AI, De Hype Voorbij - AI en Digitale Transformatie in organisatie

Welkom bij de allereerste aflevering van 'AI, De Hype Voorbij' podcast, waar we dieper ingaan op de impact van Artificiële Intelligentie op de digitale transformatie binnen organisaties. Onze gasten in deze eerste aflevering zijn Rudi Peeters, Dean Bodart, Sam Hendrickx en Cédric Gilissen die hun rijke ervaringen en inzichten delen over het integreren van AI in zowel grote bedrijven als startups.

In deze aflevering bespreken we specifieke case studies en de strategieën die nodig zijn voor een succesvolle integratie van AI, en belichten we de uitdagingen, kansen en ethische overwegingen. We gaan in gesprek over hoe organisatieculturen aangepast kunnen worden om innovatie te omarmen en hoe AI kan worden genavigeerd tussen hype en echte potentie.

Wil je een keynote over "AI, De Hype Voorbij" in jouw organisatie bezoek dan happy2change.be

Transcript

0:03

- Welkom bij AI, de hype voorbij. De podcast waarin we de mist van mythes doorbreken en de echte impact van AI op onze wereld verkennen. In elke aflevering verkennen we de fascinerende wereld van AI. Weg van de overdreven beloftes en angstaanjagende voorspellingen. Samen met deskundigen, denkers en de mensen die dagelijks met AI werken, ontleden we wat AI echt is, wat het kan doen en hoe het ons leven, werk en toekomst vormt. Dus zet je schrap, stel je vragen en ga met ons mee op een reis voorbij de hype, naar de echte verhalen en de echte wetenschap achter artificiële intelligentie. Dit is AI, de hype voorbij.- Ik ben Jackie, auteur van AI, de hype voorbij en uw gastheer van vandaag. Mijn gasten aan tafel mogen zichzelf voorstellen en ze mogen dan meteen antwoorden op mijn e-mail. De eerste vraag, welke impact had AI in jouw persoonlijke leven de afgelopen maanden? Dag Rudi.- Dag Jackie, ik ben Rudi Peters. Ik was vroeger CIO bij KBC Bank en daarna ben ik CEO bij Van der Zanden geweest. En op dit moment ben ik bestuurder bij een paar bedrijven zoals Colvoit, maar ook Torefs bij Van der Zanden zelf. En om te antwoorden op uw vraag, ik ben al wat van een oudere generatie. Ik denk dat ik de oudste hier aanwezig ben op tafel. En wat ik persoonlijk eigenlijk wel... Wat ik wel geweldig vind aan AI, of waar ik echt van verstomd sta, is hoe snel dat het op een hele korte tijd toch wel vooruit gegaan is. En als ik het zelf gebruik, sta ik er elke keer van verwonderd van wat er allemaal mee kan. En ik denk dat we nog wel aan het begin van de evolutie staan. En ik heb ook al een paar heel leuke experimenten gezien in bedrijven waar het al echt een draaiende is, een ongelooflijke successenboek. Dus ik ben een fan.- Ik ben benieuwd naar die voorbeelden dadelijk. Dat is wel direct een goede vraag. Ik ben benieuwd naar die voorbeelden dadelijk. Ik ben benieuwd naar die voorbeelden dadelijk. Dankjewel, wat een cliffhanger. Ja, ja, ja. Dag Sam. Dag- Jackie.- Ja, ook voor jou. Wie is Sam? Wie is Sam? En hoe heeft de AI jouw leven veranderd de laatste twee jaar? Ja,- Ik ben Sam Hendriks. Ik ben een van de mede-oprichters van Raccoons. Heel kort samengevat. Raccoons een 60-koppig team. En wij helpen bedrijven, vooral in België, met het ontwikkelen van AI-oplossingen. Dus zowel het identificeren als de ontwikkeling ervan. Hoe heeft het mij geïmpacteerd? We zijn nu zeven jaar bezig met Raccoons. En we hebben in het verleden al wel eens af en toe een podium beklommen om iets over AI te vertellen, maar met de komst van ChatGPT en alles wat er is bij komen kijken, is dat wel in een stroomversnelling geraakt en bestaan mijn leven vandaag vooral het dit en op podium praten over AI. Dus dat heeft wel een heel wat teweeg gebracht daarmee. Ja,- Dag. Welkom, Sam. Dank je wel.- Cedric,- Goeiemiddag.