1
00:00:00,000 --> 00:00:06,440
Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live. Met vandaag antwoord
2
00:00:06,440 --> 00:00:12,680
op de vraag "Hoe herken je een goede use case van generatieve AI?"
3
00:00:12,680 --> 00:00:18,480
Mijn naam Joop Snijder, CTO bij Aigency.
4
00:00:18,480 --> 00:00:26,440
Generatieve AI, een term die steeds vaker in de mond genomen wordt, is veel meer dan
5
00:00:26,440 --> 00:00:32,440
alleen een geavanceerde chatbot. Maar wat betekent generatieve AI nu concreet? En hoe
6
00:00:32,440 --> 00:00:37,720
herken je uitdagingen die geschikt zijn om aan te gaan met generatieve AI?
7
00:00:37,720 --> 00:00:43,880
Generatieve AI verwijst naar systemen die kunnen leren van bestaande gegevens om nieuwe,
8
00:00:43,880 --> 00:00:49,920
realistische output te genereren die de kenmerken van de input data weer spiegelt, maar niet
9
00:00:49,920 --> 00:00:56,040
simpelweg kopieert. Het kan uiteenlopende inhoud produceren zoals afbeeldingen, video,
10
00:00:56,040 --> 00:01:02,640
muziek, spraak, tekst, softwarecode en zelfs 3D ontwerpen. Deze technologie kan taken
11
00:01:02,640 --> 00:01:09,440
uitvoeren die hiervoor onmogelijk waren voor een machine en kan een kant zijn voor ondernemingen
12
00:01:09,440 --> 00:01:15,400
die zoeken naar schaalbaarheid en innovatie. Maar goed, hoe herken je dus uitdagingen,
13
00:01:15,400 --> 00:01:19,200
use cases, waarvoor generatieve AI een oplossing biedt?
14
00:01:19,200 --> 00:01:24,880
Wat ik zelf een mooie use case vind is het inspreken van rapportages. Niet iedereen vindt
15
00:01:24,880 --> 00:01:31,200
het fijn om te schrijven en zelfs met goed gekozen steekwoorden kan generatieve AI een
16
00:01:31,200 --> 00:01:36,280
rapportage voor je schrijven. Denk hierbij aan de rapportage die geschreven moet worden
17
00:01:36,280 --> 00:01:45,440
in de zorg. Of wanneer je onderweg bent als monteur, auditor, sales. Hoe handig is het
18
00:01:45,440 --> 00:01:50,600
dan als je direct je bevindingen inspreekt voor je rapportage?
19
00:01:50,600 --> 00:01:58,640
Een ander aantrekkelijk gebruikscenario van generatieve AI is binnen de retail. Stel je
20
00:01:58,640 --> 00:02:05,560
een online winkelervaring voor waarbij klanten kleding virtueel kunnen aanpassen. Via door
21
00:02:05,560 --> 00:02:12,480
AI gegenereerde beelden van zichzelf in verschillende outfits. Dit zou niet alleen de online winkelervaring
22
00:02:12,480 --> 00:02:17,560
transformeren maar ook de noodzaak voor fysieke voorraad en winkels kunnen verminderen en
23
00:02:17,560 --> 00:02:22,320
misschien nog belangrijker het aantal retouren verminderen. Uiteindelijk voor iedereen prettig.
24
00:02:22,320 --> 00:02:29,600
Generatieve AI kan ook complexe taal ontcijferen en toegankelijk maken. Iets wat bijzonder
25
00:02:29,600 --> 00:02:36,320
waardevol kan zijn bij het vertalen van juridische documenten of het uitleggen van overheidsbrieven
26
00:02:36,320 --> 00:02:41,160
aan een lekenpubliek. Een praktisch voorbeeld is de app LeesSimpel
27
00:02:41,160 --> 00:02:47,320
van Lucas Meijer. Deze app zet lastige geschreven brieven om
28
00:02:47,320 --> 00:02:52,160
naar eenvoudige taal. Of zoals Lucas zelf bij de app schrijft.
29
00:02:52,160 --> 00:02:58,600
Maak een foto van de brief. Je ontvangt de samenvatting. De samenvatting bevat geen moeilijke
30
00:02:58,600 --> 00:03:01,600
taal. Prachtig voorbeeld toch?
