Speaker A
Welkom bij Female Boss, de podcast voor ambitieuze vrouwen die willen groeien, leren en hun doelen willen bereiken.
Ontdek hoe AI je werk verandert en blijf relevant met tips van AI-expert Rina Joosten-Rabou in deze inspirerende Female Boss podcast.
Key Takeaways
- AI verandert nu al de arbeidsmarkt en het is essentieel om je vaardigheden hierop aan te passen.
- Vrouwen moeten actiever betrokken zijn bij AI-ontwikkelingen om gelijkwaardigheid en inclusiviteit te bevorderen.
- Taalgebruik kan via AI een unieke en betrouwbare indicator zijn voor competenties en succes.
- Nederland loopt achter in AI-adoptie door risicomijdend gedrag, wat gevolgen heeft voor concurrentiepositie.
- De maatschappelijke en politieke impact van AI vraagt om nieuwe denkwijzen over werk, inkomen en macht.
Summary
- AI is geen toekomstmuziek meer, maar verandert nu al hoe we werken, leren en beslissingen nemen.
- Vrouwen lopen achter in het begrijpen en benutten van AI, terwijl hun stem cruciaal is voor de toekomst van werk en technologie.
- Rina Joosten-Rabou legt uit hoe haar bedrijf Per AI gebruikt om sollicitatieprocessen eerlijker en succesvoller te maken.
- AI kan competenties en gedrag voorspellen via taalgebruik, wat nauwkeuriger is dan cv's of traditionele assessments.
- De adoptie van AI in Nederland gaat langzamer dan in Azië en Amerika door risicomijding en traagheid in implementatie.
- Autonomous AI en Artificial General Intelligence (AGI) zullen banen veranderen, vooral taken zonder menselijke interactie.
- De maatschappelijke impact van AI vraagt om politieke discussie over basisinkomen en nieuwe economische systemen.
- AI versnelt werkprocessen enorm, waardoor mensen meerdere banen tegelijk kunnen uitvoeren.
- De podcast benadrukt het belang van nieuwsgierigheid, lef en richting om zelf regie te houden in een snel veranderende wereld.
- Praktische tips en inzichten worden gedeeld om vrouwen te helpen toekomstbestendig te worden, ook zonder technische achtergrond.
Chapters
Full Transcript — Download SRT & Markdown
Speaker A
Ik ben Amanda Bakker en samen met inspirerende vrouwelijke rolmodellen en topexperts deel ik waardevolle inzichten die je helpen jouw carrière, mindset en
Speaker A
leven naar een hoger niveau te tillen. AI is geen toekomstmuziek meer. Het gebeurt nu. Van hoe we werken tot hoe we leren, creëren en beslissingen nemen.
Speaker A
Kunstmatige intelligentie is al volop aanwezig in ons dagelijks leven. Toch blijkt uit onderzoek dat vrouwen structureel achterlopen in het begrijpen en benutten van AI. En dat terwijl juist wij aan tafel moeten zitten als het gaat over de toekomst van werk, technologie
Speaker A
en gelijkwaardigheid. In deze aflevering gaan we daarom van het grote plaatje naar jouw eigen werk en keuzes. Wat betekent AI voor jouw carrière? Welke skills worden belangrijk, ook als je geen techxpert bent? En wat kun je vandaag al doen om jezelf
Speaker A
toekomstbestendig te maken? AI-expert Rina Joost Rabau helpt je het overzicht te krijgen en de eerste stap te zetten.
Speaker A
Ze is CEO van de Nederlandse AI-scale Per, AI entrepreneur of the year en ontwikkelde als eerste een algoritmische tool voor eerlijkere sollicitatieprocessen.
Speaker A
Laat je inspireren door haar inzichten en ontdek hoe jij met nieuwsgierigheid, lef en een beetje richting zelf de regie houdt in een snel veranderende wereld.
Speaker A
Rina, ik ben heel benieuwd, hoe ben jij met Perra gestart? Want jij werkt met jouw bedrijf in AI.
Speaker A
Ja. En je bent een hele bekende dame ook in AI. Daarom zit ik hier ook vandaag bij jou aan tafel.
Speaker A
Kun jij daar iets meer over vertellen? Nou ja, Perra betekent in het Oudgrieks "seeing the obvious". Dus wij zien dingen die het menselijke oog niet ziet om anderen, om mensen te helpen betere beslissingen te nemen die mensen aangaan. En we gebruiken AI
Speaker A
eigenlijk om competenties en gedrag van mensen te voorspellen aan de hand van markers in hun taalgebruik. Dus we doen dat aan de hand van drie open vragen die we mensen stellen. De bedrijven zetten dat in om dus veel
Speaker A
preciezer dan bijvoorbeeld een cv of een assessment of een game te voorspellen wie er na aanname succesvol kan zijn en gaat zijn. Heel interessant, want ik denk dat we niet altijd weten dat die antwoorden, dus dat taal
Speaker A
eigenlijk iets zegt over onze competenties. Ja, taal is eigenlijk een soort unieke vingerafdruk van wie je bent en je kan het bijna niet manipuleren. Dus er zitten eigenlijk verborgen markers in je taalgebruik. En als je die koppelt aan heel veel
Speaker A
informatie van mensen over de afgelopen tien jaar, hoe zij zich gedragen in specifieke situaties in een baan en of dat gedrag ook echt bijdroeg aan het resultaat, ja, dan kun je daarop modellen maken, noemen we dat. En die
Speaker A
modellen kun je vervolgens weer inzetten om nieuwe mensen tegen af te zetten. En dat doe je dus door die drie open gestructureerde interviewvragen te stellen. We zitten dus echt met een echte expert aan tafel die op het gebied
Speaker A
van AI zoveel weet en ook de impact op de arbeidsmarkt heel goed begrijpt. Dus te gek om daar vandaag verder op in te gaan. Rina, AI staat volop in de schijnwerpers. Hoe zie jij dat het nu al onze samenleving verandert?
Speaker A
Ja, ik weet niet of het nu al heel erg de samenleving verandert, maar je ziet nu dat iedereen nog een beetje aan het testen is, hè. Dus ik denk dat over drie jaar het wel echt volledig
Speaker A
veranderd is. En hoe ziet dat eruit, denk je? Nou, ik denk dat nu zie je dat de ondernemingen die nu al en de professionals die nu al gebruik maken van AI al denk ik doorhebben dat ze ja,
Speaker A
veel meer kunnen doen in veel minder tijd. Ik las in voorbereiding op dit gesprek ook nog een artikel ergens dat je een soort overemployment kent, hè, of dat dat ontstaat. Dus dat mensen gewoon vijf verschillende banen
Speaker A
hebben zonder dat die werkgevers dat weten. En dat ze dus in dezelfde tijd die je normaal gesproken één baan volledig zou doen inmiddels met de hulp van AI vijf banen kunt doen en er dus geloof ik $800.000 per jaar verdiend wordt doordat je
Speaker A
dus vijf banen doet in dezelfde tijd. Bizar. Dus dat is nu wel al aan de hand.
