Wat is generatieve AI? Uitleg voor bedrijven, in gewone taal

AI is de verzamelnaam voor software die taken doet waarvoor je normaal menselijk denkwerk nodig hebt. Daarbinnen zijn er grofweg twee smaken: AI die voorspelt en AI die maakt.

Traditionele AI: voorspellen en herkennen

Traditionele AI, vaak machine learning genoemd, leert patronen uit voorbeelden en gebruikt die om te voorspellen of in te delen. Denk aan een spamfilter dat leert van mails die jij als spam markeert. Of een systeem dat inschat hoeveel je volgende maand verkoopt. Het antwoord is een getal, een categorie of een ja of nee.

Zo'n model is meestal getraind op één taak, vaak met je eigen data. Wil je iets anders, dan train je een nieuw model.

Generatieve AI: maken

Generatieve AI is een recente tak van dezelfde boom. Het leert ook patronen uit voorbeelden, maar gebruikt ze om iets nieuws te maken. Geen ja of nee, maar een hele mail. Geen categorie, maar een rapport van twintig pagina's in vijf regels.

Het grote praktische verschil: je hoeft het niet zelf te trainen. Eén model kan heel veel verschillende taken aan, en je vertelt in gewone taal wat je wilt. Die opdracht heet een prompt.

En gewone automatisering?

Daarnaast bestaat er automatisering zonder AI: vaste regels die iemand heeft bedacht. Komt er een bestelling binnen, stuur dan een bevestiging. Dat werkt goed zolang alles voorspelbaar is. Generatieve AI helpt juist waar het onvoorspelbaar wordt: vrije tekst, een mail die elke keer anders is, een pdf met een andere opbouw. In de praktijk werken ze vaak samen. In de tabel verderop zie je ze naast elkaar.

Zonder formules: generatieve AI heeft enorm veel voorbeelden gezien, en maakt op basis daarvan iets wat waarschijnlijk past bij jouw vraag.

1. 01Training. Het model krijgt enorme hoeveelheden tekst, beelden of code te zien. Daaruit leert het patronen: hoe zinnen lopen, hoe een offerte eruitziet, hoe een kat eruitziet.
2. 02Jouw opdracht. Je geeft een vraag of opdracht, eventueel met een document of een voorbeeld erbij.
3. 03Stukje voor stukje. Een taalmodel voorspelt steeds wat er het meest waarschijnlijk volgt, woord voor woord, tot het antwoord af is. Een beeldmodel werkt technisch anders, maar het idee is hetzelfde: het maakt iets wat past bij de patronen die het heeft geleerd.

De modellen die tekst maken heten taalmodellen, of LLM's (large language models). GPT, Claude, Gemini en Llama zijn voorbeelden. Hoe zo'n taalmodel werkt, met tokens en een context window, lees je in wat is een LLM?

Twee dingen om te onthouden:

• Het voorspelt, het weet niets zeker. Daarom klinkt een fout antwoord net zo overtuigend als een goed antwoord.
• Het kent jullie bedrijf niet. Het weet veel over de wereld, maar niets over jullie klanten, prijzen of afspraken. Wat het moet weten, geef je mee. Daar zit ook meteen de sleutel tot betere resultaten.

Vooral werk met taal. En op kantoor is bijna alles taal: mails, offertes, verslagen, contracten, klantvragen. Een paar voorbeelden uit gewoon kantoorwerk:

• Mails en offertes. Een eerste versie in jullie toon, met de juiste gegevens erin. Jij leest, past aan en verstuurt.
• Samenvattingen. Van een overleg, een lang rapport of een klantdossier. Wat staat erin, wat is afgesproken, wie doet wat.
• Klantvragen. Een antwoord klaarzetten met de orderinformatie of het beleid erbij, zodat een medewerker alleen nog controleert.
• Documenten uitlezen. Gegevens uit facturen, orders, cv's of contracten halen en in het juiste systeem zetten, in plaats van overtypen.
• Vertalen. Productteksten, handleidingen of mails, in meerdere talen tegelijk.
• Antwoorden uit je eigen kennis. Een assistent die vragen beantwoordt uit jullie handboeken en procedures, met de bron erbij. Dat heet RAG.
• Code en formules. Een Excel-formule, een klein script of een eerste versie van een interne tool.

Zie je het patroon? Generatieve AI helpt op drie plekken: waar iets binnenkomt en iemand het overtypt, waar iemand informatie zoekt in drie systemen, en waar iemand een document maakt dat elke keer bijna hetzelfde is. Hoe je dat werk in je eigen organisatie vindt, lees je in welke processen kun je automatiseren.

Wil je weten hoeveel bedrijven het al gebruiken, en waarvoor? De cijfers en bronnen staan bij AI in Nederland in cijfers.

