AIToday Live

In teamoverleg knikt iedereen mee als de projectleider AI "de toekomst" noemt, terwijl drie collega's hun twijfels pas later bij het koffiezetapparaat uitspreken. Het probleem is niet dat mensen geen mening hebben over Artificial Intelligence, maar dat de vergaderstructuur geen ruimte biedt om die scherp te krijgen. Joop laat zien hoe een stellingenspel met drie kaarten - eens, oneens, joker - dwingt tot een echt standpunt in plaats van meepraten met de meerderheid.Aan de hand van drie stellingen uit twee jaar podcastgasten, over baanangst, AI-budgetten en het temperen van enthousiasme, blijkt dat simpele ja/nee-vragen tot verrassend genuanceerde gesprekken leiden. Morgen kun je één stelling meenemen naar je volgende overleg en iedereen eerst een kant laten kiezen voordat de discussie begint.Onderwerpen Het AI Game Changer kaartspel als methode om verschillende standpunten in teams zichtbaar te maken De doorman fallacy en waarom baanangst door AI-automatisering vaak terecht is Het verschil tussen tokenmaxxing en outcome maxxing bij het meten van AI-projecten De noodzaak van een temperende stem die vraagt of AI wel nodig is voor een probleem LinksPodcast: AIToday Live podcastKaartspel: AI Game Changer kaartspel | AIToday LiveKaartspel: Podcast Gast Editie - kaartspel met stellingen van onze gasten | AIToday LiveKaartspel: Speel Podcast Gast Editie | AIToday LiveKaartspel: AI Game Changer - Generative AI Edition - AigencyKaartspel: AI Game Changer zorgeditie (ETZ) | AIToday LiveArtikel: Ethiek en Maatschappij - AI Game Changer Zorg | AIToday LiveOrganisatie: Ethiek en Maatschappij - Elisabeth-TweeSteden ZiekenhuisGenoemde entiteiten: TNO - Commonwealth BankStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Frits Snijder, Senior Product Manager bij PostNL, bouwde een AI-systeem voor klachtenverwerking dat technisch klopte maar in de praktijk vastliep op de 20% gevallen die er het meest toe deden. Het probleem bleek niet de technologie, maar de volgorde: het team begon bij de oplossing in plaats van bij het probleem. Frits laat zien hoe je onderscheid maakt tussen een agent-probleem en een workflow-probleem, en waarom dat verschil maanden vertraging scheelt.Na anderhalve week pilot op één sorteercentrum waren medewerkers twee en een half keer sneller — niet omdat het systeem snel was, maar omdat ze begrepen wat het deed. Morgen kun je beginnen met één vraag: heb je voor je huidige AI-project al naast de gebruiker gezeten? Zo nee, plan dat gesprek eerst.Onderwerpen Het verschil tussen AI-agents en workflows in klachtenverwerking Gebruikersonderzoek als startpunt voor AI-implementatie Transparantie en menselijke controle bij automatisering Van pilot naar productie met gefaseerde investeringsbeslissingen LinksPodcast: AIToday Live podcastBedrijf: PostNL: Jouw favoriete bezorger | PostNLKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: PostNL - SophieStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Kun je zien of een tekst met AI is geschreven, en zou dat eigenlijk moeten uitmaken? Anthropic zet een onzichtbaar watermerk in teksten van Claude, verplicht door de Europese AI-verordening, maar het systeem is met simpele testjes te omzeilen. Wie honderd variaties van dezelfde zin uitprobeert, isoleert precies welke woordkeuzes het watermerk veroorzaken en haalt het er weer uit.Vóór ChatGPT liet 20% van professionals hun langere teksten al schrijven door een ghostwriter, zonder dat iemand daar een probleem in zag. Bij dat proces ging het nooit om herkomst, maar om of de tekst klopte en bruikbaar was.Die verschuiving is precies wat je morgen kunt toepassen: controleer een AI-tekst niet op een watermerk, maar op kloppende claims, juiste toon en logische structuur.Onderwerpen Watermerken in AI-gegenereerde tekst en de beperkingen van detectie Artikel 50 van de Europese AI-verordening en compliance-verplichtingen Kwaliteitsbeoordeling van content versus herkomstverificatie Praktische AI-implementatie en verificatie van inhoud LinksArtikel: How Claude marks AI-generated content | Anthropic Help CenterWetenschappelijk artikel: Zhang, Edelman, Francati, Venturi, Ateniese en Barak - Watermarks in the Sand: Impossibility of Strong Watermarking for Generative ModelsArtikel: Anthropic says it will watermark text generated by its AI models | TechCrunchOrganisatie: Transparantie-eisen AI gelden vanaf 2 augustus: AP adviseert praktijkcode te ondertekenen | Autoriteit PersoonsgegevensArtikel: Definitieve richtsnoeren artikel 50 AI-verordening (transparantie): dit zijn de 9 belangrijkste wijzigingenPodcast: AIToday Live - S07E35 - Waarom is AI voor iedereen belangrijk volgens Erdinç SaçanGenoemde entiteiten: Anthropic - Claude - ChatGPTStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Hendrik van Zwol, zelfstandig ondernemer gespecialiseerd in AI-beeldcreatie, ziet dagelijks hoe Artificial Intelligence verzorgde resultaten levert die van niemand zijn.Het probleem is niet de technologie, maar het ontbreken van eigen richting: wie geen smaak heeft ontwikkeld, geeft de tool ook geen richting en krijgt generieke output terug.Hij laat zien hoe zijn 8S-framework — met parameters als stijl, lenshoek en lichtbron — het verschil maakt tussen een generiek beeld en iets dat herkenbaar van jou is.Bij beeldgeneratie ging zijn output van inwisselbaar naar specifiek door vier concrete parameters te definiëren vóór de eerste prompt. Morgen kun je dat zelf toepassen: schrijf in drie zinnen op wat je wil maken en waarom, voordat je een tool opent.Onderwerpen Het behouden van eigen smaak en vakmanschap bij AI-gestuurde creatieve processen Het 8S-framework voor AI-beeldcreatie en het belang van specifieke parameters Vibe coding: mogelijkheden, valkuilen en de verborgen kosten van AI-afhankelijkheid Deepfakes, synthetisch beeld en de verantwoordelijkheid van makers Bewuste input en denkruimte als tegenwicht voor AI-gedreven werkprocessen LinksBoek: Creativiteit Opnieuw Uitgevonden - Hendrik van ZwolSoftware: Whisper FlowSoftware: 🎙️ MacWhisperAI Model: Parakeet - NvidiaAI Tool: MidjourneyPodcast: AIToday LiveKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Midjourney - Claude - Gemini - Copilot - Codex - OpenAI - AnthropicStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Twee derde van de Nederlandse IT-organisaties kan achteraf niet reconstrueren wat een AI-coding agent precies heeft gedaan, blijkt uit onderzoek onder 330 IT-beslissers. Het probleem is niet dat mensen de risico's niet zien, maar dat ze die risico's afdekken met beleid in plaats van technische maatregelen, terwijl een taalmodel je beleidsdocument niet leest.De oplossing is een coding harnas: een ontwikkelomgeving waarin architectuurprincipes, security-regels en testen technisch zijn afgedwongen in plaats van opgeschreven. Daarmee verschuift de vraag van "heeft de agent zich aan de regels gehouden" naar "staan de goede regels in ons harnas".Morgen kun je beginnen met één vraag aan bestuur, architecten en teamleden afzonderlijk: waarop baseer jij je oordeel dat het goed gaat met coding agents in onze ontwikkelstraat? Het verschil tussen die antwoorden is je agenda voor de komende maanden.Onderwerpen Het verschil in risicoperceptie tussen directie en architecten bij AI-coding agents De kloof tussen beleidsmaatregelen op papier en technische afdwinging in de praktijk AI coding