals deze.

Tijdelijke licenties met refreshes: splits de deal voordat je boekt​

Jaarlijkse datasetlicenties met doorlopende refreshes, API-toegang of SLA's voor datakwaliteit liggen tussen de twee uitersten in. Vraag of de klant tijdens de looptijd doorlopende waarde ontleent aan jouw activiteit:

• Statische jaarlijkse momentopname, geen updates: dichter bij een op een bepaald tijdstip verantwoorde functionele licentie met een aan tijd gebonden gebruiksrecht. Omzet bij levering van de momentopname.
• Levende feed met refreshes en API-toegang: de reeks refreshes is een afzonderlijke prestatieverplichting die over de tijd wordt nagekomen. Verdeel de transactieprijs tussen de basismomentopname (bepaald tijdstip) en de refreshdienst (over de looptijd), en erken elk volgens zijn eigen patroon.
• Tijdelijke licentie met een gebruiksroyalty-aanvulling: splits vaste vergoeding en royalty-vergoeding. De vaste vergoeding volgt het licentepatroon; de royalty volgt de gebruiksuitzondering. Vermeng ze nooit tot één amortisatieschema.

De toewijzing hoeft niet tot op de cent nauwkeurig te zijn — op zichzelf staande verkoopprijzen kunnen worden geschat — maar ze moet er wel zijn. Eén enkele lineair uitgespreide "jaarlijkse licentie-omzet" voor een deal die in werkelijkheid een geleverde momentopname plus een gebruiksroyalty is, geeft beide helften onjuist weer.

De herkomstvoetnoot waarvan je omzet afhangt​

Een thema uit due diligence van M&A-advocaten verdient een financiële inkadering: het eigenaarschap van synthetische data is wankeler dan het lijkt. Onder de huidige Amerikaanse wetgeving is puur door AI gegenereerde output zonder voldoende menselijk auteurschap niet auteursrechtelijk beschermbaar, wat leveranciers naar bescherming via bedrijfsgeheimen en contracten drijft. Dat is op een nauwe maar reële manier van belang voor de omzetverantwoording: als je recht om de dataset te licentiëren met succes wordt aangevochten — een upstream-licentie verbiedt het trainen van concurrerende modellen op haar output, of de voorwaarden van het genererende model beperken commercieel gebruik van wat het voortbrengt — dan komen invorderbaarheid en zelfs de geldigheid van het contract in twijfel. Houd de volledige herkomstketen gedocumenteerd: welk model de data heeft gegenereerd, waarop dat model is getraind, en wat elke schakel in de keten toestaat. Omzet gebouwd op een dataset waarvan je niet kunt bewijzen dat je haar mag verkopen, is precies het soort bevinding dat een kwartaal ongedaan maakt.

Een financiële checklist voor je volgende datasetdeal​

Voordat je ondertekent, zorg dat het contract de vragen beantwoordt die je grootboek zal stellen:

1. Wat gaat er precies over, en wanneer? Leveringsmechanisme, acceptatiecriteria en -venster, en wat "geaccepteerd" betekent. Geen acceptatiedefinitie, geen schone datum op een bepaald tijdstip.
2. Wat overleeft beëindiging? Rechten op getrainde modellen overleven vrijwel altijd; toegang tot de dataset meestal niet. De splitsing bevestigt welke verplichtingen eeuwigdurend zijn en welke op de looptijd gebaseerd.
3. Hoe wordt gebruik gemeten en gerapporteerd? Meetbron, rapportagetiming en auditrechten. Je omzetafsluiting loopt in het tempo van de gebruiksrapporten.
4. Is het minimum verrekenbaar, terugbetaalbaar, of geen van beide? Eén woord in de betalingsclausule beslist tussen vaste omzet op dag één, een verplichting, en een terugbetalingsverplichting.
5. Welke refreshes of diensten lopen mee? Benoem elke prestatie afzonderlijk, zodat je de prijs kunt toewijzen en elk volgens zijn eigen patroon kunt erkennen.

Krijg die vijf antwoorden op papier en de boekhouding schrijft zichzelf: eeuwigdurende waarde bij levering, terugkerende waarde over de tijd, gebruiks waarde naarmate de meter loopt. Je volgende stap is je grootste openstaande datasetcontract erbij pakken en het door deze checklist halen — welke vraag het ook niet kan beantwoorden, is de omzetcorrectie die op het punt staat te gebeuren.