Artificial intelligence (AI) is het vermogen van computers en machines om taken uit te voeren die normaal menselijke intelligentie vereisen, zoals leren, redeneren en problemen oplossen. De term omvat een breed scala aan technieken en toepassingen, van spraakherkenning en beeldanalyse tot tekstgeneratie en beslissingsondersteuning.
Wat betekent artificial intelligence precies?
Artificial intelligence is geen enkelvoudige technologie maar een verzamelnaam voor technieken die machines in staat stellen mensachtig gedrag te simuleren. Het gaat verder dan vooraf geprogrammeerde instructies. Waar traditionele software vaste regels volgt, kan een AI-systeem zich aanpassen op basis van nieuwe data en geleerde patronen.
Het kernverschil met gewone software: een AI-systeem verbetert zichzelf door ervaring. Een spamfilter die leert welke e-mails ongewenst zijn op basis van jouw gedrag, is een eenvoudig voorbeeld. Een taalmodel dat tekst genereert op basis van miljarden gelezen documenten is een complexer voorbeeld van hetzelfde principe.
In het Nederlands wordt de term afgekort tot AI en vertaald als kunstmatige intelligentie. Kunstmatig verwijst naar het gegeven dat de intelligentie door mensen is gebouwd, intelligentie slaat op het vermogen om te leren, te redeneren en problemen op te lossen. De Amerikaanse computerwetenschapper John McCarthy gebruikte de term in 1956 voor het eerst officieel en gaf het vakgebied daarmee een naam.
Voor professionals is artificial intelligence relevant omdat het taken overneemt die vroeger uitsluitend mensenwerk waren. Denk aan teksten schrijven, documenten samenvatten, patronen herkennen in data en vragen beantwoorden in gewone taal.
Welke AI-begrippen kom je het vaakst tegen?
De AI-begrippen die je het vaakst tegenkomt zijn generatieve AI, LLM, prompt, bias en agentic AI. Ze duiken op in productpagina’s, nieuwsberichten en gesprekken op kantoor, en wie ze uit elkaar houdt, leest een discussie over AI een stuk scherper.
Generatieve AI
Generatieve AI is de vorm van AI die nieuwe content produceert op basis van een instructie. Je beschrijft wat je wil hebben en het systeem genereert tekst, afbeeldingen, code of audio. ChatGPT, Claude en Gemini vallen alle drie in deze categorie.
Het woord generatief verwijst naar het maken van nieuwe output, in tegenstelling tot systemen die alleen classificeren of voorspellen op basis van bestaande data. Deze vorm heeft het werk van professionals het meest direct veranderd, omdat schrijven, samenvatten en analyseren er zonder technische kennis mee te doen zijn. De techniek erachter staat uitgewerkt bij generatieve AI.
LLM of groot taalmodel
LLM staat voor large language model, in het Nederlands een groot taalmodel. Een LLM is getraind op enorme hoeveelheden tekst en kan daardoor menselijke taal verwerken en produceren.
ChatGPT, Claude en Gemini zijn alle drie LLM’s, getraind op honderden miljarden woorden uit boeken, websites en andere bronnen. Het woord large slaat op de schaal: zowel de hoeveelheid trainingsdata als het aantal parameters, de interne instellingen waarmee het model rekent. Grotere modellen zijn doorgaans capabeler en vragen meer rekenkracht.
Prompt
Een prompt is de instructie of vraag die je aan een AI-systeem geeft, en daarmee de input waarop het systeem zijn output baseert. Bij tekstgeneratie is de prompt simpelweg wat je intypt.
De kwaliteit van je prompt bepaalt de kwaliteit van de output. Een vage instructie levert een generiek antwoord, een instructie met context, doel en gewenste vorm levert bruikbaar werk op. Hoe je zo’n instructie opbouwt staat stap voor stap bij een vraag stellen aan AI.
Bias
Bias in AI verwijst naar systematische vertekeningen in de output, veroorzaakt door scheefheid in de trainingsdata. Een model dat is getraind op data waarin bepaalde groepen ondervertegenwoordigd zijn, reproduceert die scheefheid in zijn antwoorden.
Een sollicitatiesysteem dat leert van historische aanstellingsdata kan vrouwen structureel lager scoren wanneer die data uit een periode stamt waarin vooral mannen werden aangenomen. Het systeem heeft geen intentie, het herhaalt het patroon dat in de data zat. AI-output is daarmee nooit neutraal.
Agentic AI
Agentic AI verwijst naar systemen die zelfstandig meerdere stappen in een taak uitvoeren, zonder dat jij elke stap aanstuurt. Zo’n systeem krijgt een doel, maakt een plan en voert handelingen uit om dat doel te bereiken.
Het verschil met een gewone chatbot is de mate van zelfstandigheid. Een chatbot beantwoordt één vraag en wacht op de volgende instructie, een agent zet de vervolgstappen zelf. Juist daar wordt controle achteraf belangrijker, want er zijn meer momenten waarop het mis kan gaan zonder dat iemand meekijkt.
Hoe werkt AI technologie?
AI-systemen leren van data. Het trainingsproces verloopt in drie stappen. Het systeem krijgt grote hoeveelheden data aangeboden, analyseert daarin patronen via algoritmes en past zijn interne instellingen aan. Zo worden de voorspellingen steeds nauwkeuriger. De drie fases van dat proces staan met voorbeelden uitgewerkt bij hoe AI werkt.
