**AI Small Talk #1 | AI After the Cloud: De Grens — Transcript & Summary | SozAI**
Source: https://sozai.app/transcript/ai-small-talk-ai-after-cloud-de-grens/

In deze aflevering van AI Small Talk bespreekt Bas Groothedden de impact van AI op bedrijven en het belang van datakwaliteit.

## Key Takeaways

- Datakwaliteit is essentieel voor succesvolle AI-toepassingen in het bedrijfsleven.
- Er is een snelle transitie gaande waarbij AI-ontwikkeling veel sneller en toegankelijker wordt.
- Ervaring gecombineerd met nieuwe AI-kennis leidt tot krachtige toepassingen.
- AI is een fundamentele technologische doorbraak met grote impact op diverse sectoren.
- Toekomstige AI-modellen zullen zich specialiseren en meer causale inzichten bieden.

## What the video covers

- Veel bedrijven ervaren paniek door het gebrek aan datakwaliteit bij AI-implementaties.
- Bas Groothedden deelt zijn achtergrond en hoe hij opnieuw begon met AI na een carrière in civiele techniek en logistiek.
- Hij volgde een jaar lang een opleiding in AI en bezocht AI-bedrijven om zijn kennis te verdiepen.
- De snelle ontwikkeling van AI-modellen, vooral taalmodellen en visuele modellen, verandert de manier van werken drastisch.
- De doorlooptijd voor het ontwikkelen van AI-tools is sterk verkort van maanden naar weken.
- Bas benadrukt het belang van het goed structureren van data en het stellen van de juiste vragen aan AI.
- Hij ziet AI als de grootste technologische doorbraak van zijn carrière, met nog veel toekomstige ontwikkelingen.
- Causale modellen worden genoemd als de volgende stap in AI-ontwikkeling, met veel investeringen in nieuwe technologieën.
- Veiligheid en transparantie in AI-toepassingen zijn cruciaal, vooral binnen bedrijfsomgevingen.
- Het gesprek benadrukt de noodzaak om AI binnen organisaties goed te integreren en te begrijpen.

## Chapters

1. 00:00 Introductie en datakwaliteit in AI
2. 04:08 Bas Groothedden's achtergrond en heroriëntatie op AI
3. 07:55 De impact van AI op technologie en bedrijfsprocessen
4. 10:56 Gebruik van taal- en visuele modellen in AI
5. 17:36 Veiligheid en transparantie in AI-toepassingen
6. 23:00 De toekomst van AI: causale modellen en specialisatie
7. 30:00 Praktische toepassingen en integratie van AI in organisaties
8. 45:00 Afsluiting en prioriteiten voor AI in bedrijven

Answers

## Questions about this video

Waarom is datakwaliteit zo belangrijk voor AI in bedrijven?

Datakwaliteit bepaalt de effectiviteit van AI-resultaten. Slecht gestructureerde data of onduidelijke vragen leiden tot teleurstellende uitkomsten, zoals besproken door Bas.

Hoe is Bas Groothedden opnieuw begonnen met AI?

Bas volgde een jaar lang een AI-opleiding en bezocht AI-bedrijven om zijn kennis te verdiepen, waarbij hij zijn ervaring in data-analyse combineerde met nieuwe AI-technieken.

Wat zijn causale modellen en waarom zijn ze belangrijk?

Causale modellen zijn AI-modellen die gericht zijn op het begrijpen van oorzaak-gevolgrelaties. Ze worden gezien als de volgende stap in AI-ontwikkeling met veel investeringen.

## Full Transcript — Download SRT & Markdown

00:01

Speaker A

Ik wil niet zeggen blinde paniek nu, maar het is wel een soort paniekvoetbal bij heel veel bedrijven wat we zien als we bij bedrijven komen. Het grote olifant in de kamer eigenlijk is het gebrek aan datakwaliteit. De teleurstelling die ik proef bij mensen in het bedrijfsleven is best wel hoog nu, omdat als het gewoon niet goed is gestructureerd, je data of je vraag is niet goed gesteld, dan komt er ook heel weinig uit.

00:15

Speaker A

Bas, superleuk dat we hier mogen zijn. Het ziet er ook echt heel tof uit. Zul je eens kunnen beginnen met jezelf voorstellen, even wie je bent en wat je precies doet?

00:30

Speaker A

Ja, uiteraard, leuk dat jullie er zijn jongens.

00:43

Speaker A

Mijn naam is Bas Groothedden, ik ben Practical LM gestart, een bedrijf in de AI. Mijn achtergrond ligt eigenlijk in de civiele techniek en logistiek, dat is al heel lang terug. Maar ik ben ooit, heb ik een proefschrift geschreven over optimalisatie en dat is eigenlijk dit bedrijf geworden.

01:02

Speaker A

Dat is het startpunt. Ik ben 54 jaar, maar ik heb mijn schepen nog een keer verbrand en ben opnieuw aan het rollen. Er komen zoveel dingen bij elkaar, de ervaring die ik heb en de achtergrond.

01:18

Speaker A

Ik vind het gewoon fantastisch dat er iets nieuws gebeurt in een vakgebied waar ik volle bak in zit. En jij zegt dan, ik verbrand mijn schepen en ik begin opnieuw, maar waar start je dan? Hoe begin je nou opnieuw?

01:36

Speaker A

Ik ben begonnen met weer terug te gaan naar school eigenlijk. Ik had een ervaring in Engeland bij een hackathon met allemaal jonge mensen met AI.

01:43

Speaker A

Met de eerste versie van ChatGPT eigenlijk en een dataset en daar was ik gevraagd om dat te begeleiden. Maar in die dagen heb ik eigenlijk heel weinig kunnen toevoegen inhoudelijk op het gebied van AI. En dat was leuk om te ervaren dat die jonge mensen,

02:01

Speaker A

schoolverlaters en jonge professionals, die gingen daar echt als een dolle tekeer. Wat ik fantastisch vond om te zien, maar ik kon met mijn ervaring niet zozeer bijdragen voor mijn gevoel. En het was makkelijk voor mij geweest om een beetje te leunen op mijn ervaring. Maar dat heb ik niet gedaan.

02:18

Speaker A

Ik ben eigenlijk gaan zitten en gekeken hoe zij dingen aan het doen waren. En toen kwam ik thuis weer en toen dacht ik, wat heb ik nou gezien? Welke onderwerpen begreep ik nou niet goed of beheers ik niet? En dat zijn eigenlijk drie onderwerpen waar we zo nog wel over te praten komen.

02:32

Speaker A

Maar als eerste ben ik eigenlijk weer letterlijk ook een opleiding gaan doen in AI.

02:38

Speaker A

En gekeken, wat weet ik al wel en waar moet ik stappen zetten? En dat heb ik eigenlijk een jaar gedaan. En een jaar lang ben ik daarna, of in datzelfde jaar ben ik langs mensen gegaan die in mijn promotietijd inmiddels bij AI-bedrijven zaten. Dus dan mag ik eens langskomen.

02:55

Speaker A

Dus ik ben een tijd in Londen geweest waar heel veel mensen, dit soort mensen zitten. En daar ben ik bezig kijken, en leg me nou eens uit. En waar zou jij op focussen als je weer begint met mijn achtergrond? En vrij snel bleek al wel dat

03:10

Speaker A

je die ervaring, ik kom uit de data-analyse en optimalisatiehoek zeg maar, rekenaar.

03:14

Speaker A

Dus daar moet je me een beetje plaatsen. En als je dat combineert met AI en je legt heel goed uit wat je aan het doen bent en welke modellen je gebruikt en wat je data is, dan versterkt het eigenlijk heel snel alweer. Dus ik heb een jaar de tijd

03:30

Speaker A

gepakt om te leren en weer een soort, ik vind het een vreselijk woord, herbronnen te worden.

03:39

Speaker A

Maar hoe confronterend is dat dan? Want je hebt natuurlijk heel veel ervaring.

03:47

Speaker A

Nee, dat voel ik wel een beetje. Ik was een beetje blasé geworden misschien wel.

03:54

Speaker A

Want ik heb echt wel hele mooie projecten gedaan. Maar ik had een fantastisch team. We zijn heel de wereld overgevlogen met mooie projecten.

04:08

Speaker A

En in een hoek waar technologie heel belangrijk is. Dus er is altijd wel een nieuwe doorbraak ofzo. Dus je wordt ook wel enigszins wat kritisch en misschien zelfs wel cynisch.

04:18

Speaker A

Als er geroepen wordt dat er iets totaal nieuws is. Dus ik heb het ook wel een tijdje van me afgehouden. Ik was ook een tijdje een andere droom aan het nastreven in de sport.

04:29

Speaker A

Dus ik was eventjes uit het veld verdwenen. En toen kwam ik terug en toen riep iedereen, nou weet je, er zit wat aan te komen. Toen dacht ik, dat zal wel meevallen.

04:42

Speaker A

Maar het viel niet mee.

04:55

Speaker A

Nee, ik heb daar in Cambridge, heb ik daar mensen gezien die met allerlei appjes al om zich heen. Een dataset aan het, zeg maar, boetseren waren bijna met AI.

05:02

Speaker A

Dat had ik nog nooit gezien. Dat wat voorheen ons, met mij en mijn team, misschien wel vier, vijf maanden kostte, zaten zij daar in die twee, drie dagen te doen. En dat heeft me aan het denken gezet.

05:16

Speaker A

En toen ben ik gaan denken, oké, hoe kan ik het nou gebruiken om wat ik al goed kan, waar mijn kracht ligt, om AI tegenaan te zetten.

05:24

Speaker A

En dat zijn we gaan doen eigenlijk. Dat is precies waar we nu zitten. En even om te plaatsen wanneer dat was. Wanneer speelde dit zich af?

05:35

Speaker A

Dat is ongeveer tweeënhalf jaar geleden, denk ik ongeveer. Zo'n twee, ja, twee jaar, drie jaar geleden.

05:56

Speaker A

En dat was voor jou ook het moment dat jij dacht van, oké, dit is niet een nieuwe trend. Dit is echt iets wat verandert.

06:12

Speaker A

Ja, toen zag ik de kracht.

06:20

Speaker A

Ik ben toen, ik heb het geluk gehad dat ik bij Google op dat lab mocht zijn, zeg maar, dat future lab. Project Astra heette dat. Bij een van de mensen die ik ooit in mijn proefschrijftijd heb leren kennen.

06:36

Speaker A

En die heeft me toen laten zien waar zij mee bezig waren en wat er eigenlijk nu aan zit te komen.

06:46

Speaker A

Ja, dat is, ik ben er wel van overtuigd dat dit voor mij persoonlijk de grootste technologische doorbraak gaat zijn waar ik getuige van ben, waar ik middenin ga zitten. En dat is AI.

07:01

Speaker A

En we zijn er nog lang niet, want waar zij mee bezig zijn, dat is eigenlijk nog een generatie verder dan de modellen die we nu allemaal gebruiken, zeg maar. Dus dat heeft me wel een soort van laten zien van, dat is onvoorstelbaar. Goed en kwaad.

07:13

Speaker A

En voor de meeste mensen, als we het hebben over AI, hebben we het nu over de ChatGPT's, de clouds.

07:25

Speaker A

Ja, precies. Dat is herkenbaar, denk ik, voor mensen.

07:30

Speaker A

Kun jij eens beschrijven hoe jij daarnaar kijkt, als we het daarover hebben?

07:42

Speaker A

Ja, inderdaad. De AI waar ik het meest mee doe, dat zijn die language models. Dus eigenlijk de correlatiemodellen, waar een hoop van onze kennis in verzameld is en waar we dan vragen aan stellen.

07:55

Speaker A

Waar iedereen wel ervaring mee heeft inmiddels. En ook wel de visuele modellen, dus het genereren van beeld en video. Dat is jullie vakgebied eigenlijk, precies.

08:05

Speaker A

Maar het meeste wat wij gebruiken zijn language models. En mijn kijk daarop, in het begin dat ik het zag en veel gebruikte, was ik bijna weggeslagen. En ook wel nu met de modellen die wij gebruiken om te kunnen coderen.

08:17

Speaker A

Ja, bijna dagelijks nog val ik van mijn stoel. Van wat wij vroeger, en vroeger betekent dan zo'n 5, 10, 5 jaar geleden. Daar hadden we developers voor nodig.