Speaker A
Ja, dat is nu al gaande. Dat is nu al gaande. Ja. Dus je ziet nu al dat je tien keer sneller dingen kan doen doordat je AI inzet. Ik denk alleen als je nu
Speaker A
zou kijken van waar gaan we over drie of vijf jaar naartoe? Ik had toevallig een gesprek vorige week met onderzoekers van DeepMind en van OpenAI. Nou ja, en die zijn eigenlijk niet meer zo bezig met wat je nu de hele tijd
Speaker A
in het nieuwe soort AI noemt, of autonomous AI. Kun je ons meenemen in het verschil?
Speaker A
Ja. Nou ja, autonomous AI is dat AI echt zelf beslissingen gaat nemen, maar zij zijn eigenlijk bezig met artificial general intelligence, dus AGI. En dat betekent eigenlijk dat machines, computers, nu getraind zijn op menselijke intelligentie en daar zit een
Speaker A
optimum aan. En op een gegeven moment, als dat optimum wordt bereikt, gaan ze elkaar trainen. En dat noemen ze eigenlijk echte intelligentie, hè. Dan gaat het de intelligentie van ons boven. Nou ja, dat betekent dat waarschijnlijk heel veel banen, in ieder
Speaker A
geval banen waar je geen high touch hebt, dus waar menselijke interactie niet meer echt van belang is, allemaal door AI zullen worden uitgevoerd.
Speaker A
Zienig. Ja, dat is zo impactvol. Ik denk niet dat we dit kunnen overzien en ik vind het zo leuk om daar in dit gesprek verder op in te duiken, want jij weet daar veel meer over dan wij. Er zijn nog andere
Speaker A
gebieden waarin je denkt: "Oh, hierin gaat AI zoveel brengen buiten werk om, zeg maar." Wat welke impact heeft het op de samenleving? Nou ja, op de samenleving, als het zo is dat over, als het echt waar is dat we over drie jaar al
Speaker A
op dat punt zitten, dan denk ik dat heel veel banen er niet meer zijn. Dat betekent dat dus heel veel mensen geen baan hebben. Dus zal je eigenlijk nu, we gaan nu de verkiezingen in, zou je eigenlijk politiek moeten nadenken over
Speaker A
wat voor systeem je dan toebeweegt, hè? Moet je dan niet gaan nadenken over een basisinkomen voor iedereen en ga je niet veel meer van kapitalisme naar socialisme, hè, dus naar socialistische systemen? Hoe ga je eigenlijk, waar ligt
Speaker A
de macht, waar ga je belasten? Nou ja, dus dat zijn best wel al politieke vraagstukken die impact hebben op de samenleving, op ons allemaal, die we nu totaal niet overzien.
Speaker A
Nee, want is de politiek hier al mee bezig? Nou, ik denk het niet. Nee, nee, ik denk het niet. En dat is natuurlijk ook ingewikkeld omdat eigenlijk je nu kijkt, nu zie je nog dat adoptie van AI vooral in Nederland
Speaker A
nog heel erg langzaam gaat als we dat vergelijken met bijvoorbeeld Azië of Amerika. Oh interessant. Dus die landen gaan veel sneller in die adoptie.
Speaker A
Ja, dus je ziet dat het sneller gaat en dat technologie al veel meer kan, maar dat de gap, eigenlijk dus het probleem zit er vooral in dat we niet snel genoeg durven te adopteren, dus durven te implementeren of te
Speaker A
experimenteren. En wat denk jij dat daaronder ligt? Waarom zijn wij langzamer? Ja, toch risicomijdender.
Speaker A
Ja, ik denk dat dat erachter zit. Dus als we kijken ook, want we werken met ons bedrijf Per ook in meerdere landen en als we dan kijken hoe snel we bijvoorbeeld tot partnerships of samenwerkingen komen in Azië, dan is dat
Speaker A
vaak negen maanden sneller dan in Europa, hè. Dus dat geeft te denken op het moment dat dat soort bedrijven al AI implementeren in hun processen en daar in negen maanden sneller zijn.
Speaker A
Wat betekent dat voor onze concurrentie? Ja, precies. Dus dan ga je natuurlijk op een gegeven moment achterlopen, want het is toch een wereldwijd toneel waarop die bedrijven acteren. En jij kunt ons een inkijkje
Speaker A
geven. Hoe passen zij het bijvoorbeeld toe in hun samenleving? Hoe wordt het gebruikt in het dagelijks leven? Ik heb heel lang in Azië gewoond en ik ben er nu alweer een tijdje niet geweest.
Speaker A
Maar het idee is wel dat je daar... ik...
Speaker A
Ja, nu nu is het dat bankpasjes welenswaar in je mobiele telefoon. Maar je deed alles eigenlijk via je betaalde via je mobiele telefoon. Er zijn daar hele platformen waar je je bankzaak, je aankopen, alles regelt. Het is gewoon één platform
Speaker A
hè. Je kan betalen met je eh oogsensoren. Je had eh zelfrijdende auto's al eh die rondreden.
Speaker A
Weet je, hier waren we nog aan het eh soubatten of dat dat eh meer ongelukken maakte of niet. Dus je ziet dat dat en dat was echt 10 jaar geleden al.
Speaker A
Ja. Kun je nagaan. Bizar. Denk jij ook dat dat het ons samenleving gaat ontwrichten omdat het zo het gaat sneller heb ik het idee dan dat wij ons erop kunnen voorbereiden en wat je zei dat de politiek het überhaupt
Speaker A
kan behappen. Ja. Nou, ik denk wel dat dat we erover na moeten denken. Dus dat je in scenario's moet gaan denken van als dit als die ontwikkeling van die artificial general intelligence zoveel sneller nu gaat, welke scenario's ontvouwen zich
Speaker A
dan? En en hoe gaan we dan inderdaad om met vraagstukken als ehm zijn als echt 80% van de banen straks wordt uitgeoefend door computers? Hè, dus waar denkracht ligt?
Speaker A
Wat betekent dat dan? Wat betekent dat dan in ehm verbinding? Wat betekent dat in dan weet je je werkt niet misschien alleen maar voor inkomen, maar ook voor ehm genoegdoening voor je voelt je nuttig.
Speaker A
Ja. Zelfvoldoening. Ja. Zelfvoldoening. Want wat hoe los je dat dan op? Waar ligt ook de winstdeling? Het is ook heel erg van vanuit vanuit het sociologisch perspectief van hoe gaan groepen mensen hiermee om met die grote verandering.
Speaker A
Ja, je ziet nu natuurlijk al een grote ehm divide hè, de de tussen eh macht en rijkdom, welvaart eh in de wereld. En ik denk dat dat als je daar niet voor oppast en daar niet over na gaat denken
Speaker A
dat het alleen maar groter wordt. Dat kan dat veroorzaken. Is dit net zo groot als de lopende band? introductie daarvan, want daar waren mensen ook heel bang voor en al ons werk gaat verdwijnen en we moeten het stoppen. Die geluiden
Speaker A
hoor je natuurlijk ook rondom AI. Ja, ik denk dat dit is dit groter Ja, dit is veel groter.