Machine learning vormt de kern van moderne AI. Bij die methode wordt een systeem niet expliciet geprogrammeerd voor een taak, maar leert het door patronen te herkennen in trainingsdata. Een model dat geleerd heeft tekst te genereren, heeft daarvoor geen handgeschreven regels gevolgd. Het heeft patronen in taal herkend door blootstelling aan enorme hoeveelheden tekst.
Deep learning is een subcategorie van machine learning waarbij neurale netwerken worden gebruikt: systemen die losjes gebaseerd zijn op de structuur van het menselijk brein. Ze bestaan uit lagen van onderling verbonden knooppunten die elk bijdragen aan het herkennen van steeds complexere patronen in data. De meeste krachtige AI-toepassingen die professionals dagelijks gebruiken, zoals ChatGPT en beeldgeneratoren, zijn gebaseerd op deep learning.
Wat zijn de verschillende soorten AI?
Het belangrijkste onderscheid is tussen narrow AI en general AI. Narrow AI, ook wel weak AI genoemd, is ontworpen voor één specifieke taak of een beperkt takenpakket. Narrow AI is wat professionals dagelijks tegenkomen: een spamfilter, een aanbevelingsalgoritme, een chatbot of een taalmodel. Hoe krachtig ook, deze systemen functioneren uitsluitend binnen hun getrainde domein.
General AI, ook wel strong AI of AGI genoemd, zou kennis begrijpen, leren en toepassen over een breed spectrum van taken, op een niveau vergelijkbaar met menselijke intelligentie. General AI bestaat vooralsnog niet en blijft een theoretisch concept dat in de onderzoekswereld actief wordt bestudeerd.
Generatieve AI wint daarnaast snel aan belang als eigen categorie, met systemen die nieuwe content produceren vanuit een tekstbeschrijving. De volledige indeling met alle tussenvormen staat bij de soorten AI.
Wat zijn praktische toepassingen van AI?
AI wordt ingezet in vrijwel elke sector. In de gezondheidszorg analyseert het medische beelden en patiëntdata om artsen te ondersteunen bij diagnoses. In de financiële sector detecteert het fraudepatronen in transactiedata. In marketing personaliseert het aanbevelingen op basis van gebruikersgedrag.
Voor kantoorprofessionals zijn de meest directe toepassingen tekstgeneratie, documentanalyse en geautomatiseerde communicatie. Een concepttekst in seconden, een lang rapport teruggebracht tot de kern, een complexe vraag beantwoord in begrijpelijke taal.
AI is met name sterk voor taken die repetitief, tijdrovend of datagedreven zijn. Het systeem werkt consistent, wordt niet moe en verwerkt grote volumes zonder kwaliteitsverlies. Daardoor ontstaat ruimte voor werk waarbij menselijk oordeel, relaties en contextuele kennis onvervangbaar zijn.
Wil je leren hoe je AI effectief inzet in je dagelijkse werk? In de ChatGPT cursus van LearnLLM leer je stap voor stap werken met de meest gebruikte AI-tool voor professionals, gericht op jouw vakgebied en rol.
Wat zijn de beperkingen van AI?
Ondanks de snelle ontwikkeling heeft AI reële beperkingen. Huidige systemen zijn sterk binnen hun getrainde domein maar missen het vermogen om daarbuiten te redeneren. Een taalmodel dat uitstekend tekst genereert, begrijpt de inhoud niet op de manier waarop een mens dat doet. Het herkent patronen in taal, maar heeft geen werkelijke kennis of begrip.
Een bekend probleem is hallucineren: AI-systemen kunnen informatie presenteren met zekerheid terwijl die feitelijk onjuist is. Verificatie van AI-output is daarom essentieel, zeker bij kritische toepassingen zoals juridische analyse, medische besluitvorming of financiële rapportage.
Daarnaast bevatten AI-systemen de biases van hun trainingsdata, zoals hierboven beschreven. Bewust zijn van deze beperkingen hoort bij verantwoord gebruik, en welke risico’s daar precies bij komen kijken staat bij de risico’s van AI.
Wat is de toekomst van artificial intelligence?
De ontwikkeling van AI versnelt. Modellen worden krachtiger, de integratie in bestaande werktools neemt toe en de drempel om AI te gebruiken wordt lager. Nu vat je met een tekstinstructie een rapport samen of genereer je een afbeelding. In de nabije toekomst voeren AI-systemen zelfstandig meerdere stappen in een workflow uit.
Die ontwikkeling richting agents, systemen die plannen, beslissingen nemen en handelingen uitvoeren zonder directe sturing per stap, is al in gang. De meeste organisaties bevinden zich nog in de fase van experimenteren en pilots, maar de integratie in dagelijkse werkprocessen zet door.
Het onderwerp lijkt nieuw, maar wanneer AI is ontstaan voert terug tot onderzoek uit de jaren vijftig. De huidige versnelling is dus eerder een doorbraak in schaal dan in idee.
Voor professionals betekent dit dat basiskennis van AI steeds relevanter wordt, niet om de technologie te bouwen, maar om er effectief mee samen te werken. Wie begrijpt wat AI kan en wat niet, wat goede input oplevert en wat slechte output signaleert, heeft een meetbaar voordeel. Je bouwt dat fundament op in de AI-geletterdheid cursus, met een certificaat dat aansluit op artikel 4 van de AI Act. Hoe AI zich verhoudt tot gewone automatisering, en waarom dat onderscheid in de praktijk uitmaakt, staat bij AI versus automatisering.
