AIToday Live
AIToday Live deelt praktijkverhalen over AI die je direct vooruit helpen in je werk. In een wereld waar AI-ontwikkelingen elkaar razendsnel opvolgen, kiezen wij bewust voor verdieping en praktijkervaring. We bieden een kalm kompas in turbulente tijden.
In deze podcast hoor je professionals uit Nederland en België die openhartig vertellen over hun ervaringen met AI-implementaties. Voorbij de hype en krantenkoppen laten zij zien hoe organisaties écht met AI werken.
Onze gasten delen hun successen én uitdagingen op een toegankelijke manier.
Daarmee helpen we jou om:
- Praktische inzichten te krijgen in wat AI wel en niet kan
- Te leren van de ervaringen van andere professionals
- Concrete ideeën op te doen voor je eigen organisatie
- De grotere lijnen te zien in AI-ontwikkelingen
Iedere maandag een diepgaand gesprek met een gast, gepresenteerd door Joop Snijder (CTO Aigency) en Niels Naglé (Info Support). Elke donderdag deelt Joop in een korte aflevering zijn eigen praktijkervaringen en inzichten.
"AIToday Live is twee keer genomineerd voor 'De Prijs van Oranje' door de Belgian Podcast Awards en staat op nummer 1 in de lijst van Zomerse luister-inspiratie: podcasts over AI, productiviteit, SEO & meer (Frankwatching, juni 2024)."
Ontdek hoe andere professionals AI succesvol inzetten. Ontvang ook exclusieve content, kijk achter de schermen en blijf op de hoogte van nieuwe gasten via onze nieuwsbrief: https://aitodaylive.substack.com
AIToday Live
S06E70 - Zo dicht je de kloof tussen AI-belofte en realiteit
In deze aflevering van AIToday Live staat de complexe realiteit van AI-implementatie in bedrijven centraal. De podcast belicht de kloof tussen de verwachtingen en de praktische uitdagingen bij het inzetten van Large Language Models (LLMs) in bedrijfsomgevingen.
De discussie richt zich op de noodzaak van een gestructureerde aanpak bij AI-adoptie. Thema's als het ontwikkelen van een promptbibliotheek, het implementeren van veilige systemen en het belang van continue verbetering komen aan bod.
De podcast biedt inzicht in strategieën voor succesvolle AI-integratie en benadrukt het belang van een weloverwogen, stapsgewijze benadering.
Links
- Kaartspel: AI Game Changer - Generative AI editie (https://aigency.com/ai-game-changer/generative-ai/)
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.
Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).
Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.
Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!
1
00:00:00,001 --> 00:00:06,720
Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live.
2
00:00:06,720 --> 00:00:09,440
Ik val vandaag direct met de deur in huis.
3
00:00:09,440 --> 00:00:12,120
Namelijk, de AI-industrie heeft een serieus probleem.
4
00:00:12,120 --> 00:00:13,800
Ze verkoopt een fantasie.
5
00:00:13,800 --> 00:00:20,400
Large Language Models worden op de markt gebracht als plug-and-play oplossingen die traditionele
6
00:00:20,400 --> 00:00:25,640
industrieën van de ene op de andere dag revolutionair zullen veranderen.
7
00:00:25,640 --> 00:00:28,680
Dit kan niet verder van de waarheid afliggen.
8
00:00:28,680 --> 00:00:35,080
Want de kloof tussen de beloften van Large Language Models en de realiteit van hun implementatie
9
00:00:35,080 --> 00:00:41,360
is niet alleen groot, het is een kloof die geld, tijd en moraal opslokt in talloze organisaties.
10
00:00:41,360 --> 00:00:45,400
Large Language Models zijn geen toverstokjes.
11
00:00:45,400 --> 00:00:52,440
Ze zijn krachtig, maar het zijn algemene hulpmiddelen die niet klaar zijn voor gespecialiseerd gebruik
12
00:00:52,440 --> 00:00:53,440
in de industrie.
13
00:00:53,440 --> 00:01:01,360
Het is alsof je een Zwitser zakmes wil gebruiken voor het uitvoeren van een gespecialiseerde
14
00:01:01,360 --> 00:01:02,360
operatie.
15
00:01:02,360 --> 00:01:10,200
De beloften van directe transformatie, moeiteloze integratie en onmiddellijke return on investment
16
00:01:10,200 --> 00:01:16,280
zorgden voor dat bedrijven met de hoge verwachtingen beginnen aan een zogenaamde AI-revolutie.
17
00:01:16,280 --> 00:01:22,240
Deze kloof tussen verwachting en implementatie leidt tot frustratie waardoor AI-initiatieven
18
00:01:22,240 --> 00:01:24,720
kunnen ontsporen voordat ze waarde opleveren.
