S08E02 - Hoe regionale AI-hubs ondernemers helpen versnellen

In de nieuwste aflevering van AIToday Live staan Chris Willemsen en Rob van de Star van AI Hub Oost-Nederland centraal. Ze bespreken hoe hun organisatie al vijf jaar een brug slaat tussen AI-kennis en praktische toepassingen voor bedrijven in Gelderland en Overijssel.

De hub richt zich op sectoren waar Oost-Nederland sterk in is: maakindustrie, gezondheidszorg, energie, agri-food en onderwijs. Met inspiratiesessies, vouchers en innovatieprojecten helpen ze bedrijven die na de komst van ChatGPT worstelen met vragen over AI-implementatie.

Onderwerpen

• Rol van AI Hub Oost-Nederland in regionale innovatie
• Praktische toepassing van AI in verschillende sectoren
• Adoptie van AI in het MKB en de uitdagingen daarbij
• Ethische en juridische aspecten van AI-implementatie
• Toekomstige kansen en concurrentievoordelen door generatieve AI

Links

• Podcast: AIToday Live podcast
• Organisatie: AI Hub Oost-Nederland
• Onderwijsinstelling: Lectoraat Digital Business & Society | Windesheim in Zwolle | Windesheim
• Evenement: 5e Community of Practice (CoP) voor A.I.
• Organisatie: MKB Datalab Oost
• Organisatie: NOLAI | Nationaal Onderwijslab AI | Radboud Universiteit
• Organisatie: home
• Organisatie: BOOST Robotic EastNL | European Digital Innovation Hubs Network
• Kaartspel: AI Game Changer - Generative AI editie

Genoemde entiteiten: AI Hub Oost-Nederland - TenneT - Alliander - Radboud Universiteit - ELSA Labs

Aigency
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!

Transcript

1
00:00:00,000 --> 00:00:07,160
In deze aflevering hoor je, Chris Willemsen en Rob van de Star van AI Hub Oost-Nederland over hoe deze organisatie bedrijven

2
00:00:07,160 --> 00:00:13,839
helpt met de praktische toepassing van AI in sectoren als de maakindustrie, gezondheidszorg en energie.

3
00:00:15,819 --> 00:00:18,319
Hoi, welkom bij een nieuwe aflevering van AIToday Live.

4
00:00:18,779 --> 00:00:20,399
Mijn naam Joop Snijder, CTO bij Aigency.

5
00:00:20,739 --> 00:00:23,159
Mijn naam Niels Naglé, Area Lead Data & AI bij Info Support.

6
00:00:23,299 --> 00:00:25,639
En vandaag weer leuk, want we hebben twee gasten in de studio.

7
00:00:25,919 --> 00:00:27,999
Chris Willemsen en Rob van de Star.

8
00:00:28,639 --> 00:00:31,319
Voordat we beginnen zouden jullie eerst willen voorstellen.

9
00:00:31,539 --> 00:00:33,779
En dan wil ik vragen bij jou Chris om te beginnen.

10
00:00:33,959 --> 00:00:36,139
Zeker, zeker. Leuk om hier te zijn.

11
00:00:36,899 --> 00:00:38,019
Mijn naam is Chris Willemsen.

12
00:00:38,119 --> 00:00:41,319
Ik ben Business Developer van de AI Hub Oost-Nederland.

13
00:00:41,999 --> 00:00:46,799
En werk voor Oost-NL, dat is de ontwikkelingsmaatschappij van Oost-Nederland.

14
00:00:47,619 --> 00:00:50,339
Ja, Rob bijna vaste gast.

15
00:00:50,859 --> 00:00:51,099
Dankjewel.

16
00:00:53,659 --> 00:00:54,899
Laat ik het houden bij twee rollen.

17
00:00:55,279 --> 00:00:57,839
Nog steeds actief tot eind dit jaar bij Hogeschool Windesheim.

18
00:00:58,179 --> 00:00:59,679
Lectoraat Digital Business & Society.

19
00:01:01,079 --> 00:01:02,939
In december weer de vijfde Community of Practice.

20
00:01:03,119 --> 00:01:04,938
Beetje reclame in Zwolle.

21
00:01:05,939 --> 00:01:10,119
En sinds 1 september ook in het team bij Chris in de AI Hub.

22
00:01:10,179 --> 00:01:14,719
als Business Developer om met name de AI-adoptie in Oost-Nederland te helpen aanjagen.

23
00:01:14,869 --> 00:01:15,439
Ja, precies.

24
00:01:16,029 --> 00:01:20,079
En zouden jullie iets meer kunnen vertellen over de AI-hub?

25
00:01:20,419 --> 00:01:21,379
Zeker, graag.

26
00:01:22,399 --> 00:01:26,999
De AI-hub Oost-Nederland is een jaar of vijf geleden begonnen, gestart.

27
00:01:27,409 --> 00:01:32,839
In eerste instantie met een verkenning van AI, steeds vaker in de krant, in nieuws.

28
00:01:33,459 --> 00:01:35,619
Maar is dit nou een hype of gaat er meer gebeuren?

29
00:01:36,339 --> 00:01:38,679
Dus toen hebben we een eerste ronde gemaakt door Oost-Nederland.

30
00:01:38,899 --> 00:01:40,679
Zijn er al bedrijven met AI bezig?

31
00:01:40,759 --> 00:01:41,879
Zijn er AI-ontwikkelaars?

32
00:01:42,299 --> 00:01:44,559
Wat onderzoekers bij universiteiten, hogescholen?

33
00:01:45,279 --> 00:01:47,239
En wat voor impact gaat dit nu hebben?

34
00:01:47,749 --> 00:01:50,259
En toen ik die ronde maakte in het begin...

35
00:01:50,499 --> 00:01:51,899
Toen werd er heel veel gezegd...

36
00:01:51,899 --> 00:01:54,639
Nou, dat gaat niet zo hard en het zal een aard zijn.

37
00:01:54,859 --> 00:01:57,079
Inmiddels weten we dat het anders is gelopen.

38
00:01:57,819 --> 00:02:01,459
AI-hub is een samenwerkingsverband geworden.

39
00:02:03,478 --> 00:02:06,618
Waarin ondernemers, universiteiten, hogescholen...

40
00:02:07,699 --> 00:02:11,339
Overheden samenwerken om AI vooral naar toepassing te brengen.

41
00:02:11,959 --> 00:02:13,839
En dat is wat we op verschillende manieren doen.

42
00:02:14,079 --> 00:02:15,259
Daar gaan we waarschijnlijk zo nogal op in.

43
00:02:15,299 --> 00:02:15,879
Ja, zeker.

44
00:02:15,999 --> 00:02:20,439
Dat is de rol die de AI op Oost-Nederland pakt.

45
00:02:20,959 --> 00:02:24,318
Eigenlijk het toegangspoort tot het Oost-Nederlandse AI-ecosysteem.

46
00:02:24,959 --> 00:02:28,299
En Rob, wordt er ook nog op verschillende sectoren gericht?

47
00:02:29,739 --> 00:02:30,119
Jazeker.

48
00:02:30,579 --> 00:02:32,219
De maakindustrie is in Oost-Nederland.

49
00:02:32,299 --> 00:02:34,499
En Oost-Nederland heeft Gelderland en Overijssel.

50
00:02:34,999 --> 00:02:37,619
Maar de helft van de maakindustrie zit in Oost-Nederland.

51
00:02:37,679 --> 00:02:39,519
Een belangrijke sector, health.

52
00:02:40,658 --> 00:02:43,359
Twee andere sectoren waar aandacht dan besteed wordt.

53
00:02:43,519 --> 00:02:46,399
Dat is de energie sector en de agri-foodsector.

54
00:02:47,179 --> 00:02:48,299
En nog een kleine aanvulling.

55
00:02:48,799 --> 00:02:51,079
EdTech, dus AI in het onderwijs.

56
00:02:51,439 --> 00:02:52,459
O, zo. EdTech.

57
00:02:52,649 --> 00:02:52,919
O, ja.

58
00:02:53,749 --> 00:02:53,999
Graag gedaan.

59
00:02:55,718 --> 00:02:58,919
En vanwaar deze sectoren?

60
00:02:59,219 --> 00:03:03,099
Ja, dat is eigenlijk vanuit die verkenning een beeld ontstaan.

61
00:03:03,179 --> 00:03:09,359
En dat is eigenlijk waar Oost-Nederland zich ook op onderscheidt van andere regio's.

62
00:03:09,419 --> 00:03:14,039
Dat we een hele sterke kennispositie hebben op die gebieden die Rob net noemde.

63
00:03:15,139 --> 00:03:19,599
Er is veel universiteiten natuurlijk, kennisontwikkeling op dat vlak, maar ook veel bedrijvigheid.

64
00:03:20,499 --> 00:03:24,879
En ook als je kijkt naar de transities waar we voor staan, kunnen we daar echt de waarde toevoegen.

65
00:03:25,399 --> 00:03:29,599
Dus de energietransitie bijvoorbeeld, of de zorg toegankelijk houden.

66
00:03:30,239 --> 00:03:35,679
Allerlei transities waarin we denken AI ook een belangrijke rol kan en gaat spelen.

67
00:03:35,839 --> 00:03:38,059
En wat zijn typische bedrijven die meedoen?

68
00:03:38,659 --> 00:03:41,239
Typische bedrijven, dat varieert van MKB bedrijven.

69
00:03:41,329 --> 00:03:45,759
Dat is een grote groep natuurlijk in Oost-Nederland dat gewoon MKB'en is.

70
00:03:45,919 --> 00:03:50,699
En die voor de uitdaging staan om datagedreven te gaan werken.

71
00:03:50,779 --> 00:03:53,599
En daarin ook AI te gaan toepassen en benutten.

72
00:03:54,979 --> 00:03:57,939
Typische, natuurlijk daar een verdeling van het peloton.

73
00:03:58,399 --> 00:03:59,139
Wat volgend is.

74
00:04:00,019 --> 00:04:01,219
Maar ook een aantal koplopers.

75
00:04:01,639 --> 00:04:03,439
Dat varieert van de integrators.

76
00:04:03,449 --> 00:04:05,439
Dus bedrijven die echt ontwikkelwerk doen.

77
00:04:05,449 --> 00:04:07,439
Tot bedrijven die al echt AI.

78
00:04:08,119 --> 00:04:11,319
Die adoptie al een echte stap hebben gezet.

79
00:04:11,419 --> 00:04:13,499
En het echt al integreer in hun systemen.

80
00:04:13,879 --> 00:04:15,119
Of in hun producten of diensten.

81
00:04:16,539 --> 00:04:18,539
En vijf jaar vliegt voorbij.

82
00:04:18,678 --> 00:04:19,819
Zeker in deze technologie.

83
00:04:21,699 --> 00:04:23,339
Hoeveel toename zie je?

84
00:04:23,549 --> 00:04:25,399
Is dat in vijf jaar geëxplodeerd?

85
00:04:25,519 --> 00:04:26,379
Is dat langzaam?

86
00:04:26,929 --> 00:04:29,338
Ja, er zijn een aantal tipping points.

87
00:04:29,359 --> 00:04:31,379
Dus de laatste

88
00:04:31,559 --> 00:04:33,179
tipping point was wel echt de komst van

89
00:04:33,298 --> 00:04:34,899
ChatGPT. Dat heeft echt

90
00:04:35,739 --> 00:04:37,399
veel losgemaakt. Want vlak daarvoor

91
00:04:37,559 --> 00:04:39,259
dacht ik van nou, het wordt een beetje rustiger

92
00:04:39,279 --> 00:04:40,659
en kalmer ook qua vragen.

93
00:04:41,259 --> 00:04:42,779
En toen kwam ChatGPT opeens

94
00:04:43,579 --> 00:04:44,379
groots binnen.

95
00:04:45,159 --> 00:04:47,159
En toen gingen ondernemers daar ook

96
00:04:47,159 --> 00:04:49,319
een beetje mee spelen. En die stelden

97
00:04:49,499 --> 00:04:51,219
vragen waarvan ze dachten, die kennis

98
00:04:51,299 --> 00:04:53,059
heb ik alleen in huis. En kregen toen antwoorden

99
00:04:53,179 --> 00:04:54,819
waar ze echt vanaf weggeblazen werden.