- Goeiemiddag, ja. Ik ben CEO en oprichter van Wonka. Wij helpen bedrijven met het schalen van generatieve AI-applicaties en wij werken vooral met GPT-technologie. Nu, hoe het mijn leven veranderd heeft, is echt wel die GPT-technologie. Ik heb daar, toen ik nog student was, mijn laatste onderzoek over geschreven en toen dat ChatGPT uitgekomen was, natuurlijk direct gemerkt van amai, dat gaat hier wel een grote impact hebben op mijn job. Maar binnen het kader van de job waar ik op dat moment zat, kon ik niet genoeg met die technologie spelen om effectief de meerwaarde te hebben. En op een bepaalde dag heeft zelfs de baas besloten om te zeggen van oké, we gaan hier de deur toe doen. We gaan zorgen dat we dat niet binnen het bedrijf gebruiken. En dan heb ik besloten om mijn eigen omgeving te gaan maken om zoveel mogelijk met die technologie te kunnen spelen. Terecht.- Als die nu luisteren. Oké, merci Cedric en welkom. Voilà, en dan gaan we naar jou, Dean.- Dag, Chacky. Ik ben domeinlead AI binnen Brightest, wat in de kern eigenlijk een software-testing consultancybedrijf is. Maar wij hebben met de komst van AI eigenlijk onze business ook grotendeels met AI geschift om eigenlijk ons eigen werk als software-testings veel productiever te laten verlopen. En ja, daar zien wij echt enorme gains in productiviteit. Zelfs zovergaand dat wij ook binnen onze eigen business eigenlijk op verschillende aantallen gaan. Andere areas gewoon met blind vertrouwen. Blind is misschien veel gezegd, maar met veel vertrouwen. AI ook neerzetten op verschillende plaatsen in bijvoorbeeld onze back-office. Op het gebied van sales, marketing. Omdat de use-cases zo oneindig zijn. Dat is natuurlijk ook mijn rol, omdat dat allemaal wat de manager binnen Brightest is natuurlijk. Dus misschien ben ik een beetje biased daarin. Maar ja, het is iets dat opgekomen is en het gaat nooit nog weggaan. Zij die denken dat dat zo gehyped wordt. En dat daar dan niks meer van gaat komen, dat denk ik niet. Ik denk dat dat echt een prominente plaats gaat krijgen in ons technologisch landschap. En dat we ons daar beter op voorbereiden, omdat de alarmen daar een weerstand aan te bieden.- Oké, dankjewel Dien. Heel divers gezelschap. Blij eigenlijk van jullie hiermee aan de tafel te hebben. Wat mij bijzonder interesseert, Rudi gaf het al een klein beetje aan, er is heel veel aan het gebeuren. Ik neem aan, jullie komen uit dat landschap, heel wat experimenten. Ik ben zelfs benieuwd naar de experimenten. Die jullie doen, of die jullie zien eigenlijk bij jullie klanten. En wat mij betreft, liefst ook de gefaalde experimenten, de gelukte experimenten. Ja, Cedric, misschien met jou eens beginnen.- Ja, ik denk, het moeilijke is altijd om op het begin, als er een nieuwe uitdaging zich voordoet, om te gaan inschatten of dat iets is waar AI goed of niet goed in gaat zijn. Vandaag de dag beginnen we daar meer vingerspitsen gevoel voor te krijgen. Maar het is wel niet altijd gemakkelijk om daar echt regels in te gaan trekken. Zelf ben ik heel veel verbaasd van hoe goed AI kan zijn in taken die een zekere vorm van emotionele intelligentie nodig heeft. Bijvoorbeeld het analyseren van CV's, te gaan beslissen of een bepaalde kandidaat een goede kandidaat is voor een job. Dat is iets waar een AI heel goed mee kan helpen. Anderzijds taken die echt puur op IQ gebaseerd zijn. Daar zien we dat het soms ook wel te kort komt en dat we dat niet goed kunnen verklaren. Ik merk soms... Dat het taalmodel in dit geval dan niet goed kan tellen, maar wel bijvoorbeeld calculoos kan doen. En dat zijn soms limieten waar we echt heel goed moeten gaan kijken van oké, is het hier toepasbaar of is het niet toepasbaar?- Het zijn verwonderlijk soms die kleine dingen vind ik. Het kan dan zoveel grote dingen supergoed, maar zoiets dat voor ons dan seemingly simpel lijkt, slaagt dan ineens weer tegen.- Ja, honderd procent.