19
00:01:24,720 --> 00:01:26,440
En dat vind ik jammer.
20
00:01:26,440 --> 00:01:34,880
Large Language Models missen bedrijfsspecifieke kennis en genuanceerd begrip van gespecialiseerde
21
00:01:34,880 --> 00:01:37,000
processen binnen je organisatie.
22
00:01:37,000 --> 00:01:41,720
De integratie van Large Language Models in bestaande systemen verloopt daardoor zelden
23
00:01:41,720 --> 00:01:42,720
naadloos.
24
00:01:42,720 --> 00:01:48,480
Je hebt bestaande infrastructuur, datasilo's, verouderde workflows, en die vormen allemaal
25
00:01:48,480 --> 00:01:51,280
best aanzienlijke technische obstakels.
26
00:01:51,280 --> 00:01:57,760
Je hebt ook nog werknemers missen vaak de vaardigheden om deze AI-systemen effectief
27
00:01:57,760 --> 00:02:03,080
aan te sturen waardoor weer uitgebreide training en change management noodzakelijk is.
28
00:02:03,080 --> 00:02:11,400
Privacy zorgen en naleving van regelgeving voegen een extra laag complexiteit toe, vooral
29
00:02:11,400 --> 00:02:12,640
in gevoelige sectoren.
30
00:02:12,640 --> 00:02:18,720
Zo waren er recent best wel datalekken gemeld bij de autoriteit persoonsgegevens en die tonen
31
00:02:18,720 --> 00:02:20,160
dit soort risico's aan.
32
00:02:20,160 --> 00:02:25,800
Zo was er een medewerker van een huisartsenpraktijk en die voerde medische gegevens van een patiënt
33
00:02:25,800 --> 00:02:26,800
in de chatbot in.
34
00:02:26,800 --> 00:02:32,840
Terwijl bij een telecombedrijf een medewerker klantadressen opstuurde.
35
00:02:32,840 --> 00:02:41,840
Deze incidenten onderstrepen de noodzaak van professionalisering van het gebruik van Large
36
00:02:41,840 --> 00:02:48,840
Language Models en juist het wegbewegen van ad hoc-prompt naar gecontroleerde, zorgvuldig
37
00:02:48,840 --> 00:02:52,440
en veilige aansturing van Large Language Models.
38
00:02:52,440 --> 00:02:57,680
Ondanks deze uitdagingen blijft het potentieel van Large Language Models enorm.
39
00:02:57,680 --> 00:03:04,440
Het succes ligt in de benadering van de implementatie met juist realistische verwachtingen, een duidelijke
40
00:03:04,440 --> 00:03:09,680
structuur en bereidheid om te investeren in een noodzakelijk fundament.
41
00:03:09,680 --> 00:03:15,880
Het verbinden van Large Language Models met bestaande geautomatiseerde workflows vereist
42
00:03:15,880 --> 00:03:17,680
namelijk innovatieve oplossingen.
43
00:03:17,680 --> 00:03:26,680
Die taalmodellen zijn ontworpen voor mensachtige tekstverwerking maar begrijpen niet zomaar
44
00:03:26,680 --> 00:03:32,560
de specifieke datastructuren, APIs of protocollen van jouw bedrijfssoftware.
45
00:03:32,560 --> 00:03:40,000
Het verbinden van taalmodellen met databases, CRM-systemen of bedrijfs-eigen software vereist
46
00:03:40,000 --> 00:03:41,600
vaak een aangepaste tussenlaag.
47
00:03:41,600 --> 00:03:47,800
Om de kloof tussen AI-beloft en realiteit te dichten is daarom een verandering van mentaliteit
48
00:03:47,800 --> 00:03:49,080
en aanpak nodig.
49
00:03:49,080 --> 00:03:54,080
Bedrijven moeten beginnen met een grondige beoordeling van hun huidige systemen, workflows
50
00:03:54,080 --> 00:03:55,080
en vaardigheden.
51
00:03:55,080 --> 00:04:01,120
Investeren in maatwerk door taalmodellen af te stemmen op bedrijfs-specifieke gegevens
52
00:04:01,120 --> 00:04:03,320
en use-cases is daarom cruciaal.
53
00:04:03,320 --> 00:04:11,140
Het samenstellen van een multidisciplinair team met AI-experts, domein-experts en specialisten
54
00:04:11,140 --> 00:04:16,080
in verandermanagement is essentieel om technische uitdagingen aan te pakken en de menselijke
55
00:04:16,080 --> 00:04:18,680
aspecten van AI-acceptatie te beheren.