100
00:04:55,519 --> 00:04:57,099
En dat leidde echt tot heel veel nieuwe

101
00:04:57,339 --> 00:04:59,319
vragen. Ja, en dat heeft natuurlijk

102
00:04:59,339 --> 00:05:01,859
enorme vlucht genomen, die Large Language Models.

103
00:05:01,999 --> 00:05:03,499
En je zegt dat het heeft veel

104
00:05:03,659 --> 00:05:05,499
vragen, maar wat zijn

105
00:05:05,509 --> 00:05:07,659
een beetje vragen die er voorbij zijn gekomen?

106
00:05:08,139 --> 00:05:09,579
Ja, de meeste

107
00:05:09,759 --> 00:05:11,519
vraag is, oh, ik heb nu het gevoel dat

108
00:05:11,519 --> 00:05:13,599
ik hier iets mee moet, maar waar moet

109
00:05:13,599 --> 00:05:15,659
ik beginnen? Wie kan me daarbij

110
00:05:15,839 --> 00:05:17,499
helpen? Wat betekent het voor mijn

111
00:05:17,759 --> 00:05:19,579
business? En dat gaat echt over

112
00:05:19,589 --> 00:05:21,659
die fundamentele vragen van, ik voel

113
00:05:21,779 --> 00:05:23,439
dat dit echt groot gaat worden,

114
00:05:23,979 --> 00:05:25,599
dat ik hier iets mee moet. Dus ik voel

115
00:05:25,599 --> 00:05:27,559
die urgentie, maar hoe nu verder?

116
00:05:28,439 --> 00:05:31,259
Als je al wat verder bent, krijg je natuurlijk hele specifieke vragen over.

117
00:05:31,329 --> 00:05:34,059
Ik heb een specifiek productieproces bijvoorbeeld.

134
00:06:38,098 --> 00:06:41,278
Een dame uit Haaringer, die had een prachtige versnelling...

135
00:06:43,079 --> 00:06:45,339
in het interviewproces bedacht.

136
00:06:46,119 --> 00:06:47,059
Eén die vaak langskwam.

137
00:06:47,259 --> 00:06:48,779
Nou, ik heb hier een CAD/CAM-tekening.

138
00:06:49,199 --> 00:06:52,419
Geef eens een prijsje wat het kost om datgene wat op die CAD/CAM-tekeningen maakt...

139
00:06:52,419 --> 00:06:53,859
in de vorm van een calculatie.

140
00:06:55,539 --> 00:06:56,839
om dat te berekenen.

141
00:06:57,039 --> 00:06:58,719
Dat gebeurt in het verleden.

142
00:06:59,939 --> 00:07:01,459
En dat is een technische tekening.

143
00:07:01,679 --> 00:07:02,379
Technische tekening.

144
00:07:02,859 --> 00:07:05,819
En in het verleden was je daar twee dagen tot twee weken mee bezig.

145
00:07:06,219 --> 00:07:09,879
En als je dat nu met het bevolk van deze technologie goed toepast,

146
00:07:09,879 --> 00:07:13,139
dan kan je dat in een uur of twee, drie, kan je al een offerte uitbrengen.

147
00:07:14,069 --> 00:07:14,679
Dat is zeker mooi.

148
00:07:15,579 --> 00:07:17,819
Andere manieren om de adoptie te stimuleren?

149
00:07:19,179 --> 00:07:21,898
Vanuit OostNL en de AI-hub ontwikkelen we ook innovatieprojecten.

150
00:07:22,679 --> 00:07:27,779
Dat zijn vaak projecten waarin we kennis en ondernemerschap bij elkaar zetten.

151
00:07:27,829 --> 00:07:32,439
En daar ook nog wat subsidiegeld voor proberen te regelen.

152
00:07:33,219 --> 00:07:36,459
En daarmee verlaag je eigenlijk de grens om die stap te zetten en die investering te doen.

153
00:07:36,469 --> 00:07:39,619
Dus dat zijn projecten in de vorm van vouchers.

154
00:07:39,619 --> 00:07:45,239
Maar soms ook een project waarin je gewoon een concept of een experiment kunt doen.

155
00:07:45,859 --> 00:07:48,359
Soms ook in een test- en experimenteeromgeving.

156
00:07:48,359 --> 00:07:50,699
Waarin het veilig is om dat uit te proberen.

157
00:07:51,239 --> 00:07:54,899
Met natuurlijk het doel dat je die versnelling aanbrengt en die stap gaat zetten.

158
00:07:55,459 --> 00:07:57,399
En uiteindelijk ook beter in kunt schatten.

159
00:07:57,519 --> 00:07:59,339
Is dit iets voor mij? Voegt dit waarde toe?

160
00:07:59,459 --> 00:08:01,199
En kan ik die investering ook snel terugverdienen?

161
00:08:02,699 --> 00:08:03,999
Ja, dus dat is een ander voorbeeld.

162
00:08:04,779 --> 00:08:06,999
Kunnen bedrijven zich dan aanmelden met hun project?

163
00:08:07,359 --> 00:08:09,019
Of liggen de projecten op de plank?

164
00:08:09,519 --> 00:08:10,099
Ja, beide.

165
00:08:10,379 --> 00:08:14,659
Dus er zijn projecten waarin eigenlijk het doel is gesteld.

166
00:08:14,779 --> 00:08:18,659
Wij willen die innovatie en het toepassen van AI stimuleren.

167
00:08:19,519 --> 00:08:21,359
Daarvoor kun je een experiment doen.

168
00:08:21,619 --> 00:08:23,359
En daarvoor hebben we ook wat subsidie klaar liggen.

169
00:08:23,559 --> 00:08:24,599
En kom maar met het idee.

170
00:08:24,739 --> 00:08:27,779
En dan gaan we bekijken van is dit, past dit binnen de kaders van het project.

171
00:08:28,639 --> 00:08:30,499
Er zijn ook vouchers waarin we zeggen nou.

172
00:08:31,279 --> 00:08:33,698
Bijvoorbeeld door bij het provincie Flevoland en Overijssel.

173
00:08:33,799 --> 00:08:35,078
Die beschikbaar worden gesteld.

174
00:08:35,539 --> 00:08:37,839
Waar we eigenlijk zeggen je wil externe kennis inhuren.

175
00:08:37,919 --> 00:08:39,779
Bijvoorbeeld van een IT dienstverlener.

176
00:08:40,578 --> 00:08:44,019
Kun je een voucher aanvragen als het past bij jouw groeiambities.

177
00:08:44,919 --> 00:08:50,878
Er zijn allerlei manieren waarvoor die stap eigenlijk die drempel willen verlagen.

178
00:08:51,119 --> 00:08:55,758
De luisteraars zijn niet allemaal mensen uit Oost-Nederland.

179
00:08:56,079 --> 00:09:00,379
Zijn daar gelijksoortige initiatieven in de rest van het land?

180
00:09:00,539 --> 00:09:05,039
Zeker. Er zijn inmiddels zeven AI-hubs ontstaan in Nederland.

181
00:09:06,179 --> 00:09:07,779
Een beetje naar regio's verdeeld.

182
00:09:08,039 --> 00:09:11,879
Dus AI-hub Oost-Nederland richt zich op de provincie Flevoland en Overijssel.

183
00:09:11,999 --> 00:09:17,859
Maar in Noord-Nederland heb je een AI-hub in Brainport, in Brabant, in Limburg, Zuid-Holland.

184
00:09:17,919 --> 00:09:18,639
Zou je willen geven?

185
00:09:19,239 --> 00:09:22,279
Dus alles wat we eigenlijk vandaag vertellen in de koele...

186
00:09:22,279 --> 00:09:23,339
Kun je eens transporteren naar een andere regio?

187
00:09:23,529 --> 00:09:23,759
Ja, zeker.

188
00:09:24,009 --> 00:09:28,679
Ik denk dat dat wel fijn is, dat we niet alleen maar in Oost-Nederland zitten.

189
00:09:29,139 --> 00:09:31,559
En er zijn ook samenwerkingsverbanden op nationaal niveau.

190
00:09:31,769 --> 00:09:33,759
Dus we zijn ook partner van de AI-coalitie.

191
00:09:33,829 --> 00:09:35,719
Dat is een nationale samenwerking op AI.

192
00:09:36,379 --> 00:09:40,339
Er zijn ook landelijke calls, landelijke projecten, mogelijkheden voor ondernemers.

193
00:09:40,819 --> 00:09:43,439
Waarin over regiogrenzen heen samengewerkt wordt.

194
00:09:44,059 --> 00:09:46,979
Nog even over de organisatie, dan gaan we verder de diepte in.

195
00:09:47,699 --> 00:09:51,459
Ik ben zelf lid van het Customer Advisory Board van Eddy.

196
00:09:53,879 --> 00:09:55,579
European Digital Innovation Hub.

197
00:09:55,939 --> 00:09:59,259
Ja, hoe verhoudt zich dat tot jullie?

198
00:09:59,599 --> 00:10:01,239
Ja, dat is een goede vraag.

199
00:10:01,439 --> 00:10:03,499
Kijk, die Eddy's, daar hebben we er ook vijf van in Nederland.

200
00:10:03,918 --> 00:10:05,799
Ook een beetje verdeeld over de regio's.

201
00:10:06,539 --> 00:10:12,499
Is eigenlijk het idee vanuit Europa ook van alles wat er aan experimenteermogelijkheden is.

202
00:10:12,579 --> 00:10:16,319
Of aan aanbod op vlak van digitalisering voor bedrijfsleven of industrie.

203
00:10:17,059 --> 00:10:20,639
Dat moet zichtbaar worden en daar moet eigenlijk een loket voor komen.

204
00:10:20,759 --> 00:10:24,479
En Eddies ook in Oost-Nederland, dat heet Boost.

205
00:10:25,519 --> 00:10:27,739
Vooral gericht op de industrie.

206
00:10:28,319 --> 00:10:31,919
Dat is eigenlijk een loket voor bedrijven die vooral kijken naar.

207
00:10:33,059 --> 00:10:34,959
Ik ben op zoek naar een digitalisering stap.

208
00:10:35,819 --> 00:10:38,099
En welk aanbod is er in het onderwijs of andere partijen?

209
00:10:38,219 --> 00:10:41,159
Dat is eigenlijk daar het loket voor.

210
00:10:41,429 --> 00:10:45,639
Als je nou echt innovatieve stap wil zetten, dan komt echt de AI-hub meer in beeld.

211
00:10:46,259 --> 00:10:50,739
Als je echt de vervolgstap wil zetten, echt op zoek bent naar specifieke kennis op AI,

212
00:10:51,539 --> 00:10:56,499
dan kom je bij de AI-hub terecht of een andere partij waar we mee samenwerken.

213
00:10:57,299 --> 00:10:58,599
En die werken samen met elkaar.

214
00:10:58,709 --> 00:11:03,779
Dus dat is de bedoeling dat de EDIHs en AI-hubs samen optrekken.

215
00:11:03,899 --> 00:11:05,239
Ieder heeft daarin zijn eigen rol.

216
00:11:05,839 --> 00:11:11,179
Maar in the end kunnen ondernemers bij die loketten wel kennis en mogelijkheden vinden.

217
00:11:13,759 --> 00:11:16,179
Ik was nieuwsgierig, en dat was toch nog even bij de organisatie.

218
00:11:16,839 --> 00:11:20,339
Wanneer is de AI Hub Oost een succes?

219
00:11:20,759 --> 00:11:23,399
Wanneer is het voor jullie echt van, top, we hebben ons werk helemaal gedaan.

220
00:11:24,479 --> 00:11:25,079
Wanneer is dat?

221
00:11:25,699 --> 00:11:31,019
Ja, we hopen natuurlijk steeds meer bedrijven te vinden.

222
00:11:31,279 --> 00:11:37,039
En dan bedoel ik MKB bedrijven, maar ook groeibedrijven en startups, AI startups specifiek.

223
00:11:38,719 --> 00:11:43,539
Die door met ons te bijdragen, en ik stel me bescheiden op, we zijn ook een klein clubje.

224
00:11:43,679 --> 00:11:45,819
Dus we doen dat samen met partners in de regio.