Speaker A
Dat is mijn inschatting. Ik weet ook niet of dat waar is, maar ehm dat zou wel mijn inschatting zijn. En ik en je ziet het nu al, ik was op een conferentie twee weken geleden en daar sprak de de oprichter van een grote
Speaker A
reclamebureau. En die zei, ik weet niet meer precies de grootte van zijn team, maar als ik het goed had begrepen waren dat iets van 240 mensen die dus echt videoproducties produceerden en dat die groep nu was verkleind naar 40 man hè.
Speaker A
Dus dat betek omdat omdat die videoproducties eigenlijk dus al ja net zo goed zijn door AI.
Speaker A
Maar dat betekent dus wel dat die mensen ja eh ofwel die moet je dan gaan helpen om een soort van herskilling te doen, hè. Dus andere vaardigheden aan te leren om naar een andere baan te bewegen. Ja.
Speaker A
Of ze verliezen hun baan. Ja. Dus die gebeurt dus nu ook al hè. Dus je ziet dat staan de eerste stappen. Ja.
Speaker A
Dus de eerste functies zullen het allemaal gaan merken. En welke trends in AI hebben volgens jou de grootste impact op hoe we straks werken, wonen en misschien ook leren?
Speaker A
Nou ja, dan even kleiner maken. Dus even van niet van dat macroeconomische of wat de impact, maar wat we nu wel al zien ook in onze eigen vakgebied. Dus wat wij hebben gedaan is dat we eh AI inzetten
Speaker A
om te ontdekken wat zijn de patronen geweest in professionals die succesvoller zijn dan anderen in specifieke banen zonder dat we kijken naar een CV of een ehm een ander type assessment waar we hebben echt onderzocht hoe kan het nou dat sommige
Speaker A
succesvoller zijn dan anderen en dat is dus wel interessant want dan ga je dus zien dat nou ja als ik nu 20 jaar journalist bele ingewikkeld om vervolgens ergens aan te kloppen te zeggen: "Nou, ik zou echt een
Speaker A
top salespoon zijn." Weet je, dan zegt iedereen: "Ja, maar je hebt 20 jaar ben je journalist geweest. Hoezo?" Terwijl misschien heb jij wel competenties die prima passen op een top salespersoon, maar dat weet je niet. En daar kun je dus AI ook op inzetten. Als
Speaker A
je het dan hebt over denk ik eh waar AI nu al goed voor kan zijn als je het hebt over banen en leren is één het kan patronen herkennen in ehm die elementen die je zelf niet ziet hè. Wat wij wat ik
Speaker A
ook al zei van die dus leiden tot succes. Dus daarmee kan je ontdekken waar je past en waar je succesvol kan zijn. waar je impact kan maken. Het andere wat AI kan doen is denk ik het personaliseren. Dus het kan je steeds
Speaker A
persoonlijker gaan helpen om bijvoorbeeld leertrajecten dan ook aan jou ehm toe te kennen, hè. te zeggen van: "Nou, mooi eh Amanda eh jij bent eh supergoed hier en hierin. Hier en hier zou je nog in kunnen ontwikkelen en dit
Speaker A
zou je dan specifiek kunnen doen." Dus je kunt ook echt gaan personaliseren. En dat is wel leuk, want dat gaan we nu ook doen met ehm in de samenwerking met de e-learning platform Good Habits. En daar gaan we dus nu ook echt van die
Speaker A
micro habits eh teruggeven aan gebruikers, hè. Dus dan ga je eerst eigenlijk scannen van wat zou je nou nou waar ben je supergoed in wat je zelf niet weet en hoe kun je daar vervolgens naartoe bewegen met welke microbit?
Speaker A
Ja. En dit is zo interessant want ik denk dat zoveel mensen belemmerende overtuigingen hebben. We hebben het hier heel vaak over in de podcast. Maar dit helpt eigenlijk die belemmerende overtuiging ook weg te nemen en eigenlijk heel feitelijk te kijken van
Speaker A
heyé, wat zijn jouw competenties op basis van jouw output of andere ja, dingen die jij als input geeft. En dat je daarmee kunt zien: oké, daar ben ik dus goed in. Welke optie zou ik dan hebben als alternatieve baan als we het
Speaker A
even over werk hebben? En dus zelfs van hoe kan je daar komen? Ja, dat wordt het leerpad daar naartoe.
Speaker A
Ja. En je neemt denk ik en dat is nog een ander punt daarbij met die belemmerende overtuigingen, er zitten ook allerlei toch vooroordelen, biases in. En ik denk dat daar, want dit is natuurlijk gaat over female bosses. En
Speaker A
daarin zijn denk ik hebben vrouwen denk ik een soort achterstand ten opzichte van mannen hè. Dat we toch vaker denken van ja, weet je, kan ik dit wel echt?
Speaker A
Hè, terwijl een man misschien wel zijn hand opsteekt, weet je, van nou ja, maakt niet uit. Eh al kan ik het niet, ik ga het gewoon eh hè een beetje de pipolankous eh gedachte. Nou, dat mogen vrouwen ook meer hebben. Maar dat zou je
Speaker A
ook dat leg je daarmee ook blow. Dus je kan daarmee ook helpen om te zeggen: "Ja, maar wacht even Rina, weet je, jij kwalificeert daar gewoon voor, weet je.
Speaker A
We willen jou daarvoor hebben." Ja. In plaats van dat het erop aankomt dat ik mijn hand opsteek.
Speaker A
Dat klinkt echt als zo'n grote impact. Dus het gaat op alleen. Ja, het gaat denk ik wel ook je werk democratiseren. Dus de andere waar ik dat zie is een leeftijd. Dus vroeger was het zo, weet je, je ging een soort van
Speaker A
hè op basis van senioriteit stijg je in de ranken van een corporate hè. Dus je moet 20 jaar ervaring hebben op X. Ja, dat is met AI is dat gewoon niet meer zo. Weet je, er zijn eh mensen
Speaker A
van 27 die op basis van door het gebruik van generative AI of AI eh slimmere beslissingen kunnen nemen dan dat jij 20 jaar ervaring hebt. Dus het gaat ook denk ik dat pad democratiseren.
Speaker A
Ik ben heel benieuwd wat dit allemaal teweeg gaat brengen bij organisaties, bij de in de samenleving om hier te komen. Maar ik denk dat het het bedenken dat dat halen we denk ik niet ten opzichte van de snelheid waarmee het
Speaker A
gaat komen hoe het zich ontwikkelt wat jij net ook al aangaf. Ehm en je ziet dit dus eigenlijk ook als maatschappelijke kans denk ik hè die bias eh weghalen.
Speaker A
Ja. Zie jij ook andere kansen of risico's die we als samenleving door AI gaan ervaren? Nou, ik denk dat ehm kijk, het ehm een voordeel kan zijn, maar dat betekent wel dat je die algoritmes moeten wel op de juiste
Speaker A
manier getraind worden, dat je dus bepaalde voordelen kan wegnemen, hè. Maar dat betekent wel dat je en dat dat heeft bij ons echt 8 jaar geduurd, is een heel traject geweest om de juiste datasets naar de juiste datasets te
Speaker A
kijken om die algoritmes ehm goed mogelijk te trainen en die menselijke bias er ook uit te halen, hè.