harnas als technische oplossing voor het afdwingen van architectuurprincipes en security-regels De verschuiving van vakmanschap naar beoordeling en het inrichten van kaders bij AI-adoptie LinksChecklist: Checklist: van indruk naar metingOnderzoeksrapport: Info Support & Markteffect (2026). Agentic Engineering-onderzoek 2026 — Sneller bouwen vraagt om sterker vakmanschapArtikel: Dutch IT Leaders - Hoe veilig is AI in softwareontwikkeling?Wetenschappelijk artikel: [2211.03622] Do Users Write More Insecure Code with AI Assistants?Wetenschappelijk artikel: [2507.09089] Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer ProductivityBoek: Doeltreffend met AI-agents door Joop Snijder - Managementboek.nlGenoemde entiteiten: GitHub Copilot - Claude - Stanford - METRStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Martin van Kranenburg, marketingstrateeg en auteur van *Van SEO naar GEO*, ziet hoe bedrijven structureel onzichtbaar worden voor klanten die hun vragen niet meer aan Google stellen, maar aan ChatGPT of Copilot. Een taalmodel geeft geen lijst van tien resultaten, maar een shortlist van drie merken, en wie daar niet op staat, mist de conversatie volledig. Martin legt uit welke drie factoren bepalen of een taalmodel jou aanbeveelt: techniek, reputatie en content die voldoet aan zijn AUB-principe (actueel, uniek, betrouwbaar).Wat anderen over jou schrijven op externe platforms weegt daarin zwaarder dan wat jij zelf op je website zet. Morgen kun je beginnen met de vijf pagina's die het meeste bijdragen aan je omzet: zijn ze de afgelopen zes maanden bijgewerkt, bevatten ze iets wat alleen jij kunt zeggen, en staat er een auteur op met een actueel LinkedIn-profiel?Onderwerpen Het verschil tussen SEO en GEO en waarom taalmodellen zoekmachines vervangen De GEO-driehoek: techniek, reputatie en content-optimalisatie Het AUB-principe voor content: actueel, uniek en betrouwbaar Externe reputatie en Digital PR als belangrijkste rankingfactor Meetmethoden en tools om je zichtbaarheid in taalmodellen te monitoren LinksBoek: Van SEO naar GEO: staat jouw merk in het antwoord van een taalmodel - Martin van Kranenburg & Bob van DuurenBoek: ChatGPT als tweede brein - Martin van KranenburgTool: WAVE Web Accessibility Evaluation ToolsTool: Semrush: Your Unfair Advantage for Growing Brand VisibilityTool: Profound | Optimize Your Brand's Visibility in AI SearchTool: AI search analytics for marketing teamsTool: Rankshift - AI Visibility Tracking Tool - AI Search Analytics platformTool: IN THE WEIGHTSKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: ChatGPT - Google - Gemini - Copilot - Edding - Semrush - Profound - Peek AI - Promptwatch - Rankshift - Microsoft - YouTube - GPT-4 - GLM - Mistral - LinkedInStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Meer dan 90% van de AI-projecten haalt productie niet — niet door technische problemen, maar omdat organisaties structureel één budget vergeten. Joop Snijder, Head of AI bij Info Support, ziet het patroon steeds terugkomen: er is geld voor het experiment, maar niet voor implementatie en beheer, waardoor projecten na de demo stilvallen.Hij legt uit waarom je drie aparte budgetten nodig hebt — innovatie, productie en beheer — en waarom die drie in de meeste organisaties bij verschillende afdelingen liggen die niet met elkaar praten.Bij AI-systemen lopen ook de gebruikskosten mee met het volume: een team dat contracten analyseert op 50 testdocumenten krijgt tienvoudig hogere kosten als het systeem in productie 2.000 contracten per maand verwerkt. Morgen kun je bij elk AI-voorstel twee vragen stellen: wie betaalt over twee jaar het beheer, en wat kost het systeem per maand aan gebruik — als niemand die antwoorden heeft, bouw je een demo en geen oplossing.Onderwerpen Waarom meer dan 90% van AI-projecten niet in productie komt De drie benodigde budgetten: innovatie, productie en beheer Het belang van probleemanalyse boven technologiekeuze Organisatorische silo's als struikelblok voor AI-implementatie LinksPodcast: AIToday Live podcastVideo/Interview: Emerce TV – rondetafelgesprek over agentic AI met Joop Snijder en Michel van VeldePodcast aflevering: AIToday Live S01E05 – 85% van AI-projecten faaltPodcast aflevering: AIToday Live S08E68 – Waar levert AI echt geld op in je organisatiePodcast aflevering: AIToday Live S08E60 – AI als normale technologie, waarom de hype voorbijgaatStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Michel van de Beek, mede-oprichter van Healfie, bouwde een systeem dat in 30 seconden spraak spanning en zwaktes in je lichaam detecteert, eerder dan bloedwaarden dat doen. Het zorgstelsel reageert op ziekte, niet op de signalen die eraan voorafgaan, en dat is precies het gat dat hij wil dichten. Artificial Intelligence vertaalt de ruwe stemdata naar begrijpelijke adviezen: welke spiergroepen overbelast zijn, welke voedingsstoffen herstel bevorderen, wanneer je beter kunt wachten met intensief trainen.Bij een topsporter in de Nederlandse dameselftal groeide de discrepantie tussen spierbelasting en voedingsinname zichtbaar in de data, maar de analyse duurde destijds twee tot drie dagen, te laat om in te grijpen. Als je in de zorg of een aangrenzend vakgebied werkt en nadenkt over AI-toepassingen, is het advies concreet: draai de omgang met data om en geef de cliënt eigenaarschap over zijn eigen gegevens.Onderwerpen Stemanalyse als gezondheidsmeting: hoe 30 seconden spraak spanning en zwaktes in het lichaam detecteert voordat bloedwaarden afwijkingen tonen De rol van AI bij Healfie: machine learning voor patroonherkenning en generatieve AI om complexe data te vertalen naar begrijpelijke inzichten voor gebruikers Eigenaarschap van gezondheidsdata: waarom Healfie de data bij de persoon legt in plaats van bij zorgprofessionals, en de risico's van stemanalyse door verzekeraars Bewust opereren buiten het medische systeem: waarom Healfie start in topsport en welzijn voordat het naar de zorg gaat, en de systeemkeuzes die preventie belemmeren LinksOrganisatie: HealfiePodcast: AIToday Live podcastKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Healfie - Nederlandse dameselftalStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

AI geeft een fout antwoord en de hand gaat automatisch naar het grootste beschikbare model. Dat is de duurste reflex in AI-gebruik, en bijna altijd de verkeerde.Niels Naglé legt uit wat de modelknop en de effortknop werkelijk doen: de modelknop bepaalt wat een model weet, de effortknop bepaalt hoe grondig het te werk gaat. Die twee sturen iets fundamenteel anders aan, maar worden constant door elkaar gebruikt.De diagnostische vraag die alles bepaalt: wist het te weinig, of deed het te weinig?Een model dat een bijlage oversloeg of halverwege stopte heeft een effortprobleem, geen modelprobleem. Een model dat een conclusie verzon die nergens in het document stond, heeft een modelprobleem. Morgen kun je de laatste drie keer terugkijken dat je schakelde naar een groter model, en in vijf minuten vaststellen of je aan de juiste knop draaide.Onderwerpen Het verschil tussen de modelknop en de effortknop bij AI-gebruik De diagnostische vraag: wist het model te weinig of deed het te weinig Waarom je eerste stap bij een fout antwoord je eigen opdracht moet zijn, niet de knoppen De financiële impact van het verkeerd inzetten van modellen en effort-instellingen