- Zoals negen eieren tellen. Zoals negen eieren tellen. We komen er straks misschien nog wel even op terug. Ik denk- Dat we overschatten de korte termijn, maar we onderschatten altijd de lange termijn. En ik denk dat we nu nog in een fase zitten waar we een beetje nog aan het overschatten zijn, aan het overpromissen zijn van wat AI allemaal kan. En dan loopt het soms mis en dan ben je een beetje teleurgesteld. Maar ik denk, kijk naar een jaar of twee jaar en dan gaan we veel verder staan dan we vandaag durven dromen. En dat is met alle technologieën zo geweest, dat is met internet zo geweest, dat is met alles, met computers zo geweest. Dus ik denk dat met AI het juist dezelfde revolutie zal kennen. Daar- Stel je me aan, ik heb ook altijd, ik heb wel het gevoel, ik zal het zo zeggen, dat we nu wel in een tijdperk zitten dat het veel sneller lijkt te gaan. En ik weet niet of dat een beetje een bias is, omdat we er natuurlijk allemaal hier aan tafel dagelijks in zitten. Maar ik heb het gevoel als mensen vragen van, typisch Image Generation, werd daar net al even als voorbeeld aangehaald. Maar ik krijg bijvoorbeeld vaak de vraag van, stel ik ben de producent van deze kop, deze kop koffie. En ik wil dat product, we moeten daar altijd productshots van maken. Kunnen we niet met AI dat al in diverse settings gaan zetten? Ja, op de eerste ik zou zeggen, ja dat kan perfect. Maar als je dan echt naar de details gaat. Dan zien we heel rap dat dat product wat hervormd gaat worden ofzo. Dus dat kan vandaag dan nog niet honderd procent. Maar opnieuw ja, wanneer wel. Vertel je geld, kan dat binnen drie maanden? Komt er een update van een of ander Image Generation model dat dat plots veel beter kan? Ik heb het gevoel dat die horizon wel echt heel kort aan het worden is. Dat die doorbraken elkaar sneller beginnen op te volgen.- Ja, inderdaad. Het gaat heel snel. Die horizon van twee jaar, in mijn boek haal ik dat ook aan. Als we binnen vijf jaar terugkijken. Naar de AI van vandaag. Ik denk dat we dan eens goed gaan lachen. En met z'n allen zeggen, dat was eigenlijk geen AI. Nog voorbeelden van experimenten die jullie gezien hebben? En welke lessen dat we daar dan uithalen?- Ik zou daar eigenlijk op willen inpikken. Je haalt nu aan van die kop koffie en weer dat visuele. En dat is iets dat ik wel merk als je met bedrijfsleiders spreekt. Of bedrijven in het algemeen over AI. Dat dat vaak in de richting gaat van die zeer visuele sexy toepassingen. Terwijl dat er ook veel minder sexy toepassingen zijn. Dat op zich ook geweldig zijn om een voorbeeld te hebben. Ik ben zelfstandig ondernemer. En we hebben voor een klant van ons bijvoorbeeld een AI service geïmplementeerd. Dat gewoon klantengedrag eigenlijk monitort. En op basis daarvan kan voorspellen of iemand zijn abonnement gaat stopzetten of niet. En heeft zo dat dat mailcampagnes begint te lanceren om die retentie van die klant naar omhoog te trekken. En we zien daar echt een veel beter retentieniveau dan dat we voorheen hadden. En dat is eigenlijk iets dat gebeurt onder de radar. Mensen zien dat niet. Dat genereert geen foto van een cup. Het gebeurt gewoon. De klanten merken dat eigenlijk ook niet. Die hebben het gevoel dat ze door een persoon benaderd worden. Dat zijn zo van die cases. Dat allemaal onder de radar wel gebeurt. Waar dat heel veel in de media gaat rond video generation, image- Generation. Dat is heel tastbaar voor mij. Mensen die niet met AI bezig zijn vinden dat dan interessant. Er komen films en foto's gegenereerd en dat is dan interessant.- Je voorbeeld is eigenlijk een hele mooie. Bij KBC hebben ze inderdaad heel zwaar ingezet op alles wat met big data en AI te maken heeft. En ook heel veel met lead generation enzo bezig geweest. En wat ik denk wat er vaak onderschat wordt. Want dat werkt op zich wel goed. Je kunt aan de verkoper in de kantoor plots zeggen deze 10 klanten moet je nu bellen. Want zo probeer je die human touch daarin te krijgen. Is de cultuur erachter. Die mensen zijn daar niet gewoon. Die zeggen ja maar ik zou mijn klanten toch wel kennen. Waarom zou ik die nu moeten bellen? En eigenlijk de computer geeft een veel betere lead. Maar je moet de mindset van de mensen krijgen om daarop te vertrouwen. En dan ook een ding ermee te gaan doen. En ik denk het culturele aspect voor een implementatie van AI is zwaar onderschat bij heel veel plaatsen.- Ja ik vind misschien om daar een leuk voorbeeld van te geven. Bijvoorbeeld voor Vito. Het Vlaamse instituut voor technologisch onderzoek. 