Wat is AI? Uitleg voor bedrijven, in gewone taal

Over AI hoor je veel woorden door elkaar: algoritmes, machine learning, deep learning, LLM's, agents. Ze passen in elkaar als dozen in dozen.

• AI is de buitenste doos: alle software die taken doet waarvoor je normaal menselijk denkwerk nodig hebt.
• Machine learning zit daarbinnen: software die patronen leert uit voorbeelden, in plaats van uit regels die iemand heeft opgeschreven.
• Deep learning is een vorm van machine learning met grote neurale netwerken van vele lagen. Het zit achter spraakherkenning, beeldherkenning en de taalmodellen van nu.
• Generatieve AI is een recente tak daarvan: AI die iets nieuws maakt. De taalmodellen (LLM's) achter ChatGPT en Claude horen hierbij.
• AI agents gebruiken generatieve AI om zelf stappen te zetten in je systemen: een mail lezen, een order opzoeken, een antwoord klaarzetten.

En dan is er software die geen AI is: gewone automatisering met vaste regels. 'Komt er een bestelling binnen, stuur dan een bevestiging.' Een algoritme is in die zin gewoon een recept, een vaste reeks stappen. Dat werkt prima zolang alles voorspelbaar is. In de praktijk werken regels en AI vaak samen: de regels bepalen de route, AI leest onderweg de vrije tekst.

Voor een bedrijf zit het belangrijkste onderscheid tussen AI die voorspelt en AI die maakt. Machine learning in de klassieke zin voorspelt of deelt in: is dit spam, hoeveel verkopen we volgende maand? Generatieve AI maakt iets nieuws: een mail, een samenvatting, een opzet voor een offerte. Hoe dat werkt, lees je in wat is generatieve AI?

Hieronder staan de zes begrippen op een rij, met waar je verder leest.

Eerlijk is eerlijk: AI is krachtig, maar het is geen collega die je blind vertrouwt. Vijf grenzen die je kent voordat je begint:

• Het weet niets zeker. Generatieve AI voorspelt wat waarschijnlijk past. Daardoor klinkt een fout antwoord net zo overtuigend als een goed antwoord. Soms verzint het een bron of een cijfer. Dat heet een hallucinatie.
• Het kent jullie bedrijf niet. Het weet veel over de wereld, maar niets over jullie klanten, prijzen en afspraken. Wat het moet weten, geef je mee.
• Het draagt geen verantwoordelijkheid. Een besluit over een klant, een prijs of een medewerker neemt een mens. AI bereidt voor.
• Het heeft moeite met wat het nooit zag. Een uitzondering die in geen enkel voorbeeld voorkomt, of een klant die boos is om iets wat niet in de mail staat. Daar zijn ervaring en mensenkennis nodig.
• Het is geen rekenmachine en geen database. Exact rekenen en actuele feiten gaan niet vanzelf goed. Laat cijfers uit je eigen systemen komen.

Dat AI op de verkeerde taak tegen je kan werken, laat onderzoek ook zien. In een studie onder 758 consultants van BCG werkten consultants met GPT-4 25,1 procent sneller bij taken die binnen de mogelijkheden van AI lagen. Bij een taak daarbuiten hadden ze 19 procentpunt minder vaak het juiste antwoord dan collega's zonder AI (Dell'Acqua e.a., Organization Science, 2026). AI maakt goed werk sneller, maar maakt ook overtuigend fout werk als je het op de verkeerde taak zet.

Daarom werken we altijd met een mens in de lus: AI doet het voorwerk, een medewerker controleert en beslist waar het ertoe doet. Dat is geen rem, zo bouw je vertrouwen op. Begin met elk voorstel ter controle, en schuif de grens stap voor stap op als blijkt dat het goed gaat. Meer in human in the loop.

Begin bij het werk, niet bij de tool. Welke tool je kiest, weet je pas als je weet welk werk je wilt veranderen. Daarna zijn er grofweg vier routes. Ze sluiten elkaar niet uit: de meeste organisaties combineren ze.

1. Leren: snappen wat AI kan

Goede keuzes maak je pas als je weet wat AI kan en waar het misgaat. Begin met deze kennisbank en de AI-begrippen. Wil je je hele team in één keer op hetzelfde niveau, dan werkt een lezing of workshop op jullie eigen werk: een lezing voor een grote groep kost € 2.450, een hands-on workshop € 4.500 per dagdeel. Sinds 2 februari 2025 vraagt de AI Act bovendien dat je werk maakt van AI-geletterdheid.

2. Zelf proberen met je eigen team

Kies een zakelijke versie van ChatGPT, Claude of Copilot, spreek een paar huisregels af en oefen op echt werk. Leer goed prompten en maak daarna een eigen AI-assistent die jullie toon en werkwijze kent. Welke tool past, lees je in ChatGPT, Copilot of Claude. Met de gratis AI-zelfscan zie je in twee minuten waar jullie staan.

3. Advies: uitrekenen wat het oplevert

Wil je weten welke processen bij jullie geschikt zijn en wat ze opleveren, dan reken je dat per proces door. Dat kan zelf, met een AI business case. Of je laat het ons doen in de AI Quick Scan: één dag bij jullie op locatie, en binnen een week een nulmeting, een business case per kans en een roadmap. De Quick Scan kost € 6.000.

4. Laten bouwen: AI in je processen

Workflows en agents die echt werk overnemen, vragen bouw, koppelingen met je systemen en beheer. Na de Quick Scan doen we dat samen in het AI Partnership: een vast team dat bouwt, traint en elke maand laat zien wat het oplevert. Pakket S, M of L kost € 4.500, € 7.500 of € 12.000 per maand, voor minimaal twaalf maanden. We beginnen pas als de business case minstens twee keer terugverdient in het eerste jaar. Wat er zoal gebouwd wordt, zie je bij AI-automatisering en AI agents.

Alle bedragen zijn exclusief btw. Een overzicht van de kosten staat op wat kost AI?

Wie voor het eerst serieus naar AI kijkt, loopt vaak tegen dezelfde aannames aan. Deze vijf horen we het vaakst:

• 'AI is iets nieuws.' AI bestaat al tientallen jaren: in spamfilters, productaanbevelingen en fraudedetectie. Nieuw is dat AI nu ook leest en schrijft in gewone taal. Daardoor raakt het voor het eerst het gewone werk op kantoor.
• 'Wat AI zegt, klopt.' AI voorspelt wat waarschijnlijk past, en dat is niet hetzelfde als wat waar is. Laat het werken met je eigen bronnen en controleer wat ertoe doet. Lees AI hallucinaties.
• 'Met licenties zijn we klaar.' Uitgerold is niet hetzelfde als gebruikt. 70 procent van de mkb-ondernemers zegt AI te gebruiken, maar 47 procent weet nog niet goed hoe ze het effectief inzetten (Exact, 2026). Het verschil zit in training op eigen werk, huisregels en een eigenaar per proces. Zie AI-adoptie.
• 'AI is een IT-project.' In de trajecten die wij doen, strandt AI zelden op de techniek en vaak op de werkvloer: niemand heeft tijd, niemand weet wat er mag. Zet daarom de mensen die het werk doen aan tafel. Meer in waarom AI-projecten mislukken.
• 'Eerst de juiste tool kiezen.' Begin bij het werk: waar wordt overgetypt, gezocht of steeds hetzelfde document gemaakt? Dat is het eerste principe van onze APO-methode: proces eerst, techniek later. Een overzicht van de soorten tools staat in AI-tools voor bedrijven.