Basalt haalt $5M op om het AI betrouwbaarheidsprobleem aan te pakken

Parijs en San Francisco, 2 december 2025 – Vandaag kondigt Basalt een financieringsronde van 5 miljoen dollar aan om het vertrouwen in AI-agents te herstellen. Hoewel het lanceren van een AI-agent eenvoudig is, blijft het opschalen met consistente performance op productieniveau een grote uitdaging en mislukken de meeste AI-implementaties bij grote bedrijven. Basalt gebruikt deze nieuwe financiering om zijn missie te versnellen om het platform te worden waarop bedrijven vertrouwen om 99% kwaliteit te bereiken in hun AI-toepassingen. Het bedrijf bewijst de vraag nu al, met klanten als Swan en HealthHero, en wordt gesteund door toonaangevende investeerders zoals Entourage, Peak, Alpha Star, Kima Ventures en Hexa.

-AI kampt met een betrouwbaarheidscrisis
AI-agents verspreiden zich razendsnel over sectoren heen en beloven enorme productiviteitswinsten. Maar bij grote ondernemingen mislukt het merendeel van de implementaties nog steeds door een gebrek aan betrouwbaarheid. Wanneer een agent inconsistente of middelmatige resultaten levert, verdwijnt het vertrouwen en aarzelen organisaties om het op te schalen naar kritieke processen.

–Waarom is het zo moeilijk om een betrouwbare AI-agent te bouwen?
AI-agents hebben vandaag vooral om twee redenen moeite met betrouwbaarheid. Ten eerste vereist het behalen van hoogwaardige performance voortdurende iteratie op prompts, een workflow die sterk verschilt van traditionele softwareontwikkeling. Ten tweede zijn de beschikbare tools om AI-kwaliteit te beoordelen grotendeels ontwikkeld voor engineers, waardoor de input wordt beperkt die nodig is om te bepalen en te valideren wat een ‘goed’ resultaat is. Basalt lost dit op met het eerste collaboratieve AI-engineeringplatform, ontworpen om bedrijven te helpen 99% kwaliteit te behalen in hun AI-applicaties.

“Iedereen kan een AI-prototype lanceren, maar de stap van 80% kwaliteit naar echt productieniveau blijft erg lastig. De laatste 20% vraagt om constante iteratie op prompts en leren van edge cases – net als een kind dat leert lopen, een stap zet, struikelt, begrijpt waarom, en zich aanpast. AI-systemen hebben diezelfde herhaalde blootstelling en correctie nodig om echt betrouwbaar te worden”, aldus Guillaume, medeoprichter van Basalt.

-De nieuwe benadering voor betrouwbare AI
Basalt bouwt het platform waarmee teams hun AI-agents van vroege prototypefase naar productiekwaliteit brengen. Echte betrouwbaarheid vereist snelle, teamwijde iteratie, en niet alleen van de engineers.
“Prompts zijn de nieuwe bouwstenen van AI-agents, zoals code de bouwsteen is van software”, zegt François de Fitte, medeoprichter van Basalt samen met Guillaume. “Het verschil is dat prompts niet vereisen dat je ‘JavaScript spreekt’, alleen Engels. Daarom kan en moet betrouwbaarheid in handen liggen van iedereen, van PM’s tot operators en domeinexperts…”

–Drie kerncapaciteiten om productieniveau te bereiken
Basalt focust op de drie cruciale pijlers die essentieel zijn voor elk AI-team bij het ontwikkelen van betrouwbare agents:
1) Experimenteren – Probeer nieuwe prompts of koppel ze aan elkaar, vergelijk LLM’s en valideer verbeteringen voordat er iets live gaat. Beweeg snel zonder de gebruikerservaring te verstoren.
2) Evalueren – Voer gestructureerde tests uit over honderden of duizenden scenario’s, scoor outputs automatisch en vang fouten direct af. Breng structuur en discipline aan waar vroeger vooral op onderbuikgevoel werd vertrouwd.
3) Monitoren – Begrijp hoe je agent zich in de echte wereld gedraagt. Breng hallucinaties, regressies of onverwacht gedrag meteen aan het licht zodra ze optreden. Voeg deze fouten toe als nieuwe scenario’s om te testen in je volgende experimenten.

Productmanagers bij bedrijven als Swan en HealthHero gebruiken Basalt om direct fouten te beoordelen, nieuwe promptversies of verschillende LLM’s te testen en updates direct naar productie te brengen.

-Financiering
Om deze missie te versnellen, kondigt Basalt een financieringsronde van $5M aan, geleid door Entourage (Aïkido, Epiminds, Conveo) en Peak (Workwize, Catawiki, Studocu), met deelname van onder meer Hexa, Alpha Star en Kima Ventures.
Quotes van investeerders
PJ, Entourage: “AI-agents worden de nieuwe software-werkvloer, en Basalt bouwt het systeem dat ze verantwoordelijk en betrouwbaar houdt. Dit is een kans die maar eens in de tien jaar langskomt, en Basalt heeft het potentieel om een duidelijke categorie-leider te worden.”
Tea, Peak: “Basalt doet voor AI-agents wat Datadog heeft gedaan voor cloudinfrastructuur. Elke onderneming zal deze betrouwbaarheidslaag nodig hebben, en de gezamenlijke aanpak van Basalt loopt ver voor op de markt.”
Thibaud, Hexa: “In een wereld waarin AI-systemen steeds meer beslissingen nemen, wordt vertrouwen de ultieme valuta. Basalt is het bedrijf dat vertrouwen verandert in iets meetbaars, traceerbaars en schaalbaars. Guillaume en François begrijpen dit probleem op een diepgang die we zelden zien.”

-Over Basalt
–Oprichters
Basalt is opgericht door serie-ondernemers Guillaume Marquis (Virtual Brain, Blockpulse) en François de Fitte (Popchef). Het hoofdkantoor van het bedrijf staat in San Francisco, terwijl het techteam is gevestigd in Parijs. De middelen stellen het bedrijf in staat om meer technisch talent aan te nemen in Frankrijk en de VS.

–Het verhaal achter Basalt
Toen Guillaume werkte aan Virtual Brain, zijn vorige startup, merkte hij dat zijn team voortdurend prompts uit Notion of Google Sheets kopieerde en plakte in de codebase zodra ze ook maar een kleine wijziging wilden testen. Basalt begon als een eenvoudige Prompt-Registry om dit proces te versnellen en nieuwe LLM’s snel uit te proberen zodra ze beschikbaar kwamen. Maar al snel realiseerden beide oprichters zich dat de echte pijn niet lag in het tweaken van prompts, maar in het itereren op basis van wat er daadwerkelijk gebeurde bij echte klanten.

Ze zagen dat AI-engineering helemaal niet lijkt op traditionele softwareontwikkeling. Het vereist een constante wisselwerking tussen observatie en experiment, anders zal de kwaliteit stagneren.

“Ik was verbijsterd toen ik zag dat grote bedrijven Excelsheets gebruikten om op prompting te itereren en niemand enig idee had hoe goed AI in productie eigenlijk werkte. Sommige bedrijven zeiden: ‘we hebben geen feedback, dus het lijkt goed te werken’. Dat mist de kern: AI is niet binair; sommige AI-outputs zijn niet fundamenteel fout, ze zijn gewoon middelmatig en werken niet goed genoeg om echt bruikbaar te zijn.”