Speaker A
Want anders is het gewoon 1000 keer sneller. Maar het het repliceert eigenlijk heel consistent onze eigen bias hè. Dan zou je nog kunnen zeggen: "Nou, dan is het in ieder geval 1000 keer sneller en consistenter." Dat helpt toch? Maar
Speaker A
dat helpt dan ben je in ieder geval sneller tot die conclusie. Maar eigenlijk wil je dat het beter wordt.
Speaker A
Dus daar moet je denk ik heel goed naar kijken. Maar dat kun je ook redelijk snel ontdekken door experimenten te doen. Door te kijken oké, dit is dit is de uitkomst vandaag de dag met de methode die we hebben en dit is dan wat
Speaker A
die nieuwe methode als uitkomst heeft. En die vergelijk je. Het probleem vaak is dat we AI vaak afzetten met de hè vergelijken met de perfecte wereld.
Speaker A
Toen zelfrijdende auto's werden geïntroduceerd hè of semi eh zelfrijdende auto's. Ja. Werd wat gezegd: "Ja, maar hij maakt nog steeds ongelukken." Ja, dat klopt.
Speaker A
Maar hij maakt wel veel minder ongelukken dan dat er een mens achter het stuur zit. Maar psychologisch gezien hoor je bij dat soort soort dingen ook vaker dat mensen het toch erger vinden omdat er dan dus geen mens de
Speaker A
veroorzaker was, maar technologie. Ja, kijk en daar maar ook dat heeft tijd nodig, want niemand nu is dat eigenlijk geen issue meer. Ja, weet je, er zijn gewoon bepaalde dingen die nu gek lijken of waar je aan moet wennen, maar brengt
Speaker A
het ook risico's met zich mee? Nou, ik denk dus als je dus dingen niet op de juiste manier traint, dus dat kan een risico zijn, hè. Dus dat je dus dus dat er bepaalde biases optreden. Eh dus je
Speaker A
moet wel goed kijken wat je doet. En dat dus ook maar dat wat ik al zei van dat kun je dus controleren. We hebben ook wel gezien in ons eigen werk dat vaak ehm hè dat soms menselijke besluitvorming veel
Speaker A
ehm discriminerender was dan eh het gebruik van het algoritme in die besluitvorm. Dus een voorbeeld. We hebben klanten gehad waarbij we zagen dat vrouwen eh die niet van een top in waren vier groepen kandidaten die solliciteerden. Waren vrouwen met een
Speaker A
die een opleiding hadden afgerond bij een niet topuniversiteit. Vrouwen die een opleiding hadden gedaan bij een topuniversiteit en dan mannen, geen topuniversiteit, mannen topuniversiteit.
Speaker A
En die scoorde net zo hoog op het digitale interview wat we bij ze hadden afgenomen, gemiddeld genomen. Dus met andere woorden, ze kwamen allemaal net zo dicht in de buurt bij topperformers in dat specifieke bedrijf. Maar dan keken we vervolgens naar: "En wie zijn
Speaker A
er nou aangenomen door die hiring managers?" bleken dus mannen met een topuniversiteit negen keer vaker aangenomen te zijn dan vrouwen die van een niet top universiteit kwamen. Nou en dat is wat er wel gebeurt. En dat ik denk dat dus
Speaker A
soms kan het risico ook zijn dat dat de mens zich er teveel mee bemoeit.
Speaker A
Ja. Ehm hè dus ja, want durven mensen dit los te laten? Want dit is zo impactvol en dit gebeurt natuurlijk dagelijks en het gebeurt ook op leeftijd en op andere vormen denk ik van redenen waarvoor je iemand kan gaan
Speaker A
die op jou lijkt of iets dergelijks. Ja, de manier waarop je het moet doen nu in deze tijd is vooral dit op een datagedreven manier aantonen. Dus gewoon de data te laten zien en het ook door te meten. Ik denk dat je daar niet meer aan
Speaker A
ontkomt, hè. Dus we kunnen niet meer dingen alleen maar op intuïtie doen. Maar het is ook belangrijk, denk ik, dat je dingen doormeet, hè. Dus we in dit geval hebben we dat gewoon blootgelegd en heeft dat bedrijf ook gezegd: "Hé,
Speaker A
wat gebeurt hier nu eigenlijk?" Hè? Ja. En hier moeten we mensen op gaan trainen dat dit dus niet meer gebeurt en dat we deze groep kandidaten juist een kans gaan geven. Dat ik denk dat het daar ook om gaat.
Speaker A
Ja, dat zou heel mooi zijn dat die impacten dat gaat hebben. Ik Hey lieve luisteraar, wil jij vandaag iets betekenen? Laat dan een review achter in de app waar je dit luistert.
Speaker A
Het kost je maar een paar seconden, maar maakt echt een wereld van verschil voor deze podcast. Dankjewel.
Speaker A
Je zei net al een beetje welke impact het kan hebben op onze banen. Ja, misschien om daar verder op in te zoen in te zoomen. Welke banen zijn juist kwetsbaar bij deze ontwikkeling en welke worden juist versterkt? Ehm nou, ik denk
Speaker A
dat alle banen waar een heel groot deel ehm gaat over het vinden van patronen zeg maar in in taal, dus denk aan advocatuur, ehm eh accountancy, ehm ja, eigenlijk waar consultancy, dingen waar heel veel denkwerk in plaatsvindt en je ja, allerlei documenten ook eh
Speaker A
gebruikt, hè. Ja, dat dat al een enorme slag gaat maken. En dat zie je nu al, weet je wel. Als ik ehm ik had het er net over van voorbereiding op onderhandelingen.
Speaker A
Ja, dan kan ik gewoon juridische documenten, weet je, in een beveiligde LM stoppen en gewoon uitvragen aan de hand van prompts. Weet je wat? Ah, weet je wat staat hierin? Welke patronen vind je? Hoe moet ik me voorbereiden? Wat
Speaker A
zijn scenario's? Dus je kan gewoon een hele onderhandeling kan je al voorbereiden. En jij zegt een beveiligde beveiligde LM.
Speaker A
Nou ja, dat je in ieder geval secure bent. Dat je de de data niet per se terugvoert aan het systeem.
Speaker A
En dat zijn de large language models. Ja. Dus bijvoorbeeld in chat GPT is daar een voorbeeld van hè. Z meerdere van Nou, je kan inderdaad security aanzetten in ieder geval. Dus als je hem privé gebruikt zou ik sowieso de security
Speaker A
aanzetten waarbij je dus inderdaad die data verder niet eh verder verrijkt. Dat is wel een goede hack. Ik denk dat veel mensen dat niet weten.