Praktische afspraken voor teams over het aanpassen van model- en effort-instellingen LinksPodcast: AIToday LiveArtikel: Anthropic - uitleg over model- en effortinstellingen, geschreven door Lydia HallieGenoemde entiteiten: Anthropic - Lydia HallieStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Ronald van Loon, tech-analist en negen jaar op rij een van de meest invloedrijke namen in wereldwijde AI-rankings, ziet bij bedrijven steeds hetzelfde patroon: zeven van de tien Artificial Intelligence-pilots halen de productiefase niet. Niet omdat de technologie faalt, maar omdat organisaties de verkeerde aannames meenemen: dat AI dataproblemen oplost, dat change management vanzelf gaat, en dat een werkende pilot gelijk staat aan een werkende implementatie. Hij laat zien hoe agentic AI verschilt van gewone workflow automation, waarom je datafundament de bottleneck is die niemand wil zien, en welke drie vragen je per use case moet beantwoorden voordat je ook maar één regel code schrijft.Een agent die dezelfde persoon in twee systemen tegenkomt, één keer als prospect en één keer als klant van tien jaar, stuurt gewoon een kennismakingsmail, tenzij die context expliciet beschikbaar is in je data. Morgen kun je beginnen met één proces in je organisatie: schrijf op welke beslissingen daarin worden genomen, welke data daarvoor nodig is, en of iemand op C-level er formeel verantwoordelijk voor is.Onderwerpen Waarom AI-pilots niet doorgroeien naar productie: adoption gap, speed paradox en te laat change management Het verschil tussen agentic AI en workflow automation: systemen die zelf beslissingen nemen en acties uitvoeren Datakwaliteit als bottleneck: waarom AI geen dataproblemen oplost en consistente data noodzakelijk is Accountability en observability bij autonome systemen: wie is verantwoordelijk en hoe log je beslissingen Pragmatisch beginnen: start met een tool voor medewerkers in plaats van directe operationalisering LinksPersoon: Ronald van Loon - Principal Analyst bij Intelligent WorldOrganisatie: GartnerBedrijf: ASML | The world's supplier to the semiconductor industryNieuwsbrief: AIToday Live nieuwsbriefPodcast: AIToday Live podcastKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: ChatGPTStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Veel AI-tools hebben een "thinking mode" die suggereert dat het model nadenkt, maar wat er werkelijk gebeurt is rekenwerk met extra tussenstappen. Het probleem is dat een overtuigende redenering geen bewijs is dat het antwoord klopt — het model wordt alleen beloond voor het eindresultaat, niet voor eerlijke tussenstappen. Thinking mode loont bij meerstapsproblemen, zoals een leveranciersvergelijking met gewogen criteria, maar niet bij eenvoudige taken als een e-mail herschrijven.Die instelling standaard hoog zetten kost tijd en geld zonder dat er altijd betere resultaten tegenover staan. Bekijk morgen de drie AI-taken die je het vaakst uitvoert en bepaal voor elk of het een meerstapsprobleem is — dat zijn vijf minuten werk die je direct minder kosten en betrouwbaardere resultaten opleveren.Onderwerpen Wat er technisch gebeurt bij thinking mode: taalmodellen rekenen en voorspellen woorden, geen daadwerkelijk denkproces Het instellen van rekenbudget: wanneer laag, gemiddeld of hoog effort loont en wat de kostenbesparing oplevert Waarom overtuigende redeneringen geen bewijs zijn: tussenstappen worden niet gecontroleerd tijdens training en vorm staat los van juistheid Praktische toepassing: onderscheid maken tussen meerstapsproblemen en enkelvoudige taken om thinking mode effectief in te zetten LinksPodcast: AIToday LiveBlog: Sebastian Raschka, 'Controlling Reasoning Effort in LLMs: How LLMs Learn Low-, Medium-, and High-Effort Reasoning Modes'. Ahead of AI, 18 juli 2026.Genoemde entiteiten: ChatGPT - Gemini - ClaudeStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Hans Hoornstra, voorzitter van de Stichting Digitale Overheid en oprichter van OmgevingsChat, ziet dagelijks hoe medewerkers AI-tools inzetten zonder te begrijpen wat er achter de schermen gebeurt. Hij legt uit waarom een taalmodel structureel hallucineert, niet soms, maar altijd, en waarom dat geen fout is maar het mechanisme zelf. Wie dat begrijpt, stopt met blindelings vertrouwen en begint te denken in termen van waarschijnlijkheid en verificatie.Een gemeentemedewerker die een persoonlijk verhaal in een chatbot plakt om wetgeving te toetsen, registreert onbedoeld medische informatie over een inwoner. Morgen kun je naar casuscolumbus.com gaan, een kaartset downloaden en met je team een uur praten over wat er mis kan gaan als je Artificial Intelligence verkeerd inzet, dat gesprek is de basis voor verantwoord gebruik.Onderwerpen Hoe taalmodellen werken en waarom ze altijd hallucineren De drie vaardigheden voor AI-geletterdheid: begrip, praktijkervaring en ethische alertheid Impact van AI op relaties tussen mensen en organisaties Het driehoeksmodel van stuwende, verbindende en dragende vaardigheden LinksBoek: Het AI van Columbus - Hans HoornstraSpel: CasusColumbus: Workshop AI en Ethiek voor Onderwijs & OverheidKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Stichting Digitale Overheid - OmgevingsChat - Het AI van Columbus - Europese AI-verordening - Copilot - casuscolumbus.comStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Artificial Intelligence-systemen bestaan steeds vaker uit groepen agents die samenwerken, en dat levert gedrag op dat je bij geen van de losse agents had kunnen voorspellen. Joop Snijder legt uit waarom twee begrippen uit de biologie — emergentie en stigmergie — verklaren wat er nu al gebeurt in de tools die developers dagelijks gebruiken. De betrouwbaarheid van zulke systemen zit niet in het perfectioneren van elk onderdeel, maar in hoe makkelijk je een onderdeel kunt vervangen als het uitvalt.Bij coding agents die al in gebruik zijn, werkt dit concreet zo: kleine, zelfstandige tools die elk hun eigen voortgang bijhouden, zodat de volgende stap altijd verder kan zonder centrale regie. Morgen kun je beginnen met één AI-werkproces dat je nu gebruikt: schrijf per stap op wat er gebeurt als die stap uitvalt, en bepaal welk onderdeel je als eerste kleiner en vervangbaarder kunt maken.Onderwerpen Emergentie en stigmergie bij samenwerkende AI-agents Van grote systemen naar kleine, vervangbare tools Controle loslaten en omgaan met fouten in AI-systemen Verschuiving van architect-denken naar tuinman-denken LinksPodcast: AIToday Live S08E64 - Welke vaardigheden tellen in de AI-samenlevingPodcast: AIToday Live S07E03 - Generatieve AI in bedrijfsprocessen, wat je moet weten (met Peter van der Putten)Podcast: AIToday Live S07E89 - AI & AI-agents: de grote vragensessieGenoemde entiteiten: Peter van der PuttenStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Fieke Jansen, onderzoeker aan de Universiteit van Amsterdam en leider van het Critical Infrastructure Lab, brengt de volledige materiële keten achter Artificial Intelligence in kaart: van kobaltmijnen in Congo tot e-waste in Ghana. Het probleem is dat de discussie over AI-infrastructuur vrijwel altijd gaat over groei, terwijl de vragen over verdeling, toegang en publieke belangen nauwelijks worden gesteld. Ze laat zien waarom efficiëntie het probleem niet oplost — meer efficiëntie leidt tot meer gebruik, niet minder — en waarom AI als klimaatoplossing vaak een