225
00:11:47,039 --> 00:11:50,439
Als er in ieder geval ondernemers en die adoptiegraad toeneemt.

226
00:11:51,159 --> 00:11:52,119
Hoe kun je dat meten?

227
00:11:52,359 --> 00:11:56,879
Kun je in ieder geval tellen hoeveel bedrijven heb je nou bereikt in bijvoorbeeld de oploopjes die Rob van de Star net beschreven.

228
00:11:56,979 --> 00:11:58,078
Die bijeenkomsten, die inspiratiesessies.

229
00:11:58,599 --> 00:12:00,639
sessies, maar natuurlijk ook hoeveel bedrijven hebben nou gebruik

230
00:12:00,719 --> 00:12:02,959
gemaakt van vouchers of van projecten.

231
00:12:03,699 --> 00:12:04,719
En zijn dat dan echt

232
00:12:04,979 --> 00:12:06,779
projecten die over AI of datagedreven

233
00:12:06,939 --> 00:12:08,379
werken gaan? Die tellen we wel.

234
00:12:09,399 --> 00:12:10,799
En inmiddels hebben we honderden bedrijven

235
00:12:11,059 --> 00:12:12,239
bereikt met bijeenkomsten.

236
00:12:12,559 --> 00:12:14,379
Er zijn er echt al heel veel projecten

237
00:12:15,098 --> 00:12:15,499
gedaan.

238
00:12:16,939 --> 00:12:18,159
Maar het moet beter.

239
00:12:18,539 --> 00:12:20,539
Ja, het moet beter. We hebben ook een onderzoek gedaan

240
00:12:20,739 --> 00:12:22,619
binnen Inversport naar hoe staat het met de AI

241
00:12:22,799 --> 00:12:24,559
adoptie. En er kwamen best een schokkende resultaten.

242
00:12:24,659 --> 00:12:26,519
Maar ik ben even benieuwd, wat is jullie beeld

243
00:12:26,579 --> 00:12:27,599
van de AI adoptie?

244
00:12:27,779 --> 00:12:29,479
Dan willen we ook wel weten wat er gaat komen.

246
00:12:34,079 --> 00:12:37,539
Dus corrigeer me en luister vooral ook even de aflevering terug waar we het hier over hebben.

247
00:12:38,019 --> 00:12:39,719
Maar volgens mij ging het om 4%.

248
00:12:39,819 --> 00:12:39,899
3.

249
00:12:40,279 --> 00:12:41,219
3% zelfs hier.

250
00:12:41,279 --> 00:12:42,599
Ik zat al te positief omhoog.

251
00:12:42,799 --> 00:12:46,079
3% die echt de adoptie in de bedrijfskritische processen ook heeft.

252
00:12:46,179 --> 00:12:48,539
Dat was wel het stukje wat we wel belangrijk vinden.

253
00:12:49,179 --> 00:12:50,539
De nuance op bedrijfskritisch.

254
00:12:50,879 --> 00:12:52,799
Bedrijfscritisch, daar zit echt wel de nuance op.

255
00:12:53,479 --> 00:12:56,219
Dus even ChatGPT gebruikt, dat is het niet.

256
00:12:56,399 --> 00:12:58,199
Het gaat echt over heb je het geïntegreerd?

257
00:12:59,109 --> 00:13:00,499
Daar ligt nog een enorme klus.

258
00:13:01,279 --> 00:13:05,079
Maar ik denk dat dat dan ook niet alleen gaat over AI gebruik.

259
00:13:05,139 --> 00:13:08,719
Het gaat volgens mij veel meer over de transitie datagedreven werken.

260
00:13:09,519 --> 00:13:11,639
En daar staan we echt nog helemaal aan het begin.

261
00:13:12,719 --> 00:13:16,299
Veel bedrijven, ondernemers hebben geen kennis op dat vlak.

262
00:13:16,699 --> 00:13:18,339
Hebben heel veel systemen draaien.

263
00:13:18,479 --> 00:13:19,759
Zijn aan elkaar geknutseld.

264
00:13:21,099 --> 00:13:23,119
Maar hoe ga je nu om met deze transitie?

265
00:13:23,759 --> 00:13:25,799
Moet je daar hele nieuwe systemen voor inrichten?

266
00:13:26,219 --> 00:13:27,459
Daar horen allerlei vaardigheden bij.

267
00:13:27,539 --> 00:13:30,079
Er hoort een visie op digitalisering bij.

268
00:13:31,499 --> 00:13:32,379
Dat is een enorme klus.

269
00:13:33,239 --> 00:13:35,219
En daar moeten nog heel veel bedrijven echt...

270
00:13:35,219 --> 00:13:35,979
Die staan helemaal in het begin.

271
00:13:36,418 --> 00:13:37,539
Ik kan me voorstellen, Rob.

272
00:13:37,819 --> 00:13:39,059
Als je dit zo hoort.

273
00:13:39,419 --> 00:13:40,319
Stel, ik ben ondernemer.

274
00:13:40,639 --> 00:13:41,599
En Chris vertelt me dit allemaal.

275
00:13:41,719 --> 00:13:44,019
Dan denk je, dit allemaal moet doen.

276
00:13:44,719 --> 00:13:47,879
Ja, en dat is precies wat je in de praktijk ook meemaakte.

277
00:13:48,419 --> 00:13:52,279
Want de meeste ondernemers werken zich vier slagen in de ronde.

278
00:13:52,939 --> 00:13:55,879
Doen morgen 10% beter wat ze gisteren deden.

279
00:13:56,519 --> 00:13:58,459
in een wereld, als er geen disrupties zijn,

280
00:13:58,639 --> 00:14:00,379
is dat perfect. Maar wat je

281
00:14:00,519 --> 00:14:02,259
ziet, waar we het vandaag ook over hebben,

282
00:14:02,719 --> 00:14:04,199
is dat er een aantal fundamentele

283
00:14:04,439 --> 00:14:05,379
disrupties zijn.

284
00:14:06,639 --> 00:14:08,299
Het boek wat jij geschreven hebt, AI Agents,

285
00:14:08,399 --> 00:14:10,359
de Generatieve AI, bedrijfsprocessen

286
00:14:10,879 --> 00:14:12,319
optimaliseren, op z'n kop zetten.

287
00:14:13,479 --> 00:14:14,339
Dat is iets wat

288
00:14:14,469 --> 00:14:16,099
de meeste organisaties, ook grote

289
00:14:16,299 --> 00:14:17,399
organisaties, die

290
00:14:18,739 --> 00:14:20,339
voordat ze dat concept omarmd

291
00:14:20,499 --> 00:14:22,219
hebben, laat staan, geïmplementeerd hebben,

292
00:14:22,759 --> 00:14:24,338
nou dan zijn we wel enige

293
00:14:24,359 --> 00:14:26,299
tijd verder. Terwijl je wel

294
00:14:26,499 --> 00:14:28,399
ziet dat er veel bedrijven zijn.

295
00:14:28,699 --> 00:14:30,259
Denk met name aan de slimme start-ups

296
00:14:30,309 --> 00:14:31,579
die als een AI-first

297
00:14:33,199 --> 00:14:34,219
organisatie al hun

298
00:14:34,679 --> 00:14:36,199
processen zodanig inrichten. Want

299
00:14:36,349 --> 00:14:38,079
dat zijn jongens en meisjes die kunnen dat.

300
00:14:38,819 --> 00:14:40,039
En je zal toch zomaar in één keer

301
00:14:40,739 --> 00:14:41,639
uit een niet zo'n concurrent

302
00:14:42,259 --> 00:14:44,279
als jij bent staan. Ja, dan heb je

303
00:14:44,289 --> 00:14:45,999
wel wat te doen. Ja, je achtergrond

304
00:14:46,079 --> 00:14:48,419
gaf het ook nog aan in de introductie. En de vaste

305
00:14:48,439 --> 00:14:50,099
luisteraars weten het ook, je komt vanuit het onderwijs.

306
00:14:50,559 --> 00:14:52,419
Hoe zie je de ontwikkeling van het onderwijs

307
00:14:52,739 --> 00:14:54,319
en het belang daarvan in

308
00:14:54,339 --> 00:14:56,999
deze snelle ontwikkeling, dat we die kennis blijven opdoen en borgen.

309
00:14:58,259 --> 00:14:58,659
Traag.

310
00:14:59,979 --> 00:15:04,159
Als ik Windesheim als voorbeeld neem, 30.000 studenten, docenten, ondersteunende staf bij elkaar.

311
00:15:04,299 --> 00:15:06,759
Een mammoettanker, dat gaat tegelijkertijd.

312
00:15:07,019 --> 00:15:11,759
Ik ben best wel trots als ik zie hoe nu vanuit een stuk volwassenheid die stappen gemaakt worden.

313
00:15:12,939 --> 00:15:18,239
Wat je nu ziet en wat je ervaart is dat de adoptie van generatieve AI is eigenlijk

314
00:15:19,039 --> 00:15:20,479
across the border nu 100%.

315
00:15:20,959 --> 00:15:24,019
Als je nu de vraag stelt van wie heeft deze week nog ChatGPT gebruikt,

316
00:15:24,439 --> 00:15:26,419
Nou, dat zul je ook maar...

317
00:15:26,439 --> 00:15:27,519
Daar speelt ook een ander belang.

318
00:15:29,599 --> 00:15:30,699
Maar dat was een jaar geleden anders.

319
00:15:31,139 --> 00:15:34,939
Dat weet ik, dat was misschien twee derde, drie kwart.

320
00:15:35,039 --> 00:15:36,499
En twee jaar geleden, nee, laat het dan niet over.

321
00:15:37,219 --> 00:15:41,719
Maar je ziet dat de integratie daarvan heeft al plaatsgevonden.

322
00:15:43,219 --> 00:15:47,099
De integratie in het onderwijs zelf, en dat heb je met name over toetsing aan de ene kant.

323
00:15:47,219 --> 00:15:51,519
Maar ook het verwerken van mensgerichte AI in het curriculum.

324
00:15:52,959 --> 00:15:54,179
Daar worden stappen in gezet.

325
00:15:54,899 --> 00:15:56,759
De een is al wat verder dan de ander.

326
00:15:58,019 --> 00:15:59,939
Dus op dat punt ben ik hoopvol dat dat loopt.

327
00:16:00,339 --> 00:16:02,759
Op een ander gebied waar we het net over hebben gehad.

328
00:16:03,399 --> 00:16:05,279
Agentic AI en AI Agents.

329
00:16:06,539 --> 00:16:11,819
Daar vind ik dat met name in het hbo onderwijs veel meer meters gemaakt moeten worden.

330
00:16:12,939 --> 00:16:16,039
Het wordt nauwelijks op dit moment gedoseerd.

331
00:16:17,119 --> 00:16:19,339
En als je dat meeneemt naar de MKB'ers.

332
00:16:20,219 --> 00:16:22,279
Wat wil je die dus meegeven daarin?

333
00:16:22,399 --> 00:16:23,339
Wat kunnen die hiervan leren?

334
00:16:25,739 --> 00:16:27,499
Heel plat gewoon beginnen doen.

335
00:16:27,979 --> 00:16:30,339
Dat is eigenlijk het meest belangrijke.

336
00:16:30,799 --> 00:16:32,599
Niet eindeloos getheoretiseerd.

337
00:16:33,299 --> 00:16:36,099
Kijk of je desnoods met dat hulp van buiten.

338
00:16:36,279 --> 00:16:37,459
Of geïnspireerd op buiten.

339
00:16:37,559 --> 00:16:39,979
Wat lager van het fruit kan vinden.

340
00:16:41,319 --> 00:16:42,019
Jullie kennen de tools.

341
00:16:42,319 --> 00:16:45,019
Begin maar met de N8N en je eerste agent te bouwen.

342
00:16:46,539 --> 00:16:47,139
Leren van.

343
00:16:47,859 --> 00:16:49,579
Gooi in de poelen wakken als het niet werkt.

344
00:16:50,158 --> 00:16:52,059
En ga ook met je collega's onder tafel zitten.

345
00:16:53,579 --> 00:16:56,699
Wat we heel erg in het zwang op zien komen, dat zijn leerkringen.

346
00:16:56,929 --> 00:16:59,539
Waar bedrijven elkaar opzoeken en ook kennis met elkaar hebben.