2000 medewerkers. Enorm veel diverse dingen. Maar daar hebben we een heel saai proces geoptimaliseerd met AI. Maar vooral ook eentje dat inspeelt op die adoptie. Omdat dat echt een taak is. Dat die mensen, vreselijk vinden om te doen, is misschien veel gezegd. Maar die eigenlijk te repetitief is. Vito biedt bijvoorbeeld een navigator aan. Dat is een soort databank die gemeentemedewerkers of juristen gebruiken om update wetgeving te hebben. Grondmilieuwetgeving, ruimtelijke ordening enzovoort. Wat dagelijks wordt er in staat. Ik heb in het Staatsblad in België wijzigingen gepubliceerd. Voor de mensen die nog nooit eens in het Staatsblad zijn gaan zien. Ik raad dat aan. Als je niet goed in slaap geraakt, helpt dat altijd zeer goed. Dat zijn zeer complexe juridische teksten die dagelijks gepubliceerd worden. En die mensen moeten dat dagelijks lezen, redeneren, interpreteren en kijken. Heeft dit impact op een wettekst die in onze databank zit? Ik moet je niet vertellen dat dat een enorm intensief traject is. En dat vind ik een mooi voorbeeld. Want dat is een proces. Dat haal je niet aan tegen je vrienden op café. Daar gaat het praten over. Dat we eenhoornfilmpjes kunnen genereren met AI. Maar dat is zo'n saai proces. Waar AI en zeker de Large Language Models zoals GPT tot hun recht komen. Die systemen zijn gewoon dat die tekstjes genereren en leuke gedichtjes. Maar die kunnen redeneren over taal. Dus we hebben daar een experiment mee in opgezet. Dat niet tegen de verwachtingen in heel succesvol was. Maar toch echt wel de limieten een beetje testen. Die die publicaties dagelijks inleest. Daarover redeneert. Ga kijken in de databank. Wat staat daar tegenover? En eigenlijk paragrafen uit de wetteksten neemt. Of uit de bestaande wetteksten neemt. En een alternatief voorstelt. Die eigenlijk overeenstemt met de gepubliceerde wijziging in het Staatsblad. Dat vind ik zo'n tof voorbeeld. Dat is een klein experiment. Maar dat ene heeft veel waarde. In een misschien wat saaiere proces. Maar vooral het toont dat redeneren van die Large Language Models. En dat dat heel vaak onderschat wordt. Wat ze daar vandaag eigenlijk al mee kunnen doen.- Ja, dat klopt. Daar zit je natuurlijk heel dicht tegen. Die generatieve. Ja, ja. Dat is wat we hebben zien boomen. Nadat chat GPT plotseling een venster werd. Ja. Ik vergelijk daar ook altijd mee. Je hebt de browser op het internet. En je hebt chat GPT op dat Large Language Model. Dat is eigenlijk wat er daar gebeurt. Maar inderdaad, daarvoor waren er ook al heel veel AI modellen. Die Churn Prediction. Waar we het over hebben. De Netflix-recommendaties. Noem ze maar op. Er zijn er heel veel. Nu, als ik dat terugbreng naar de bedrijven. We hebben hier juist een beetje het stukje cultuur gehad. Of dat je nu in digitalisatie al dan niet met AI zit. Het gaat erover dat je voor je medewerkers een cultuurmodel hebt. Die je moet gaan zetten. Waarbinnen dat zij dat gaan ervaren. Minder weerstand eigenlijk ook. Opbrengen om er een succes van te maken. Hoe kijken jullie daar tegenaan? Zijn dat dingen die jullie zien? Of gezien hebben?- Ik heb dat heel fel gezien. Ik denk dat het feit dat KWC zo ver staat met alles wat met big data te maken heeft. Is omdat Johan Theissen zelf de big believer is. En daar ook de vlag draagt. Ik denk als je als CEO die vlag houdt. Dan krijg je ploeg mee. Heel vaak. Komt het vanuit een IT nerd of Virgo in een bedrijf. Dan wordt je uitgelachen. En dan zal dat nooit vliegen. Dus ik denk dat het echt wel belangrijk is. Dat het management overtuigd wordt. En dat het management die vlag draagt.- Ja.- Enerzijds. Maar ik denk ook. We moeten zich in de vorm van zachte adoptie richten in werknemers. Als je kijkt. Dat we bij Brightest met onze AI tracks gestart zijn. Was er echt een grote concern. Van niet alleen onze mensen. Maar ook ons management. Van ja. Met wat er vandaag al is. Kan dat onze job volledig overbodig maken. Dus dat experiment was gestart. Met eigenlijk opwinding. En tegelijkertijd een beetje angst van. Stel je dat dat positief is. Het was niet positief voor het fully autonomous testing gedeelte. Maar er zijn wel stukken uitgekomen. Dat we merkten van. Hé daar kunnen we onze productiviteit van onze mensen verbeteren. Maar is nog altijd met die mensen. Dus we hebben die echt moeten educeren. In kijk. Dit is