AI-jargon uitgelegd: wat betekenen deze termen echt?

Je zit in een meeting. Iemand praat over 'machine learning', 'LLM's' en 'prompt engineering'. Je knikt mee, maar eigenlijk snap je er niets van. Herkenbaar? Je bent niet de enige. AI-jargon vliegt je om de oren, maar niemand legt uit wat het betekent.

Dit artikel vertaalt de belangrijkste AI-termen naar begrijpelijke taal. Geen technische diepgang, wel helderheid over wat je écht moet weten als ondernemer.

Machine Learning: software die leert van voorbeelden

Machine learning klinkt ingewikkeld, maar het principe is simpel. Software krijgt duizenden voorbeelden en leert daar patronen uit herkennen.

Een voorbeeld: je toont een systeem 10.000 foto's van katten en honden, allemaal gelabeld. Het systeem leert de verschillen herkennen. Daarna kan het nieuwe foto's sorteren zonder labels.

Voor bedrijven betekent dit: software die beter wordt naarmate je het meer gebruikt. Denk aan email-filters die spam leren herkennen, of systemen die klantgedrag voorspellen.

Generatieve AI: software die creëert

Generatieve AI maakt nieuwe content: tekst, afbeeldingen, code. ChatGPT is het bekendste voorbeeld, maar er zijn veel meer toepassingen.

Het verschil met traditionele software is groot. Waar Excel alleen rekent met cijfers die je invoert, kan generatieve AI nieuwe teksten schrijven op basis van een opdracht.

Praktische toepassingen voor bedrijven:

• Marketing-teksten genereren
• Productbeschrijvingen schrijven
• Klantvragen beantwoorden
• Code-snippets maken

LLM: de motor achter AI-chatbots

LLM staat voor Large Language Model, oftewel groot taalmodel. Dit is de technologie achter ChatGPT, Claude en vergelijkbare systemen.

Een LLM heeft miljarden tekstvoorbeelden gelezen: boeken, websites, artikelen. Daardoor kan het menselijke taal begrijpen en produceren.

Waarom dit belangrijk is: LLM's zijn de basis voor de meeste AI-tools die bedrijven nu gebruiken. Ze kunnen teksten schrijven, vertalen, samenvatten en analyseren.

Prompt Engineering: de kunst van AI-opdrachten

Prompt engineering is een chique term voor 'goede opdrachten geven aan AI'. Hoe je je vraag formuleert, bepaalt de kwaliteit van het antwoord.

Een slechte prompt: "Schrijf een email." Een goede prompt: "Schrijf een professionele email naar een klant die zijn factuur drie weken te laat heeft betaald. Vriendelijke maar duidelijke toon, verwijs naar onze betalingsvoorwaarden."

Het verschil in resultaat is enorm. Goede prompts leveren bruikbare output, slechte prompts leiden tot frustratie.

RAG: AI die je eigen documenten gebruikt

RAG betekent Retrieval-Augmented Generation. In gewone taal: AI die antwoorden geeft op basis van jouw eigen documenten.

Standaard AI-systemen weten niets van jouw bedrijf. RAG voegt jouw informatie toe: handleidingen, beleid, klantgegevens. Het AI-systeem kan dan specifieke vragen beantwoorden over jouw organisatie.

Voorbeeld: "Wat is ons beleid voor thuiswerken?" Het systeem doorzoekt jouw HR-documenten en geeft een accuraat antwoord.

API: de verbinding tussen systemen

API staat voor Application Programming Interface. Het is de manier waarop verschillende softwaresystemen met elkaar praten.

Denk aan een restaurant. De API is de ober die bestellingen doorgeeft aan de keuken. De klant (jouw software) bestelt, de ober (API) geeft het door, de keuken (AI-systeem) levert het resultaat.

Voor bedrijven betekent dit: je kunt AI-functionaliteit inbouwen in je eigen systemen. Geen losse tools, maar geïntegreerde oplossingen.

AI Agents: software die taken uitvoert

AI agents zijn systemen die zelfstandig taken kunnen uitvoeren. Ze gaan verder dan alleen antwoorden geven. Ze kunnen acties ondernemen: emails versturen, afspraken inplannen, bestellingen plaatsen.

Het verschil met chatbots is dat agents doelen hebben en stappen kunnen ondernemen om die te bereiken. Een chatbot beantwoordt vragen, een agent lost problemen op.

Fine-tuning: AI aanpassen aan jouw behoeften

Fine-tuning betekent een bestaand AI-model verder trainen met jouw eigen data. Het is alsof je een universiteit-afgestudeerde bijschoolt in jouw specifieke vakgebied.

Een algemeen AI-model weet veel over taal, maar weinig over jouw branche. Door fine-tuning leer je het model jouw terminologie, stijl en specifieke kennis.

Dit is vooral relevant voor bedrijven met zeer specifieke processen of vakjargon.

Tokens: de rekeneenheid van AI

Tokens zijn de manier waarop AI-systemen tekst verwerken. Ruwweg komt één token overeen met drie à vier letters.

Dit is belangrijk omdat veel AI-diensten per token afrekenen. Een email van 200 woorden kost ongeveer 300 tokens. Hoe langer je input en gewenste output, hoe meer je betaalt.

Multimodaal: AI die verschillende formaten begrijpt

Multimodale AI kan verschillende soorten input verwerken: tekst, afbeeldingen, audio, video. ChatGPT kan bijvoorbeeld afbeeldingen analyseren en er vragen over beantwoorden.

Dit opent nieuwe mogelijkheden:

• Facturen scannen en verwerken
• Audio-vergaderingen automatisch samenvatten
• Afbeeldingen analyseren voor kwaliteitscontrole

Edge AI: AI op je eigen apparaat

Edge AI draait op lokale apparaten in plaats van in de cloud. Je smartphone, laptop of bedrijfsserver verwerkt de AI-taken zelf.

Voordelen: sneller, meer privacy, geen internetverbinding nodig. Nadelen: minder krachtig dan cloud-gebaseerde systemen.

Voor bedrijven relevant bij gevoelige data die niet naar externe servers mag.

Van jargon naar strategie

Deze termen begrijpen is de eerste stap. De volgende stap is bepalen welke technologie past bij jouw bedrijf.

Niet elke organisatie heeft multimodale AI of fine-tuning nodig. Begin met de basics: generatieve AI voor teksten, simpele automatisering van repetitieve taken.

De technologie evolueert snel, maar de fundamenten blijven hetzelfde. Begrijp wat AI kan en kan niet, start klein, en bouw langzaam uit.