347
00:16:59,979 --> 00:17:01,779
En dat is eigenlijk een heel krachtig middel.

348
00:17:02,219 --> 00:17:06,118
Want als de buurman die in dezelfde branche zit zegt van nou, ik heb nou iets moois ontdekt.

349
00:17:07,118 --> 00:17:08,979
Dat is nog zo krachtiger dat een van ons dat zegt.

350
00:17:09,199 --> 00:17:09,959
Zeker, ja.

351
00:17:10,239 --> 00:17:10,699
Al wat een goeie.

352
00:17:11,279 --> 00:17:13,519
En hoe vaak worden die leerkringen georganiseerd?

353
00:17:14,779 --> 00:17:19,699
In verschillende regio's zijn er van die kringen in ontwikkeling en lopen er.

354
00:17:19,798 --> 00:17:27,019
Het is begonnen in de Achterhoek, waar een hele actieve groep ondernemers zit die elkaar ook opzoeken.

355
00:17:27,219 --> 00:17:29,939
Dat noemen ze dan Noordberschap, maar elkaar helpen.

356
00:17:30,599 --> 00:17:35,759
Dus het vertrouwen staat groot onderling en die zitten bij elkaar en die gaan elke keer bij elkaar op bezoek.

357
00:17:35,839 --> 00:17:39,239
Dus elke keer is een bedrijf aan de beurt in zo'n kring, er zitten dan acht tot tien bedrijven in.

358
00:17:39,759 --> 00:17:43,439
Elke keer is een bedrijf staat centraal en dan ga je een AI use case bespreken.

359
00:17:43,939 --> 00:17:49,459
Maar je gaat ook met elkaar nadenken over hoe kunnen we die case dan oplossen of het vraagstuk oplossen met AI.

360
00:17:50,059 --> 00:17:53,039
Daar worden dan experts in gevlogen of studenten.

361
00:17:53,519 --> 00:17:54,739
En wordt dan ook echt gebouwd.

362
00:17:54,919 --> 00:17:58,019
En de volgende keer zie

367
00:18:13,959 --> 00:18:18,119
En Hardenberg gaat het eigenlijk als een soort olievlek door heel Oost-Nederland heen.

368
00:18:18,239 --> 00:18:18,439
Mooi.

369
00:18:18,699 --> 00:18:21,459
We hebben het nu ook over de onderwijsinstellingen.

370
00:18:21,459 --> 00:18:25,639
Je noemde net ook al andere kennisinstellingen, zoals universiteiten.

371
00:18:25,939 --> 00:18:29,759
Hoe dragen die bij aan deze adoptie?

372
00:18:30,059 --> 00:18:33,419
Ja, er zijn twee voorbeelden die ik wil noemen.

373
00:18:33,489 --> 00:18:38,499
Het is een concept of eigenlijk een propositie die we hebben.

374
00:18:38,499 --> 00:18:40,699
Dat heet MKB Datalab Oost-Nederland.

375
00:18:41,319 --> 00:18:44,739
Dat wordt getrokken door de Radboud Universiteit en Universiteit Twente.

376
00:18:44,979 --> 00:18:51,979
Dat is eigenlijk een groep werkstudenten die in AI of data science zitten.

377
00:18:52,699 --> 00:19:00,779
Kunnen voor een 60 tot 80 uur opdracht zich vastbijten in een data of AI vraagstuk van een bedrijf.

378
00:19:02,019 --> 00:19:04,799
Dus daarmee krijg je eigenlijk toegang tot werkstudenten.

379
00:19:05,159 --> 00:19:07,279
Die echt eventjes bij jouw bedrijf inkomen.

380
00:19:07,519 --> 00:19:08,619
Kijken welke data heb je.

381
00:19:08,899 --> 00:19:10,719
Wat kun je daar al mee als laaghangende fruit.

382
00:19:10,799 --> 00:19:13,919
Maar ook wat diepere vragen al echt oppakken.

383
00:19:14,479 --> 00:19:19,759
En laten zien hoe je van data naar waarde kunt komen.

384
00:19:21,359 --> 00:19:23,359
Dat zijn werkstudenten, die zijn altijd beschikbaar.

385
00:19:23,439 --> 00:19:24,639
Want die willen wel een centje bijverdienen.

386
00:19:24,939 --> 00:19:28,679
En op zo'n manier heb je dus een heel interessante toegang tot talent.

387
00:19:28,939 --> 00:19:32,339
Dat is wel één manier waarop de universiteiten meewerken.

388
00:19:32,399 --> 00:19:34,139
Aan de andere kant kijken we natuurlijk ook naar de...

389
00:19:34,639 --> 00:19:38,719
We hebben het net gehad over het vergroten van je arbeidsproductiviteit.

390
00:19:38,909 --> 00:19:39,839
Dus laaghangende fruit.

391
00:19:40,219 --> 00:19:42,339
AI gebruiken om je proces te optimaliseren.

392
00:19:42,339 --> 00:19:44,199
Maar aan de andere kant, wat ook heel interessant is,

393
00:19:44,279 --> 00:19:47,619
en wat we proberen te stimuleren is innovatie aanjagen.

394
00:19:48,199 --> 00:19:50,399
We hebben heel veel kennis in Oost-Nederland,

395
00:19:50,539 --> 00:19:53,099
bij de universiteiten, maar ook bij de hogescholen en bedrijven.

396
00:19:53,599 --> 00:19:56,719
Hoe kun je dat nou omzetten naar nieuwe producten en diensten waar AI in zit?

397
00:19:57,579 --> 00:19:58,919
En daar zit natuurlijk ook veel talent.

398
00:19:59,779 --> 00:20:03,059
Dus bij de Universiteit Twente, Radboud en Wageningen Universiteit,

399
00:20:03,259 --> 00:20:06,359
bij de hogescholen, de HAN, Windesheim, Saxion, noem maar op.

400
00:20:07,479 --> 00:20:09,579
Daar kun je echt veel meer waarde uithalen.

401
00:20:09,679 --> 00:20:12,099
En dat proberen we te doen door innovatieprojecten op te zetten

402
00:20:12,119 --> 00:20:15,979
waar dus de universiteiten en hogescholen onder andere bij zijn betrokken en bedrijven.

403
00:20:16,259 --> 00:20:20,399
Heb je een voorbeeld, een van jullie twee, van zo'n project,

404
00:20:21,179 --> 00:20:22,279
dat mensen daar een beeld bij hebben?

405
00:20:22,739 --> 00:20:26,979
Jazeker. Een van de domeinen waar we naar kijken is de energiecluster.

406
00:20:26,979 --> 00:20:29,779
Daar heb je rondom Arnhem.

407
00:20:29,999 --> 00:20:32,399
Natuurlijk een rijke historie met Alliander, TenneT.

408
00:20:33,679 --> 00:20:37,119
Daar zit het hoogspanningsnet van Nederland ontworpen in Arnhem.

409
00:20:37,619 --> 00:20:40,879
En getest met de KEMA en alle andere clubs die daar zitten.

410
00:20:41,559 --> 00:20:49,139
Kijk, waar we nu naar kijken is dat die energietransitie maakt dat wij allemaal decentraal energie op gaan wekken, op gaan slaan, uit gaan wisselen, verhandelen.

411
00:20:50,199 --> 00:20:55,159
Die netwerken zijn niet meer centraal, maar decentraal en dat systeem wordt steeds complexer.

412
00:20:55,999 --> 00:21:07,579
En daar zie je dus dat AI daar ook een belangrijkere rol in gaat spelen van hoe gaan we in die complexiteit zorgen dat dat net stabiel blijft en dat we kunnen handelen met de energie die we hebben opgewekt.

413
00:21:08,579 --> 00:21:09,819
En hoe houden we het veilig?

414
00:21:09,979 --> 00:21:11,879
Dus ook cybersecurity speelt daar een rol.

415
00:21:12,039 --> 00:21:12,979
En daar zie je dus een kans.

416
00:21:13,019 --> 00:21:14,739
Want daar hebben we heel veel kennis op dat vlak.

417
00:21:14,859 --> 00:21:16,239
Dus vanuit de Universiteit Twente bijvoorbeeld.

418
00:21:16,539 --> 00:21:21,559
Heel veel kennis op dat vlak van besturen en beveiligen van decentrale energienetten.

419
00:21:22,299 --> 00:21:26,579
In Arnhem zit een heel cluster met Connector en met Electricity Campus.

420
00:21:26,679 --> 00:21:29,859
Waar we eigenlijk proberen AI startups samen te brengen.

421
00:21:30,239 --> 00:21:32,339
Die gaan werken en bouwen aan die AI systemen.

422
00:21:32,339 --> 00:21:34,799
Die dit soort complexe systemen moeten gaan besturen.

423
00:21:35,459 --> 00:21:36,699
En dat is een internationale kans.

424
00:21:37,119 --> 00:21:40,639
Want wij hebben hier net congestie, maar andere landen gaan het nog veel erger krijgen.

425
00:21:41,819 --> 00:21:43,279
We gaan allemaal elektrificeren.

426
00:21:43,399 --> 00:21:46,759
Dus dit is een innovatiekant waar we dus echt proberen te stimuleren.

427
00:21:47,599 --> 00:21:49,199
Die kennis moet omgezet worden naar business.

428
00:21:49,899 --> 00:21:50,579
Dat is zo'n voorbeeld.

429
00:21:50,759 --> 00:21:51,699
Ja, dat is wel mooi.

430
00:21:51,819 --> 00:21:55,459
Want dan werk je ook aan een maatschappelijk probleem.

431
00:21:55,599 --> 00:21:56,159
Mogen we het wel noemen.

432
00:21:56,898 --> 00:21:58,919
Zowel economisch als de maatschappelijke kant.

433
00:22:00,279 --> 00:22:02,559
Dat je echt ook een knelpunt oplost voor bedrijven.

434
00:22:03,319 --> 00:22:04,619
En in de helft.

435
00:22:04,719 --> 00:22:08,459
Er zit natuurlijk ook best wel een hoop health en gezondheidszorg in de regio.

436
00:22:10,259 --> 00:22:12,439
Er gebeuren veel dingen op dat vlak.

437
00:22:13,879 --> 00:22:18,279
Toen je naar binnen liep, zei ik van, goh, je bent toch veel met allemaal blik en mannetjes aan het spelen.

438
00:22:18,379 --> 00:22:20,019
Maar nu de robots, dat klopt.

439
00:22:20,529 --> 00:22:22,519
En als je kijkt naar AI in de zorg.

440
00:22:24,119 --> 00:22:30,179
We zijn nu in Zwolle met Brain Bremen Innovatie bezig met 25 studenten.

441
00:22:30,639 --> 00:22:33,399
Met een Unitree G1 robot.

442
00:22:34,219 --> 00:22:42,059
om met name te kijken, en dat ook leuk is, van 15 ICT-studenten en 10 verpleegkundestudenten.

443
00:22:42,299 --> 00:22:43,239
Oh, een mooie mix.

444
00:22:43,979 --> 00:22:47,719
Die zijn dus in de zorg, zoals in de gezondheidszorg als in de oudere zorg,

445
00:22:47,779 --> 00:22:52,119
zijn ze dus aan het onderzoeken van, goh, hoe staan jullie er tegenover?

446
00:22:52,699 --> 00:22:57,979
Welke typische use cases zouden als eerste in vragen zijn om die op te lossen?

447
00:22:58,059 --> 00:22:59,799
Bijvoorbeeld het opmaken van een bed.

448
00:23:01,199 --> 00:23:02,899
Daar moet je met name aan denken.

449
00:23:02,979 --> 00:23:10,059
Met name het echte handwerk, wat heel erg repeterend is, wat eigenlijk niemand echt leuk vindt.

450
00:23:10,429 --> 00:23:12,719
Dat zijn de cases die naar boven komen.

451
00:23:12,979 --> 00:23:15,839
Zitten er ook cases bij dat er een robot aan de patiënt komt?

452
00:23:18,059 --> 00:23:19,719
Ik had gisteren een dialoog over.

453
00:23:19,969 --> 00:23:23,139
Die bestaat namelijk een was- en een doucherobot.

454
00:23:23,139 --> 00:23:27,739
Een aantal oudere mensen klaagden al dat het een inbreuk op de privacy was.