Speaker A
Dus in je security settings kun je dat aan eh aanvinken. Dus dat moet je zeker doen. Maar ik denk dat dat soort type banen, de banen die denk ik minder in eer in eerste instantie worden aangeraakt. Dus daar waar je echt ook
Speaker A
menselijke interactie wil zien, hè en wil hebben, hè. Denk bijvoorbeeld aan de gezondheidszorg, maar het toch wel fijn is dat je eh iemand aan je bed hebt, hè, een persoon. H of dat hè dat vervolgens een arts allerlei AI modellen inzet om
Speaker A
sneller en betere diagnostiek te kunnen doen. Ja. Hè, dat is dan ik denk dat idee dat je alle scans van de hele wereld kunt samenbrengen databank en heel makkelijk patronen kunt ontdekken die nu gespecialiseerde artsen bijvoorbeeld helemaal niet kunnen omdat
Speaker A
zij een specialisatie hebben. Ja. Nou ja, er zijn nu al experimenten, hè, dus dat bleek dat bijvoorbeeld eh inderdaad ehm scans voor eh borstkanker dat die ehm inmiddels dus beter door algoritmes worden gelezen, ook met minder grote foutmarges. In het begin
Speaker A
was het nog in combinatie met een arts en een eh algoritme, maar dat het nu dus eigenlijk al beter is dan ehm de combinatie. Ja, dat dat helpt natuurlijk enorm. Dus dus ik denk dat dat want het gaat en veel sneller en veel
Speaker A
nauwkeuriger omdat je natuurlijk veel meer data kunt ontinnen dan het menselijk brein kan. Dus dat dus daar gaat het bij helpen. Dus rollen waar de menselijke interactie een heel belangrijk deel is van de baan, die worden juist versterkt. Die krijgen meer
Speaker A
ruimte doordat AI misschien andere dingen kan weghalen. Administratieve taken misschien ook. Ja, dat is het nu denk ik vooral. Dus nog het administratieve deel. Maar ik kan ook een Kijk als ik kijk naar mijn eigen werk. We hebben dat bedrijf.
Speaker A
Bedrijf heeft 10 jaar lang eh data opgehaald om dus heel precies te kunnen voorspellen wie er na aanname succesvol gaat zijn en waar jij als professional zou kunnen passen op basis van je competenties. Nou, het heeft 8 jaar
Speaker A
geduurd om die algoritmes goed te trainen, om die datasets op te halen, om medewerkers te volgen om te hè om te begrijpen eh wat hun impact binnen zo'n organisatie was. Die data is er nu. Daar kun je natuurlijk meer doen dan alleen
Speaker A
maar helpen om een baan te vinden die bij je past. Je zou ook kunnen zeggen: "Ik ben een bank. Grootste probleem nu is eh fraude. Kan ik beter fraude heeft veel te maken ook met eh gedrag van mensen en menselijke intenties. Dus die
Speaker A
dataset kan je ook daarop inzetten." Nou, ik denk dat het me normaal gesproken we zitten hier nu hè eh hier in Amsterdam. Ons bedrijf zit voor dat recruitment high stuk in Den Bosch. Hier zit de innovatiehub.
Speaker A
Ik denk dat we er nu drie maanden over hebben gedaan van ideation. Dus het idee erover om te gaan onderzoeken, om te kijken waar de belangrijkste eh waarde van die technologie zou kunnen passen, hè. Uiteindelijk zijn we dus op die
Speaker A
finance. Welke use cases, welke bedrijven zitten daar? Eh wat zou de waarde daarvan kunnen zijn? Dus dat hele stuk hebben we met ehm eigenlijk in samenwerking met Gen AI gedaan.
Speaker A
Wauw. En waar het me normaal gesproken 24 maanden of 36 maanden had gekost, hebben we dat nu met een heel klein team in 3e maanden opgetuigd. Dus ik denk één van de skills die ik zelf belangrijk vind is
Speaker A
dat ik dat dus kan doen en dat mijn team dat ook kan doen met de hulp van generative AI. Dat is één. Maar en dat is denk ik de andere skillset die super belangrijk wordt is netwerken.
Speaker A
En dat is menselijk. Uiteindelijk wil je dus ook spreken met de CEO van HSVC of met de CEO van ING of met de CEO van een bridge fund. Ja. En dan heb je wel een netwerk nodig om vervolgens met alles
Speaker A
wat je hebt uitgedokterd binnen te komen. En dat vergt menselijke interactie. Dus ik denk dat met de komst van AI en Gen AI eigenlijk die skill kunnen netwerken en die netwerken kunnen inzetten om eh dit soort ideeën echt
Speaker A
over de bune te krijgen en te starten, dat ook heel belangrijk is. En dat geldt dus over alle vlakken.
Speaker A
Ja, want jij geeft nu als voorbeeld jouw bedrijf, maar dat geldt dus ook voor eigenlijk andere rollen en organisaties. Dus het goed kunnen prompten ook. Ja, het goed kunnen prompten. Dus het goed kunnen werken, maar zelfs prompten. Je kan ook vragen
Speaker A
aan een Hm hm. Eh large language model: wat is het beste prompt wat ik kan schrijven als ik dit en dit wil achterhalen? Dus zelfs dat kun je aan een eh aan een model vragen.
Speaker A
Ja, maar dat is dus één. Ik denk ook het kunnen kritisch, want iedere keer je werkt eigenlijk samen, hè. Dus je gaat iedere keer ga je meer vragen stellen, maar soms laat hij dan vervolgens ook bepaalde denkprocessen over. Dus dat
Speaker A
kritisch kunnen zien. Je moet wel op blijven letten, kunnen bevragen. Ja. Eh is denk ik ook een belangrijke skill in die samenwerking met in dit geval generative AI. En het andere is veel meer het menselijke aspect. Ik bedoel,
Speaker A
ik krijg denk ik 100 e-mails per dag van mensen die iets van mij willen. Eh en daar kijk ik dus al niet meer naar. Dus het enige wanneer ik in actie word aangezet is als iemand uit mijn netwerk
Speaker A
hè iets aanbeveelt. Dus dat betekent dat dat netwerk eigenlijk steeds belangrijker gaat worden. Heel interessant in mijn perspectief hè. En jij gaf net ook aan van oké, dat gaat gewoon heel veel impact hebben. Dus iedereen die luistert, daar heeft het de
Speaker A
invloed op. Ehm wat kunnen wij als professional of als ondernemer doen om relevant te blijven in die AI jungles?
Speaker A
Zo voelt het nog een beetje. Het is nog een beetje een jungle omdat we geen idee hebben welke kant het op gaat. Stel dat jij job bent, wat zou jij dan adviseren?
Speaker A
Hoe blijven we relevant? Nou ja, één dus door echt iedere dag. Ik zou ik denk dat de allerbelangrijkste is dat je bewust bent en iedere keer afvraagt of datgene wat je aan het doen bent of dat jij dat echt moet doen of
Speaker A
dat je dat sneller kunt doen door de inzet van tools en AI gedreven tools. Ik denk dus dat die vraag jezelf toch consequent stellen.