hoe je omgaat met generatieve AI. Dit is onze eigen client. Dat we gemaakt hebben. Dit is wat een virtual test engineer is. Dus dat autonoom voor je dingen doet. Die zal de ambetante zaken. Van je werk wegnemen. Zodat jij je meer kunt focussen op. Exploratief testen. En een andere invulling geven. Aan die term software tester. Maar je moest die echt meekrijgen. En dat was dan fase 1. Dat ze meekrijgen in dat verhaal van. We gaan u niet vervangen. We gaan u augmenten. En van daaruit dan ook dat vertrouwen kweken. Tussen de AI. En die mensen. Want er waren in het begin bij ons redelijk veel die dat. Ja maar ik zit op een project bij klant X. En bij ons is het toch anders en specifiek. En dit en dat. En die hebben we zo stelselmatig moeten overwinnen. Waar dat we nu in een fase zitten. Dat ik zou noemen. We zitten daar. In een leuke symbiose. Tussen mens en AI. En ik denk dat dat ook een verdere basis kan leggen. Richting. Hoeveel gaan we afgeven aan AI. Eigenlijk is dat niet nieuw. Dat is niet nieuw.- Ik heb dat meegemaakt. Toen de pc's kwamen. Ik ben zo oud. Ik heb de eerste pc's nog zien komen. Nu geeft iets weg. Ik heb het ook meegemaakt.- Toen- De internet begon. En iedereen zei. Het gaat jobs wegpakken. Het gaat jobs wegpakken. Er zijn altijd nog meer jobs gecreëerd gehad. En andere jobs gecreëerd gehad. Heb je- Niet het gevoel. Dat er toen meer training was. Voor bijvoorbeeld met die pc's aan de slag te gaan. Dan vandaag. Met chatgebied.- Dat is zeker. En ik denk dat dat ook een van de grootste valkuilen is. Ik denk dat het wordt bekeken als iets heel gemakkelijk. Waar iedereen mee aan de slag kan. Maar dat is het niet. Je hebt echt wel bepaalde rollen nodig. Ik was heel verbaasd over. Wat jullie met Hocoon. Die promptanalysten enzo. Dat was voor mij iets heel nieuw. Ik vond dat geweldig. Dus er zijn echt wel nieuwe rollen aan het komen. Wij- Definiëren die ook. Je kunt niet zonder eigenlijk.- Het is niet omdat het artificieel intelligent is. Dat je geen opleiding nodig hebt. Ik denk. Het zal wel automatisch gaan. Want het is intelligent. Ja nee. Ik denk helemaal niet. Je- Moet toch altijd je eigen business kennen. Hetzelfde. Ze zeggen. Ik heb al vaak de feedback gegeven. Ja ik heb een software engineering background. Ja. Het artistieke zit toch niet meer. In code schrijven. Als de AI dat voor u gewoon genereert. Ah maar wacht. Ik moet wel weten. Welke vraag dat ik stel. Aan AI. En ik heb bepaalde principes. Die ik in mijn code wil zien. Dus ik moet dat wel meegeven. En ik moet dan. Als ik het antwoord terug krijg. Ook nog wel capabel zijn. Om te checken. Dat ik dat überhaupt kan gebruiken. En in een code base wil steken. En daar denken mensen niet mee na. Mensen denken. Ad kan code genereren. Dus iemand. Dat zal zeggen. Bakkerij heeft gestudeerd. Die kan morgen. De next gen AI bakkerij platform gaan bouwen. Ja.- Nee maar ik denk dat. Dat dat inderdaad. Heel zichtbaar is. In al die jobs. Of dat je nu. Inderdaad. Ik doe hetzelfde. Of je nu. Developer bent. En je gaat aan de slag. Eigenlijk. Met die generatieve AI. En je. Kan niet coderen. Dan kan je ook niet. De juiste vragen stellen. Dat is voor een marketeer. Hè. Hetzelfde. Je kunt geen strategisch marketingplan maken. Als je daar niet. Op zijn minst. Uw eigen creativiteit. Dan ook in die prompting. Bijvoorbeeld. Gaat steken. Dus dat zien- We inderdaad. In al die jobs. Misschien. Heel ver gezocht. Maar er zijn geen boekhouders afgeschaft. Toen een spreadsheet was uitgevoerd. Nee. Maar er is wel iets weten. Van hoe dat boekhouding werkt. Want anders krijg je dat in je spreadsheet niet. Maar dat heeft u gewoon rapper. En gemakkelijker doen tellen.