manier is om structurele verandering uit te stellen.In Noord-Holland verbruikt één hyperscaler evenveel energie als alle Amsterdamse huishoudens samen, terwijl gemeentes geen wegingskader hebben om te sturen op gebruik. Morgen kun je beginnen met drie vragen bij elk AI-gebruik: staat dit gehost bij een Europese partij, is generatieve Artificial Intelligence hier echt nodig of volstaat een kleiner model, en wat is de netto milieuimpact inclusief het energieverbruik van de AI zelf?Onderwerpen De materiële keten van AI: van mijnbouw in Congo tot e-waste in Ghana, inclusief waterverbruik bij chipproductie en energieverbruik van datacenters Schaarste en toegang tot rekenkracht: wie krijgt toegang tot datacapaciteit, de opkoopkracht van grote techbedrijven versus kleinere partijen, en juridische gevechten over netaansluitingen Predatory delay: hoe AI wordt gepresenteerd als klimaatoplossing terwijl het vooral gaat om adaptatie in plaats van structurele aanpak Governance en beleid: het ontbreken van wegingskaders voor datacentervergunningen en de noodzaak van een moratorium om publieke belangen te beschermen LinksOnderzoeksinstituut: critical infrastructure labKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Universiteit van Amsterdam - Critical Infrastructure Lab - TSMC - TenneT - SIDN - Amazon - SurfNetStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Veel organisaties kopen honderd AI-licenties, plannen trainingen en verwachten daarna een zichtbaar financieel rendement — maar dat rendement blijft uit. Het probleem is niet dat Artificial Intelligence niet werkt, maar dat de meeste initiatieven in de verkeerde categorie zitten: persoonlijke productiviteit levert betere werkomstandigheden op, geen winst op de balans. Joop Snijder laat zien dat AI-waarde in drie categorieën valt uiteen, elk met een eigen meetmethode en verwachting.De categorie waar verreweg de meeste waarde ontstaat, is procesintegratie: AI ingebouwd in een herhaalbaar bedrijfsproces dat honderden keren per maand wordt uitgevoerd. Een organisatie die klantaanvragen terugbrengt van vier uur naar anderhalf uur per aanvraag, bespaart bij driehonderd aanvragen 750 uur per maand — dat is een structurele kostenverlaging die je wél terugziet in de cijfers. Morgen kun je beginnen met je top drie AI-initiatieven te categoriseren en te bepalen of je ze ook op de juiste manier stuurt en meet.Onderwerpen Het verschil tussen Return on Employee en Return on Investment bij AI-adoptie Waarom persoonlijke productiviteitstools geen financieel rendement opleveren Procesintegratie als belangrijkste bron van meetbare AI-waarde De drie categorieën AI-inzet en hun bijbehorende meetmethodes LinksPodcast: AIToday Live podcastOnderzoek: Info Support AI-onderzoek 2026Genoemde entiteiten: Gartner - Data & Analytics SummitStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Gabriella Obispa, projectleider AI-ethiek bij de Politie Nederland, en journalist Laurens Vreekamp zien hoe organisaties zichzelf in de voet schieten door te beginnen met "hoe zetten we AI in?" in plaats van "welk probleem lossen we op?"Hun boek *Niet onze AI* laat zien waarom die volgorde uitmaakt: de gemeente Amsterdam werkte twee jaar aan een AI-systeem voor bijstandsontvangers dat bleef discrimineren en uiteindelijk niet werd ingezet.Obispa beschrijft hoe een vaste vertraging aan het begin van een project juist betere resultaten oplevert: eerst het probleem definiëren, dan pas tools evalueren.Vreekamp voegt een concreet hulpmiddel toe: behandel uitspraken over de toekomst van Artificial Intelligence als beloften, niet als feiten, en formuleer twijfel als vraag in plaats van bezwaar.Morgen kun je bij je lopende AI-project één vraag stellen: voor wie werkt dit systeem goed, en voor wie niet?Onderwerpen Het stellen van de waarom-vraag in plaats van de hoe-vraag bij AI-implementatie Bias en representativiteit in AI-systemen door homogene ontwikkeling en trainingsdata Vertraging als bewuste methode voor betere AI-projecten Twijfel als instrument voor betere besluitvorming bij AI-toepassingen LinksBoek: Niet onze AI - Gabriella Obispa en Laurens VreekampPersoon/Denker: Ruha Benjamin - filosoof en denker, concept 'abundant imagination'Organisatie: Cybersoek - Wij helpen je gratis bij het gebruik van je laptop, tablet en smartphone.Kaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Politie Nederland - ETZ-ziekenhuis - gemeente Amsterdam - Nu.nl - Silicon Valley - ChatGPT - Peter ThielStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Drie van de vier grootste adviesbureaus ter wereld publiceerden rapporten met bronverwijzingen die niet kloppen — titels die niet bestaan, rechters die uitspraken nooit deden. Bij KPMG waren 40 van de 45 bronnen verzonnen of incorrect, en dat terwijl het rapport door tientallen reviewers ging.Dat komt door vier patronen: automation bias maakt je minder kritisch naarmate je AI meer vertrouwt, nette opmaak laat nepbronnen eruitzien als echte, en gedeelde verantwoordelijkheid betekent in de praktijk dat niemand controleert.Extra waarschuwingen lossen dit niet op — de structuur moet anders.Pak één AI-gegenereerd document uit je organisatie en controleer drie bronverwijzingen willekeurig: als één niet klopt, heb je een structureel probleem. Morgen kun je dat gat dichten door verificatie aan één persoon toe te wijzen met een naam en een deadline, en een tool zoals GPTZero in je workflow op te nemen.Onderwerpen Vibe citations: AI-modellen die niet-bestaande bronverwijzingen genereren Automation bias: waarom vertrouwen in AI kritisch denken vermindert Het omstanderseffect in reviewprocessen: gedeelde verantwoordelijkheid leidt tot geen controle Praktische maatregelen: verificatie automatiseren en expliciet toewijzen LinksArtikel: Chasing the Hallucinations: KPMG's AI-Powered Attempt at "Redefining Excellence"Artikel: Deloitte refunds Australian government over AI in reportArtikel: Checking your browser - reCAPTCHAArtikel: What is Automation Bias? How to Avoid its Pitfalls | Informa TechTargetArtikel: The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers - Microsoft ResearchArtikel: RedirectingArtikel: Diffusion of Responsibility - The Decision LabRapport: Trust, attitudes and use of artificial intelligence: A global study 2025Website: AI Detector - Free AI Checker for ChatGPT, GPT-5 & GeminiPodcast: AIToday Live podcastGenoemde entiteiten: KPMG - Deloitte - Ernst & Young - GPTZero - Microsoft - Carnegie Mellon - Universiteit van MelbourneStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Jessica de Jong bracht haar roman gelijktijdig uit in vijf talen, vertaald met Artificial Intelligence, zonder uitgeverij of vertaalbureau — vanuit haar eigen werkkamer. Ze ontdekte dat kleinere tekstfragmenten betere vertalingen opleveren dan grote stukken, en dat je altijd een native speaker nodig hebt voor de eindcontrole. Haar werkwijze laat zien hoe je per taak bepaalt wat Artificial Intelligence kan overnemen en waar jij de regie houdt.Concreet voorbeeld: waar ChatGPT haar expliciete mafiaprose verzachtte tot eufemismen, zette ze die passages handmatig terug — en ging ze in discussie met het systeem totdat het minder preuts werd. Morgen kun je voor één tijdrovende taak in je werk testen wat Artificial Intelligence eraan bijdraagt: begin klein, controleer de output, en trek je eigen conclusies over waar