455
00:23:27,739 --> 00:23:30,239
Waarbij iemand eigenlijk een heel veel opmerking zei.

456
00:23:31,859 --> 00:23:35,939
Is het pas echt een inbreuk op je privacy als een mens aan een ander mens?

457
00:23:38,679 --> 00:23:40,279
Of je wordt niet meer gewassen.

458
00:23:41,349 --> 00:23:42,079
Dat is een keuze ook.

459
00:23:42,339 --> 00:23:42,719
Kies maar.

460
00:23:43,959 --> 00:23:50,719
Maar wat je schetst, het woordje ethiek, ethische vraagstukken die in zulke soort situaties, use cases, daarvoor worden komen.

461
00:23:51,258 --> 00:23:55,679
Dat zijn toch drempels waar we in de komende jaren doorheen moeten komen.

462
00:23:56,599 --> 00:23:57,799
Even met mijn docent op het op.

463
00:23:58,049 --> 00:24:02,039
Als je kijkt naar de introductie van de stoomtrein van Amsterdam naar Haarlem.

464
00:24:02,599 --> 00:24:04,579
De eerste ritje moest daar een man met een vlag voor oplopen.

465
00:24:04,819 --> 00:24:05,859
Dus hadden koeien geen melk.

466
00:24:05,939 --> 00:24:07,119
Precies, dat soort dingen.

467
00:24:07,579 --> 00:24:08,679
Zelf soort metaforen.

468
00:24:11,059 --> 00:24:14,919
Ik geloof dat ik nummer 33, 34 of zo van de wereld was.

469
00:24:15,149 --> 00:24:16,899
Die op een echorobot heeft gelegen.

470
00:24:19,299 --> 00:24:22,979
Het idee van een robot is natuurlijk, jij schetst al de humanoid.

471
00:24:23,659 --> 00:24:26,779
Maar het hoeft natuurlijk helemaal nooit, het hoeft niet in de menselijke vorm te zijn.

472
00:24:27,239 --> 00:24:29,099
En dat was uiteindelijk helemaal prima.

473
00:24:29,319 --> 00:24:33,119
Dus ik lag op een soort van massagetafel met een gat voor mijn borst.

474
00:24:33,339 --> 00:24:35,759
Waar de echo overheen gedaan werd.

475
00:24:36,239 --> 00:24:37,559
Het fijne was dat ik nu mee kon kijken.

476
00:24:37,609 --> 00:24:38,839
Wat ik normaal gesproken niet kan doen.

477
00:24:40,119 --> 00:24:41,479
Dus ik vond dat helemaal geen probleem.

478
00:24:41,599 --> 00:24:44,139
Dat drama werd gezeten door tussen aanhalingstekens een robot.

479
00:24:45,559 --> 00:24:47,019
Je hebt tegenwoordig een tandarts robot.

480
00:24:47,249 --> 00:24:49,639
Die het net zo goed doet als een menselijke tandarts.

481
00:24:50,059 --> 00:24:51,279
Maar de vraag is ook aan jullie.

482
00:24:51,699 --> 00:24:52,279
Durf je dat?

483
00:24:53,519 --> 00:24:55,119
Ik heb het niet zo op tandartsen.

484
00:24:55,219 --> 00:24:56,799
Dus ik zak er dan wat verder in mijn stoel.

485
00:24:57,919 --> 00:24:59,799
Zo heb je een bloedprikrobot.

486
00:25:00,659 --> 00:25:01,999
Oh, die zou ik zo graag willen.

487
00:25:02,539 --> 00:25:03,639
Weet je hoe vaak...

488
00:25:04,179 --> 00:25:06,159
Ik zit af en toe wel eens in de medische molen.

489
00:25:06,179 --> 00:25:07,979
Weet je hoe vaak ik misgeprikt ben?

490
00:25:08,579 --> 00:25:10,619
Dus doe mij een bloedprikrobot.

491
00:25:10,779 --> 00:25:11,479
Iemand die altijd raakt.

492
00:25:12,399 --> 00:25:13,499
Liever die dan de tandarts.

493
00:25:14,279 --> 00:25:14,479
Ja, toch?

494
00:25:16,819 --> 00:25:18,199
Je zit nog steeds met je tandarts.

495
00:25:18,239 --> 00:25:18,919
Ik zit nog steeds met je tandarts.

496
00:25:20,939 --> 00:25:21,659
Dat is een beetje jeugd.

497
00:25:23,479 --> 00:25:26,039
We hebben nu ziekenhuizen, educatie.

498
00:25:26,419 --> 00:25:28,799
Wat zien we in de educatie en de maak?

499
00:25:28,799 --> 00:25:29,779
Ik weet niet wat je wil elkaar praten.

500
00:25:30,139 --> 00:25:36,399
Dus in onderwijs hebben we een heel mooi lab, dat heet NOLAI, Nationaal Onderwijslab AI,

501
00:25:36,619 --> 00:25:39,199
dat onder andere getrokken wordt door Radboud Universiteit,

502
00:25:40,239 --> 00:25:48,379
waar een samenwerking is in labvorm tussen onderzoekers, onderwijzers en onderwijsinstellingen,

503
00:25:49,339 --> 00:25:51,419
waarin vragen vanuit onderwijs worden opgehaald.

504
00:25:51,599 --> 00:25:55,819
En in lab worden ontwikkeld samen met ook techontwikkelaars.

505
00:25:57,599 --> 00:26:03,579
Daarin wordt ook de ethische en juridische kant natuurlijk ook aan biodesign meegenomen.

506
00:26:04,259 --> 00:26:10,019
Het gaaf is daar te zien van hoe kan nou AI ervoor zorgen dat de docent,

507
00:26:10,049 --> 00:26:15,379
maar ook de student of leerling zo goed mogelijk onderwijs krijgt.

508
00:26:15,459 --> 00:26:19,519
En dat iedereen, of je nou heel slim bent of iets meer je best moet doen,

509
00:26:20,039 --> 00:26:22,199
toch op een goede manier onderwijs aangeboden krijgt.

510
00:26:22,199 --> 00:26:23,699
Dus je krijgt heel erg...

511
00:26:23,859 --> 00:26:26,359
Het mechanisme wat je nu ziet is van de monitoring.

512
00:26:26,699 --> 00:26:29,139
Dus vroege waarschuwingssystemen van...

513
00:26:29,139 --> 00:26:33,619
deze leerling heeft voor bepaalde leercurve toch wat aandacht nodig.

514
00:26:34,799 --> 00:26:39,019
Studenten die wat sneller zijn worden meer uitgedaagd.

515
00:26:39,309 --> 00:26:44,139
En op zo'n manier krijg je steeds meer kwalitatief beter onderwijs.

516
00:26:44,639 --> 00:26:49,319
Ook met tekort aan leraren is het natuurlijk belangrijk.

517
00:26:49,359 --> 00:26:51,299
ook naar AI te kijken.

518
00:26:52,099 --> 00:26:54,079
Dus ook wel weerstand.

519
00:26:55,539 --> 00:26:57,939
Wil je hier je kinderen aan blootstellen?

520
00:26:58,539 --> 00:27:01,159
En hoe houden we dat nou veilig en ethisch gezien ook?

521
00:27:01,379 --> 00:27:03,199
Maar daar is dus dat lab opgericht.

522
00:27:03,379 --> 00:27:07,119
Het is een nationaal vooraanstaand lab aan het worden.

523
00:27:07,839 --> 00:27:12,159
Waarin al, denk ik, 20 plus use cases nu in de ontwikkeling zijn.

524
00:27:12,959 --> 00:27:15,279
Ook in samenwerking met de tech-ontwikkelaars.

525
00:27:15,779 --> 00:27:17,959
Jullie noemden allebei al een ethisch component.

526
00:27:19,219 --> 00:27:25,459
Begeleiden jullie de bedrijven ook dat er verantwoord om wordt gegaan met de technologie?

527
00:27:26,669 --> 00:27:31,379
Dus vanuit de missie van de AI opzeggen van het moet ook ethisch en mensgericht zijn.

528
00:27:31,739 --> 00:27:36,919
En daar zijn ook vanuit de AI-coalitie zijn daar ELSA Labs voor in het leven geroepen.

529
00:27:36,919 --> 00:27:46,279
Dus het is op een bepaalde manier, by design, kijken naar die ethische, legal en societal elementen waar je op moet letten als je AI toepast.

530
00:27:46,879 --> 00:27:49,259
Dus daar is een soort aanpak voor bedacht in labvorm.

531
00:27:49,979 --> 00:27:52,599
Er zijn verschillende ook in Oost-Nederland, de ELSA labs.

532
00:27:54,139 --> 00:27:56,759
We proberen natuurlijk ook gewoon de kennis die er is.

533
00:27:57,519 --> 00:27:59,019
Er is heel veel over geschreven inmiddels.

534
00:27:59,339 --> 00:28:01,479
Allerlei white papers waar je naar kunt kijken.

535
00:28:02,019 --> 00:28:06,859
Op dit vlak die we wel openstellen voor gebruik.

536
00:28:07,439 --> 00:28:08,619
Ik heb misschien nog een domme vraag.

537
00:28:08,759 --> 00:28:10,079
Ik weet dat die niet bestaan, maar ik zeg het toch.

538
00:28:10,639 --> 00:28:12,359
We horen altijd labvorm.

539
00:28:12,679 --> 00:28:14,419
Wat verstaan we eigenlijk onder een labvorm?

540
00:28:14,479 --> 00:28:21,859
Ja, labvorm, field labs, test-experimenteeromgevingen, hybride-leeromgevingen.

541
00:28:22,679 --> 00:28:25,659
Ik denk dat er heel veel van dit soort buzzwords zijn.

542
00:28:26,259 --> 00:28:28,459
Hups is ook zo'n woord, inderdaad.

543
00:28:28,919 --> 00:28:34,159
Maar het gaat natuurlijk uiteindelijk om een omgeving waarin je meerdere werelden of meerdere bloedgroepen bij elkaar brengt.

544
00:28:35,099 --> 00:28:41,379
In een omgeving die, laten we zeggen, laag risico is en waarin je ervoor zorgt dat je geen niet grote brokken kunt maken.

545
00:28:41,439 --> 00:28:45,539
Ik bedoel, je kan maar wel het experiment aan kunnen gaan en waarin je je kennis ontsluit of samen ontwikkelt.

546
00:28:46,259 --> 00:28:53,359
Dus samenwerking is superbelangrijk in een omgeving die inspirerend is en die je ook aanzet tot volgende stappen.

547
00:28:53,519 --> 00:28:53,979
Oké, dankjewel.

548
00:28:54,219 --> 00:28:56,619
Dat is echt belangrijk, verschillende perspectieven die bij elkaar komen.

549
00:28:56,919 --> 00:28:57,759
Ik moest het toch even stellen.

550
00:28:58,779 --> 00:28:59,599
Hele goede vraag.

551
00:28:59,859 --> 00:29:01,219
Even vanuit het perspectief van de ondernemer.

552
00:29:01,579 --> 00:29:04,459
Als je een nieuwe auto wil kopen, ga je naar een garage en wil je een proefritje maken.

553
00:29:04,679 --> 00:29:05,439
Dat is wat je daar doet.

554
00:29:05,599 --> 00:29:06,959
Oké, dat is ook een mooie aanleiding.

555
00:29:07,699 --> 00:29:09,739
Overigens, dat is meteen ook een oproep.

556
00:29:09,869 --> 00:29:17,359
We zijn nu druk in het kijken of we in Oost-Nederland een vijftal fieldlabs rond humanumide robots kunnen inrichten.

557
00:29:17,979 --> 00:29:20,679
Want de interesse vanuit de ondernemers is gigagroot.

558
00:29:21,839 --> 00:29:25,139
En de vraag is van, liever gisteren dan vandaag, ook vanuit vergrijzing.

559
00:29:26,919 --> 00:29:28,299
Tekort aan medewerkers.

560
00:29:31,719 --> 00:29:36,119
Dat in combinatie met zowel MBO als HMO, kennisinstellingen.

561
00:29:37,119 --> 00:29:42,759
Daarmee ook de populatie van jongens en meisjes die ook die apparaten kunnen programmeren en kunnen besturen.