- En dat is een. Dat vind ik een super interessant parallel. Want het is. De boekhouders. Die dan. Wel heel goed met die spreadsheets. Konden werken. Ja. Die hebben ze allemaal. Die op papier nog blijven werken. Wel achter zich gelaten. En ik zie die evolutie ook wel. En ik zei het in het begin al. We gaan heel veel presentaties geven. Over. Ja. Verschillende publieken. En verschillende maturiteitsniveau. Maar heel vaak denken we van. Ik zeg het maar. Aan dit publiek. Ga lachen natuurlijk. Maar we tonen. Chat GPT nog. De absolute basics. In die keynote. En elke keer denk ik. Als ik. Als we daar een podium aan krijgen. Van. Die mensen gaan allemaal zoiets hebben. Van. Ik ga hier nu echt niet daar nog mee beginnen. Ik heb exact hetzelfde. Maar op de plaatsen. Waar we komen. En dat zijn zeer professionele organisaties. Zeer. Allee. Zeer talentvolle mensen. Met heel veel expertise. Als ik zie. De. Kennis dat er vandaag nog maar is. Is wel. Ja. Is wel absurd. Hoe laag het soms nog wel is. En dat parallel. Vind ik wel interessant. Dat ik zei. Vroeger was er misschien wel meer. Opleiding als. Allee. Als de computers geïntroduceerd werden. Dus. Ik denk het grote verschil nu is. De. Dat de technologie die nu komt. Raakt de mensen in hun expertise. Dat gevoel hebben ze. En dan zijn ze allemaal heel snel zo'n. Oeh. Daar wil ik. Dat is. Dat gaat toch mee. Dat is ook een beetje de- Ontkenningsfase- Denk ik.- Ja. Dat is ook niet nieuw he. Een arbeider werd ook in zijn expertise geraakt. Nou dat is waar. De industrialisatie. De boekhouder werd ook in zijn expertise geraakt. Dat is een nieuw publiek. Ik zie echt geen verschil. Ik denk. Het enige wat het verschil is. Is het raakt nu plots de mensen die rondom ons heen. Ja. En hun kennistechnologie. Ja.- Ja exact. - Het komt gewoon veel dichter bij ons. Andere- Jobs die- Geraakt worden. Het is echt niet nieuw. Ja. Het is waar. En ik denk dat we op dezelfde manier er moeten omgaan. Als we met die andere dingen hebben omgegaan. We hebben zoveel lessen al gehad. Dus doe het gewoon. En opleiding is er zeker een belangrijke van. Ik herinner me nog heel goed dat we zo een opleiding gehad hebben. Op KBC. En dat je. Dat je vragen kreeg. Zo van. Wat is nu het ergste. Naar schuitmodel. Naar vals positief. Of naar vals negatief. Dan moet je wel weten over welke business dat het gaat. Ja ja. En alleen. Zo'n vraag. Dat was. Voor mij was aan nieuw. En iedereen was ondertussen al bezig met AI. Maar eigenlijk. Zoveel opleidingen. Dat is heel belangrijk. Van. Hoe werk ik zo'n model. Waar moet je rekening mee houden. Wat zijn de gevolgen. En ik denk. Dan wordt het ook wel omarmd. Dan zien ze ook de bedreiging niet. Want dan zien ze plots. Oh. Ik heb ook nog iets te betekenen hier in dat verhaal. Ik denk- Wel dat tempo ook een factor is. Het is allemaal nu. Allee. Eigenlijk. Het lijkt zeer snel te komen. Eigenlijk zijn we al tientallen jaren met AI bezig. Maar dat is plots. Ontploft. En je ziet dat. Mensen die dat. Van nature uit. Graag. Change. Adopten. Dat die er enorm snel mee weg zijn. En zelf zoeken. Hoe moet ik pronteren. Dit en dat. En dat je. Anderzijds. Mensen hebt. Die dat een beetje. Veranderingstavert zijn. En die vallen nu achter. Maar dat is wel een bezorgdheid. Van mij. Ja. Je krijgt twee snelheden. Je hebt mensen. Die. Graag mee. Staan. Van verandering. En dat trekken. En die gaan nu. Exponentieel. Sneller veranderen. En arm. De mensen. Die wat conservatiever zijn. Maar die dat nu dus ook. Exponentieel. Verder. Achtergelaten worden.- Ja. En het zijn die wel. Die je moet meekrijgen. En ik snap maar niet. Wat je zegt. Van. Het moet. Vanuit. Het leadership. Johan Theijs als voorbeeld. Moet het komen. Om. Om de toon te zetten. Van. Wij gaan hier een AI gedreven organisatie worden. Maar dan is het anderzijds ook nog. Iedereen meekrijgen. Gaan beginnen doen. Dat je zo. Shadow AI krijgt. Zo wat nieuwe dingen. Dat er zo wat AI tools. Binnen gewalst worden. Ergens. In een ding. Dus ik denk ook. De structuur creëren. Om. De cultuur te krijgen. Uiteindelijk. Die AI gedreven. Is ook wel belangrijk. Ruimte geven. Dat er experimenten. Kunnen opgezet worden. Waar er betrokkenheid is. Van die mensen. Die misschien in de eerste fase. Nog niet mee zijn. Ik denk dat dat ook. Heel belangrijk is. Dat dat meer en meer ook. Gebeurt. Binnen wat grotere organisaties.- Deze aflevering wordt gesponsord. Door Bright Sky. Van Brightest. Zij zijn jullie partner. Voor AI. In software testing.