de grens ligt.Onderwerpen AI-vertaling van romans: werkproces en kwaliteitscontrole Zelfstandig uitgeven met AI als alternatief voor traditionele uitgeverijen Grenzen van AI bij creatief werk en journalistiek Experimenteren met AI en ruimte voor fouten maken LinksBoek: Studente in Genua - Jessica de JongBoek: Vrouw van Eer - Jessica de JongDichtbundel: Dichtersbuurt - Jessica de JongUitgever: Libero BooksKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: ChatGPT - Amazon - Centraal Boekhuis - NRC - Makro - RaraStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Welke vaardigheden maken je nog onderscheidend als Artificial Intelligence de uitvoering grotendeels overneemt? Het antwoord zit niet in het leren werken met AI-tools, want dat wordt net zo vanzelfsprekend als werken met een computer.Joop bespreekt drie vaardigheden die straks het verschil maken: beslissen terwijl niet alles vaststaat, een heel proces opnieuw inrichten in plaats van losse stappen automatiseren, en iets bedenken wat er nog niet is.Een team dat alleen de eerste stap van hun offerteproces automatiseerde, won twee uur per offerte. Toen ze het hele proces opnieuw inrichtten met AI als onderdeel, daalde de doorlooptijd van tien naar twee dagen. Morgen kun je beginnen door één aanname over je werk op te schrijven die je als vanzelfsprekend beschouwt, en te bedenken wat er mogelijk wordt als die aanname niet meer geldt.Onderwerpen Oordelen onder onzekerheid Denken in processen in plaats van losse stappen Verbeeldingskracht om nieuwe mogelijkheden te bedenken Verschuiving van beloonde vaardigheden door AI LinksBoek: Boek - HET Ai VAN COLUMBUSPodcast: AIToday Live podcastGenoemde entiteiten: Hans Hoornstra - UberStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Bas Prins, AI-trainer van het jaar 2025, ziet organisaties vastlopen omdat ze Artificial Intelligence behandelen als een tool die je aanschaft en installeert. Het echte probleem is niet de technologie, maar de vraag die niemand stelt: waarom doen we dit proces eigenlijk nog zo? Bas laat zien hoe je met een hackathon vastgeroeste patronen openbreekt, en waarom je beter kunt focussen op de 20% die al wil experimenteren dan op verplichte trainingen voor iedereen.Bij gemeente Midden-Groningen leverde één hackathon meerdere werkende prototypes op van mensen die nog nooit met AI hadden gewerkt. Morgen kun je beginnen met één concreet proces uit je werk opschrijven en jezelf afvragen: als we dit vandaag opnieuw zouden ontwerpen, zouden we het dan nog zo inrichten?Onderwerpen AI als technologie versus AI als tool en de impact op organisaties Waarom efficiëntie het verkeerde uitgangspunt is bij AI-implementatie De hackathon-methode om processen te doorbreken en de 20%-regel voor adoptie Privacy, dataveiligheid en de maatschappelijke impact van AI-surveillance LinksBedrijf: FortyTwoAI - trainingen en lezingen op het gebied van AI door Bas PrinsVideo: Monty Python - Silly Olympics, 100 meter voor mensen zonder richtingsgevoelTechnologie/Project: GoogleBedrijf: Home | PalantirBedrijf: Clearview AI | Facial RecognitionPodcast: AIToday Live nieuwsbriefKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Google - Pondje - ChatGPT - Palantir - Clearview AI - Teams - gemeente Midden-GroningenStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Joop Snijder, CTO bij Aigency en voormalig muzikant, trekt een directe lijn tussen zijn jaren als producer in een thuisstudio en hoe Artificial Intelligence werkt als werktool. Het probleem is niet dat AI te veel overneemt, maar dat je de output accepteert zonder er iets van jezelf in te stoppen. Joop legt uit hoe je rol verschuift van uitvoerder naar producer: niet elke noot spelen, maar bepalen wat blijft en wat weggaat.Een taalmodel levert vlotte zinnen, maar heeft geen smaak, geen context en geen idee van de politieke gevoeligheid in jouw team. Als je een AI-output leest en niets verandert, is dat geen teken van kwaliteit maar van te weinig kritisch kijken. Morgen: pak iets wat je de komende week moet maken, gebruik een taalmodel voor de eerste versie en noteer drie dingen die je aanpast en waarom.Onderwerpen De verschuiving van maker naar producer bij samenwerking met AI AI als startpunt voor mensen zonder veel eigen ideeën Het risico van middelmaat bij onkritisch gebruik van AI-output De irrelevantie van de vraag 'heb je dit met AI gemaakt?' LinksPodcast: AIToday Live podcastWebsite: AIToday Live - Het leukste keukentafelgesprek over AIGenoemde entiteiten: ChatGPTStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Wilco de Vries, business developer bij Info Support, en Jurre Brandsen, AI-champion bij hetzelfde bedrijf, zien organisaties vastlopen op AI-projecten die beginnen bij de technologie in plaats van bij het probleem. Jurre legt uit waarom enthousiaste teams soms afgeremd moeten worden: zodra je de menselijke controle volledig weghaalt, verlies je ook de verantwoordelijkheid, en die kun je niet delegeren aan een agent. Zijn team gebruikt het zes-ogenprincipe bij code reviews: Artificial Intelligence doet een eerste controle, maar er kijken altijd twee mensen mee.Bij legacy-migraties, zoals COBOL-systemen in de financiële sector, versnelt AI het conversieproces aanzienlijk door patroonherkenning, maar de business moet altijd bevestigen dat de beschrijving van de code klopt voordat je iets overzet. Morgen kun je beginnen met één proces dat je al goed begrijpt: schrijf stap voor stap op hoe je het nu aanpakt en gebruik dat als referentiekader om AI-output te beoordelen.Onderwerpen Codeconversie van legacy-systemen met AI Veranderende rol van developers en verantwoordelijkheid bij AI-gebruik AI-adoptie in organisaties en het belang van voorbereiding Context engineering en gestructureerde controle bij AI-implementaties Risico's van ongecontroleerd enthousiasme en het belang van menselijke controle LinksPodcast: AIToday Live podcastOrganisatie: Info SupportKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: GartnerStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

AI wordt niet de redder van de mensheid en ook niet de oorzaak van de ondergang — dat zijn verkoopverhalen, geen analyse. Het echte probleem is dat het publieke debat AI behandelt als een zelfstandig wezen, terwijl het gewoon technologie is die onder menselijke controle staat en waarschijnlijk ook blijft. Joop legt uit waarom adoptie altijd trager gaat dan de techniek: de bottleneck is nooit de uitvinding, maar de verspreiding — vertrouwen, wetgeving, processen die anders ingericht worden.Een AI-model dat slaagt voor het advocatenexamen is iets anders dan een systeem dat duizend keer achter elkaar betrouwbaar werkt in een proces waar iets op het spel staat. Morgen kun je bij elk AI-hype-bericht één vraag stellen: wat is de concrete claim, wat is het bewijs, en wie heeft er belang bij dat je dit gelooft?Onderwerpen AI als normale technologie vergelijkbaar met elektriciteit De kloof tussen technische mogelijkheden en maatschappelijke adoptie Het verschil tussen wat een AI-model kan en wat een product betrouwbaar doet Concrete risico's van AI versus hypothetische superintelligentie-scenario's LinksBoek: Niet onze AI - ManagementboekArtikel: AI as Normal Technology - NormalTechPodcast: AIToday LiveGenoemde entiteiten: Princeton University - Arvind Narayanan - Sayash Kapoor - Luigi Galvani - Giovanni