31
00:03:01,600 --> 00:03:07,400
Generatieve AI speelt ook een belangrijke rol in datatransformatie. Het kan helpen bij
32
00:03:07,400 --> 00:03:13,240
het maken van synthetische data. Die gebruikt kan worden om schaarse data aan te vullen,
33
00:03:13,240 --> 00:03:19,680
vooringenomenheid te verminderen, privacy van data te waarborgen en zelfs toekomstige
34
00:03:19,680 --> 00:03:26,000
scenario's te simuleren. Stel je je eens voor hoe dit de manier verandert
35
00:03:26,000 --> 00:03:31,400
waarop we AI modellen trainen. We kunnen ze daarmee robuuster en misschien zelfs wel
36
00:03:31,400 --> 00:03:36,000
rechtvaardiger maken. Een ander voorbeeld uit de techniek is die
37
00:03:36,000 --> 00:03:40,960
van het omzetten van verouderde code of het genereren van code. Er zijn applicaties waar
38
00:03:40,960 --> 00:03:48,040
de organisaties niets meer aan durven te veranderen omdat de applicaties verouderd zijn en de
39
00:03:48,040 --> 00:03:53,240
kennis over het systeem verdwenen is en wat als er iets misgaat. Ontwikkelaars zijn moeilijk
40
00:03:53,240 --> 00:03:58,000
te vinden omdat de gebruikte programmeertaal haast niet meer gebruikt wordt.
41
00:03:58,000 --> 00:04:04,440
Oftewel een steeds groter hoofdpijndossier. Generatieve AI kan hier een uitkomst zijn.
42
00:04:04,440 --> 00:04:09,800
Het kan niet alleen verouderde code analyseren en converteren naar modernere talen. Maar
43
00:04:09,800 --> 00:04:15,200
het kan ook juist nieuwe code genereren die efficiënter, veiliger en makkelijker te onderhouden
44
00:04:15,200 --> 00:04:21,520
is. Hoe doet hij dit nu? Door bestaande code-beesten
45
00:04:21,520 --> 00:04:27,300
te gebruiken als een soort leerstof om zo patronen en functies te herkennen die in de nieuwe
46
00:04:27,300 --> 00:04:32,800
taal overgezet kunnen worden. Natuurlijk zijn er uitdagingen. Het genereren en converteren
47
00:04:32,800 --> 00:04:38,600
van code met AI vereist nauwkeurige supervisie en grondige validatie om ervoor te zorgen
48
00:04:38,600 --> 00:04:43,120
dat de nieuwe code niet alleen technisch correct is, maar dat het ook blijft doen wat het moet
49
00:04:43,120 --> 00:04:48,040
doen. Een andere innovatieve toepassing is het gebruik
50
00:04:48,040 --> 00:04:54,960
van generatieve AI voor trainings- en educatieve doeleinden. AI kan realistische trainingsvideo's
51
00:04:54,960 --> 00:05:00,120
genereren die scenario's simuleren die anders moeilijk, duur of onpraktisch zouden zijn
52
00:05:00,120 --> 00:05:07,640
om die te filmen. Dit kan gaan om veiligheidstrainingen, klantenservice scenario's of technische probleemoplossing.
53
00:05:07,640 --> 00:05:16,400
Wat je hopelijk als rode draad door deze voorbeelden heen ziet van deze aflevering is dat je menselijke
54
00:05:16,400 --> 00:05:22,200
taken aan het opschalen bent. Die óf zorgen voor nieuwe mogelijkheden, óf het uit handen
55
00:05:22,200 --> 00:05:29,480
nemen van complexe taken. Maar zoals met alle technologie moet generatieve AI vooral doelgericht
56
00:05:29,480 --> 00:05:34,480
worden ingezet wat mij betreft. Het mag nooit een oplossing op zoek naar een probleem zijn.
57
00:05:34,480 --> 00:05:41,760
Als organisatie moet je duidelijk definiëren welke uitdagingen je wil aangaan en hoe generatieve
58
00:05:41,760 --> 00:05:47,760
AI je hierin kan ondersteunen. Het is duidelijk dat generatieve AI de potentie
59
00:05:47,760 --> 00:05:54,800
heeft om de kern te vormen van talloze oplossingen voor hedendaagse uitdagingen. Maar de sleutel
60
00:05:54,800 --> 00:06:02,320
tot succes ligt in het identificeren van de juiste toepassingen die echte waarden toevoegen
61
00:06:02,320 --> 00:06:06,320
en het verbinden van de technische mogelijkheden met concrete doelstellingen.
62
00:06:06,320 --> 00:06:15,080
Ik hoop dat je met deze voorbeelden beter ideeën kan opdoen hoe generatieve AI jouw uitdaging
63
00:06:15,080 --> 00:06:19,080
makkelijker maakt. Bedankt voor het luisteren en tot de volgende aflevering.
64
00:06:19,080 --> 00:06:27,640
[Muziek]
65
00:06:27,640 --> 00:06:29,640
[Muziek]