Speaker A
Eh dat is denk ik echt stap één. Dat is key. Ja, dat is key. Wat ik je waar we mee begonnen was, weet je, er zijn dus mensen die dus vijf banen doen in de tijd van één baan, hè. Ik gaf ook al aan
Speaker A
ik heb ik heb dit kunnen xen. Ik heb gewoon 10 keer sneller iets kunnen doen doordat ik eh tools inzet eh waardoor ik vrijgespeeld werd om ja, die netwerken om alleen maar bezig te zijn met die netwerken voor een groot deel, hè. Dus
Speaker A
ehm dus ik denk dat dat echt één is. Jezelf de hele tijd afvragen: "Kan ik dit sneller en beter doen door de inzetten van tools?" Ja, op alle gebieden van je leven, denk ik.
Speaker A
Op alle gebieden van je leven. Ja. Eh ja, dus dat dus dat is denk ik één. Ik denk het andere kan zijn door inderdaad eens een keer een scan te nemen en te kijken van weet je waar liggen mijn competenties en waar zou ik
Speaker A
verder kunnen ontwikkelen? En wat voor scan bedoel je dan? zo'n hè je zou bij ons een keer zo'n digitaal interview kunnen doen. Dat is eigenlijk voor bedrijven bedoeld. Maar ik denk dat het ook best wel interessant is soms om
Speaker A
even bij jezelf te toetsen van weet je waar kan ik naartoe ontwikkelen waar Want die competenties worden steeds belangrijker. Kennis is veel makkelijker nu te halen. Dus je hoeft niet per se een soort encyclopedie te zijn op een onderwerp.
Speaker A
Clopie te zijn voor een bepaald onderwerp. Het gaat er denk ik veel meer om of je dat je dat en dat zien we ook wel grappig genoeg terug in onze data.
Speaker A
We hebben natuurlijk 10 jaar lang onderzocht wat leidt tot high performance. En bijvoorbeeld in teams die sneller innoveren en veranderen hebben we specifieke competenties ontdekt die dat drijven. En dat zijn bijvoorbeeld dat je goed om kan gaan met
Speaker A
onzekere omstandigheden. Wendbaarheid. Ja, wendbaarheid. Dus maar ook dat dat dingen ambiguus zijn. Dat is heel ingewikkeld voor heel veel mensen.
Speaker A
Ja. Ja. Hè? Want je wil eigenlijk controle of in ieder geval de perceptie al van controle hebben.
Speaker A
Ja. Maar heel veel dingen zijn ambigu zeker in deze wereld. En dat dat je dat kan dat je daarmee om kan gaan. Het anders inderdaad wenbaarheid. Het consequent doorleren, doorontwikkelen van je eigen ja van die eigen competenties hè. Dat je
Speaker A
dat kritisch kunt bevragen. Dat zijn eigenlijk de drie dingen die we iedere keer terugzagen. Dus ook echt een groeimindset hebben. Dus dat je wil blijven ontwikkelen.
Speaker A
Ja. Ja. En dat ook doet, hè. hè, dus dat je daar ook dat je dus niet bang bent om te experimenteren en daarbij fouten te maken. Dat waren de drie dingen die het meest terugkwamen in in teams die meer
Speaker A
innovatie in naar buiten bracht. Dus nieuwe producten introduceerde of nieuwe features of nieuwe ideeën succesvol naar klanten brachten. Viel er iets uit waarvan je dacht: "Oh, ik dacht dat belangrijker zou zijn bij top performers." Een competentie die dus minder belangrijk
Speaker A
bleek achteraf. Nou, bijvoorbeeld we kwamen ook achter dat bijvoorbeeld bij commercieel succes en wij lezen dat dan af aan de hand van drie open vragen, hè. Dat is wat wat de technologie bijzonder maakt omdat het heel laagdrempelig is. Eh dus we stellen
Speaker A
drie open vragen, maar de data die erachter ligt is dus op basis van geobserveerd gedrag bij medewerkers en correlatieanalyse of dat gedrag dan ook echter toe deed om bijvoorbeeld meer omzet te maken of meer innovatie te brengen of betere klanttevredenheid te
Speaker A
genereren of retentie bijvoorbeeld. En één van de dingen die mij wel verbazen was bijvoorbecieel succes. Dus bij sales mensen die dus veel meer sales binnenbrachten dan anderen. Ja, ik dacht altijd dat het ook ging over hoe goed je
Speaker A
kon organiseren en communiceren. Ja, maar dat deed daar helemaal niet toe. Nee, het was dus vooral eh hoe resultaatgericht je was en klantgericht.
Speaker A
Dus dat waren de en dat kwam consequent terug. Er zitten inmiddels 5,5 miljoen mensen in die dataset. Dus dat zijn er heel veel wereldwijd. En het is grappige, daar zat dus ook geen verschil in. Dat gedrag was dus iedere keer consequent kwam terug.
Speaker A
Ja, en dat nou ja, dat was dus één van de hypotheses die dus niet waar bleek.
Speaker A
Ja, heel interessant, want dit verandert gewoon zoveel in de ja, de interpretatie ook van wanneer iemand goed is. Want er hebben natuurlijk meer mensen dat idee dat het daardoor komt, terwijl er dus andere competenties aan ten grond stap
Speaker A
liggen. Ja, als we dus kijken naar houding, vaardigheden en mindset die dus essentieel zijn om mee te bewegen, noem je dus in ieder geval die groeimindset en dan op de juiste dingen eigenlijk willen ontwikkelen en het dan ook echt
Speaker A
doen. Ehm vaardigheden dus niet gericht op kennis, maar echt die competenties van eh ja, dus dingen als hoe werk je in een team, hoe communiceer je, krijg je je boodschap overgebracht, eh kan je omgaan met onzekerheden? Hoe wendbaar ben je?
Speaker A
Dus dat soort dat soort hè ben je resultaatgrift. Dus die achterkant, het netwerkstuk wordt denk ik steeds belangrijker. Eh en dat is denk ik voor vrouwen ook wel belangrijk, want ik denk dat mannen veel veel agressiever hun netwerk gewoon inzetten
Speaker A
voor hun eigen eh gewin. En dat mogen wij denk ik ook vaker doen. Dus gewoon je hand opsteken als je denkt oké.
Speaker A
Ja. Denken vrouwens denk je meer what's in it for them zeg maar. Er moet wel een weder dus ik kan niet vragen, maar ik moet dan ook iets geven en wat heb ik te bieden?
Speaker A
Is dat denk je? Ja. Inderdaad. Of en misschien ook wel gewoon soms de angst om je hand op te steken als ik er denk als je jonger bent, ik heb dat nog nooit gedaan. Kan ik het wel? Ja, gewoon je hand opsteken
Speaker A
en gewoon doen. Welke gedachte helpt jou daarbij om dus niet die belemmerende gedachte te hebben die heel veel van ons hebben?
Speaker A
Nou, ik denk dat het ehm ik denk dat het ik heb die ook die gedachte nog steeds ook, maar het heeft denk ik toch te maken met het eh het opzoeken van daar waar je je begint oncomfortabel te voelen en dan
Speaker A
juist daar naartoe bewegen. Dus op het moment denk ik dat je je oncomfortabel voelt en het spannend wordt en dat voel je dat weet je bij jezelf dat je dat je dan juist die kant op beweegt. Daar zit je
Speaker A
goed. Dat is je ja goe groei potentieel. Ja. Ja. Daar waar het begint te schuren.