- Ik vind het voorbeeldje. Inderdaad. Van. Zelfs uw management. Gaan opleiden. In. Wat is dat nu. Een false positive. Ik vind dat wel. Heel mooi. Hebben jullie zo. Zelf nog. Andere voorbeelden. Waar dat je ziet. Dat men. Die bewustwording. Rond de AI. Op een hele mooie manier. Vanuit het leiderschap. Naar. Naar de medewerkers. Brengt.- Wel. Bij. Bij. Mijn. Wij. Is. Bijvoorbeeld. Toe. Pieter. En. Koen. Zijn. De. Managing. Partners. Die. Dragen dat. Innovatief. Aspect. Wel. Uit. En. Communiceren. Ook gewoon. Heel. Helder. Over. Wat hebben daar mee wel. Bereiken. Wat. Door. Dat er. Wel. procent te snappen en ook hoe dat ze ermee moeten omgaan. Dus we hebben het dan niet alleen over technische of over hoe dat je moet pronten en zo verder, maar ook over de impact van gebruik van AI en een hele hoop ethiek luik er rond. Ja, omdat je gewoon ook op sommige momenten zult werken met data van je klant. Wij zijn consultants, dus als je dat meeneemt, je moet er wel over nadenken van ja, wat geef ik hier allemaal. Ik ga niet bij KBC komen en dat productielive banknummer daarin geven, maar als je de mensen daar niet over eduqueert, zullen ze er snel zijn die zeggen, ah, ik heb een user-story, ik ga dat even testen. Ik pak die lijndata, ik gooi dat erin voor mijn automated script te krijgen. Ja.- Nu, dat is inderdaad, ik weet niet of jullie dat gelezen hebben, maar slechts 9% van de bedrijven schijnt echt een AI-visie, missie te hebben, en dat is een hele goede klant. En dat is een heel goede klant. En dat is een hele goede klant. En dat is En je kan natuurlijk, slechts 9%, je kan natuurlijk geen missie of visie, als je dat niet hebt, kun je ook geen policy zetten voor je medewerkers zoals ze kunnen, of een strategie ontwikkelen. Zijn dat dingen waar jullie in de markt beweging rondzien of noodzaak zien?- Ik denk dat meer en meer managers ervan bewust zijn dat dat echt een gemiste kans is. Op het einde van vorig jaar is er een heel grote studie geweest, die gepubliceerd is geweest door Stanford, die eigenlijk voor 750 management consultants heeft bekeken van wat is nu eigenlijk de impact van AI. En enerzijds zit je heel duidelijk van, als je een taak pakt waar AI heel goed in is, dan zien we een positieve impact. De mensen die AI gebruikten was dat 38% beter. De mensen die AI gebruikten en ook een begeleidend document hadden gekregen, uitleg hadden gekregen over hoe ze dat best gebruikten, was dat 48% beter. Nu, wat ik nog interessanter vond, was dat ze ook een taak hadden genomen waar dat die AI eigenlijk niet zo goed is. En ze hebben tegen de mensen gezegd van, gebruik het, maar je mag kiezen of je effectief de resultaten van die AI gaat gebruiken of dat je die volledig negeert. En daar zien we dat de mensen die gebruik maken van AI, 75% slechter presteren. En dan hebben we het puur over de kwaliteit. In beide gevallen was het sneller, dus of het nu een moeilijke of een makkelijke taak was. En de mensen die dat beleidsdocument gekregen hadden, dat was maar 15% slechter. Dus nog altijd slechter. Maar we zien dat zelfs voor managers die zoiets hebben van, laat AI zichzelf, zijn eigen leventje maar leiden en ik leg die verantwoordelijkheid bij mijn personeel, bij mijn medewerkers, dat dat misschien niet de beste strategie is. Want je creëert wel echt ook een negatief effect op de productiviteit. Dat je intern in je team mensen gaat uitleggen hoe dat ze het gaan gebruiken, in welke gevallen dat ze het gaan gebruiken.- En dat begint eigenlijk al of je bedrijf een cultuur heeft om data gedreven te zijn. Zelfs voor AI worden de beslissingen genomen op basis van data, of omdat de manager vanuit zijn expertise en zijn ervaring denkt, ik zal het wel weten. En ik wil ook toch wel aan de hand spreken, intuïtieve managers zijn ook heel vaak goede managers, maar als de context heel zwaar verandert, gelijk de oorlog in Oekraïne en de gascrisis, dan zit je in een totaal ander landschap. Waarmee dat je ervaring eigenlijk niet meer relevant is, omdat die context heel veel veranderd is. Als je dan geen data driven company bent, of dat nu is met analytics of dat is met AI, eigenlijk is dat een beetje hetzelfde. Dus het start eigenlijk al met de cultuur van data driven te zijn.