Aldini - Frankenstein - Xerox - Mark Weiser - Gabriella Obispa - Laurens VreekampStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Saskia Lensink, productmanager van GPT-NL bij TNO, bouwde met 13,5 miljoen euro een Nederlandstalig taalmodel waarvan elke zin in de trainingsdata juridisch is gecheckt en traceerbaar is naar de bron.Dat klinkt vanzelfsprekend, maar het kostte anderhalf jaar om die dataset samen te stellen, omdat licentie-informatie bij de meeste beschikbare datasets ontbreekt of AI-training expliciet verbiedt.Het model richt zich op drie toepassingen die samen zo'n 80 procent van het praktische gebruik van Artificial Intelligence in organisaties dekken: samenvatten, versimpelen en RAG, waarbij je vragen stelt aan je eigen documenten in plaats van aan het geheugen van een model.Voor sectoren als overheid en zorg is dat relevant: een model waarvan de data-herkomst volledig transparant is en dat op Europese servers draait, neemt een concrete drempel weg voor adoptie.Wil je bijdragen of experimenteren: de code staat op GitHub, datasets zijn gedocumenteerd via Hugging Face, en eind 2025 is er een gehoste versie beschikbaar via een API.Onderwerpen De opbouw van GPT-NL met 13,5 miljoen euro budget en de juridisch gecheckte dataset De functionaliteiten van het model: samenvatten, versimpelen en RAG Digitale soevereiniteit als ontwerpkeuze met Europese infrastructuur en open source code De behoefte aan vervolgfinanciering van 135 miljoen euro voor verdere ontwikkeling Hoe organisaties en individuen kunnen bijdragen via data of deelname aan haalbaarheidsstudies LinksProject: Een verantwoord alternatief op bestaande LLMs - GPT-NLProject: GPT-NL: aanleveren van dataPlatform: GPT-NL (GPT-NL)Platform: GPT-NL · GitHubOrganisatie: SURF is de ict-coöperatie van onderwijs en onderzoek | SURF.nlOrganisatie: Nederlands Forensisch Instituut | NFI - Nederlands Forensisch InstituutOrganisatie: Ministerie van Economische Zaken en Klimaat | Rijksoverheid.nlOrganisatie: Ministerie van Binnenlandse Zaken en Koninkrijksrelaties | Rijksoverheid.nlPlatform: ChatGPTOrganisatie: PNA GroepPlatform: Vlam.ai - SSC ICTAI-model: Alpaca (dier) - WikipediaAI-model: Frontier AI LLMs, assistants, agents, services | Mistral AIPodcast: AIToday LiveKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: TNO - ChatGPT - AMD - Chatbot Gem - Ministerie van Binnenlandse Zaken - Mistral - Silo AI - AI Awards - Deepseek - GitHub - Hugging Face - Aaron MirckStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Zonder dat je het doorhebt, stijgt je AI-rekening elke maand een beetje — niet door hogere prijzen, maar door aanpassingen in hoe gebruik wordt gemeten. Anthropic telde dezelfde tekst met een nieuwe tokenizer 35% zwaarder, OpenAI verdubbelde de prijs per token met een zuinigheidsbelofte die in de praktijk niet uitkwam. Beide bedrijven bereiden zich voor op een beursgang, en elke stille prijsverhoging die klanten niet opmerken telt mee op de omzetregel.Het praktische antwoord is een andere gewoonte: begin met het goedkoopste model en schaal alleen op als de kwaliteit tekortschiet. Van 55 prompts in de podcastproductie draait er maar één op het duurste model — en bij een recente check bleken er nog 11 onnodig zwaar ingesteld.Morgen kun je je vijf meest gebruikte AI-taken testen op een goedkoper model en kijken waar de kwaliteit écht verschilt.Onderwerpen Verborgen prijsverhogingen door tokenizer-aanpassingen bij Anthropic Prijsverdubbeling GPT-5.5 en verschuiving naar betalen per token Impact aankomende beursgang op prijsstrategie AI-leveranciers Kostenoptimalisatie door bewust modelkeuze van goedkoop naar duur Praktische inzet verschillende modellen in podcast-productie LinksArtikel: I think Anthropic and OpenAI have found product-market fitArtikel: Claude Token Counter, now with model comparisonsArtikel: GitHub Copilot is moving to usage-based billing - The GitHub BlogDocumentatie: Models and pricing for GitHub Copilot - GitHub DocsDocumentatie: Documentation - Claude API DocsArtikel: Bloomberg – Can OpenAI and Anthropic IPOs Live Up to Expectations?Artikel: Anthropic confidentially files for IPO after a $965 billion valuation | FortuneArtikel: GPT-5.5 Price Increase: What It Actually Costs | OpenRouterArtikel: GPT-5.5 may burn fewer tokens, but it always burns more cashGenoemde entiteiten: Anthropic - OpenAI - Microsoft - GitHub Copilot - Google - Simon WillisonStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Jeroen van der Laak, hoogleraar computationele pathologie aan het Radboud UMC, werkt 35 jaar aan Artificial Intelligence die microscopiebeelden analyseert en ziet hoe bewezen technologie toch niet gebruikt wordt. Het probleem is niet dat de AI niet werkt, maar dat de weg van onderzoeksresultaat naar klinische toepassing bezaaid ligt met regelgeving, firewalls en juridische contracten. Hij laat zien dat een betere AUC-score in een studie niemand overtuigt, maar dat "honderd onnodige operaties minder per jaar" dat wel doet.Een Linux-server opzetten binnen een ziekenhuisfirewall kan technisch in een middag, maar duurt in de praktijk een half jaar. Morgen kun je voor je eigen AI-project de volledige implementatieketen in kaart brengen: technologie, validatie, IT-integratie en gebruikersacceptatie, want wie alleen naar de technologie kijkt, onderschat de werkelijke inspanning met een factor tien.Onderwerpen De kloof tussen bewezen AI-technologie en klinische toepassing in de pathologie Digitalisering als voorwaarde voor AI-implementatie in medische laboratoria Juridische en infrastructurele obstakels bij data-uitwisseling en integratie Vertrouwen en menselijke controle als voorwaarde voor adoptie door patiënten en artsen LinksPodcast: AIToday Live podcastProject: The catalyst in the digital transformation of pathology | BigpictureKaartspel: ChatGPTKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Radboud UMC - Big PictureStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Joop Snijder, Head of AI bij Info Support ziet teams keer op keer beginnen met bouwen voordat ze weten wat ze eigenlijk willen automatiseren. Het probleem: een AI-agent die zelfstandig werk uitvoert in een bedrijfsproces is functioneel vergelijkbaar met een nieuwe medewerker, met bevoegdheden, verantwoordelijkheden en grenzen die je vooraf moet vastleggen. Hij ontwikkelde het AI-agent Vacature Canvas, een tool die je dwingt om die vragen te beantwoorden voordat je ook maar één instelling aanraakt.Een agent die klantvragen beantwoordt zonder vastgelegde grens over wat hij wel en niet mag toezeggen, werkt prima totdat hij een toezegging doet die niet klopt. Morgen kun je voor elk agent-idee dat je al een tijdje in je hoofd hebt op papier zetten wie er verantwoordelijk voor is, welke fouten acceptabel zijn, wat de agent nooit mag doen en wat het minimale resultaat is dat de investering rechtvaardigt — die vier vragen kosten je twintig minuten.OnderwerpenAI-agents vereisen vooraf duidelijke afbakening van verantwoordelijkheden, bevoegdheden en foutmarges voordat je begint met bouwenHet AI-agent Vacature Canvas en experimentcanvas helpen hypotheses en verwachtingen te formuleren om achteraf te kunnen meten of een agent de investering waard wasPen en papier bij workshops dwingen tot gefocuste aandacht en grondigere besluitvorming over complexe AI-implementatiesOnderscheid tussen persoonlijke