Bijna elke organisatie begint op dezelfde manier. Iemand probeert ChatGPT, een collega volgt, en na een paar maanden gebruiken steeds meer mensen het. Ieder op zijn eigen manier. Dat is een prima begin, maar het is fase 1 van 4.

Bij de organisaties die we helpen, inmiddels meer dan 160, zien we vier fases van AI-adoptie.

Fase 1: Prompten

Mensen gebruiken ChatGPT of Copilot, ieder voor zich. Een mail herschrijven, iets samenvatten, een idee uitwerken. Het levert persoonlijke tijdwinst op, maar het werk zelf verandert niet. En vaak weet niemand precies welke data waar terechtkomt.

Fase 2: Assistenten

Je maakt eigen GPT's en skills die jullie werk kennen: jullie toon, jullie producten, jullie werkwijze. Een assistent die offertes schrijft zoals jullie dat doen. Iedereen werkt er op dezelfde manier mee. Maar jij start nog steeds het gesprek, en jij zet de volgende stap. Meer in een eigen AI-assistent maken.

Fase 3: Workflows

Automatiseringen die vanzelf draaien. Er komt een order per mail binnen, AI leest hem uit, de order staat klaar in het ERP en een medewerker keurt goed. Niemand hoeft er meer aan te denken. Hier verandert het werk zelf.

Fase 4: Agents

Digitale collega's die een doel krijgen en zelf de stappen zetten in je systemen: een klantvraag lezen, de order opzoeken, een antwoord en een oplossing klaarzetten. Altijd met een mens in de lus, die goedkeurt waar het ertoe doet. Lees ook wat is een AI agent?

De meeste organisaties staan in fase 1. De waarde zit in fase 3 en 4, want pas daar neemt AI echt werk over in je processen. Meer daarover in de 4 fasen van AI-adoptie.

Generatieve AI is krachtig, maar niet foutloos. Deze vijf dingen regel je voordat je het breed inzet.

• Het kan dingen verzinnen. Een bron die niet bestaat, een cijfer dat nergens vandaan komt. Dat heet een hallucinatie. Je beperkt het door AI te laten werken met je eigen documenten en de bron erbij, en door te controleren wat ertoe doet. Meer in AI hallucinaties.
• Data en privacy. Zakelijke versies van de grote aanbieders trainen standaard niet op je data en werken met een verwerkersovereenkomst. Gratis versies voor consumenten bieden die zekerheid niet. En persoonsgegevens vallen altijd onder de AVG. Lees ChatGPT veilig gebruiken en AI veilig inzetten.
• De AI Act. Voor de meeste kantoortoepassingen gaat het vooral om zorgvuldigheid en transparantie. Wel vraagt de wet dat je werk maakt van AI-geletterdheid: je mensen weten genoeg om AI verantwoord te gebruiken. Zie de AI Act voor het mkb en AI-geletterdheid.
• Een mens blijft verantwoordelijk. AI bereidt voor, een mens beslist. Hoe je dat regelt zonder dat het extra werk wordt, lees je in human in the loop.
• Shadow AI. Regelt de organisatie niets, dan regelen medewerkers het zelf, met een privé-account of een gratis tool. Een goed zakelijk alternatief en een paar heldere afspraken werken beter dan een verbod.

Begin bij het werk, niet bij de tool. Een vraag die we vaak horen: welke AI-tool moeten we kiezen? Het eerlijke antwoord is dat je dat pas weet als je weet welk werk je wilt veranderen.

1. 01Kies het werk, niet de tool. Waar wordt overgetypt, gezocht of steeds hetzelfde document gemaakt? Dat is het eerste principe van onze APO-methode: proces eerst, techniek later.
2. 02Weet waar je staat. Met de gratis AI-zelfscan zie je in twee minuten waar jullie staan en wat de volgende stap is.
3. 03Leer je team goed prompten. Een goede prompt is een goede werkopdracht. Begin met de gids voor prompten, of zet je team in één dagdeel op hetzelfde niveau met een AI-training op jullie eigen werk.
4. 04Maak afspraken. Welke tools mogen, welke data mag erin en waar kijkt een mens mee. Dat hoeft geen dik document te zijn.
5. 05Reken één proces door. Hoe lang duurt het nu, met hoeveel mensen en hoe vaak per maand? Dan weet je wat AI daar kan opleveren.

Wil je dat laatste niet zelf doen? In de AI Quick Scan zijn we één dag bij jullie op locatie. Binnen een week heb je een nulmeting, een business case per kans, een roadmap en een eerlijk pakketadvies. De Quick Scan kost € 6.000, exclusief btw.

Daarna bouwen we fase 3 en 4 samen in het AI Partnership. Daar beginnen we pas aan als de business case minstens twee keer terugverdient in het eerste jaar.