562
00:29:44,279 --> 00:29:49,339
Plus ook die proefrittenmogelijkheid gaan bidden.

563
00:29:49,859 --> 00:29:53,739
Als we dat begin volgend jaar voor elkaar zouden kunnen gaan krijgen, zou dat geweldig zijn.

564
00:29:53,779 --> 00:30:00,859
Dus mochten de luisterende bedrijven in Oost-Nederland zijn die zeggen dat we zijn geïnteresseerd om mee te doen, laat het ons weten.

565
00:30:01,079 --> 00:30:01,559
Kijk, wat goed.

566
00:30:01,919 --> 00:30:02,059
Mooi.

567
00:30:02,639 --> 00:30:05,239
Chris had het nog even over die mens centraal.

568
00:30:05,879 --> 00:30:11,079
Heb je daar een sprekend voorbeeld van hoe dat principe is toegepast in een project?

569
00:30:13,479 --> 00:30:14,899
Oeh, even kijken hoor.

570
00:30:15,519 --> 00:30:16,519
Of Rob, nog ook.

571
00:30:17,879 --> 00:30:18,779
Ja, zeker.

572
00:30:21,099 --> 00:30:27,559
Samen met mijn lector Erik Verdeerder zijn wij het ELSA Lab Oost-Nederland nog een ander jaar geleden gestart.

573
00:30:28,399 --> 00:30:37,219
We hebben nu eigenlijk een community van nog veel docenten, medewerkers binnen Windersheim en ook daarbuiten gestaan.

574
00:30:37,229 --> 00:30:41,539
Die ook in elk van die specifieke pijlers, ethiek, die eigenlijk aan de slag geweest zijn.

575
00:30:42,179 --> 00:30:45,839
En we hebben net na de zomervakantie, jij bent ook bij een van die sessies bij geweest.

576
00:30:45,839 --> 00:30:49,659
En we hebben gezegd, nou jongens, we kunnen eens kijken naar de ethische aspecten rond de humanoïde robot.

577
00:30:50,519 --> 00:30:53,559
Dus we hebben een UBTECH Walker naar binnen laten wandelen.

578
00:30:53,799 --> 00:30:54,079
Wat is dat?

579
00:30:54,469 --> 00:30:56,519
Dat is een humanoïde robot.

580
00:30:56,699 --> 00:30:58,399
Oké, dat is een van de type robot.

581
00:30:58,559 --> 00:31:00,619
Een grote jongen van 1 meter 80.

582
00:31:00,729 --> 00:31:00,959
Oh ja.

583
00:31:01,099 --> 00:31:01,619
70 kilo.

584
00:31:01,959 --> 00:31:03,939
Een blikken mannetje moet niet op de hoogte gaan staan.

585
00:31:04,399 --> 00:31:06,339
En daar ontstond ook een dialoog uit.

586
00:31:06,599 --> 00:31:09,799
Via de begeleidingsaanpak ethiek.

587
00:31:11,539 --> 00:31:15,939
Een dialoog vanuit allerlei invalshoeken.

588
00:31:16,009 --> 00:31:18,219
Van wat hebben we daar voor wie?

589
00:31:18,619 --> 00:31:21,259
Welke stakeholders zouden relevant in deze zijn?

590
00:31:22,599 --> 00:31:25,539
Uiteindelijk eens welke handelingsperspectieven naar de toekomst.

591
00:31:25,579 --> 00:31:31,999
Dus hoe zou je kunnen bedenken als dit in het groot ook daadwerkelijk geïmplementeerd gaat worden.

592
00:31:33,419 --> 00:31:34,439
Dus dat is een prachtig voorbeeld.

593
00:31:34,439 --> 00:31:37,699
En we hebben een vergelijkbaar opzet gedaan rond onderwijs, educatie.

594
00:31:38,339 --> 00:31:41,019
Ik ga er nog heel even terug voordat je verder gaat.

595
00:31:41,039 --> 00:31:44,719
Want wat was een opmerkelijke handelsperspectief die daar naar boven kwam?

596
00:31:44,799 --> 00:31:46,739
Dat je dacht van, oh daar had ik nog niet over nagedacht.

597
00:31:46,959 --> 00:31:48,899
Dat kwam één bommetje aan het einde naar voren.

598
00:31:50,059 --> 00:31:52,259
Jullie kennen het een beetje, ik was ook de originator van het bommetje.

599
00:31:52,959 --> 00:31:58,719
Ik heb de opmerking gemaakt, wanneer krijgt een humanoïde robot ook rechten als in een cao?

600
00:31:59,359 --> 00:32:01,759
Oké. En waarom zou je dat willen?

601
00:32:03,079 --> 00:32:06,839
Nou, je kan een hele filosofische boom daarop zetten.

602
00:32:06,889 --> 00:32:12,279
Maar als de intelligentie die embedded is in zo'n humanoïde jouw en mijn intelligentie overstijgt.

603
00:32:12,699 --> 00:32:13,839
Als hij dus ook waarde toevoegt.

604
00:32:14,679 --> 00:32:18,679
Waarom zou hij dan ook niet veel meer als een mensachtige behandeld en gezien gaan worden?

605
00:32:18,859 --> 00:32:19,659
Ja, oké.

606
00:32:20,479 --> 00:32:21,319
Ja, daar kunnen we nog een uur over doen.

607
00:32:21,359 --> 00:32:21,839
Ja, daarom.

608
00:32:23,079 --> 00:32:25,959
Daar heb ik ook wel een mening over.

609
00:32:28,219 --> 00:32:30,059
Maar misschien nog even antwoorden.

610
00:32:30,229 --> 00:32:32,019
Want ik heb natuurlijk even na zitten denken.

611
00:32:32,029 --> 00:32:33,419
Maar ik denk, in the end.

612
00:32:33,839 --> 00:32:37,299
Kijk, je gaat heel veel data verzamelen en data voeden aan AI.

613
00:32:37,389 --> 00:32:39,139
Daar zit natuurlijk een ethische component aan.

614
00:32:39,469 --> 00:32:40,339
Dat speelt er altijd mee.

615
00:32:40,699 --> 00:32:40,919
Zeker.

616
00:32:41,799 --> 00:32:45,099
Of je nou naar een student of een leerling kijkt in een klas.

617
00:32:45,839 --> 00:32:49,359
Of je kijkt naar energieverbruik bij huishoudens.

618
00:32:50,299 --> 00:32:54,679
Je hebt aan de ene kant die data nodig om die AI slimmer te maken of te trainen.

619
00:32:55,539 --> 00:32:59,279
Maar het kan ook iets zeggen over hoe leef je, ben je thuis?

620
00:33:00,079 --> 00:33:00,459
Zeker.

621
00:33:00,799 --> 00:33:01,979
Ja, hoe presteer je?

622
00:33:02,599 --> 00:33:05,459
Dus het legt ook wel een druk, ook op kinderen bijvoorbeeld.

623
00:33:06,099 --> 00:33:07,239
Want is dat nou altijd belangrijk?

624
00:33:08,238 --> 00:33:10,259
Om altijd goed te scoren.

625
00:33:11,399 --> 00:33:13,279
Dus dat is wel denk ik het element.

626
00:33:13,379 --> 00:33:15,339
Dat je altijd heel goed na moet denken over.

627
00:33:15,759 --> 00:33:18,019
Je hebt die data nodig als een soort voedsel voor de AI.

628
00:33:18,639 --> 00:33:25,279
Maar wat voor effect heeft dat nou uiteindelijk in the end op, ja, kun je daar ook andere dingen op afleiden?

629
00:33:25,779 --> 00:33:26,039
Precies.

630
00:33:26,659 --> 00:33:28,719
Dus data governance, data management inderdaad.

631
00:33:28,859 --> 00:33:29,799
Hoe gaan we daarmee om?

632
00:33:31,699 --> 00:33:33,339
Ja, en ethische vraagstukken.

633
00:33:33,429 --> 00:33:35,739
Er zijn natuurlijk heel veel vraagstukken rondom deze technologie.

634
00:33:36,039 --> 00:33:37,659
Daarom hebben wij een kaartspel ontwikkeld.

635
00:33:37,919 --> 00:33:40,239
En we willen jullie een stelling ook voorleggen.

636
00:33:40,739 --> 00:33:42,679
Om eens te kijken hoe jullie daarover denken.

637
00:33:44,319 --> 00:33:49,319
[Muziek]

638
00:33:49,719 --> 00:33:54,559
[Muziek]

639
00:34:02,119 --> 00:34:04,899
Categorie luidt als volgt, technologie en innovatie.

640
00:34:05,739 --> 00:34:10,458
En de stelling is, bedrijven die generatieve AI integreren in hun bedrijfsvoering,

641
00:34:11,059 --> 00:34:13,518
zullen een aanzienlijk concurrentievoordeel hebben.

642
00:34:16,159 --> 00:34:17,679
Ja, ik denk een inkopper.

643
00:34:18,359 --> 00:34:18,918
Dat denk ik zeker.

644
00:34:19,239 --> 00:34:22,139
Als je dat niet doet, dan word je rechts of links ingehaald.

645
00:34:22,717 --> 00:34:24,399
En met nadruk op het woordje integreren.

646
00:34:25,478 --> 00:34:27,279
En wat sta je dan onder integreren?

647
00:34:28,639 --> 00:34:31,559
Verder gaan dan alleen een beetje, ik zeg het wat flauw,

648
00:34:31,589 --> 00:34:33,438
een beetje spelen met ChatGPT.

649
00:34:34,379 --> 00:34:38,899
Maar ook de stap durven te gaan zetten om vanuit je bedrijfsprocesanalyse,

650
00:34:39,319 --> 00:34:42,319
de optimalisatie, om die stappen te gaan zetten.

651
00:34:43,059 --> 00:34:44,717
Dat betekent dus ook je processen aanpassen.

652
00:34:46,719 --> 00:34:48,039
Aanpassen, misschien gewoon herzien.

653
00:34:48,059 --> 00:34:48,619
Herzien, ja.

654
00:34:48,779 --> 00:34:50,379
We gaan het eens even nadenken.

655
00:34:51,119 --> 00:34:55,237
Waarbij het herzien AI een middel is, een hulpmiddel is,

656
00:34:55,418 --> 00:34:57,099
en niet altijd de goede oplossing hoeft te zijn.

657
00:34:58,478 --> 00:35:00,518
Maar in ieder geval wel het bewustzijn van grote,

658
00:35:00,738 --> 00:35:05,218
dat daar, als je het hebt over productiviteit, kwaliteitsverbetering,

659
00:35:05,639 --> 00:35:06,939
dat daar heel veel te halen is.

660
00:35:07,379 --> 00:35:07,939
Dat is heel belangrijk.

661
00:35:08,478 --> 00:35:11,279
Ik stel altijd de prikkelende vraag, hoe blijf je relevant als bedrijf?

662
00:35:11,959 --> 00:35:15,459
Als je daar kritisch over nadenkt, waar voeg je nou werkelijk waarde toe?

663
00:35:16,239 --> 00:35:22,459
En je productiviteit is niet op peil door bijvoorbeeld dit soort tooling niet te gebruiken.

664
00:35:24,019 --> 00:35:25,599
Dan gaat het niet lang goed, denk ik.

665
00:35:28,779 --> 00:35:30,759
Ik weet niet of jullie dat beeld herkennen.

666
00:35:31,619 --> 00:35:36,259
Maar ik heb ook wel eens als ik MKB'ers spreek, dat ze vooral denken dat dit soort dingen,

667
00:35:36,519 --> 00:35:38,419
rondom processen en optimalisatie.

668
00:35:38,759 --> 00:35:40,979
Dat klinkt natuurlijk heel erg als managementjargon.

669
00:35:41,419 --> 00:35:44,119
Dat dat typisch iets is voor grote bedrijven.

670
00:35:44,439 --> 00:35:44,879
De enterprises.

671
00:35:46,599 --> 00:35:48,259
En daar staan zij toch wat verder vanaf.

672
00:35:48,379 --> 00:35:49,599
Hoe kijken jullie daarnaar?

673
00:35:50,199 --> 00:35:53,439
Ik denk dat dat dus niet voor alleen grote bedrijven is,

674
00:35:53,439 --> 00:35:53,919
maar voor iedereen.