routinetaken en bedrijfskritische processen bepaalt of een snelle of grondige aanpak nodig isLinksBoek: Doeltreffend met AI-agents: Zo bereid je jouw organisatie voor op de toekomst van werk - Joop Snijder (2025)Podcast: Zo implementeer je AI Governance in codeGenoemde entiteiten: Gartner Data and Analytics SummitStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Lizzy Prins, organisatieadviseur bij High Potential Factory, ziet bij vrijwel elke organisatie hetzelfde patroon: Artificial Intelligence wordt bovenop bestaand werk gezet, zonder dat er iets verandert aan taken of processen. TNO-onderzoek bevestigt dat: medewerkers ervaren door AI méér werkdruk, niet minder. Haar aanpak begint niet bij tools, maar bij één vraag: wat is de kernopdracht van jouw team, en wat staat er op de lijst dat daar niets mee te maken heeft?Organisaties die hun vijftig AI-initiatieven terugbrachten naar vijf prioriteiten, boekten sneller zichtbare resultaten dan teams die alles tegelijk probeerden. Morgen kun je beginnen met een lijst van alles wat er in jouw team speelt rondom AI, een naam invullen bij wie verantwoordelijk is, en alles zonder naam beschouwen als focusprobleem.Onderwerpen AI verhoogt werkdruk wanneer het bovenop bestaand werk wordt gelegd zonder processen aan te passen Focus aanbrengen door AI-initiatieven terug te brengen van vijftig naar vijf prioriteiten AI-diarree: het risico van doorwerken met lage mentale energie leidt tot overproductie zonder kwaliteit Het Fab Five-framework als stappenplan voor gefaseerde AI-implementatie Verantwoord AI-gebruik vereist transparantie over dataopslag en toegang bij tools en automatiseringen LinksBoek: Van Homo Sapiens naar Robo Sapiens - Lizzy PrinsPodcast: AIToday LiveKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: High Potential Factory - TNO - Make.com - N8NStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Joop Snijder, CTO bij Aigency, ziet organisaties AI-gebruik meten op tokenverbruik en adoptiepercentages, terwijl dat precies de verkeerde metriek is. Zodra tokengebruik een doel wordt, gaan medewerkers prompts verlengen en agents draaien voor taken die ze handmatig sneller doen, puur om hoog te scoren op een dashboard. Dit is Goodhart's law in de praktijk: de metriek stuurt gedrag, maar niet richting betere resultaten.Joop analyseerde zijn eigen gebruik van Claude over meer dan 2400 berichten en ontdekte dat zijn berichten gemiddeld 84 tekens lang zijn, niet omdat hij weinig doet, maar omdat hij stuurt op richting en bijstuurt op wat hij ziet. Kijk morgen naar de AI-metrics in jouw organisatie: zijn het activiteitsmetrics of outcome-metrics zoals kwaliteit, doorlooptijd en foutreductie? Als het antwoord activiteitsmetrics is, heb je een gesprek te voeren.Onderwerpen Tokenmaxxing: het behandelen van AI-tokenverbruik als bewijs van productiviteit Goodhart's law: hoe meetbare doelen leiden tot verkeerd gedrag Extrinsieke motivatie en sociale vergelijking in AI-adoptie Gevolgen van tokenmaxxing: energieverbruik, cognitieve vervuiling en verlies van vakmanschap Outcomemaxxing: sturen op resultaat in plaats van AI-gebruik LinksArtikel: Silicon Valley’s AI ‘tokenmaxxing’ obsession has a big problem – and philosophers saw it comingArtikel: The Pulse: ‘Tokenmaxxing’ as a weird new trend - The Pragmatic EngineerArtikel: Why Vanity Metrics are DangerousArtikel: AI Anxiety: Why So Many Professionals Feel Left Behind Right NowArtikel: Silicon Valley Embraces Tokenmaxxing, Raises Practical Problems | Let's Data ScienceArtikel: Consuming too much AI can be a bad idea. New data on 'tokenmaxxing' reveals a better approach. | Business Insider AfricaArtikel: Is The Cult Of ‘Tokenmaxxing’Just Another Fad Or The New Normal?Artikel: Tokenmaxxing: How CIOs can extract maximum value from AI tokens | TechTargetArtikel: The 'Tokenmaxxing' Trap: Measuring True AI Productivity in an Inference BoomArtikel: 🧠 The Token Economy: Tokenmaxxing Is Stupid Until It Isn’tGenoemde entiteiten: OpenAI - NVIDIA - Claude - Silicon ValleyStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Dave Hamersma, Lead Data Scientist & AI Architect bij Sensire, loste een concreet probleem op: thuiszorgmedewerkers die tien minuten per cliënt kwijt zijn aan inlezen, vaak in hun eigen tijd. Hij bouwde een samenvattingstool die dat terugbrengt naar één minuut — maar in de zorg is een fout over een wond op het verkeerde been geen optie.De aanpak: drie modellen in serie, waarbij het tweede model de samenvatting vergelijkt met het originele dossier en twijfelachtige informatie er simpelweg uithaalt in plaats van te corrigeren.Omdat de ECD-leverancier niet meewerkte, bouwde hij een Chrome-extensie die de knop visueel op de bestaande interface projecteert. Zorgmedewerkers stuurden mailtjes toen de knop tijdelijk verdween — adoptie was geen probleem. Morgen kun je één taak inventariseren die collega's in eigen tijd uitvoeren, de mensen die het dagelijks doen vragen wat een betere uitkomst zou zijn, en dat gesprek gebruiken als startpunt voor een use case.Onderwerpen LLM-as-judge aanpak om hallucinaties te filteren in zorgsamenvattingen Chrome-extensie als tijdelijke oplossing voor integratie met elektronisch cliëntdossier Spraak-naar-tekst met domeinspecifieke feedbackloop voor zorgdocumentatie Werkgeluk als business case voor AI-implementatie in de zorg LinksBoek: Doeltreffend met AI-agents - Joop SnijderOrganisatie: Home | SensirePlatform: AI and Cloud Computing Services | Google CloudAI-model: Google GeminiAI-model: Google AI: What to know about the PaLM 2 large language modelAI-model: What Is Llama 2? | IBMTool: Google NotebookLMOrganisatie: Elisabeth-TweeSteden ZiekenhuisPodcast: AIToday LiveKaartspel: AI Game Changer - Zorg editieGenoemde entiteiten: Sensire - Google CloudStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Gartner spreekt met duizenden bedrijven wereldwijd en hun conclusie van de Data & Analytics Summit is direct: de meeste organisaties boeken productiviteitswinst met Artificial Intelligence, maar zien die winst niet terug op de balans. De gewonnen tijd verdwijnt in andere taken, tools stapelen zich op, en het fundament ontbreekt.Joop en Niels werken vijf concrete voorspellingen uit, van FOBO (de angst overbodig te worden) tot de stelling dat AI zonder fundament alleen je onwetendheid versterkt.Het patroon dat steeds terugkomt: wie nu stil doorwerkt, leert van tegenvallers en meet of zijn AI-gebruik écht iets oplevert, staat er in 2027 beter voor dan wie nu de meeste demo's geeft. Morgen kun je beginnen met één vraag: welke AI-toepassing die je nu gebruikt levert aantoonbaar resultaat op de balans?Onderwerpen Productiviteitswinst van AI die niet zichtbaar is op de balans Het belang van een fundament onder AI-toepassingen in plaats van losse tools FOBO (Fear Of Becoming Obsolete) als nieuwe werkangst Aandacht als schaars goed versus oppervlakkige communicatie De hype cycle van AI en waarom helden ontstaan in dieptepunten LinksOrganisatie: Gartner - Data & Analytics Conference LondenPodcast: AIToday Live podcastKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Gartner - Will.i.am - Embert Tan - Copilot - LinkedInStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Margaret Kalisvaart, Senior Compliance Officer bij Rabobank, legt uit hoe chatbot Robin door het goedkeuringsproces ging waarbij drie wetgevende