08:34

Speaker A

Mensen die het vertaalde probleem van onze opdrachtgevers naar een aanpak en dan daar code van maakten. En dan duurde dat een maand of wat en dan kreeg je je eerste model. Dat is niet helemaal wat ik bedoelde en dan ga je weer terug.

08:41

Speaker A

Ja, dat kostte 6, 7 maanden voordat je echt een mooie app of een tool had gebouwd.

08:46

Speaker A

En dan nog begon dan pas het proces van gebruik.

08:54

Speaker A

Ja, dat proces, die doorlooptijd is nu naar een week hooguit gegaan.

09:05

Speaker A

Dat je iets kan maken, dat je met elkaar kunt testen. En vooral, ik ben van origine geen codeerder. Ik kan niet developen, maar wat ik wel aardig kan is, ik kan een voorstelling maken van wat ik wil.

09:22

Speaker A

En wat handiger is om te gebruiken of uit te leggen. Dus ik kan het probleem vrij goed vertalen in wat nodig is om een aanpak te maken. Dat kan ik nu helemaal zelf.

09:30

Speaker A

Dus ik zit nu eigenlijk volle bak te coderen. Nou, coderen is een groot woord, maar ik zeg wat er gecodeerd moet worden, laat ik het zo zeggen. En dan testen we dat en dat is onvoorstelbaar.

09:37

Speaker A

Maar, ook dat is pas, de modellen die wij nu allemaal gebruiken, dat is het begin. Waar ik echt enthousiast van ben, is de causale modellen die er nu aan zitten te komen. Die ook begr...

09:50

Speaker A

Wordt er heel veel geïnvesteerd in appjes, in technologie en zo. En gebruik. Maar de grote olifant in de kamer eigenlijk, is de gebrek aan data kwaliteit.

10:02

Speaker A

Dus de teleurstelling die ik proef bij mensen in het bedrijfsleven, is best wel hoog nu. Omdat, als het gewoon niet goed is gestructureerd je data. Of je vraag is niet goed gesteld.

10:15

Speaker A

Ja dan komt er ook heel weinig uit. En dan wordt er ook wel wat van, ja het hallucineert of wat. Maar dat is eigenlijk gewoon een teken dat je je zaak niet op orde hebt.

10:25

Speaker A

Kun je daar zo'n voorbeeld van noemen? Wat bedoel je dan, met welke data moet je op orde hebben?

10:30

Speaker A

Nou kijk, als je bijvoorbeeld. In ons, wat heel veel voorkomt. In de wereld waar ik zit.

10:36

Speaker A

Je gaat om supply chain of productie. Of aan klanten, die bestellen producten. En die producten worden in een fabriek gemaakt.

10:43

Speaker A

Dus de heel voorkomende vraag is. Er gaat iets mis met een product. Of iets wordt duurder.

10:49

Speaker A

De olie bijvoorbeeld, wat heel actueel is nu. Dan wil je de impact weten van de markt. Op dat product en die klant.

10:56

Speaker A

En wat doet dat in onze fabriek. Dat is een hele valide vraag. En daar wordt heel veel aan gesteld.

11:01

Speaker A

Dat is een best complexe vraag. Want je hebt allerlei tabellen en informatie nodig. Van waar zitten die klanten.

11:07

Speaker A

En wat hebben ze besteld. Op welke dag. En wat voor product. En wat zit daar in dat product. En op welke fabriek. Dus dat is best wel een keten van data.

11:17

Speaker A

Als dat niet volstrekt duidelijk is. Welke kolom. Welk deeltje van die informatie. Met elkaar te maken heeft. Ja dan gaat AI gokken. En wat nou de valkuil is.

11:29

Speaker A

Vind ik met die AI modellen. Ze kunnen het zo mooi formuleren. Dus het antwoord dat je krijgt.

11:35

Speaker A

Is zo overtuigend. Zo mooi neergezet. Al in tabelletjes. En kleurtjes. En weet je. Het is echt heel indrukwekkend.

11:43

Speaker A

Maar het is wel fout. Is dat ook de valkuil. Voor bedrijven of werknemers. Die ermee werken. Dat ze het als waarheid doen. Ja wij worden als mens.

11:51

Speaker A

We zijn ontzettend beïnvloedbaar. Met taal. Dus wij. Als iemand heel goed formuleert. En heeft heel veel kennis. Dus dat boek gelezen.

11:59

Speaker A

Dat boek gelezen. Dan zijn we heel snel geneigd. Om dat met intelligentie op te plakken.

12:08

Speaker A

Die is slim. En dat is zo gevaarlijk met de AI. Want dat is niet zo.

12:13

Speaker A

Het is geen intelligentie. Wat nu heel hot is in de markt. Is agent technologie.

12:19

Speaker A

Het is colder. Agent is echt. Het bestaat niet. Een agent. Je veronderstelt dat een agent jou helpt. Om allerlei dingen uit te zoeken.

12:28

Speaker A

En dan weet wat de consequentie is. Van zijn advies. Maar dat kan een agent helemaal niet.

12:35

Speaker A

Die AI kan niet inschatten. Wat het effect is van zijn voorstel. Nee maar hij geeft wel het advies.

12:41

Speaker A

Ja ja. Maar hij kan niet verder kijken dan dat zit. Omdat wij dat vragen.

12:45

Speaker A

Dus wij vragen een scenario. Waarin iets goed of slecht of wat is. Maar een AI kan helemaal niet inschatten.

12:52

Speaker A

Dat doet hij ook niet. Maar hij uit alle tekst. En alle informatie die beschikbaar is.

12:57

Speaker A

Haalt hij het meest voorkomende antwoord. En formuleert dat als een optie. Die voor jou heel goed is.

13:04

Speaker A

Dat is ook vaak zo. Want een scenario is vaak gebaseerd op kennis. En dat kan prima.

13:10

Speaker A

Maar heel vaak ook niet. En zeker in het bedrijfsleven. En dat is een beetje mijn lange aanloop.

13:14

Speaker A

Naar hoe AI gebruikt wordt in bedrijven nu. In het begin is men voor hele simpele taken. Heel erg onder de indruk.

13:22

Speaker A

Dus geautomatiseerd doen van iets. Gaat echt heel goed met AI. Tot het punt waarop je beslissingen wil gaan nemen.

13:29

Speaker A

Op basis van de output van AI. De eerste muur waar je tegenaan loopt. Wat doe je met je informatie.

13:38

Speaker A

Om een goed antwoord te kunnen geven. Moet je ook goede informatie geven. Ga jij als werknemer in een bedrijf.

13:44

Speaker A

Eén mag dat. Maar twee. Ga je je informatie in die prompt stoppen. Dus je klantcontact. Je omzet. Je recepten.

13:55

Speaker A

Je ontwerpen. Noem maar op. Ik zou zeggen van niet. Maar we zijn het denk ik wel een beetje aan het weggeven met z'n allen. Waarom zeg jij nu. Ik zou zeggen dat je dat nu niet zou doen.

14:07

Speaker A

Het zijn diezelfde bedrijven. Die zo ontzettend voorzichtig met onze informatie op onze telefoon omgaan. En die vertrouwen we nu wel onze bedrijfsdata toe.

14:19

Speaker A

Ik dus niet. Dus wij hebben vanaf begin af aan. Want eigenlijk twee jaar geleden al.

14:24

Speaker A

Hebben wij een uitgangspunt. Het hangt hier ook op kantoor. Alles is lokaal. Alle AI draait lokaal. Er gaat niks naar buiten. Dat is eigenlijk een uitgangspunt.

14:34

Speaker A

Dat heeft te maken met die muur. Je kunt eigenlijk niet. Je informatie als je dat nu in een AI stopt.

14:41

Speaker A

Maakt niet uit. Alle grote merken. Van Google. Van Microsoft. Van OpenAI. Die informatie die gaat naar een server.

14:50

Speaker A

Minimaal drie of vier of vijf. En dan zijn ze verplicht vanuit wetgeving vanuit Amerika om dat maanden daar te houden. En dan heb je de Cloud Act.

14:59

Speaker A

Die pas in actie is getreden. Ook al staat het in Europa. Dus het staat op een EU server.

15:05

Speaker A

Als het een Amerikaans bedrijf geraakt heeft. Dan is dat Amerikaanse bedrijf verplicht. Als er in Amerika geroepen wordt.

15:14

Speaker A

Openbaar maken. Om het openbaar te maken. Ja. Dat kan toch niet. Daar kun je toch niet met alle. Ja ik word daar heel.

15:24

Speaker A

Ook al boos over. Maar als ik dat mensen hoor zeggen van ja we zitten toch met weet ik veel Microsoft. We zitten toch in onze tenant.

15:31

Speaker A

Maar dan heb je het ook over de Copilots. Waar veel mensen op de. Copilots.

15:34

Speaker A

JGPT. Gemini. Alle grote merken. Het zijn allemaal Amerikaanse bedrijven. En ik zeg niet dat ze slecht zijn. Want het zijn fantastische bedrijven.

15:42

Speaker A

Fantastische modellen. Alleen zij zijn verplicht. Om het te openbaren. Als het ze gevraagd wordt. En dat is een paar keer gebeurd al. Dus dus.

15:52

Speaker A

Dus wat waar. Waar heb je dan je intelligentie. Waar bouw je dat op. Dat is een beetje mijn. Ja mijn vraag die ik veel stel. Als ik bij een bedrijf ben.

16:00

Speaker A

Waar. Ben je het aan het uitbesteden. Of ben je het aan het opbouwen. Ja wat je vroeger misschien liever voor jezelf hield. Ja. Als strategie.

16:08

Speaker A

Geef je nu eigenlijk open. Ja. En je wil juist over die. Die kern dingen. Dus bijvoorbeeld een bedrijf wat ontwerpen maakt. Of noem maar in de mode bijvoorbeeld.

16:18

Speaker A

Wil je juist. Wil je daar AI opzetten. Want daar is. Als je daar iets slims verzint. Dan ben je spekkoper als het ware. Dus.

16:26

Speaker A

Maar dat. Jouw ontwerpen. Kun je mijn ogen nooit. Maar ook nooit. In een. In een prompt gooien.

16:35

Speaker A

En dat. Dat gebeurt gewoon. Dat is gewoon aan het gebeuren. Ja. Gewoon uit gebruik. Uit gemak.

16:42

Speaker A

En dus. Dus daar ben ik wel angstig voor. Ja. Dat we. Want wat. Ja we waren.

16:48

Speaker A

Wat ben je dan nog. Wat is jouw onderscheidend vermogen. Dan nog. Als bedrijf zijnde. En dat is een hele fundamentele discussie. Als het gaat om AI.

16:55

Speaker A

Ja. Ja. Dus eigenlijk wat je zegt is. He. Voor bepaalde werkzaamheden. Als werknemer. Binnen een bedrijf. Kun je het heel goed gebruiken. Ja.

17:03

Speaker A

Maar let op wat je erin stopt. Ja. Ja. Ik vind eigenlijk gewoon. Dat ieder bedrijf. Maar dan zit ik een beetje natuurlijk.

17:09

Speaker A

Voor eigen parochie te praten. En ik. Ik vermoed ook. Dat dat gaat komen. Dat ieder bedrijf. Lokaal.

17:18

Speaker A

Z'n AI heeft. Die de taal spreekt. Van het model. Of van het bedrijf. Die de logica begrijpt. De processen begrijpt.

17:26

Speaker A

Alle contracten. Alle details. Alle informatie. En definities kent. En want dan pas. Hetzelfde als met een nieuwe werknemer.

17:35

Speaker A

Zeg maar. Als iemand komt in het bedrijf. Die moet eerst leren. Begrijpen. Wat voor taal. De afkortingen.

17:41

Speaker A

Waar staat de data überhaupt. Om. Als ik dit moet doen. Waar moet ik dat dan vandaan. Bij wie moet ik zijn. Ja.

17:47

Speaker A

Al die. Die kennis. Die in zo'n bedrijf zit. Al die intelligentie ook. Maar ook. Kennis.

17:53

Speaker A

En processen. En logica. Die moet je leren. Iedere intelligentie. Dus ook. AI. En als je dat. Wil leren. Dan is het.

18:03

Speaker A

In mijn ogen. Maar één optie. Dat je dat intern doet. En niet extern. Ja. Dus met lokaal.