56
00:04:18,680 --> 00:04:25,080
Een stapsgewijze aanpak, waarbij wordt begonnen met pilotprojecten, helpt bij het opbouwen
57
00:04:25,080 --> 00:04:27,080
van vertrouwen en verfijnen van strategieën.
58
00:04:27,080 --> 00:04:40,320
Organisaties moeten investeren in integratieoplossingen en het herdefiniëren van succesmetrieken
59
00:04:40,320 --> 00:04:44,800
om de bredere impact van taalmodellen te laten weerspiegelen.
60
00:04:44,800 --> 00:04:50,120
Veiligheid en compliance moeten voorop staan met strikte protocollen, grondige training
61
00:04:50,120 --> 00:04:56,160
van medewerkers, technische barrières tegen ongeautoriseerde gegevensopdracht, overdracht
62
00:04:56,160 --> 00:04:57,800
en regelmatige audits.
63
00:04:57,800 --> 00:05:05,320
Maar het belangrijkste vind ik dat de overgang van ad hoc-prompt naar een gestructureerde
64
00:05:05,320 --> 00:05:09,200
gecontroleerde benadering cruciaal is.
65
00:05:09,200 --> 00:05:15,960
Dit omvat het ontwikkelen van een soort van promptbibliotheek, het implementeren van een
66
00:05:15,960 --> 00:05:29,880
promptmanagementsysteem en een continuous promptengineering flow die integratie met je taalmodellen
67
00:05:29,880 --> 00:05:37,120
- wat zou daar een goed voor woord zijn - die met die taalmodellen eigenlijk stroomlijnt.
68
00:05:37,120 --> 00:05:45,800
Want als je dat hebt, dan kun je namelijk veiligheidscontroles inbouwen om gevoelige informatie in prompt
69
00:05:45,800 --> 00:05:56,960
te detecteren en te blokkeren, zodat je geen data lekt en je ook niets hoeft te melden
70
00:05:56,960 --> 00:05:58,720
aan de autoriteit persoonsgegevens.
71
00:05:58,720 --> 00:06:05,120
Het implementeren van large language models is een reis die geduld, strategisch denken
72
00:06:05,120 --> 00:06:07,280
en bereidheid tot verandering vereist.
73
00:06:07,280 --> 00:06:09,800
Er is geen snelle route.
74
00:06:09,800 --> 00:06:17,240
Door deze complexiteit te erkennen, te investeren in maatwerk en een flexibele incrementele
75
00:06:17,240 --> 00:06:22,920
aanpak te hanteren, kun je als bedrijf de hindernissen van de implementatie van taalmodellen
76
00:06:22,920 --> 00:06:26,560
echt wel succesvol in navigeren.
77
00:06:26,560 --> 00:06:34,240
AI-adoptie moet meer worden gezien als een continu proces van organisatorische evolutie
78
00:06:34,240 --> 00:06:37,720
en leren en niet als een eenmalige technische upgrade.
79
00:06:37,720 --> 00:06:42,440
Taalmodellen zijn krachtige hulpmiddelen, maar geen wondermiddelen.
80
00:06:42,440 --> 00:06:48,120
Ze eisen zorgvuldige integratie, constante verfijning en een doordachte benadering van
81
00:06:48,120 --> 00:06:50,320
veiligheid en complexiteit.
82
00:06:50,320 --> 00:06:56,440
Nogmaals, door weg te bewegen van ad-hoc prompts naar een gestructureerd veilig systeem voor
83
00:06:56,440 --> 00:07:02,240
large language model aansturing, kan je als bedrijf de vruchten plukken van deze technologie
84
00:07:02,240 --> 00:07:04,960
zonder onnodige risico's te nemen.
85
00:07:04,960 --> 00:07:11,960
En door deze benadering te volgen, kunnen bedrijven de kloof tussen de AI-belofte en
86
00:07:11,960 --> 00:07:17,400
de realiteit juist overbruggen en echte, duurzame waarden creëren met large language models.
87
00:07:17,400 --> 00:07:24,320
Dank je wel weer voor het luisteren naar deze aflevering van AIToday Live.
88
00:07:24,320 --> 00:07:28,440
Vergeet je niet te abonneren via je favoriete podcast-app, dan mis je geen aflevering.
89
00:07:28,440 --> 00:07:29,440
[Muziek]
90
00:07:29,440 --> 00:07:29,440
[Muziek]
91
00:07:30,440 --> 00:07:33,440
[Muziek]
92
00:07:33,440 --> 00:07:35,440
[Muziek]