kaders tegelijk golden: de AI Act, de AVG en de Wet op het Financieel Toezicht. Ze beschrijft het vierstapenproces dat Rabobank gebruikt en waarom compliance geen akkoord geeft, maar de business zelf het risico draagt.Een use case die technisch solide was, stemherkenning als klantverificatie, ging toch niet live omdat stemkloning zich zo snel ontwikkelt dat het identificatiemiddel binnen afzienbare tijd een kwetsbaarheid zou worden.Voor organisaties zonder compliance-afdeling zijn er drie basisvragen die al het verschil maken: kan ik dit, mag ik dit, wil ik dit.Morgen kun je beginnen met een lijst van de Artificial Intelligence-toepassingen die je gebruikt, en per toepassing noteren welke persoonsgegevens er verwerkt worden, of er een disclaimer aanwezig is en wie verantwoordelijk is als het misgaat.OnderwerpenHet vierstapenproces van Rabobank voor AI-implementatie: van Idea Phase tot Business as Usual, met betrokkenheid van verschillende teams per faseRisicoweging via een vijfpuntsschaal die bepaalt wie beslissingen mag nemen, waarbij compliance risico's in kaart brengt maar de business zelf verantwoordelijk blijftDe praktische toepassing van drie wetgevende kaders (AI Act, AVG en Wet op het Financieel Toezicht) bij chatbot Robin, met nadruk op het verschil tussen informeren en adviserenDe afgewezen use case van stemherkenning voor klantverificatie vanwege snelle ontwikkelingen in stemkloning-technologie, als voorbeeld van responsible AIDrie basisvragen voor MKB-organisaties zonder compliance-afdeling: kan ik dit, mag ik dit en wil ik ditLinksPodcast: AIToday Live podcastOrganisatie: RabobankCongres: Nationaal AI en Governance Congres | OutvieKaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Rabobank - OpenAIStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).OutvieOutvie verbindt professionals met events en opleidingen rond actualiteit en strategie.Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Hoe weet je of je een AI-systeem kunt vertrouwen, en wat doe je als je dat niet kunt controleren? Het probleem is dat taalmodellen zoals ChatGPT geen simpele rekensom hebben die je kunt terugvolgen: ze hebben miljarden verbanden geleerd uit tekst, en dat maakt uitlegbaarheid fundamenteel anders dan bij klassieke AI-systemen. Joop Snijder laat zien welke drie instrumenten je hebt om toch grip te houden: bronvermelding, gestructureerde databronnen en monitoring van agents.Een juridisch team dat AI koppelt aan een vaste clausule-database, ziet de tijd voor een eerste contractcheck dalen van anderhalf uur naar twintig minuten, zonder dat de kwaliteitscontrole wegvalt. Morgen kun je voor je drie meest gebruikte AI-toepassingen een korte risicoafweging maken: wat zijn de consequenties als de output fout is, en hoeveel uitlegbaarheid heb je daarvoor nodig?Onderwerpen Uitlegbaarheid bij taalmodellen versus klassieke machine learning Bronvermelding en de beperkingen ervan Structuur toevoegen aan AI-systemen voor betere controleerbaarheid Monitoring van AI-agents die zelfstandig acties uitvoeren Risicogestuurd bepalen van het benodigde niveau van uitlegbaarheid LinksAI Tool: PerplexityGenoemde entiteiten: ChatGPT - Perplexity - Anthropic - ClaudeStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Menno van de Lagemaat, AI Governance Officer bij Alliander, beoordeelt dagelijks AI-systemen die de elektriciteitsinfrastructuur van miljoenen Nederlanders raken. Als een AI-systeem netcongestie verkeerd voorspelt, brandt een kabel door en valt de stroom uit. Hij laat zien hoe je Responsible Artificial Intelligence in de praktijk toepast: van risicoclassificatie tot het structureren van ethische gesprekken met drie vaste vragen.Hij heeft zelf een systeem tegengehouden, en legt uit hoe de AI Act hem daarin concreet helpt, ook als ethische argumenten niet landen.Morgen kun je beginnen met één stap: maak een lijst van AI-systemen in je organisatie en stel per systeem de vraag of het überhaupt AI is in de zin van de wet.Onderwerpen AI-risicoclassificatie volgens de AI Act bij kritieke infrastructuur Ethische vraagstukken en waarden bij AI-implementatie in de praktijk AI governance bij netbeheerder Alliander Nee zeggen tegen AI-systemen vanuit governance-rol LinksPodcast: AIToday LiveWetgeving: Verordening - EU - 2024/1689 - EN - EUR-LexAssessment tool: IAMA - Impact Assessment Mensenrechten en AlgoritmesOrganisatie: Alliander - Ontwikkelt en beheert energienettenToezichthouder: Home | Autoriteit PersoonsgegevensToezichthouder: Home | Rijksinspectie Digitale Infrastructuur (RDI)Kaartspel: AI Game Changer - Generative AI editieGenoemde entiteiten: Alliander - AI ActStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).OutvieOutvie verbindt professionals met events en opleidingen rond actualiteit en strategie.Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Meer AI-tools op je werkdag voelt productief, maar onderzoek laat zien dat het averechts werkt vanaf drie tools of meer. Het BCG-onderzoek onder 1500 werknemers toont aan dat 39% meer ernstige fouten maakt door intensief AI-gebruik, en dat je brein energie verliest aan het constant opnieuw inschatten van elke tool. Daar komt bij dat Artificial Intelligence de natuurlijke pauzes in je dag vult, waardoor je brein nooit herstelt.Werknemers met de minste last van AI-vermoeidheid gebruiken bewust twee of drie tools en hebben duidelijke grenzen over wat ze zelf blijven doen. Maak deze week een lijst van alle AI-tools die je gebruikt en kies de twee of drie die je het meeste opleveren — de rest zet je bewust uit.Onderwerpen AI brain fry: mentale overbelasting door te veel AI-tools en de meetbare gevolgen zoals beslissingsvermoeidheid en meer fouten Attention residue en het verlies van natuurlijke pauzes: hoe constant schakelen tussen AI-tools leidt tot cognitieve stapeling Cognitieve schuld: verzwakking van hersenconnectiviteit en kritisch denken door overdadig AI-gebruik Optimaal aantal AI-tools: productiviteit stijgt tot drie tools en daalt daarna, met praktische strategieën om bewuster te kiezen LinksArtikel: When Using AI Leads to “Brain Fry”Artikel: 'AI brain fry' is real and making workers more exhausted, not more productive, new study finds | FortuneArtikel: In the workforce, AI is having the opposite effect it was supposed to, UC Berkeley researchers warn | FortuneArtikel: AI Doesn’t Reduce Work—It Intensifies ItArtikel: The first signs of burnout are coming from the people who embrace AI the most | TechCrunchOnderzoek: Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task — MIT Media LabArtikel: ChatGPT's Impact On Our Brains According to an MIT StudyRapport: TNO en RIVM: AI als kans en risico voor arbeidsomstandighedenRapport: TNO en RIVM: AI als kans en risico voor arbeidsomstandigheden | RIVMWetenschappelijk artikel: Complacency and bias in human use of automation: an attentional integration - PubMedArtikel: AI and the Rise of Cognitive Overload | Psychology TodayArtikel: Thousands of executives aren't seeing AI productivity boom, reminding economists of IT-era paradox | FortunePodcast: AIToday Live podcastGenoemde entiteiten: Boston Consulting Group - Harvard Business Review - Universiteit van Berkeley - MIT Media Lab - TNO - RIVMStuur ons een berichtAigencyAigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.Info SupportInfo Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!