18:09

Speaker A

Bedoel jij. Het moet draaien. Binnen je eigen organisatie. Eigen organisatie. Voor niemand toegankelijk. Voor niemand.

18:15

Speaker A

Toegankelijk. De oplossing is. Vrij. Simpel. En klein. En toch. Is de kennis. Binnen. De meeste bedrijven.

18:24

Speaker A

Gewoon niet aanwezig. Dat dat zo is. Dat is een beetje. Ja. Wat ik nu zie in de markt. Ja.

18:30

Speaker A

En als je er dan. Als bedrijf. Voor kiest. Om wel lokaal te gaan werken. Dan. Kom je op het stukje.

18:35

Speaker A

Wat je hiervoor zei. Is je data dan op orde. Ja. Dat is 90 procent. Ja. Dat zie je natuurlijk ook veel.

18:41

Speaker A

Van. Is de. Nou. We hebben dat in het project gezien. Hiervoor. Want. Ja. Wie heeft wel of niet zijn data. Precies.

18:47

Speaker A

Hoe ver zijn de bedrijven daar al. Ja. Niet ver. Nee. Nee. Maar dat zijn ze al 20 jaar niet.

18:53

Speaker A

Maar het is zo ontzettend. Doodoener. De energie. In de kamer. Die verdwijnt altijd. Meteen.

19:00

Speaker A

Als ik er ben. En ik zeg dat. Want. Want. Dan. Praat je over nieuwe.

19:04

Speaker A

Technologieën. Nieuwe apps. Nieuwe AI. Enzo. Maar. De 90. 95 procent. Van de effort. Zal gaan zitten.

19:10

Speaker A

In. Het op orde krijgen. Van je informatie. Om het. In een soort. In een vorm te krijgen.

19:17

Speaker A

Die AI. Meteen begrijpt. En niet één AI. Dus niet op. Eén van die merken geënt. Dus bijvoorbeeld.

19:23

Speaker A

Op chat. Of cloud. Of. Maar dat. Iedere AI. Welke AI. Er ook binnen stapt. Morgen. Dat die meteen weet.

19:30

Speaker A

Nou. Dit. Dat is het bedrijf. Dus dit. Een soort technologie onafhankelijk. En dat. Dat is moeite. Dat is gewoon. Dat is.

19:37

Speaker A

Ja. Of kennis. Van waar ga je beginnen. Waar ga je dan beginnen. Als je dat doet. Ja.

19:41

Speaker A

Ook zo. Ja. Maar. Ja. Ook dat. Even terug naar twee jaar geleden. Zeg maar. Dat. Wat ik daar zag.

19:49

Speaker A

Waren drie onderwerpen. Dus die. Die studenten. En die. Die. Jonge mensen. Net. Net. Net.

19:55

Speaker A

Begonnen. Die. Waren. Met een. Met een AI bezig. Dus een. Een vorm van. En dan hadden ze. Een data set.

20:03

Speaker A

Die. Al aan elkaar gekoppeld was. Dus dat was een. Ik noem dat een. Een digital born bedrijf. Die hadden een data graaf.

20:12

Speaker A

En die graaf. Wat dat wil zeggen. Dat is eigenlijk gewoon een database. Heel simpel. Alleen. De verbanden.

20:18

Speaker A

Tussen. Alle data elementen. Zit al in die database. Dus je hoeft niet. Een mens. Te gebruiken.

20:23

Speaker A

Om te vragen. Welke klant. En dan een query schrijven. En zo verder. Dus dat zit. Ingebakken.

20:28

Speaker A

In die database. Dat is een heel. Klein stukje technologie. Met een. Enorme impact. Want dat betekende.

20:35

Speaker A

Dat die. Studenten. Die eigenlijk helemaal geen verstand hadden. Van het bedrijf. Waarom het ging. Was een.

20:39

Speaker A

Een soort bedrijf. Als Uber. Die konden. Meteen. Vragen stellen. Over patronen. Bestaat dit patroon. In de data. En dat is.

20:50

Speaker A

Want dat. Als de AI zei. Nee. Dan. Oké. Dan zat het er ook niet.

20:55

Speaker A

Maar zij konden. Heel gericht. Vragen naar. Verbanden. Tussen. Data elementen. Want waarom zijn die klanten. Op dat. Tijdstip van de dag.

21:03

Speaker A

Altijd in die wijk. Want ze waren. Een soort micro marketing. Business model. Wilden ze maken. Deze groep.

21:10

Speaker A

En dat. De data. Zat prachtig. In het model. Verweven. Dus zij konden. Meteen aan de slag. Zonder ervaring. Zonder.

21:16

Speaker A

Zonder. Ja. Eigenlijk. Ja. Wat ik. Binnenbracht. Zeg maar. Ervaring. Om dat te vragen. Want het was niet meer nodig. Omdat dat. Omdat ze dat zelf konden.

21:27

Speaker A

Promten. En wat ze ook deden. Vond ik ook prachtig. Afhankelijk van het. Van het. Zeg maar.

21:33

Speaker A

Het project. Wat ze aan het doen waren. En het onderwerp. Wat ze gekozen hadden. Gingen ze dat model trainen. Dus ze gaven.

21:39

Speaker A

Een soort. Woordenboek. Van. Die sector. Bijvoorbeeld in de mode. Is een collectie. Wat anders dan. In iedere andere sector. Dus zij trainden.

21:47

Speaker A

Dat model. Op de taal. Die gesproken werd. Voor hun onderwerp. Vond ik fantastisch. Dus dat.

21:54

Speaker A

Ze maakten dus. Als het ware. Een verticaal model. In plaats van horizontaal. Met heel brede kennis. Waren zij.

22:00

Speaker A

Een verticaal model aan het bouwen. Dus die twee elementen. Dus die datagraaf. En het verticaal denken. En dan. De derde ingrediënt.

22:07

Speaker A

Dat vond ik. Toen zo mooi. Dat was. Die jonge mensen. Hadden allemaal appjes. Om zich heen verzameld.

22:12

Speaker A

Afhankelijk van. Hun. Ja. Eigenlijk. Hun achtergrond. Hun opleiding. Dus de marketing mensen. Hadden allerlei. Mooie toontjes.

22:20

Speaker A

En de vormgevers. Die hadden. Met renderen. Fantastisch. En de codeerders. Hadden al co-pilots. Voor coding en zo. Dat was de eerste keer. Dat ik dat zag.

22:27

Speaker A

Dus dat allemaal. Om zich heen verzamelen van. Allemaal appjes. En die. Drie ingrediënten. Dat is eigenlijk.

22:33

Speaker A

Het bedrijf geworden. Vertical LM. Wat ik. Want ik ben gestart. En nog steeds. Dit is dus twee jaar.

22:39

Speaker A

Dus wij zitten in. Heel gek. In deze tijd van AI. Wij focussen ons helemaal. Niet op. AI technologie.

22:46

Speaker A

Maar op. Eigenlijk. Data technologie. Want. Wij. Onze. Gok. We heten het ook nog niet. Is.

22:54

Speaker A

Als wij. Onze datagraaf. Zo. Voor mekaar krijgen. Dan weet. Iedere AI. Begrijpt. Wat erin staat. Maar zitten de verbanden er ook in.

23:03

Speaker A

Dus het verband. Tussen. Als een klant. Of het weer slecht is. Dan gaat. De vraag.

23:08

Speaker A

Naar. Ja. Paraplu's omhoog. Even simpel gezegd. Dus die causaliteit. Zijn wij al aan het inbouwen.

23:15

Speaker A

En dat doe je dan samen met bedrijven voor bedrijven. Precies. Zij. Zij. Zij. Zij.

23:22

Speaker A

Wij proberen. We zijn nu in ongeveer. Zes. Industrie. Echt volle bak van start. Dus dan zijn we zo'n verticaal aan het bouwen.

23:29

Speaker A

Wij moeten die taal. Leren. Dus wij moeten die vocabulaire leren. We moeten die processen leren. Het belang van bepaalde. Ja.

23:39

Speaker A

Elementen. In het bedrijf. Die. Die kennen wij. Als leek niet. En die wordt aangeleverd door die bedrijven.

23:47

Speaker A

En wij zorgen dat die infrastructuur zodanig is. Dat we zo'n graaf opbouwen. Zo'n. Zeg maar de bolletjes. Zeg maar eventjes. Dat netwerk.

23:56

Speaker A

En. Vervolgens kunnen we. Als we dat. Zeg maar dat model voeden. Met informatie. Kunnen we hele mooie vragen stellen.

24:03

Speaker A

Dus dan kunnen we. Hele complexe vragen. Die. Zowel getallen. Combineert. Dus. Stel dat de. De olieprijs. Met dit.

24:13

Speaker A

En dit omhoog gaat. Wat betekent dat voor onze klanten. Die net. Ja. Iets gekocht hebben. Of die over drie maanden.

24:18

Speaker A

Wat willen bestellen. Of. Ongestructureerde data. Wat in contracten zit. Dus zijn we ook juridisch aansprakelijk. Als er in hormoes iets misgaat.

24:28

Speaker A

Met onze leveranciers. Wat is dan. Zo'n. Dat is tekst. Nou die. Die. Dat verband. Dat hebben we weten te leggen. Maar wij kunnen.

24:41

Speaker A

Die controle vragen. En die informatie niet verzinnen. Want dat is echt heel sector specifiek.

24:47

Speaker A

Maar wij. Ja. Daar proberen we ze bij te helpen. Om dat te doen. Ja. En.

24:52

Speaker A

Hebben we het net over. Of je daadwerkelijk besluiten kunt nemen. Aan de hand van advies.

24:58

Speaker A

Ja. Van modellen. Ja. Is daar. Waar ligt die grens dan. Wanneer. Kun je als bedrijf. Dan wel zeggen. Van.

25:05

Speaker A

Oké. Ik ga dat advies meenemen. En ik ga daar ook een besluit op. Op nemen. Dat is een goede vraag. Wanneer zou jij een besluit nemen.

25:11

Speaker A

Ik denk dat ik in de groep is. Die dat misschien te vroeg doen. Dus als ik.

25:14

Speaker A

Als ik kijk. Hoe ik. Jij op dit moment. Gebruik. Denk ik. Dat ik. Misschien wel een van de geloofwaardige personen ben. Die jij dus beschrijft. Ja.

25:23

Speaker A

In het begin van het gesprek. Ja maar wat ik bedoel te zeggen. Dus tussen.

25:25

Speaker A

Met je bedrijf. Als je een beslissing wil nemen. Over een investering. Of over iets wat je aanschaft. Of een nieuwe markt. Of een klant.

25:32

Speaker A

Dan ben je op zoek naar een soort bevestiging van je eigen modellen. Of in je hoofd. En dus je zoekt.

25:37

Speaker A

Oh. Is. Heeft die klant al een keer eerder besteld. Of. Is er iets goedkopers. Dus je zoekt allerlei soorten.

25:43

Speaker A

Bewijsvoering. Om je besluit goed te kunnen nemen. Zo zijn we ook begonnen. Met. Met ons initiatief. Dus wij zijn begonnen.

25:51

Speaker A

In een overleg. Op maandagochtend. Bij wijze van spreken. Waarin de mensen vanuit de productie. En supply chain. Bij elkaar zitten.

25:57

Speaker A

En die nemen de afgelopen week door. De komende week. En de lange termijn visie.

26:03

Speaker A

Hebben we nog iets met een nieuw product. Komt de zomer eraan. En. Die besluitvorming. Omdat dat onze wereld is. Al heel lang.

26:12

Speaker A

Weten we wel. Wat voor informatie daarvoor nodig is. Dus dat is ons startpunt geweest.

26:17

Speaker A

Welke stukjes informatie moet ik dan. Met mijn AI. En mijn systeem. Op tafel weten te krijgen. Om de mens in staat te stellen. Die beslissing te nemen.

26:28

Speaker A

En. Ook. Hoe hard is die data. Dus. Wat we. Vanaf het begin ervan gedaan hebben.

26:39

Speaker A

En nog een reden waarom wij gebruiken. Geen enkele. Van die commerciële platforms. Ik wil weten. Waar. Die zin.

26:48

Speaker A

Of zelfs. Dat stukje uit die zin. Van het antwoord wat ik krijg. Vandaan komt. En die wil je terugleiden. Naar.