675
00:35:54,619 --> 00:35:56,799
Dat gaat wel echt in op waar voeg je waarde toe.

676
00:35:57,859 --> 00:36:00,659
En dat betekent dus dat je heel kritisch moet kijken

677
00:36:00,759 --> 00:36:03,719
naar je processen en hoeveel tijd dat kost

678
00:36:03,999 --> 00:36:05,139
en of het slimmer kan.

679
00:36:05,959 --> 00:36:07,499
Dat is het begin, het laaghangend fruit.

680
00:36:07,499 --> 00:36:13,539
Maar daarnaast wil je altijd de lat hoger leggen, ook qua prestaties.

681
00:36:13,719 --> 00:36:16,099
En daar heeft je klant ook recht op.

682
00:36:16,279 --> 00:36:18,999
Anders gaat hij wel ergens anders naartoe in the end.

683
00:36:20,259 --> 00:36:23,219
Dus ik denk, dit geldt voor iedereen.

684
00:36:23,579 --> 00:36:26,719
En dus als je heel kritisch nadenkt over de vraag, hoe blijf ik relevant?

685
00:36:26,839 --> 00:36:29,679
Dan kom je heel snel op dat spoor van, wat ben ik eigenlijk aan het doen?

686
00:36:30,479 --> 00:36:31,279
En hoe kan dat beter?

687
00:36:34,618 --> 00:36:36,299
En hoe zit dat bij mijn klant?

688
00:36:36,609 --> 00:36:40,159
Of de keten waarin wij een rol spelen.

689
00:36:41,279 --> 00:36:43,999
En ja, daar sta je dan samen voor een uitdaging.

695
00:37:01,359 --> 00:37:03,059
En iedereen staat op de banken.

696
00:37:03,799 --> 00:37:08,939
Ik zal nooit een prachtig voorbeeld vergeten van een ondernemer die bananen apart nam.

697
00:37:09,079 --> 00:37:10,759
En die zei, roep joh, ik ben helemaal om.

698
00:37:11,319 --> 00:37:11,599
Graag.

699
00:37:12,379 --> 00:37:13,699
Maar jij gaat dadelijk de deur uit.

700
00:37:13,959 --> 00:37:16,199
Ik doe mijn laptop open en dan heb ik weer veertig e-mailtjes binnen.

701
00:37:16,919 --> 00:37:17,919
Dan weet ik precies hoe het gaat.

702
00:37:18,019 --> 00:37:18,079
Precies.

703
00:37:18,918 --> 00:37:21,839
Vrijdagmiddag, einde van de dag, bek af het bed in.

704
00:37:22,698 --> 00:37:24,459
Maandagochtend, oh ja, dat was een leuk idee.

705
00:37:24,879 --> 00:37:26,259
En dan staan er weer veertig e-mailtjes.

706
00:37:27,398 --> 00:37:30,839
Dus ik zou bijna zeggen, gevangen zitten in je operationele tunnel.

707
00:37:31,939 --> 00:37:32,799
hoe kan je daar nou

708
00:37:33,899 --> 00:37:35,379
doorheen breken en uitkomen

709
00:37:35,799 --> 00:37:37,399
en ik denk zelf

710
00:37:37,529 --> 00:37:39,519
en ik roep door de bedrijven

711
00:37:39,639 --> 00:37:40,919
die ik ken ook op van joh

712
00:37:40,999 --> 00:37:43,999
we voel je je ook vrij om ook een derde erbij te halen

713
00:37:44,039 --> 00:37:45,019
die ook

714
00:37:46,059 --> 00:37:46,859
vanuit hun ervaring

715
00:37:47,479 --> 00:37:49,139
misschien met een subsidiepotje vanuit

716
00:37:49,919 --> 00:37:51,199
Oostendel of net een of andere

717
00:37:52,779 --> 00:37:53,599
hubsen in Nederland

718
00:37:54,039 --> 00:37:55,759
ja net een stapje verder kunnen helpen

719
00:37:55,839 --> 00:37:57,319
zodat je over de top van die berg heen komt

720
00:37:57,779 --> 00:37:59,838
en het voelt misschien even als stilstaan

721
00:37:59,879 --> 00:38:01,599
Maar ik denk dat je stil moet staan om te kijken.

722
00:38:01,779 --> 00:38:02,819
Wat is de beweging die je ziet?

723
00:38:02,959 --> 00:38:04,159
Dat is denk ik ook die mails die je hebt.

724
00:38:04,269 --> 00:38:05,639
Je moet echt die afstand kunnen nemen.

725
00:38:06,299 --> 00:38:08,499
En soms heb je daar even een derde perspectief van nodig.

726
00:38:08,599 --> 00:38:09,959
Dat kan een collega MKB'er zijn.

727
00:38:10,059 --> 00:38:10,899
Dat kan een andere organisatie.

728
00:38:11,059 --> 00:38:12,579
Dat kan de hub zijn.

729
00:38:12,989 --> 00:38:15,499
Maar die heb je wel nodig om even weer stil te staan.

730
00:38:15,699 --> 00:38:18,139
Om daarna weer op een sneltrein te kunnen gaan stappen.

731
00:38:18,259 --> 00:38:19,359
En de goede kant op de reis.

732
00:38:19,759 --> 00:38:22,299
Het risico is de business as usual.

733
00:38:22,679 --> 00:38:23,219
Dus het gaat lekker.

734
00:38:23,459 --> 00:38:23,859
Het gaat goed.

735
00:38:24,099 --> 00:38:25,099
We doen het al jaren zo.

736
00:38:25,399 --> 00:38:26,419
Dus geen zorgen.

737
00:38:27,559 --> 00:38:33,599
Of er komt dus keihard iemand die vanaf een greenfield de zaken even helemaal anders gaat organiseren.

738
00:38:33,599 --> 00:38:35,199
En je echt rechts en links in gaat halen.

739
00:38:35,199 --> 00:38:39,379
En met deze technologie is de kans groot dat dat gaat gebeuren.

740
00:38:40,699 --> 00:38:46,079
Dat is denk ik wel anders dan andere innovatietrends die we hebben voorbij zien komen.

741
00:38:46,199 --> 00:38:47,859
Dit is wel echt een hele krachtige.

742
00:38:48,319 --> 00:38:49,339
Die aangrijpt op alles.

743
00:38:49,579 --> 00:38:52,079
Dus op je business waar je in zit.

744
00:38:52,219 --> 00:38:53,459
De keten waar je in opereert.

745
00:38:53,639 --> 00:38:54,679
En je eigen processen.

746
00:38:55,399 --> 00:39:00,779
En dat is denk ik wel echt het verschil met andere innovatietrends die de afgelopen jaren voorbij zijn gekomen.

747
00:39:00,919 --> 00:39:02,819
Dat dat wel een wake-up call is.

748
00:39:03,359 --> 00:39:05,319
Ik denk ik voor veel bedrijven en ondernemers.

749
00:39:06,459 --> 00:39:10,039
En als je die urgentie niet voelt, dan denk ik dat dat wel ernstig is.

750
00:39:11,099 --> 00:39:15,839
En onderschat niet wat het oosten uit China op ons over had komen.

751
00:39:17,179 --> 00:39:25,499
Er loopt nu een 15-jarige programma waar ze 168 miljard euro stoppen in de combinatie van de ontwikkeling van AI en Humanoids.

752
00:39:26,119 --> 00:39:28,119
Daarvoor hebben ze dat gedaan met de elektrische voertuigen.

753
00:39:28,359 --> 00:39:31,399
70% van de EV's die verkocht worden komen uit China.

754
00:39:31,999 --> 00:39:34,059
AI en Humanoids gaan ze hetzelfde doen.

755
00:39:35,399 --> 00:39:38,679
Een honderdtal fabrikanten maken de blikkenmannetjes nu al.

756
00:39:40,179 --> 00:39:48,139
En het plan is om binnen vier jaar er 40 miljoen in het ketelpak in de productie bestaan.

757
00:39:48,279 --> 00:39:51,439
Oftewel 5% van de beroepsvolking op die manier aan te vullen.

758
00:39:53,139 --> 00:39:58,879
Het zijn wel mannetjes die 24x7 werken voor een gemiddeld uurtarief van 4,50 euro.

759
00:40:01,119 --> 00:40:05,459
En daar ligt denk ik meteen ook een grote kans voor bedrijven in Nederland.

760
00:40:06,199 --> 00:40:10,899
Kijk, dat proberen te concurreren is totaal zinloos.

761
00:40:11,279 --> 00:40:16,419
Het omarmen en slimmer en sneller gaan implementeren, daar ligt denk ik de grootste kans en uitdaging.

762
00:40:17,019 --> 00:40:21,819
Ja, en ik voel soms ook nog wel eens dat het lekker is om achterover te leunen.

763
00:40:21,819 --> 00:40:24,479
Om te zeggen van, hé, ja, maar dat soort innovaties vinden plaats in China.

764
00:40:24,859 --> 00:40:26,319
Andere innovaties in Silicon Valley.

765
00:40:27,959 --> 00:40:31,979
We worden toch wel overstroomd, zeg maar, door de innovaties uit het buitenland.

766
00:40:32,779 --> 00:40:39,339
Ik sprak vorige week een ondernemer die heel stoer in de maakindustrie gaat een vestiging in Vietnam openen.

767
00:40:39,599 --> 00:40:39,799
Waarom?

768
00:40:41,179 --> 00:40:46,719
Arbeidskracht is goedkoop, maar het staal wat hij moet verwerken is ook een kwart van de prijs wat hij in Europa moet betalen.

769
00:40:47,179 --> 00:40:48,899
En dan hebben we nog niet over de energiekosten gehad.

770
00:40:49,579 --> 00:41:02,679
Dus vanuit een defensief, agressief geopolitieke expansie vond ik dat een hele slimme en ook moedige stap om op die manier te gaan denken.

771
00:41:04,599 --> 00:41:12,738
Ja, en ik denk vanuit Europa zie je nu ook dat afgelopen april is AI Continent Action Plan gepresenteerd.

772
00:41:14,139 --> 00:41:16,979
Dat anticipeert eigenlijk op de dynamiek die Rob van de Star schetst.

773
00:41:17,049 --> 00:41:19,939
Dus de big tech en wat er in China gebeurt.

774
00:41:19,949 --> 00:41:21,639
Hoe gaat Europa zich daartoe verhouden?

775
00:41:22,319 --> 00:41:25,419
Er zijn allerlei wet- en regelgevingskaders opgesteld.

776
00:41:25,419 --> 00:41:27,199
Dus de AI Act, Data Covenant Act.

777
00:41:28,079 --> 00:41:33,159
Allemaal zaken om Big Tech en China toch een beetje te kunnen beheersen.

778
00:41:34,159 --> 00:41:38,379
Heel veel geld gaat dan binnen de komende jaren naar R&D op vlak van AI.

779
00:41:38,689 --> 00:41:39,679
Dus we hebben een achterstand.

780
00:41:40,419 --> 00:41:42,259
We hebben geen ChatGPT, misschien een Mistral.

781
00:41:42,449 --> 00:41:45,059
Maar hoe gaan we die achterstand inhalen?

782
00:41:45,099 --> 00:41:48,579
Of hoe gaan we in ieder geval een Europees alternatief ontwikkelen?

783
00:41:48,579 --> 00:41:51,799
Er zijn allerlei initiatieven voor onafhankelijke cloud.

784
00:41:52,159 --> 00:41:57,359
Hoe gaan we die data veilig delen, opslaan en dus ook die AI ontwikkelen?

785
00:41:58,099 --> 00:42:00,899
en daarbij een heel groot blok skills, vaardigheden.

786
00:42:01,179 --> 00:42:04,619
Iedereen moet deze vaardigheden gaan leren, of je nou wil of niet.

787
00:42:05,699 --> 00:42:10,159
Dus het gaat veel aankomen en ik denk dat dat wel een positieve impuls gaat geven,

788
00:42:10,339 --> 00:42:13,059
ook in Nederland en dus ook in de regio op dit vlak.

789
00:42:14,119 --> 00:42:18,019
We moeten aan de bak en daar is ook geld voor, dus laten we dat gewoon met elkaar oppakken.