Speaker A
En als je dat denk ik bewust bewuster observeert en dan denk ik ook naar binnen gaat van en waarom waarom voel ik me daar nu zo over en dan wel actie onderneemt, dus wel je vinger opsteken daar waar het
Speaker A
waar je dat voelt. Ja, ik denk dat je dan dan zit je goed. Ja, dat is een hele mooie. En als we kijken naar ehm techgrond, hoe belangrijk is dat nog? Want ik denk dat het voor heel veel mensen een beetje een
Speaker A
ver van onze badshow is. Dat we denken: "Ja, AI oké, gebruik wel een beetje chat GPT, maar dat we echt dat gebruiken, hoe zeer moet je daar technisch voor onderbouwd zijn? Onderlegd?
Speaker A
Ja, niet per se denk ik. Ik denk dat het heel erg in bedrijven heel erg erom gaat dat je gaat nadenken wat in ons bedrijf of in mijn team is het allergrootste probleem. of waar ligt de allergrootste waarde die we kunnen
Speaker A
toevoegen voor onze klanten en dat je daar dan gaat kijken en kan ik daarmee versnelling brengen door de inzet van AI. En misschien is het wel we zijn natuurlijk iets verder in dit gesprek, maar ik denk dat het goed is om te
Speaker A
onderscheiden. Je hebt AI waarbij je deep learning gebruikt om bepaalde patronen te gaan zien die je op basis van andere modellen niet zo snel ziet en op basis van je eigen rekenkracht. Dus dat is één. Je hebt Jen AI wat
Speaker A
natuurlijk heel erg gaat over eigenlijk het voorspellen van het meest logische meest logische letter naar de volgende hè. Dat zijn dus die large language modellen.
Speaker A
Ja. En dan heb je dat AGI hè, dat artificial general intelligence waarbij machines eigenlijk dat noemen ze dan de echte intelligentie hè, dat ze eigenlijk onze intelligentie te boven gaan en zelfbeslissingen zouden kunnen gaan nemen. In het bedrijfsleven kan je
Speaker A
natuurlijk als professional, maakt niet uit waar je werkt, kun je natuurlijk gaan afvragen wat is het wat wij proberen op te lossen? En zou ik daarop AI of gen AI kunnen toepassen om dat te versnellen. En daarvoor hoef je niet per
Speaker A
se alleen maar een datawetenschap te zijn. Ik denk wel dat het helpt in deze tijd in ieder geval om wel te begrijpen ja wat zijn die weet je dat je datamodellen begrijpt dat je iets van statistiek onderlegd bent dat je
Speaker A
begrijpt hoe bias werkt en ook hoe je dat zou kunnen voorkomen. Dus dat je wel de juiste vragen kan stellen.
Speaker A
Dat is dus heel belangrijk. Ja. Maar ik denk dat het begint met wat is het probleem wat je probeert op te lossen in jouw werk en kan je daar AI op inzetten om dat te versnellen.
Speaker A
En wat was voor jou de grootste het grootste aha moment? Want jij leeft AI natuurlijk, maar wat was voor jou dat het kwartje echt viel van wow, het gaat hier op mijn leven of op bredere zin.
Speaker A
Waar heeft het impact op? Ja, ik ben hier natuurlijk zelf 12 jaar geleden mee begonnen. Voor mij is het niet nieuw.
Speaker A
Ik denk dat Jen AI hè, dus de implementatie van Jen AI heeft heel erg voor die versnelling bij het grote publiek gezorgd. Dat iedereen dacht: "Holy Mac, weet je, dit werkt, weet je wat is dit?" Ja, bij mij was het AH moment eigenlijk
Speaker A
denk ik 10 12 jaar geleden toen wij voor het eerst begonnen, dat was toen bij L'Oréal nog hè, om eigenlijk onze methode in te zetten in vergelijking met een CV. En er is een hele mooie BBC documentaire over gemaakt waarbij een
Speaker A
dame ehm Loyal ontving toen iets van 30.000 sollicitanten en die namen 30 mensen aan.
Speaker A
Wauw. Ja, dus dat was huge. Een beeldenbaan. Ja, maar de wat zij in het verleden deden was echt kijken naar een CV en ehm eh van wat voor type universiteit iemand kwam. En er wordt een meisje gevolgd, Laurel Sun. En die zou nooit aangenomen
Speaker A
zijn toener tijd. waren het niet dat deze methode werd toegepast omdat ze op basis van haar CV, ze kwam van een niet top universiteit eh met een juridische achtergrond en ze is aangenomen op een marketingbaan.
Speaker A
Dat dat was gewoon niet gebeurd. Eerlijk eerlijk hè, dat hebben ze toen ook gezegd. En die BBC eh documentaire laat het heel mooi zien. En dat was voor mij het AH moment dat ik dacht: "Ja, dit is precies wat AI dus kan doen. Het kan
Speaker A
talent zien dat wij niet zien." En het legt dus dingen bloot. Ja. Waardoor je dus nou ja, fantastische kansen kunt genereren voor mensen. Bracht dit nou ook dus park voor jou of voor Per?
Speaker A
Ja, dit was wel dit was wel dat we dat want we hadden dat idee en we wisten hè we hadden het we hadden het begin van die technologie. We hadden nog geen product. Dus het eerste product wat ik
Speaker A
verkocht was gewoon een Excel spreadsheet. was ook een lering eh van weet je hier denken we heel vaak dat je alles helemaal perfect moet het product uitzien. Dat hoeft helemaal niet ga maar gewoon eens testen en dan en dan maak je bouw je wel een
Speaker A
product met een klant. Dat was wel echt voor mij een major aha van wow dit heeft gewoon impact dit werkt.
Speaker A
En het grappige en dat vind ik helemaal mooi was dat was die dame dus dus die werkte die werkt er nu nog steeds hè. We zijn nu eh zoveel jaar later en zij was dus al echt na een hele korte tijd een
Speaker A
high performer in dat team. Dus zonder die achtergrond. En ze was dus anders nooit aangenomen. Dus het geeft ook maar aan dat nou ja, als jij mensen kan aannemen die en veel meer impact maken en die dus uit alle kanten van de wereld
Speaker A
kunnen komen van allerlei achtergronden. Veel divers. Ja, dat was wel echt een major aha moment. Mooi. We zijn beginnende in het eh in de AI wereld. Welke bronnen of online trainingen of juist AI tools raad jij aan voor ons als beginners om te
Speaker A
groeien? Ja, ik denk dat er een aantal dingen interessant zijn. Dus één is natuurlijk gewoon de inzet van die large language modellen. Dus of het chat GPT voor een andere weet je. Je je kan gaan testen wat je weet je welke voor welk wel welke
Speaker A
je goed vindt werken. Ehm dus dat is één. En er zijn gewoon een aantal andere tools weet je. Dus ik had zelf ehm eh Sunsama opgeschreven omdat hij dus weet je hele e-mail verkeer en je eh alle het
Speaker A
inboeken van eh meetings et cetera. Daar heb je gewoon bepaalde tools voor. Soen samen.