26:55

Speaker A

De data. Juist. Ik wil precies weten. Waar dat vandaan komt. Komt dat uit contract regel 3. Bladzijde 14. Artikel zoveel.

27:04

Speaker A

Dus. Die traceability. Met een slecht Nederlands woord. Die hele trace. Die hebben wij helemaal in kaart. En niet dat je dat bij ieder antwoord.

27:15

Speaker A

Gaat zitten. Bekijken. Maar dat is precies wat wij nu aan het doen zijn. Met die. Met die industriepartners. Hetzelfde geldt voor die getallen.

27:22

Speaker A

Dus de getallen aanpak. Is een hele andere aanpak. Dan. Want die language models. Kunnen eigenlijk helemaal niet. Met getallen omgaan.

27:29

Speaker A

Een 7 is net zoveel waard. Als de letter K. Of de letter L. Dus wij hebben een. Eigenlijk.

27:36

Speaker A

Dat is eigenlijk hele ouderwetse. Technologie. Query language. SQL. Maar ook dat. Daar kun je AI.

27:45

Speaker A

Fantastisch voor gebruiken. Om dat te genereren. Maar wij controleren dat. Dus iedere vraag. Die ik stel. Die over getallen gaat.

27:52

Speaker A

Dat is een vraag. Die al een keer. Gecontroleerd is. Die code. Die daaronder zit. Die is gegenereerd door AI.

27:58

Speaker A

Maar wel al gevalideerd. Dus je kunt. Ook in zo'n gesprek. Dus die maandagochtend. En iemand vraagt. Hoeveel klanten.

28:05

Speaker A

Gaat het eigenlijk om. Hoeveel omzet. Gaat het. Gaat het om. Dan. Is die query.

28:12

Speaker A

Die op de achtergrond gedraaid wordt. En dat zijn millisecondes hoor. Dat is dan. Pat. Dan is het een beeld. Dat is gevalideerde.

28:20

Speaker A

Code. Dus wij vragen nooit. Nou ik vraag het wel. Aan de AI. Van. Ik heb een hele ingewikkelde vraag.

28:28

Speaker A

Die misschien wel 7 of 8 tabellen combineert. En die heb ik nog nooit gesteld. Dan zegt de AI.

28:35

Speaker A

Letterlijk ook. Hart op. Van Bas. Dit is een vraag die ik nog nooit heb beantwoord. Ik genereer nu de code. Maar jouw.

28:43

Speaker A

Antwoord. Gaat wel in. Zo'n soort van quarantaine. Zeg maar. De methodiek. Die trace. Gaat in de quarantaine. En die controleren we. Dus daar.

28:51

Speaker A

Vervolgens gaan we. En in dat gesprek weet je dus ook meteen. Hier moeten we nog even naar kijken.

28:57

Speaker A

Dus het antwoord is misschien 830. Weet ik veel. Maar dan moet je even een aantekening maken.

29:04

Speaker A

En hier gaat het om. We hebben dus testen gedraaid. Waarin we dat weglieten. Dat stukje validatie. Dat doen wij wel. Dan nemen mensen het klakkeloos aan.

29:14

Speaker A

Na drie, vier keer controleren van het antwoord. En dat is goed. Daarna wordt het nooit meer gecontroleerd.

29:20

Speaker A

En ook. Als je dat teruggeeft. Ja dit hebben we nog nooit. Deze vraag hebben wij nog nooit beantwoord. Dus de code is nieuw.

29:27

Speaker A

Waren die andere vier antwoorden van tevoren goed. Wordt er nooit meer nagekeken. Dus mensen zijn. Na een sessie of drie, vier.

29:36

Speaker A

Totaal overtuigd. En het is ook wel. Moet ik ook zeggen. Die stem. En dat Engels. Is ook.

29:42

Speaker A

Ja. Is zo goed. Ja wat legt dat eens uit. Wat is dat dan. Want je kunt ook echt. Een vraag stellen.

29:49

Speaker A

En je krijgt een antwoord. Dus we hebben een. Ja ik noem het een agent.

29:54

Speaker A

Maar dat haalt een beetje van mij nederen. Een voice agent. Laat ik het dan zo zeggen.

29:59

Speaker A

Die. Die praat het aan elkaar. Als het ware. Dus er staat een soort. Ja. Een intercom op tafel.

30:07

Speaker A

Mee in het gesprek. In zo'n sessie. En mensen zitten te sparren. En ze zeggen. En dan Eva heet het. De AI virtual assistant.

30:15

Speaker A

En die. Vraag je dan. Hoeveel klanten zijn er. Wat er in hormoes gebeurt. En dan draait de query. En zodra er geen.

30:24

Speaker A

Zeg maar. Commentaar komt van. Dat is een vraag. Die ik nog nooit beantwoord heb. Dan. Weet iedereen eigenlijk.

30:30

Speaker A

Oké. Dit is gevalideerd. En dan komt er een antwoord uit. En dat wordt dan ook. Door Eva gegeven. En dat kunnen we dan op bord projecteren.

30:38

Speaker A

Of wat. Of op dashboard. Want dat is tegenwoordig ook. Dat is ook een prachtige toepassing van AI. Die dashboards. Die kunnen gewoon.

30:46

Speaker A

Eigenlijk onder. Ja. On the fly wat. Gewoon in het gesprek veranderen. Dus als. Als jij liever een tabel hebt.

30:52

Speaker A

En ik liever een kaartje. Dan vragen we uit. Ik wil het nu even in de kaart zien.

30:56

Speaker A

Waar zitten ze ook alweer. En dan komt het op de kaart. Dus dat is die.

31:00

Speaker A

Die soort intermediair. De rol van AI. Ik noem het altijd een hele laag. Intelligentie. Manier van AI gebruik. Een low IQ.

31:09

Speaker A

Van AI gebruik. Want. We vragen helemaal niks. Van projectie. Of wat. Het is gewoon iemand.

31:14

Speaker A

Die aan het rennen is. Hij rent op de achtergrond. En die trekt allerlei bakjes open.

31:18

Speaker A

En die. Die heeft het dossier. Voor de beslissers. Dat zijn dan de mensen. Die beslissen. Dus we hebben drie dingen.

31:25

Speaker A

Die we eigenlijk bij elkaar brengen. Dat is een. Een methode. Een graaf. Die alles aan elkaar koppelt. Dus de verbanden.

31:31

Speaker A

In zich heeft. Dan een AI. Die daar. Een soort van chocolade van maakt. En dan de mens. Die met zijn ervaring.

31:38

Speaker A

En zijn. Inschatting. Nog steeds. De juiste dingen. Beslist. Of hoopt te beslissen. Maar. Onze vorm van AI. Gaat helemaal geen.

31:47

Speaker A

Beslissingen. Nemen. En. Ik vermoed ook niet. In de nabije toekomst. Nog. En daar zit eerst. Een fase tussen. Dat je projectie geeft.

31:55

Speaker A

Wat ik zei. Dat. Dat AI. Kan nu helemaal. Niet inschatten. Wat een goed. Of slecht alternatief is. Van zijn eigen gedrag. Of zijn eigen.

32:02

Speaker A

Dat moeten wij als mens doen. De volgende fase. Is dat dat komt. Met die kausale AI. Dan ga je dus. AI wel vragen.

32:10

Speaker A

Denk ik. Om. Wat is het beste scenario. Wat wij nu kunnen doen. In zo'n gesprek. Ja.

32:16

Speaker A

Maar dat is een stap verder. Dat is een stap. En dat is nog. Wel jaren verder. Maar maar even. Ja.

32:21

Speaker A

Op deze stap. Wat. Wat gaat er veranderen. Wanneer dat advies dus. Wel invloed heeft. Op de besluitvorming.

32:28

Speaker A

Van een management. Of een bestuur. Of. Een directeur. Wat is de grootste verandering. Die je dan als.

32:34

Speaker A

Ondernemer. Of als. Organisatie gaat meenemen. Ja. Dat is een goede vraag. Ik vond het.

32:41

Speaker A

Al altijd. Wij. Wij komen. Onze achtergrond ligt. In de getallen. En de nummers. Enzo. Dan weet je eigenlijk ook al. De manier van presenteren.

32:48

Speaker A

En hoe doortimmerd. Het eruit ziet. Gewoon. Qua. Aandacht. En data. En tabelletjes. Enzo. Zodra het een getal is.

32:57

Speaker A

Of wat. Dan heeft het. Zeggingskracht. Dus wij deden dan projecten. En dan. Dan. Dat ging dan bijvoorbeeld. Om de bouw van een nieuwe fabriek. Of een.

33:06

Speaker A

Een. Een. Een distributiecentrum. Echt wel. Dat zijn heel. Hoge impact. Projecten. Vaak ook. Na een overnaam.

33:14

Speaker A

Ofzo. En dan. Dan. Werd er gevraagd van. Ja wat is de impact. Van. Van. Het plan wat we hebben. Dus dan moesten wij uitrekenen.

33:21

Speaker A

Of het. Geld opbracht. Of niet. En. Je leert er. In zo'n. Zo'n. Situatie. Dat je dat eerste getal.

33:29

Speaker A

Dat je daar heel voorzichtig mee moet zijn. Dus wij waren heel. Conservatief. In het inschatten. Van de besparing. Vaak die dan.

33:36

Speaker A

Beoogd werd. Of zelfs. We zijn. Nou we zijn er nog niet uit. Want je kunt eigenlijk. Nooit meer terug.

33:41

Speaker A

De mens is zo. Die eerste. Boodschap. Dat kost je dan. Weer drie. Vier. Sessies. Onder het eerste boodschap. Wat je nu ook in de.

33:49

Speaker A

In de wereld ziet. Zeg maar de eerste. Boodschap die. Kost heel veel moeite. Om die weg te poetsen. Zeg maar.

33:54

Speaker A

Dat is met AI ook zo. Dat als AI een antwoord geeft. Dat eerste antwoord.

33:59

Speaker A

Dat heeft de meeste waarde. En mensen zijn. Echt wel. Een soort van. Ja goed gelovig. Als iemand.

34:06

Speaker A

Dat wat ik in het begin zei. Dat dat iemand. Als iemand heel goed formuleert.

34:11

Speaker A

En heel veel kennis. Etaleert. Wat AI echt doet. Met die hele lange antwoorden. He maar doorgaan met die. Die breien.

34:19

Speaker A

Dan is het. Bijna niet op. Terug. Je kunt het niet meer allemaal lezen. Dus op een gegeven moment. Gaan mensen dan er gewoon op vertrouwen.

34:29

Speaker A

Ja het zal wel goed zijn. Maar het werkt. Van mens op mens. Werkt het hetzelfde. Ja precies. Ja ja.

34:34

Speaker A

Ja. Het is wat dat betreft niet heel veel anders, dus als je goed kan praten dan heb je een voorsprong. Ik heb grappige anekdote, maar ik heb de instructieboeken gezien van de mensen die bijvoorbeeld ChatGPT getraind hebben.

34:49

Speaker A

En van Gemini en DeepSeek. Die trainingsdocumenten van mensen die die modellen getraind hebben, die zijn beschikbaar. Dat is best wel een leuke kost.

34:59

Speaker A

Er staat dus in het draaiboek hoe AI moet antwoorden. Dat is altijd aardig, altijd bevestigend van oh ja goed punt. Waar je als mens op een gegeven moment doodziek van wordt.

35:14

Speaker A

Dit is de laatste oplossing, dit is de finale oplossing. Maar dat is een heel draaiboek van hoe de mensen in wezen te bewerken, manipuleren bijna. Om in de antwoorden de mensen blij te maken.

35:33

Speaker A

Dat is eigenlijk waar die hele instructie op slaat. Die antwoorden moeten ook wel goed zijn, want dat willen ze. De belangrijke kop en de staart is eigenlijk altijd in het antwoord, en zo zijn ze geïnstrueerd.

35:44

Speaker A

Om de mens een soort van te overtuigen dat het antwoord goed is. Zo zijn ze gemaakt. En dan heb je Grok, ik weet niet wie hij was, maar die heeft een wat ander karakter.

35:57

Speaker A

En nu heeft Claude bijvoorbeeld ook af en toe zeggen, nou nu stop ik ermee. Want als je dan boos wordt, ik word wel eens boos op AI. Dat is heel raar, maar ik word dan echt gefrustreerd en word ik boos in mijn antwoorden ook.