790
00:42:18,479 --> 00:42:21,619
Je noemde vaardigheden, welke vaardigheden heb je dan over?

791
00:42:22,039 --> 00:42:25,499
Nou ja, het begint bij datageletterdheid.

792
00:42:25,779 --> 00:42:30,859
Dus wij moeten volgens het AI-act allemaal data geletterdheid gaan trainen.

793
00:42:31,319 --> 00:42:38,519
Dus het gaat over basisskills van wat is data tot hoe kun je nou tools op een veilige manier gebruiken.

794
00:42:39,219 --> 00:42:46,159
Dus ga ik mijn vertrouwelijke stukken of allerlei persoonsgegevens in een ChatGPT of een Chinees model stoppen, mag dat.

795
00:42:46,739 --> 00:42:52,619
Daar je bewust van zijn en ook op het vlak van cybersecurity bijvoorbeeld, wat wel en niet mag.

796
00:42:53,319 --> 00:42:55,899
Dat moet iedereen leren die feitelijk met die systemen werkt.

797
00:42:56,579 --> 00:43:01,679
Dus iedereen die het systeem gebruikt, moet die vaardigheden leren.

798
00:43:02,359 --> 00:43:04,939
Je gaat natuurlijk verder naar, dat zijn de basisskills.

799
00:43:04,979 --> 00:43:07,859
Maar uiteindelijk willen we natuurlijk die innovatie aan gaan jagen.

800
00:43:07,959 --> 00:43:10,819
En dan hebben we natuurlijk geavanceerde vaardigheden nodig.

801
00:43:10,839 --> 00:43:13,059
Die ook vaak heel domeinspecifiek zijn.

802
00:43:13,859 --> 00:43:15,999
Ja, die moeten we ook gaan trainen.

803
00:43:15,999 --> 00:43:18,139
En daar zijn ook allerlei projecten voor in de ontwikkeling.

804
00:43:19,239 --> 00:43:20,739
Op speciaal verzoek van Niels.

805
00:43:21,759 --> 00:43:23,719
We komen niet altijd aan het onderdeel toe.

806
00:43:24,779 --> 00:43:27,679
Stel je zou helemaal mogen dromen.

807
00:43:28,339 --> 00:43:31,619
Wat zou je ideale AI-systeem zijn.

808
00:43:31,979 --> 00:43:35,659
Zonder dat je over technische beperkingen zou hoeven nadenken.

809
00:43:35,779 --> 00:43:37,399
Ik geef jullie even wat bedenktijd.

810
00:44:00,919 --> 00:44:01,439
Een van de twee?

811
00:44:03,199 --> 00:44:06,899
Ik heb een hele, ook beangstigende droom.

812
00:44:07,199 --> 00:44:07,959
Ja, dat mag ook.

813
00:44:09,159 --> 00:44:10,099
Jullie kennen Neuralink.

814
00:44:11,479 --> 00:44:12,159
Dat meneer Musk.

815
00:44:13,859 --> 00:44:19,459
Zij zijn drukdoende om te kijken of wij standaard zo'n implant kunnen krijgen.

816
00:44:19,819 --> 00:44:22,979
Zodat we met onze hersenen alle technologie kunnen besturen.

817
00:44:23,959 --> 00:44:24,919
En jij aan ons hoofd.

818
00:44:25,139 --> 00:44:26,839
Ja, misschien is dat wel een nachtmerrie.

819
00:44:29,359 --> 00:44:32,039
Maar dit is een serieuze ontwikkeling die gaat plaatsvinden.

820
00:44:32,779 --> 00:44:36,139
Ja, maar hoe kijk je er dan tegenaan?

821
00:44:36,579 --> 00:44:37,979
Want je begint met het is een nachtmerrie.

822
00:44:38,449 --> 00:44:39,239
Een vraag om een droom.

823
00:44:39,349 --> 00:44:40,679
Ik begon met een droom.

824
00:44:40,859 --> 00:44:41,679
De matrix.

825
00:44:43,118 --> 00:44:43,679
Welke veel.

826
00:44:44,279 --> 00:44:46,559
De positieve kant is, we hebben het woordje ethiek gehad.

827
00:44:46,639 --> 00:44:47,879
Human-centered AI.

828
00:44:48,339 --> 00:44:52,059
Kijk, als je op die manier alle devices, alle interfaces kan uitschakelen.

829
00:44:52,939 --> 00:44:54,119
Denk ook aan de productiekosten.

830
00:44:54,279 --> 00:44:55,079
Denk aan circulariteit.

831
00:44:56,399 --> 00:45:00,759
Je hebt denk ik, als je ingeplant, dan ook heel veel van de apparatuur die voor ons staat,

832
00:45:00,869 --> 00:45:02,879
die wordt totaal overbodig.

833
00:45:03,559 --> 00:45:08,619
Dat zal, als we het hebben over materiaalverbruik, energieverbruik, zal het heel goed zijn.

834
00:45:09,739 --> 00:45:12,019
Je krijgt dan ook een integratie van allerlei zintuigen.

835
00:45:12,979 --> 00:45:19,819
De multimodality, dus meerdere zintuigen waarmee je ook zaken kan aansturen en zelf ook informatie terug kan krijgen.

836
00:45:22,679 --> 00:45:24,779
Dus de droom naar de toekomst toe.

837
00:45:25,059 --> 00:45:27,639
En nogmaals, misschien is het woordje dromen wel verkeerd.

838
00:45:28,059 --> 00:45:33,259
Maar is dat we toch aardig bezig zijn richting, in science fiction termen, de cyborg.

839
00:45:33,939 --> 00:45:39,839
en body het AI, oftewel AI die ook daadwerkelijk op meerdere manieren aan het lijf gekoppeld is.

840
00:45:40,359 --> 00:45:41,959
En dat gaat stapje voor stapje.

841
00:45:42,299 --> 00:45:45,619
Kijk naar de nieuwe AR-glasses die komen.

842
00:45:46,119 --> 00:45:48,099
Denk aan de intelligente ringen die er zijn.

843
00:45:48,919 --> 00:45:53,339
Denk aan de neurale armband van Meta.

844
00:45:54,279 --> 00:45:58,639
En dit zijn allemaal niet invasieve, dus ze worden niet in je lijf neergezet.

845
00:45:59,079 --> 00:46:10,479
Aan de andere kant, ik geloof dat het 20 jaar geleden was, kon je al in een bar in Rotterdam met een RFID-chip die onder je huid zat, kon je je biertje afrekenen.

846
00:46:11,119 --> 00:46:14,139
Dus nou, dit zou zomaar een scenario kunnen zijn.

847
00:46:14,259 --> 00:46:15,379
Oké, en jij Chris?

848
00:46:16,159 --> 00:46:24,619
Wat ik in ieder geval hoop is dat we niet nog meer gek gemaakt worden door allerlei fake AI-gegenereerde content.

849
00:46:24,919 --> 00:46:30,459
Wat je nu al ziet op LinkedIn en al die blogs, dat is allemaal niet door een mens gemaakt.

850
00:46:31,319 --> 00:46:32,399
En ik vind dat heel vervelend.

851
00:46:32,519 --> 00:46:33,919
Het maakt dat ik het niet meer lees.

852
00:46:34,579 --> 00:46:37,899
Dus je wilt toch, denk ik, authenticiteit voelen.

853
00:46:39,419 --> 00:46:42,559
Dus wat ik hoop is dat AI in ieder geval zo krachtig wordt,

854
00:46:42,659 --> 00:46:47,119
dat het niet een soort repeterend, domme content generator wordt,

855
00:46:47,119 --> 00:46:51,079
maar dat het echt hele grote problemen helpt ons grote problemen op te lossen.

856
00:46:51,679 --> 00:46:53,639
We staan voor hele grote uitdagingen.

857
00:46:55,179 --> 00:46:57,999
in de zorg, in de energie, noem maar op.

858
00:46:59,279 --> 00:47:04,939
Hoe kan AI nou bijdragen aan het oplossen van deze grote problemen?

859
00:47:05,999 --> 00:47:09,019
Zonder ons helemaal gek te maken, al die onzin.

860
00:47:09,659 --> 00:47:11,819
Want dat zie je natuurlijk nu en dat is een leuk speeltje.

861
00:47:12,019 --> 00:47:13,519
Maar dat is natuurlijk...

862
00:47:13,519 --> 00:47:16,779
En als je kijkt naar bijvoorbeeld de beïnvloeding van verkiezingen

863
00:47:16,919 --> 00:47:19,579
en dat die grootmachten daarmee aan de haal gaan.

864
00:47:20,659 --> 00:47:22,539
Ik hoop echt dat dat niet doorzet.

865
00:47:23,719 --> 00:47:27,699
En dat AI, dat er een tegenbeweging komt die echt dienend is aan de mens.

866
00:47:28,779 --> 00:47:29,139
Mooie droom.

867
00:47:30,599 --> 00:47:36,859
Als we kijken, ik denk dat jullie een heel mooi beeld hebben geschetst van AI-hub Oost NL, wat jullie kunnen doen.

868
00:47:38,259 --> 00:47:46,019
Zou je het nog even heel kort samen kunnen vatten, als mensen nu luisteren, wat zouden ze kunnen doen om zich bij jullie aan te melden dat ze ondersteund worden?

869
00:47:46,779 --> 00:47:53,879
Ik zou zeggen, als je als ondernemer voelt dat je aan de slag moet met AI,

870
00:47:54,519 --> 00:47:56,779
meld je bij het AI Hub Loket.

871
00:47:57,659 --> 00:48:01,439
Wij proberen dan te kijken waar je behoefte aan hebt

872
00:48:01,739 --> 00:48:04,219
en proberen je persoonlijk te helpen,

873
00:48:04,249 --> 00:48:08,839
maar ook door te schakelen naar de juiste AI-partner in de regio of daarbuiten,

874
00:48:09,859 --> 00:48:13,719
zodat je AI versneld naar een toepassing kunt brengen.

875
00:48:14,319 --> 00:48:15,399
Dan meld je bij ons.

876
00:48:16,239 --> 00:48:17,979
Buiten de regio kan ook in Duitsland zijn.

877
00:48:18,719 --> 00:48:19,779
Oh ja, heel goed.

878
00:48:20,559 --> 00:48:22,499
En het geldt voor al deze hubs.

879
00:48:22,919 --> 00:48:23,219
Zeker.

880
00:48:24,559 --> 00:48:26,279
Je wil misschien toch nog even wat meer weten.

881
00:48:26,559 --> 00:48:28,119
Wat zijn andere bedrijven die langs zijn geweest?

882
00:48:28,159 --> 00:48:29,519
Kunnen ze die ergens ook online lezen?

883
00:48:30,319 --> 00:48:31,639
Hebben ze een lijst waar je...

884
00:48:31,959 --> 00:48:33,179
We hebben in ieder geval een website.

885
00:48:34,219 --> 00:48:36,839
www.aihub-oost.nl

886
00:48:36,919 --> 00:48:40,179
Daar staan use cases, daar staan voorbeelden, events.

887
00:48:40,539 --> 00:48:41,579
Daar kun je van alles vinden.

888
00:48:42,539 --> 00:48:45,599
Rob, Chris, hartstikke bedankt dat jullie hier naartoe wilden komen.

889
00:48:46,039 --> 00:48:47,559
dit wilde vertellen. Leuk.

890
00:48:47,979 --> 00:48:48,059
Thanks.

891
00:48:49,699 --> 00:48:52,039
Leuk dat je weer luisterde naar een aflevering van AIToday Live.

892
00:48:52,359 --> 00:48:53,079
Vergeet je niet te vangen.

893
00:48:54,099 --> 00:48:54,499
Flammoneren.

894
00:48:54,779 --> 00:48:57,399
Al weken gaat het missen.

895
00:48:57,559 --> 00:48:58,119
Niet te abonneren.

896
00:48:59,439 --> 00:48:59,839
Dankjewel.

897
00:49:00,879 --> 00:49:03,859
En dan krijg je allerlei hele leuke dingetjes

898
00:49:03,859 --> 00:49:04,859
van achter de schermen te zien.

899
00:49:06,179 --> 00:49:07,039
Tot de volgende keer.

900
00:49:07,219 --> 00:49:07,779
Tot de volgende keer.