Speaker A
Soen samen. Je hebt ook Superhuman, dus die zorgt weer voor dat je dus eigenlijk je e-mails ook weer op de juiste manier beantwoord in jouw stijl van schrijven.
Speaker A
Kijk. Ehm ik gebruik veel Microsoft, dus copilots. Ja. om dingen te doen. Wat ook interessant is, vind ik, daar heb ik tijdens corona zelf veel gebruik van gemaakt, is dat er ook echt heel veel gratis cursussen zijn. Dus als jij eh
Speaker A
weet je aan Harvard of aan MIT hè, daar heb je best wel mooie gratis eh cursussen als het gaat over AI om te begrijpen wat deep learning is, om je om nog eens een keer te verdiepen op statistiek. Dus dat zou ik je ook
Speaker A
aanraden ehm om daar eens naar te kijken. Nou en dat is allemaal gratis, weet je. Vroeger was dat niet te betalen, maar nu krijg je kan je dat gewoon eh kun je dat gewoon gratis doen.
Speaker A
Dus dat zijn dingen die ik die ik zou aanraden om in ieder geval te doen.
Speaker A
Heel toegankelijk. Heel toegankelijk. En hoe pas jij toe in je privéleven? Waar helpt AI jou mee?
Speaker A
Nou, heel veel verschillende dingen. Ja, vertel. Ja hoor. Dus eh nou als ik ruzie heb met mijn man dan kan ik eh met chat GPT eh nadenken over wat voor vragen moet ik nou stellen om eh uit deze in passassen te komen. Nein, die
Speaker A
heb ik nog niet geprobeerd. Die schrijf ik op. Ja. Nee, dus die Nou, ik heb vier kinderen waarvan er drie nu op de middelbare school zitten. Nou, de oudste had laatst proefwerkweek en toen op een gegeven moment op schijken was was er
Speaker A
een vraag en dan kwam er niet helemaal uit. Nou, dan maak ik een foto gewoon van het boek. Upload ik die foto's. Zeg ik nou leg eens uit. even in kindertaal hè op deze leeftijd ehm eh welke strategie je moet toepassen. Kun je twee
Speaker A
sommen genereren op basis van deze eh inhoud om te oefenen en kun je vervolgens ook uitleggen wat de oplossing is.
Speaker A
Nou ja, dus dan ben je gewoon tutor. Dus dan dan zit je gewoon samen eigenlijk eh daaroheen te gaan. En het laatste wat ik gedaan heb was dat ik eh niet nou we hadden een beetje een soort van oké, waar gaan we naartoe
Speaker A
op vakantie? gaan we ehm weet je wilden avontuur zon eh af weet je dus verschillende elementen. We hadden een bepaald budget. Nou heb ik ook ingegeven van geef me twee opties volledig uitgewerkt en dan ga je gewoon door met
Speaker A
vragen stellen om uiteindelijk tot een schema te komen. En wat is de bestemming geworden?
Speaker A
Portugal. Kijk, dat scheelt weer een po Het enige wat niet klopte waren daar gingen we wel fout. Ehm de werkelijke kosten van eh van reistickets, dus treintickets, dat klopte niet helemaal, maar het geeft me aan dat je gewoon ja,
Speaker A
ik gebruik het eigenlijk voor alles. Jij denkt dus echt de tip die je al gaf, pas jezelf ook toe, practice what you preach. Jij denkt bij ieder ding wat je doet na oh hoe kan ik AI hier wellicht
Speaker A
voor inzetten om het te helpen om sneller te gaan, om het beter te kunnen.
Speaker A
Ja. En dus ook de hele tijd wel ook ehm Kijk, en dat is denk ik wat vrouwen ook kunnen doen. Je kan je ook aanmelden, weet je. Er zijn best wel wat communities, weet je. Je hebt Women in
Speaker A
AI, je hebt Women in tech, je hebt best wel wat communities waar vrouwen samenkomen. Want de adoptie van vrouwen, dat is best wel apart, ligt 9 tot 15% lager dan mannen van AI. Dus er zit toch weer een gat tussen mannen en vrouwen en
Speaker A
de adoptiesnelheid van AI. Dus om dat te doorbreken is het wel goed dat we elkaar helpen om om ermee aan de slag te gaan.
Speaker A
Ja, want dat is dus ook wel zorgelijk dat dat wij daarop achterlopen als vrouw, omdat we als wij minder snel deze trend adopteren, dan betekent dat dat we dus achter gaan lopen. Dan wordt dat gat dus groter wat jij in het begin al zei.
Speaker A
Ja. En dan dat wordt dan gevuld door eh mannen. Dus die sneller zijn eh in die adoptesnelheid. Dan betekent ook dat zij nou ja, gewoon dingen sneller impact maken dan vrouwen. En dat is helemaal niet nodig, want vrouwen hebben net
Speaker A
zoveel competentie als mannen om eh om goede performance te leveren. Dat weten we ook uit de data. Zit geen enkel verschil in.
Speaker A
Nou, ik ben heel blij dat jij ons vandaag hebt meegenomen in deze wereld, want we moeten die stappen maken ladies.
Speaker A
En het is eigenlijk gewoon heel toegankelijk. Begin er gewoon mee. Ga iets verder dan misschien recepten in chat GPT doen. Maar dat ook dat is een goede use case. Dus tot slot ook als luisteraar nu één ding kan doen nadat ze
Speaker A
dit heeft gehoord, wat is dat dan? Wat zouden we moeten doen? Nou, twee dingen.
Speaker A
Dus ik denk één is ga stel je die vraag vandaag wat ehm wat in mijn hele agenda moet ik echt zelf doen en daar heel kritisch naar kijken. En ik denk dat je 80% door tooling kan laten doen.
Speaker A
80%. Ja, maar dat betekent dat je tijd overheid om meer denk ik waarde te creëren. Dus ik denk dat dat al één is. En twee is ik zou het ook eens een keer aan ehm aan een eh large language model vragen, weet
Speaker A
je. Zet maar eens je agenda van het afgelopen jaar erin en vraag maar eens waar je op zou kunnen optimaliseren.
Speaker A
Hele goede dubbelcheck om toch weer die intelligentie in te zetten. En ook omdat ik denk dat jezelf onderschat of jezelf overschat waar je waarde nu nog is.
Speaker A
Ja, dat denk ik. Bepaalde afspraken. Ja, dus ik denk dat dat daar daar zou je naar kunnen kijken.
Speaker A
Geweldig. Dankjewel Rina. Ga je volgen. Ben jij weer een stap dichter bij je inner femal boss gekomen? Deel de aflevering dan vooral met een vriendin die je dit ook gunt. En ik zou het te gek vinden als je op Spotify of Apple
Speaker A
Podcast een review achter zou willen laten. En abonneer hier ook op de podcast, zodat je op de hoogte blijft van nieuwe afleveringen. Dankjewel en tot snel.
Topics:AIkunstmatige intelligentietoekomst van werkvrouwen en technologiecarrièreontwikkelingsollicitatieprocesvaardighedenNederlandAI-adoptieFemale Boss