36:09

Speaker A

En nou gaat Claude een soort van terugbijten. Dat lijkt het. Nu stoppen we ermee.

36:16

Speaker A

En achteraf denk je dan, wat zit je nou te doen. Hij heeft een soort karakterverandering in zijn plaats gevoel. Het is niet meer zo onderdanig.

36:25

Speaker A

Ik heb een soort, ja niet een running gag, maar er gaat altijd iets mis met het coderen. Iedere keer hetzelfde stukje. Ik ga het met kopiëren en nu weer gaat het niet goed.

36:34

Speaker A

En dan krijg ik, ja nee ik heb het niet gekopieerd gekregen. En dan zeg je, ja nee maar dat doe je expres. Dan denk ik ook echt dat het een soort ingebouwd is om de traffic heen en weer wat te verminderen.

36:46

Speaker A

En die discussie ga ik dan aan met, dat slaat natuurlijk nergens op. Maar Claude zegt nu tegen mij, die discussie gaan we niet meer aan. Hij kent je.

36:58

Speaker A

Ja een beetje ja, maar dat is zo raar. Je wordt in die zin gemanipuleerd. Maar ik kan me ook goed voorstellen dat, wat jij zegt, je wordt gemanipuleerd.

37:08

Speaker A

Het is een soort super lief. De modellen zijn altijd heel lief voor ons. Maar hoe gaat dat dan als je beslissingen maakt als organisatie? Want soms wil je ook gewoon even, geven maar even zoals het is.

37:21

Speaker A

Want dan kun je een goede beslissing maken. Hoe ga je daar dan mee om? Dat werkt bij jullie anders omdat het alleen maar, wat jij zegt, de data ophoudt. Ja, ons systeem is zo ingericht dat, of nou het is meer een aanpak.

37:36

Speaker A

Want het systeem dat kun je sowieso. Maar dus de aanpak is dat je, ieder stukje informatie wat erin gaat, dat is informatie die wij erin zetten. Met de parts die we doen.

37:49

Speaker A

Dus wij trekken als het ware geen informatie uit die grote modellen. Dus dat is ook meteen waarom het voor ons totaal overbodig is om zo'n. Die modellen worden in biljoen parameters uitgedrukt.

38:05

Speaker A

Wij hoeven geen 200 biljoen parameter model te hebben. Liever niet zelfs. Want wij gebruiken die modellen eigenlijk alleen om heel slim, die informatie er weer uit te halen.

38:15

Speaker A

En weg te zetten en er weer uit te halen. Dus omdat wij ieder stukje informatie er zelf in zetten, geven wij het dusdanige stickertjes mee.

38:26

Speaker A

Allemaal post-it memootjes eventjes in de vergelijking. En de mens is geneigd om dat te beperken tot drie, vier, vijf dimensies. Want dat kun je als mens nog een beetje handelen als je dat in je organisatie hebt. Met kleuren, codes of weet ik veel wat.

38:43

Speaker A

Of in je documenten of in je directories. Wij gebruiken er wel 80. Ieder stukje informatie.

38:52

Speaker A

Dus een chunk, zoals ik dat noem. Dat is een klein stukje uit de tekst ofzo. Of krijgt labels mee.

38:59

Speaker A

Van allerlei hoeken. Dat betekent dus ook, en dan wordt het weggezet. Dan zetten we het in een digitale bak neer.

39:06

Speaker A

In een van die nieuwe databases. Dat noemen ze een vector database. En dan zet je hem weg.

39:12

Speaker A

Tot het moment dat AI vraagt om datzelfde stukje informatie. Of die zoekt naar alle informatie die te maken heeft met. En dan worden die chunks weer uit die bak gehaald.

39:23

Speaker A

En AI kijkt dan. Het enige wat wij vragen van AI is. Zorg nou dat je de beste twintig of dertig van die stukjes ophaalt.

39:30

Speaker A

Dus die worden uit die bakken gehaald. Dat is één. Dat noemen ze RAG. Retrieval Augmented Generation. En dat gaat erom dat je eigenlijk alleen maar je eigen informatie wegzet. Ik hoef die andere eigenlijk rotzooi niet.

39:47

Speaker A

Het tweede is. Dat is één manier. Een andere manier is. Ik wil ook nog weten hoe alle bronnen over. Die in ons systeem zitten. Met elkaar te maken hebben.

39:58

Speaker A

Dat is ook mooi om te weten. Dus als jij een vraag stelt over wetgeving bijvoorbeeld. Wil je niet alleen dat artikel nummer of wat.

40:04

Speaker A

Je wil eigenlijk ook weten. Zijn er nou ook niet alleen wetgeving. Maar bijvoorbeeld ook wel richtlijnen.

40:10

Speaker A

Die ooit gepubliceerd zijn. Of in ons kwaliteitsboek. Heeft er ook mee te maken. Dus dan trekken wij als het ware aan een touwtje. En halen we ook.

40:19

Speaker A

Dat is een tweede manier die wij gebruiken. Halen we ook die informatie op. Dus ik wil maar zeggen. Dat de uitgangspunten die wij kiezen in.

40:29

Speaker A

Dat wat we doen. Is dat ieder brokje informatie. Is traceerbaar. En is verbonden. En dan maakt het ons echt niet uit. Welke AI we gebruiken.

40:41

Speaker A

Want dat twee jaar geleden. Toen ging het daarna zo snel met ontwikkeling. En dat iedere week kwam er weer een nieuw model uit.

40:52

Speaker A

Daar kun je geen bedrijf op bouwen. Nou toen heb ik een prachtige lezing gezien. Van een van de mensen die met AI bezig is.

41:00

Speaker A

En die heeft het eigenlijk gepubliceerd. Judea Pearl. Dat je in zo'n situatie. Waar het zo snel gaat met ontwikkeling. Moet je een lange termijn strategie hebben. Dat is een beetje contra-intuitief.

41:13

Speaker A

Juist als de wereld zo veranderlijk is. Moet je een lange termijn strategie hebben. Nou met AI is dat technologie onafhankelijk.

41:23

Speaker A

Dus dat je je niet laat leiden door wat deze week het beste is. Of als in Amerika zeggen. Jullie mogen onze modellen niet meer gebruiken.

41:31

Speaker A

Oké dan gebruik ik een ander model. En dat doen wij. Dus wij kunnen nu.

41:35

Speaker A

We hadden een bordje ophangen hier. Binnen een uur omschakelen. Vanaf begin af aan. Vanaf twee jaar geleden. Binnen een uur omschakelen. Dat was de uitgangspunt.

41:44

Speaker A

Dat konden we toen niet hoor. Maar daar streefden we naartoe. Wat we nu kunnen is gewoon aanklikken.

41:50

Speaker A

Dus wij hebben iets van vijftien modellen. Open source modellen. Open weights modellen ook. Wat is het verschil tussen open source en open weights? Nou open weights is dat je ook weet hoe het antwoord tot stand komt. En die

42:07

Speaker A

commerciële modellen die zeggen dat niet. Want als je dat eenmaal weet. Dan kun je dat ook makkelijk kopiëren. Dus als je een vraag stelt aan ChatGPT.

42:16

Speaker A

Dan weet je niet precies hoe het antwoord tot stand komt. Dat zijn die weights. De gewichten die gehangen worden aan de informatie. En die open modellen wel.

42:29

Speaker A

En dat wil ik ook weten. Dus dan kan ik het ook veranderen. Dus als ik weet hoe een antwoord tot stand komt en het is niet helemaal goed.

42:35

Speaker A

Dan kan ik het veranderen. Want dat is nogal heel belangrijk om je te realiseren. Dat als je gaat gebruiken op de manier waarbij wij het doen.

42:42

Speaker A

Dan zul je het moeten trainen. Je zult het model begrip moeten laten kweken voor jouw situatie. Als je dat niet doet.

42:51

Speaker A

Dan blijven die fouten die erin staan continu terugkomen. En wat vraagt dat dan van mij als ondernemer of als directeur van een organisatie? Als je zoiets moet trainen. Betekent dat ook dat ik mensen moet gaan opleiden? Ja, eigenlijk een tweede.

43:05

Speaker A

Je moet je in het begin zo afvragen. Hoe leg je uit als er iemand nieuw komt in je bedrijf?

43:12

Speaker A

Hoe je werkt? Dat is eigenlijk wat je doet. Hoe leg je nou uit aan iemand die nieuw komt.

43:17

Speaker A

Die je wil opleiden tot wat jij kan. Hoe zou je hem dat uitleggen? Hoe lopen de hazen in je bedrijf? Welke taal spreken wij? Lezen ze een vakblad? En dat is tegenwoordig zo ontzettend makkelijk. Om dat net op te halen van al die informatie.

43:38

Speaker A

Maar ook je CAO's en je contracten en je voorwaarden. En alles wat je iemand zou geven in je bedrijf. Dat moet je een keer door zo'n wasstraat heen jagen.

43:49

Speaker A

Met die briefjes plakken. Dat is eigenlijk wat je doet. Vervolgens kun je daar meteen vragen aan stellen.

43:57

Speaker A

Dus als ondernemer heb je de verantwoordelijkheid 1, 2, 3. Is verzamelen. Wat maakt jouw bedrijf? Dus wat maakt jou uniek? Maar ik kan me ook voorstellen dat de manier waarop jij voor klanten werkt, is klantafhankelijk. Dus is dan

44:17

Speaker A

die klantinformatie ook belangrijk? Dat je dus ook de klanten gaat leren? Ja, grofweg. We hebben drie lagen. De eerste laag is vaak de belangrijkste. Dat zijn de harde getallen.

44:36

Speaker A

Waar zitten je klanten? Waar staat je fabriek? Waar staat je warehouse? Wat zijn je producten? Dat is eigenlijk een beschrijving van de harde realiteit. Dat is een heel traditioneel systeem. Er wordt dagelijks gebruikt.

44:48

Speaker A

Dat noemen ze een ERP systeem. Dat zit erin. Of een TMS. Voor transport. Of financieel systeem waar de getallen in staan. Heel simpel.

44:57

Speaker A

Alleen wat wij doen. Wij hebben daar een manier voor bedacht om AI dat te laten begrijpen. Dat het gelinkt zit.

45:04

Speaker A

Dat is die graag wat ik vertelde. Tweede is. Dat is de tweede laag. Dat is bedrijf context. Dat is ongestructureerde data. Dat is je tekst.

45:13

Speaker A

Zeg maar even. Alles. Je contracten. Je voorwaarden. De frameworks. De procedures. De CO's. Noem maar op. Allemaal tekst.

45:22

Speaker A

Dat moet je verzamelen. En dat gooi je dan door die wasstraat heen. En dat wordt meteen ook op die gestructureerde laag gezet.

45:31

Speaker A

En dan hebben we nog iets wat ik dan in de grondlak zette. Dat is wat wij doen. Als bedrijf.

45:38

Speaker A

Als start-up. Wij hebben die industrie context. Dus alle wetgeving die te maken heeft met jouw industrie.

45:46

Speaker A

Alle frameworks in de wereld. Alle ISO-normeringen. Alle wetgevingen uit Europa. Alle trendrapporten. Die hebben wij al verzameld.

45:55

Speaker A

Dus wij hebben als het ware die datacorpus, zoals we het noemen. Dat lichaam van informatie. Hebben wij al in de grondverf gezet. Voor jou als bedrijf.

46:09

Speaker A

En dat krijg je van ons. Niks is gratis. Maar dat is wat wij brengen.

46:15

Speaker A

En vervolgens brengen we dat binnen het bedrijf. En dat blijft daar. Dus ons model is totaal omgekeerd van hoe de wereld nu in elkaar steekt.

46:26

Speaker A

Als je een commerciaal bedrijf bent nu. Krijg ik vaak jouw data. En ga ik daar leuke dingen mee doen.

46:31

Speaker A

En dat is mijn businessmodel. Omdat ik dat van meerdere krijg. Bij ons is het precies andersom.

46:36

Speaker A

Jij krijgt onze data. En ik kom helemaal niet aan jouw informatie. Want dat vind ik niet.

46:42

Speaker A

Dat hoort niet. Dat is jouw informatie. En ik ben altijd zo blij dat ik dat kan zeggen.

46:47

Speaker A

Dat jouw informatie blijft jouw informatie. Dus dat is lokaal. Dus ook voor ons. Dus wij trainen onze modellen niet.

46:57

Speaker A

Met die bedrijfspartners die we hebben. Dat is jouw informatie. Hoe moeilijk is dit uit te leggen aan organisaties? Nou het is eigenlijk vrij simpel. Als ik heel eerlijk ben. De one-liner die ik heb is dan.

47:15

Speaker A

Jouw data blijft hier. En ik hoef er ook eigenlijk helemaal niet aan te komen. Dus we helpen je wel te voeden.

47:21

Speaker A

En te testen enzo. Natuurlijk doen we dat. We laten je niet zwemmen. Maar het gaat je bedrijf. Spant niet uit. En zelfs zo dat we.

47:32

Speaker A

Als het nodig is hoor. Want internet is natuurlijk fantastisch. En cloud en alles. Maar dat het zonder internet gebeurt. Dus gewoon totaal air-gapped. Zoals ze dat noemen.

47:43

Speaker A

Dat is nog een startpunt geweest van ons bedrijf. Het moet zonder internet kunnen draaien. En dat kan.

47:52

Speaker A

Dat is eigenlijk heel. Heb je dat machientje? Dat is een soort gedachte-experiment. Van hoe klein kun je het nou maken? Ik zal je er een geven.

48:03

Speaker A

Dat is een klein mini-pc'tje. Dat was toen nog heel goedkoop. Maar die prijzen zijn inmiddels.

48:10

Speaker A

Toen was het nog onder de 100 dollar. Dit is een soort Raspberry Pi. Met wat geheugen erop.

48:19

Speaker A

En een vrij goede snelle harde schijf. Van 1 terabyte. En hier draait DeepSeq op.

48:25

Speaker A

Dat is een van de modellen. En DeepSeq is een reasoning model. Dus die kan al een soort van stapjes in zijn aanpak onderscheiden.

48:36

Speaker A

Het is echt super traag. Het is niet mee te werken. Als je gewend bent hoe AI nu werkt.

48:44

Speaker A

Maar wat ons punt was om te bewijzen. Wij zijn helemaal niet handig. Zeker niet met dit soort elektronica.

48:50

Speaker A

Maar wij hebben dit ding in elkaar gezet. Als een soort proof of concept kan het. Dit is anderhalf jaar geleden.

48:57

Speaker A

Een van onze prototypes. Meer als een demonstratie bij bedrijven. Waar we kwamen van het gaat naar lokaal.

49:04

Speaker A

Want dat moesten we wel mensen van overtuigen. En dus deze zetten we neer dan. Bij onze klant.

49:11

Speaker A

En dan gaat er een laptop of een scherm op. En een toetsenbordje. En dan kun je ermee praten.

49:17

Speaker A

En dan kun je vragen stellen over documenten. Zoals je ook met ChatJPT doet. Of met alles.

49:22

Speaker A

Maar dan over je eigen documenten. Je eigen data. En daar draait een kleine vorm van onze aanpak op.

49:30

Speaker A

Dat was voor mij genoeg om te besluiten. Dit gaat het worden. Ik ga al mijn eieren in dit mandje gooien.

49:38

Speaker A

Want het is natuurlijk colder. Dat die grote modellen. Die biljoen parameters. Op die grote datacenters. Die ergens in de wereld staan. Terwijl dit draait.

49:50

Speaker A

Ongeveer iets van 10, 15 watt. Als je niks vraagt. 60, 70. Als die een moeilijke vraag heeft. Maar voor de rest staat die idle. Lokaal.

50:01

Speaker A

Dus waarom zou je je gevoelige bedrijfsinformatie. Of je persoonlijke informatie. Als consument. Want dit zou ook een toepassing kunnen zijn. Waarom zou je je meest gevoelige informatie. De cloud insturen? Waarom zou je dat doen? Waarom haal je de AI

50:16

Speaker A

niet uit de cloud? Ik denk ook dat veel mensen zich niet bewust zijn. Wat er met die informatie gebeurt. Nee. Helemaal niet.

50:25

Speaker A

Of je stuurt het als het ware. Verleiden door de output die het geeft. Je stuurt het als het ware gewoon op.

50:33

Speaker A

Je verzendt gewoon wat je. Bijvoorbeeld als je een pdf wilt analyseren. Of een contract.

50:37

Speaker A

Dan stuur je dat gewoon de cloud in. Er is eigenlijk maar één fatsoenlijk alternatief. Als je een bedrijf hebt.

50:44

Speaker A

Je kunt je intelligentie niet de deur uitjagen. Want waarom zou een bedrijf dan. Nog het bestaansrecht hebben.

50:52

Speaker A

Denk je dat dit er ook voor gaat zorgen. Dat bepaalde bedrijven geen bestaansrecht meer gaan hebben. Kijk als je met zijn allen.

51:00

Speaker A

In een bepaalde sector. Deelt wat je doet. Dan geef je dus in essentie toegang.

51:09

Speaker A

Tot jouw informatie. Dus jouw kennis en jouw onderscheidend vermogen. En de enige reden voor een bedrijf.

51:19

Speaker A

Ook uit die sector. Die misschien wat achterloopt. Om AI te gaan gebruiken. Is omdat hij slimme antwoorden krijgt. Die krijgt hij pas. Als dat model gevoed is.

51:28

Speaker A

Met goede informatie. Die van jouw bedrijf komt. Het is in mijn ogen een no-brainer.

51:34

Speaker A

Dat je dat nooit doet. En dat de enige oplossing is. Als het om intelligentie onlauw gaat.

51:40

Speaker A

In je bedrijf. Zoals het altijd geweest is overigens. Met contracten, NDA's. Je mag als werknemer niet dit doen. Of bij een ander bedrijf gaan werken. Maar wat er nu gebeurt.

51:50

Speaker A

Is dat er een hoop bedrijven. Gewoon wel. Die informatie in die prompt schuilen. En dat is niet veilig mensen. Dat kan ik je zo vertellen. Ja, dat kan ik je zo vertellen.

52:00

Speaker A

Maar wat nu als je als organisatie. Nog niet zover bent. Dat je je data op orde hebt.

52:05

Speaker A

Zodat je daar allerlei modellen op los kunt laten. In hoeverre is het dan nog interessant. Om te zeggen.

52:11

Speaker A

Ik ga dat nu doen. Ben je dan te laat. Ben je dan. Ja. Nee, je bent zeker niet te laat. Want dit gaat nog heel lang duren.

52:20

Speaker A

Het op orde brengen van je data speelt al 30 jaar. En Excel speelt nog steeds een van de belangrijkste rollen. In ieder bedrijf.

52:26

Speaker A

Om het aan elkaar te knopen. Precies dat aspect. Waarom is Excel nog zo belangrijk.

52:30

Speaker A

Om die verbanden te brengen. Dat is wat je nu moet gaan doen. Daarom is die AI zo goed.

52:36

Speaker A

Als die verbanden er zijn. Dus als bedrijf moet je daar nu mee beginnen. En het is ook helemaal niet moeilijk.

52:44

Speaker A

Het is gewoon structureren. Alles bij elkaar zetten. En je als beslisser in het bedrijf verdiepen.

52:53

Speaker A

In deze toegankelijke technologie. Want dat is het uiteindelijk. Ja, maar ik kan me ook voor.

53:00

Speaker A

Wat jij ook zei eerder. Er wordt zoveel op je afgevuurd. Qua modellen. En er komen weer nieuwe modellen. Ik kan me ook voorstellen dat je als ondernemer. Of als organisatie op een duur.

53:14

Speaker A

Jij zegt op een duur. Je wil een lange termijn visie hebben. Daar heb ik voor gekozen.

53:18

Speaker A

Maar als je dat niet doet. Dan word je helemaal gek. Want je krijgt gewoon wekelijks, dagelijks.

53:26

Speaker A

Je hebt gewoon een baan. Dus je kunt gewoon niet alles bijhouden. En dat moet je ook helemaal niet willen.

53:34

Speaker A

Er zijn een paar ontwikkelingen die je dan moet bijhouden. En die lange termijn visie. En dat is ook het verhaal wat ik heel veel vertel.

53:41

Speaker A

Binnen de bedrijven waar ik nu kom. Is dat juist het op orde brengen. Dat systematisch doen.

53:48

Speaker A

Van je bouwen van die corpus. Die datacorpus. Die graaf. Dat dat is je lange termijn agenda.

53:57

Speaker A

En dat kost je ongeveer drie tot zes maanden. Of acht maanden, negen maanden. En dan heb je echt. Je bent er altijd mee bezig overigens. Dus je blijft er altijd mee bezig.

54:07

Speaker A

Maar binnen een week. Of acht tot twaalf. Heb je iets wat draaien. Wat echt goed is al. Waar je al mee aan de slag kan. En waar je echt al hele mooie cases mee kunt draaien.

54:17

Speaker A

Plus wat ik ook fijn vind. En wat een prettig verhaal. Is dat al die case studies.

54:22

Speaker A

Dus die testjes. Die pilots die je draait. Met je team. Met je bedrijf enzo. Je hebt een soort lange termijn anker. Dus die passen opeens allemaal in de richting.

54:33

Speaker A

En sommige zullen niet passen. Nou doen ze dan ook niet. Maar je geeft richting aan.

54:38

Speaker A

In de energie ook. In de effort. Want je hebt maar zoveel beschikbaar. Budget en mens en tijd en kennis. Om met AI aan de slag te gaan. Als je eenmaal die lange termijn visie hebt.

54:50

Speaker A

Van we gaan die corpus opbouwen van ons bedrijf. Die intelligentie opbouwen. Dan passen in een keer al die kleine initiatieven.

54:58

Speaker A

Die pilots die passen er ergens in. Of niet. Maar dat is ook fijn om te weten wat je niet moet doen.

55:03

Speaker A

Dat is heerlijk. Ja. Dat is echt. Dat merk ik bij. Dat resoneert prachtig. En iedereen in het bedrijf kan een bijdrage leveren.

55:12

Speaker A

Want iedereen is met informatie bezig. En iedereen kan het op een bepaalde manier opslaan. Zeg maar in die systematiek.

55:20

Speaker A

Waarmee je dus. Als je het eenmaal erin brengt. Dan 10 minuten later kun je ermee aan de slag.

55:26

Speaker A

Dus je kunt je documenten uploaden. En 10 minuten later ben je ermee aan de slag. Zo responsief is het.

55:33

Speaker A

Ja dat is wel. Wat ik merk. Verbazingwekkend. Bij mensen die dan zien. Gewoon in zo'n demo. Of in zo'n dag.

55:41

Speaker A

Dat we zo'n binnenbedrijf trainen. Dat dat. Ja. Hoe snel dat gaat. Dat mensen vallen soms van hun stoel. Ook die demonstratie met die.

55:52

Speaker A

Dat voice gedeelte. Ja. Dat is nog altijd leuk om te doen. Om mensen die ervaring te geven. Hoe goed dat is. Dus als je dan kijkt waar we nu staan.

56:03

Speaker A

En waar we heen bewegen. Hoe ver zijn we dan al? Is dit het begin? Er zijn eigenlijk twee ontwikkelingen die nu heel. Of drie.

56:13

Speaker A

Er zijn drie ontwikkelingen in de wereld van AI. Die in mijn ogen. En voordat waar het is.

56:18

Speaker A

Voor wie het echt weet. Maar waar ik mijn eieren op inzet. Mijn geld op inzet.

56:24

Speaker A

Of in het mandje legt. Dat is de. Het causale gedeelte. Dus het causale AI. AI die weet wat de impact is. Van zijn voorspelling.

56:37

Speaker A

Of van zijn gedrag. Het tweede is. World models. Dat is meer gebaseerd op vision. Op beeld. Het is zo prachtig.

56:50

Speaker A

Jan de Kuun. Een AI wetenschapper. Komt van Meta. En heeft nu een ander bedrijf. Die zit op die world models. Je kunt met taal.

57:00

Speaker A

Maar zoveel uitdrukken. Bij mensen ook. Het is niet voor niks. Als je een plaatje zegt. Meer dan duizend woorden. En dat is zo.

57:08

Speaker A

Dus ook voor AI. Dus waar nu een enorme jacht. In de wereld. Aan de gang is. Is op beeldmateriaal. Allerlei mogelijke databases.

57:18

Speaker A

Of video's. Of platforms. Van gamers bijvoorbeeld. Daar wordt grof geld voor geboden. Er zijn nu mensen in Azië. Die een camera op hun hoofd hebben.

57:29

Speaker A

Gewoon de hele dag. En die dan huishoudelijke taken doen. Om maar modellen te trainen.

57:36

Speaker A

Op vision. En niet op language. Dat gaat denk ik. De eerst werkelijke doorbraak geven. Op AI. En voor mij.

57:49

Speaker A

Wat kunnen we daar dan mee? Als we al die data hebben. Of al die beelden hebben. Dan begrijpen we de wereld om ons heen.

57:59

Speaker A

Veel beter. En AI ook. Je moet je voorstellen dan. Bijvoorbeeld het opvouwen van een t-shirt. Is echt wel heel complex. Dat kunnen wij mensen heel goed.

58:10

Speaker A

En AI kan dat heel slecht. Kon dat heel slecht. Inmiddels niet meer. Dus die robot. En die robotisering. En de manier van voorspellen.

58:21

Speaker A

Als er iets gebeurt in de omgeving. In beeld. Wat je dan moet doen. Dat gaat razendsnel. Bijvoorbeeld in auto's. Hebben ze modellen al.

58:32

Speaker A

Die filmen de omgeving. Daarom worden die bedrijven. Die elektrische auto's hebben ook zoveel waard.

58:41

Speaker A

Omdat die beelden hebben van wat er gebeurt. En worden er allerlei scenario's. Afgespeeld. Als ik nu naar links stuur. Dan is dat een goede actie of niet.

58:53

Speaker A

En dan ook vertaald in de beeld situatie. En niet eerst nog in taal vertaald. En dan pas actie ondernemen. Dus die modellen zijn gek genoeg veel sneller.

59:03

Speaker A

En veel accurater dan language models. Onze wereld bestaat niet uit taal. Dat hebben we pas heel laat ontdekt.

59:10

Speaker A

Wij als mens. Wij zijn eigenlijk altijd heel visueel geweest. Wij zien in een gezicht veel meer.

59:15

Speaker A

Dan dat jouw stem. En jouw woorden kunnen uitdrukken. Dus dat is een ontwikkeling. Die gaat heel snel nu. En die gaat heel veel teweeg brengen. Op allerlei vlakken.

59:25

Speaker A

En gek genoeg. Een laatste ontwikkeling. Die misschien wel het snelst geïntroduceerd gaat worden. Misschien al over een paar maanden is. SLM's. Small Language Models.

59:35

Speaker A

Dus gestript van alle onnodige kennis. Maar dan specifiek op jouw bedrijf. Of op jouw onderwerp.

59:43

Speaker A

En dat gebeurt nu heel snel. Er is een start-up die heeft nu een model. Wat concurreert met Claude.

59:53

Speaker A

Op coding. En dat heeft maar iets van 127 miljoen parameters. In plaats van die 200 biljoen.

60:00

Speaker A

Dat gaat de wereld van de modellen zoals we nu kennen op zijn kop zetten. En dat is omdat hij zich specialiseert in één actie. Dat is het coderen.

60:12

Speaker A

Je koopt ook niet. Dat is misschien een rare analogie. Maar misschien landt die. Als jij geïnteresseerd bent in bloemen. Dan koop je niet de hele encyclopedie. Je koopt een boek dat gaat over bloemen.

60:24

Speaker A

Waarom zou je heel snel. Bij iedere vraag die je hebt. De hele encyclopedie aanschaffen.

60:30

Speaker A

En dan ook nog eens het licht aandoen. Het is eigenlijk nog erger dan een boek kopen. Want dat kost geen energie.

60:39

Speaker A

Bij iedere vraag die je stelt. Dan gaat het licht in heel de bibliotheek aan. Terwijl je weet het boek staat in gangpad 3. In die kast.

60:46

Speaker A

Dat is wat ik wil weten. En in ons geval. Wij hebben het boek ook nog eens zelf weggezet.

60:51

Speaker A

Ons eigen boek. Dus waarom zou ik mijn boek in de bibliotheek gaan zetten. Ik wil helemaal niet dat jij het leest.

60:58

Speaker A

Ik wil het thuis op mijn boekenplank hebben. Dat is een analogie. Dat is eigenlijk exact de situatie.

61:05

Speaker A

Nu ik hem zo zeg. Is het eigenlijk een hele goede analogie. Hij valt bij mij in één keer.

61:12

Speaker A

Dit is gewoon in één keer. Ik had dat laatste stukje nooit zo gedaan. Het is in één keer duidelijk.

61:17

Speaker A

Dat is eigenlijk hoe de situatie nu is. Ja grappig. Maar hij is heel helder.

61:23

Speaker A

Niks meer over zeggen. En wat blijft er dan. Als we kijken naar wat jullie doen.

61:30

Speaker A

En we kijken naar die cloud modellen. Of die in de cloud werken. Wat voor ruimte blijft er dan.

61:36

Speaker A

Op lange termijn voor die cloud modellen. Er is daar een plafond. Dat weten we.

61:41

Speaker A

Wat voor plek krijgen ze in onze samenleving. Ja. Hele goede vraag. Weet ik niet. Ik zie eigenlijk ja. Er zijn natuurlijk wel toepassingen.

61:50

Speaker A

Maar dan zit veel meer de toepassing in een gedeelte van wat zo'n model heel goed kan.

61:55

Speaker A

Dus je kunt met gespecialiseerde data. En focus veel verder komen. Met een gedeelte van zo'n language model.

62:02

Speaker A

Als je al die resources. Eigenlijk alle energie die je in dat model moet stoppen.

62:07

Speaker A

Om het aan de gang te krijgen voor een vraag over een bepaald onderwerp. Stopt in het maken van een specifiek model. Ja dan krijg je gewoon betere antwoorden.

62:17

Speaker A

Dus ik denk dat er heel weinig toekomst zit in die hele generieke model. Als ik heel eerlijk ben. Ik kan er helemaal naast zitten.

62:26

Speaker A

Maar ik vermoed dat straks die modellen draaien. Zoals nu een chip. Vroeger zat er in stofzuigen echt geen chip.

62:33

Speaker A

Maar tegenwoordig zit die vol elektronica en chips. Dat gaat ook met AI gebeuren. Dus je horloge, je stofzuiger.

62:40

Speaker A

Je krijgt gewoon heel specifiek AI gedeelte intelligentie. Die nodig is om zijn taak uit te voeren. En dan voert hij die taak beter uit.

62:50

Speaker A

Maar niet met cloud modellen. Wat je vaak ziet is dat als mensen met vernieuwing komen. Of met innovatie.

62:58

Speaker A

Dan zit er zo'n Eureka momentje. Wanneer was voor jullie of voor jou. Het moment dat je echt had van wow.

63:05

Speaker A

Dit is. Nu maken we een stap. Mijn team en ik hebben altijd data moeten verwerken.

63:10

Speaker A

En dan zaten wij die. Eigenlijk zaten we op pad geslagen die tabellen te koppelen. En nu dan in een keer zit dat in zo'n graaf.

63:20

Speaker A

En wij gingen testen met een. In de mode. Een bedrijf. Data. Uit een graaf. Iets van 60 tabellen aan elkaar gekoppeld.

63:28

Speaker A

Die dan draaien. We hebben er een soort. We hebben er een visualisatie van. En. Dan hadden we een. Acht diep gaande kwering.

63:39

Speaker A

Acht lagen diep. En dat is echt wel serieus. Rekenmerk. En daar moet normaal code aan te pas komen. En het duurt lang. En ik weet nog goed.

63:50

Speaker A

Want die visualisatie die we hebben. Die gaan we zo even toelichten. Maar die. Die ligt op als je een vraag stelt. Dus je ziet de code aan het werk. Grafisch gemaakt.

64:00

Speaker A

En de eerste keer dat wij zo'n. Vraag in milliseconden. Beantwoord hebben. Hier op kantoor. Ja dat was echt een. Daar ben ik nog steeds heel trots op.

64:10

Speaker A

Want dat is iets geweest wat. Was meer geloof dan. Dat bewijs. Dat dit zou kunnen werken. En wat ik aan het begin vertelde. Is dat we die lagen aan elkaar hebben weten te koppelen.

64:22

Speaker A

Dus een structurele laag. Zeg maar even oude traditionele. Tabellentechnologie. Met die ongestructureerde data. Die uit die LLMs komt. Van een bedrijf.

64:32

Speaker A

En dat in één model weten te vangen. Ja en dat je dat aan het werk ziet. Dat is fantastisch.

64:39

Speaker A

Ja daar ben ik nog steeds. Kan ik nog steeds naar kijken. Naar dat ene plaatje.

64:46

Speaker A

Maar dan zie je dus eigenlijk. Hoe snel het ook gaat. Zoals jij een vraag stelt.

64:52

Speaker A

Je geeft als het ware. In je vraag. Geef je dat. Het pad al mee. Van waar haal je de data op. Dus die paden die in die data zitten.

65:04

Speaker A

Dus die verbanden. Die geef je als het ware mee. In de vraag die je stelt.

65:09

Speaker A

Een soort van. Het hoogste manier van context meegeven. Je geeft eigenlijk waar de kausale verbanden mee.

65:16

Speaker A

In je vraag. Waardoor die AI. En dat is fantastisch. Die heeft geen enkele aanwijzing nodig. Meer. Het is helemaal duidelijk.

65:27

Speaker A

Een soort klaarheid die je meegeeft. En die klaarheid. Die zit in die graaf. Dat is een graaf van 100.000 knopen. En verbindingen. Maar ja dat maakt een AI niet uit.

65:39

Speaker A

Daar schrikt een AI niet van. Het gaat om die biljoenen parameters. Dan zal die ook niet schrikken van een beetje forse graaf.

65:46

Speaker A

Van een bedrijf. Die uit 100.000 knopen bestaat. Dat is kinderspel nog. En is dat dan. Ik probeer hem even voor mezelf helder te krijgen. Is dat dan.

65:56

Speaker A

Dat je eigenlijk zorgt dat er nul ruimte is. Voor het model. Om zelf in te vullen.

66:03

Speaker A

We hebben begonnen in het begin. Zodra er ruimte is gaat hij hem invullen. Je wil die interpretatie de volledig uitslaan.

66:09

Speaker A

Ja volledig. En dan nog steeds. In deze manier is er nog steeds ruimte. Voor keuze. Want als je. Bepaalde vragen kun je.

66:19

Speaker A

Op verschillende manieren. Ook als het om getallen gaat. Verschillende tabellen. Je kan eerst tabel A gebruiken en dan B. Of eerst C, B en dan A. En dat is ook een goed antwoord.

66:31

Speaker A

Dus er zijn. Verschillende wegen naar Rome als ik het zo mag zeggen. Zeker in zo'n graaf. Dus wij controleren dat continu. Met controlevragen.

66:41

Speaker A

En kijken of die corpus zoals wij dat noemen. Gezond is. Is de corpus gezond? Waar wij dan industriekennis.

66:48

Speaker A

Van onze partners voor nodig hebben. Is om die hele moeilijke kritische vragen. Te formuleren.

66:53

Speaker A

En ook het antwoord. En we geven het antwoord natuurlijk niet aan de AI. En we zeggen dit is de vraag die we stellen.

67:01

Speaker A

Maar we weten het antwoord al. En dat is dus de golden hundred. Vragen die we al hebben.

67:06

Speaker A

Op een bepaald onderwerp. En dan s'avonds of in de nacht draait gewoon. Draaien die queries.

67:12

Speaker A

En dan komen we zochtens. En dan staat er een parameter. Een getal voor gezondheid van de data.

67:18

Speaker A

Van de corpus. En die is dan op 98% of 99%. Of soms is die wat lager.

67:24

Speaker A

In het begin. Met name in het begin als je hem aan het voeden bent. Dan is de gezondheid van het hele gebeuren.

67:29

Speaker A

Gewoon wat lager. Want je moet hem als het ware een beetje opschonen. Dat is eigenlijk je basisniveau.

67:35

Speaker A

Waar je altijd wil zitten. Zo moet je zijn. Anders kunnen we überhaupt niks. Precies. Je wilt zeker weten. Dat de informatie die je gebruikt.

67:44

Speaker A

Om je vragen te stellen. Dat die goed is. En in het begin is die wat lager.

67:51

Speaker A

Maar het mooie is. Je weet ook precies waarom dat lager is. Omdat die hele trace erin zit.

67:56

Speaker A

Dat staat gewoon aangegeven. Dat er soms een rapport. Gewoon niet zo lekker. Opgenomen is. Of dat die gaten heeft. Of pagina's die niet kloppen.

68:07

Speaker A

Dan wordt die even apart gezet. En dat is nou typisch iets. Wat je met elkaar continu moet blijven doen.

68:13

Speaker A

Je moet die. Je moet dat gezond houden. Want het. Het ververst ook heel snel. Die data. Er wordt een nieuw rapport.

68:22

Speaker A

Of een nieuwe wetgeving. Of dan moet dat oude eruit. Een nieuwe erin. Dat moet allemaal. Beoordeeld worden. Betekent dit dat je dan ook binnen je organisatie.

68:32

Speaker A

Mensen nodig hebt. Met die kennis. Dus je moet ook andere mensen gaan aantrekken. Om dit te kunnen onderhouden. We hebben pas een soort. Discussie gehad bij een bedrijf.

68:44

Speaker A

Wat voor competenties en team heb je dan nodig. We noemen dat. Embedded intelligence team.

68:50

Speaker A

Die zijn verantwoordelijk. Niet voor de IT. Ook niet voor de data. Maar voor de intelligentie. Dus daar zitten ook menselijke aspecten bij. Dus ook ervaring.

69:02

Speaker A

Je moet ook gevangen worden op een of andere manier. Dus die embedded intelligence. Dat is die.

69:08

Speaker A

Eigenlijk die drie eenheid. Data, mensen en AI. Dat breng je bij elkaar. En daar moet iemand verantwoordelijk voor zijn. Dus iemand moet zich verantwoordelijk voelen. Voor de gezondheid van die corpus.

69:18

Speaker A

En dat overstijgt. Data. Of informatietechnologie. Of AI. Het is wat anders. Die zit in het hart van het bedrijf.

69:29

Speaker A

Daar zitten dus ook de ontwerpen in. Van het bedrijf. De marketing signalen. De nieuwsberichten. Die komen uit het midden-oosten van Hormoes. Allemaal komt dat aan.

69:41

Speaker A

En dat is het hart van het bedrijf. Dus iedere functie raakt. Aan die intelligentie vorm.

69:47

Speaker A

Als ik er dan even vrij over mag nadenken. Dan heb ik het gevoel van. Zo iemand.

69:52

Speaker A

Of die functie. Is ook iets wat moet groeien natuurlijk. Want je krijgt straks mensen die veel meer opgroeien.

69:59

Speaker A

Met al die modellen. En technologie. Dus dan zul je dat ook. Krijg je andere type mensen. Natuurlijk. De technologie gaat super hard.

70:08

Speaker A

Maar de mens blijft soms een beetje achter. Daar zit dan misschien. En dan loop je.

70:14

Speaker A

Als vanzelf tegen de beperkingen aan. Van die technologie. Van die AI. Als die mens niet betrokken wordt. Want. De belangrijkste schakels.

70:24

Speaker A

In het bedrijf zijn vaak de mensen die weten. Van het ene systeem het ander. Of het proces of iets.

70:30

Speaker A

Dat is een soort. De olie van de hele organisatie zit. Echt nog voor bijna.

70:35

Speaker A

In ieder bedrijf. In de mensen zelf. Dat gaat ook denk ik niet zo snel veranderen.

70:40

Speaker A

Maar die zul je ook moeten betrekken. Anders gaat het niet lukken. Daar ben ik van overtuigd.

70:46

Speaker A

Kun jij voor mij. Kun je de kern samenvatten. Hebben we een lang gesprek gehad.

70:52

Speaker A

Wat is nu de kern. Van hetgene. Van wat je verteld hebt. Wat jullie doen. Dus even los van. Wat ons product.

71:01

Speaker A

Want dat is evident een gevolg van. De insteek. Of van de observatie. Die we hebben gedaan. De. De enorme kracht.

71:13

Speaker A

Het indrukwekkende van AI. Dat je ermee kan praten. Dat iemand terug praat. Dat de plaatjes zijn fantastisch. Dat is een doorbraak die. Ik nog nooit gezien heb.

71:24

Speaker A

De adoptiesnelheid van die hele AI. Was echt geweldig. En dan leer je het gebruiken als mens.

71:29

Speaker A

Eerst in privé misschien. Maar ik heb privé. Met vakanties vond ik het fantastisch. Dan kon je er een beetje mee aan de slag. Maar dan merk je al heel snel. Dat AI heeft jouw context nodig.

71:42

Speaker A

Om goed antwoorden te kunnen geven. Anders krijg je hele rare antwoorden. Nee dat bedoel ik niet.

71:47

Speaker A

En hoe meer context. Hoe meer AI jou leert begrijpen. Hoe beter AI wordt. Die ervaring. Zullen heel veel mensen hebben. Dat is dan ook meteen de muur.

71:59

Speaker A

Waar je tegenaan loopt. Als je het in je bedrijf wil toepassen. Want ja. Hoe meer context. Hoe beter de antwoorden. Maar die context is gevoelig.

72:10

Speaker A

Je kunt niet zomaar je ontwerpen. Je sales data. Je klant locaties. Je leveranciers. Noem maar op gaan delen met AI. Althans dat vind ik.

72:22

Speaker A

Een grens die je gewoon niet overgaat. Dan is als gevolg daarvan. Die spagaat. Die merk ik ook heel erg. In het bedrijf. We willen wel graag AI gebruiken.

72:35

Speaker A

Maar ja we zitten wel een beetje. Ja hoe mogen we het dan gebruiken. Dat wordt vaak dat wat er al rond draait.

72:40

Speaker A

Of een copilot wordt dan vaak gebruikt. Maar dat is eigenlijk precies hetzelfde. Als JGPT of Gemini of Klop.

72:46

Speaker A

Dus die muur die er staat. Om in mijn ogen. AI echt gekrachtig te gebruiken.

72:53

Speaker A

Zal die je helemaal moeten kennen. Als bedrijf. Dan is er in mijn ogen maar 1 mogelijkheid.

72:57

Speaker A

Om dat lokaal te trekken. En daar zijn wij mee ver gegaan. En ik zie het niet anders gebeuren.

73:06

Speaker A

En ik ben altijd vrij genuanceerd. Of bescheiden. Dat ik zo zeg. Want niemand weet het. In deze tijd weet eigenlijk niemand. Wat er gaat gebeuren in de wereld van AI.

73:17

Speaker A

Er zijn ook geen echte experts. Dus iedereen die zich AI expert noemt. Daar ben ik altijd een beetje sceptisch over.

73:23

Speaker A

Dus ik wil mezelf echt niet naar voren schuiven. Als expert op AI. Maar wij maken die keuze wel.

73:30

Speaker A

Met wat er. Wat we zien nu gebeuren. Die modellen worden kleiner. Makkelijker lokaal te halen. Je kunt met. Een menig.

73:42

Speaker A

PC die nu thuis staat. Bij mensen kun je gewoon. Een volledige AI draaien. Voor bedrijfstoepassingen. Want er is helemaal geen. Grote datacenters nodig.

73:53

Speaker A

En dat die kennis. Ik denk dat we daar de komende periode. Veel aan moeten doen bij mensen.

73:58

Speaker A

Om die kennis over te dragen. Het is niet moeilijk. Om het lokaal te draaien.

74:02

Speaker A

Je moet geen IT'er te zijn om dat te kunnen. Het is heel dichtbij. Het is alsof je een beeldscherm.

74:08

Speaker A

Of een PC naar binnen haalt. Het blijft over. Het verhaal. Wat al 20 jaar op de agenda staat. Is je data op orde brengen. Ik denk dat dat de grootste.

74:21

Speaker A

Dat is de lastigste denk ik. Voor de meesten. Als jij. Je zit in een bedrijf. En je hebt verantwoordelijkheid.

74:29

Speaker A

Om bijvoorbeeld dit op je te nemen. Om AI te adopteren. Dan is het de makkelijkste stap. Om naar de mediamarkt.

74:35

Speaker A

Of naar Coolblue te gaan. En een paar van die grote machines te bestellen. En die weg te zetten.

74:39

Speaker A

Dan heb je die stap gezet. Dan kun je AI draaien. Maar nu gaat het er om.

74:44

Speaker A

Hoe gaan we die data goed structureren. Dat AI het begrijpt. Dat is wat lastiger.

74:50

Speaker A

Maar dat is tijd. Dat is niet moeilijk. Dat het altijd al was. Beginnen. Die urgentie. Om je data op orde te hebben.

75:01

Speaker A

Het is nooit zo urgent geweest. Het is altijd moeilijk gebleven. Dat is nu. De grootste bottleneck. Voor de meeste bedrijven. Om dat goed te doen.

75:12

Speaker A

Ik zou zeggen. Als je wat te vertellen hebt in een bedrijf. Dan is dat je prioriteit 1, 2, 3. Wil je AI.

75:18

Speaker A

Ook die eraan komt. Echt slim gebruiken. Die iedereen straks ook heeft. Dat is geen onderscheidend vermogen. Waar zit het dan in. Dat is je korpus.

75:30

Speaker A

Daar gokken we op. Maar dat blijft het. Het is niet een gok meer. We gaan hartstikke goed. We raken een snaar. Voor mij voelt het soms wel.

75:42

Speaker A

Een klein beetje als een soort wild westen. Niet wat jij doet. Maar wat er allemaal in de cloud.

75:48

Speaker A

Welke modellen. Elke dag kun je weer iets anders. Dat maakt het soms ook een beetje chaotisch.

75:53

Speaker A

Het is ongrijpbaar. Ik ben ooit begonnen in 2008. 2007. Met mijn bedrijf in de data. Nu doen we niet anders. Alleen nu gebruiken we AI.

76:11

Speaker A

Wat toen heel veel tijd kostte. Om dat helemaal weg te nemen. Daar zijn we nog niet helemaal.

76:19

Speaker A

We proberen waar we goed in waren. Te versterken met AI. Dat is de boodschap.

76:24

Speaker A

Voor heel veel bedrijven. AI gaat je niet. Een soort doorbraak geven. In hele nieuwe markten. Anders dan startups. Die daar zijn.

76:36

Speaker A

Als je een lopend bedrijf hebt. En je bent goed in wat je doet. Dan zal AI.

76:42

Speaker A

Denk ik je eerst. Versterken in wat je al goed doet. Als je het goed inzet.

76:47

Speaker A

Het gaat je niet een nieuwe markt. Aanborren. Dat is de volgende fase. Bas bedankt. Kun je vertellen waar we de volgende keer over gaan hebben. De volgende keer kijken we.

77:00

Speaker A

Iets meer naar de oplossingskant. Het gegeven het feit dat je tegen die muur aan loopt. Hoe los je dat dan op.

77:08

Speaker A

Hoe maak je dat praktisch. Hoe hebben wij dat opgelost. Maar ook een soort uitgangspunt.

77:14

Speaker A

Hoe je als bedrijf eigenlijk. Hoe het systeem zou kunnen werken. Binnen een organisatie. En hoe verbazingwekkend toegankelijk. Dat is eigenlijk. Dat zou ik het leukste vinden.

77:26

Speaker A

Ik kan natuurlijk ook wat laten zien. Over ons platform. Dat vind ik ook leuk om te laten zien.

77:29

Speaker A

Maar ik vind het eigenlijk altijd leuker. Om te laten zien hoe verbazingwekkend simpel. En toegankelijk het nu al is.

77:36

Speaker A

En als dat lukt. Dan hebben we ook geslaagd. Dankjewel. Graag gedaan. Hartstikke leuk.

Topics: AI datakwaliteit language models AI in het bedrijfsleven AI ontwikkeling Bas Groothedden praktische AI AI opleiding technologische doorbraak causale modellen


---
This is the markdown twin of https://sozai.app/transcript/ai-small-talk-ai-after-cloud-de-grens/ — the same content, without the markup.
Published by SozAI (https://sozai.app). Reuse and quotation are allowed with attribution and a link back.
Machine-readable index: https://sozai.app/llms.txt · data API: https://sozai.app/api/