- Ik moet ook wel zeggen dat wij daarvoor vaak, als wij applicaties gaan maken die gebruikt worden door medewerkers, dan overwegen we om daar eigenlijk een analytics laag tussen te steken. Om dan effectief ook te kunnen zien van hoe is de adoptie binnen het bedrijf. Je kunt dat nog altijd op een anonieme manier doen uiteraard. Maar dat is zeker belangrijk om dan effectief te zien of dat wel op de juiste manier gebruikt wordt.- Ik had er langs ook nog ergens een toffe gezien, ik mag de klant niet disclosen, maar dat was om ervoor te zorgen dat iedereen mee was en dat iedereen ruimte en tijd kreeg om met innovatieve cases, vooral AI cases, te komen. We hadden hier zo'n 5x5x5 principe. Als jij zelf, stel dat Rudi hier met een fantastisch idee komt en hij komt aan de koffieapparaat tegen mij pitchen en ik zeg, wow Rudi dat is een tof idee, we verzamelen hier nog drie collega's, zijn we met vijf. Dan konden we aan de AI stierco gaan vragen. Kijk dit is ons idee. Dan kreeg je vijf dagen tijd dat je van je dagtaak verwijderd kon worden, los van de praktische overwegingen. En vijfduizend euro budget om iemand bijvoorbeeld in te huren. Om dan eigenlijk dat idee te valideren op een week, moest dat gepitcht worden terug aan de stierco en dan beslist is er een case of niet. Maar ik vond dat wel een toffe manier om eigenlijk, ja iedereen denkt van ah, een keer een toffe week doen, maar ze zijn wel in één keer met AI bezig. Er komen hier en daar goeie business cases uit als technisch iets of wel gevalideerd. Ik vond dat wel een interessante manier om dat aan te pakken. We zijn met vijf, krijg ik nu vijf. Jawel, dat is goed. Want ik denk, zak in voor de vijfduizend euro zorgen. Ik heb ideeën genoeg.- Nee, ja heel interessant. Want dat is natuurlijk zo'n beetje de fase waar dat we nu in zitten. Je zit dan eigenlijk in een experimenteerfase. Mensen die met ideeën komen, kunnen een experimentje opzetten. Natuurlijk, op een gegeven moment moet je het echt gaan integreren in je app, in je webapp of in je processen. Ook dat is eigenlijk weer een fase op zich. Ja. En dan zijn er andere dingen, zoals data engineers. Plots bij komen kijken. Zien jullie in dat landschap veel beweging? Ik zie je knikken Cedric.- Omdat ik dat wel heel grappig vind, omdat je vandaag de dag als je AI projecten wilt doen, dan heb je gewoon dat profiel nodig. Data engineers. Waar je vroeger vooral eigenlijk met machine learning engineers begon, zit je vandaag toch wel met een uitdaging daar. Machine learning engineers, die gaan misschien op hun honger blijven zitten, als ze vandaag de dag AI projecten doen. Als ze de GPT API moeten aanroepen. Ja, inderdaad. En dat is ook wel een uitdaging. En ik denk dat zeker in grotere bedrijven daar ook wel over nagedacht moet worden. Van oké, we hadden een bepaalde manier om naar AI te kijken. En vandaag de dag komt daar iets bij. En dat weet ik eigenlijk zelfs ook nog niet. Wat dat er eigenlijk dan de beste oplossing voor is. Houd je dat best apart? Of ga je het toch volledig integreren? Maar je moet het wel als twee volledig verschillende dingen soms gaan bekijken. Die elkaar misschien nodig hebben. Maar niet per definitie. En dat moet in de organisatie op een bepaalde manier ook wel meegenomen worden.- Het is wel een risico als je te veel de klemtoon op de data engineers legt. Ik denk dat de kracht van AI en data zal moeten zijn dat je met een multidivers team een case en een experiment doet. Dat iemand van marketing, iemand van sales, iemand van juridisch dienst enzo. Dat die allemaal mee in dat team zitten. Ik denk anders dan ga je achteraf wel eens volle kunnen krijgen. En eigenlijk is dat ook hetzelfde bij een gewoon IT project. Het beste IT project is waar dat business fulltime geallockeerd is op het IT project. En niet waar IT het apart doet. Naar een functionele analyse. En ik denk dat dat bij AI ook een- Beetje is. Daar ben je helemaal mee eens. Het moet gewoon niet per definitie door de machine learning engineer aangestuurd worden.- Ik heb inderdaad, Rudi, je gaat het voorbeeldje ook kennen. Uit de eigen praktijk. Ik herinner mij, de Guido noemden wij hem. Guido zijn taak. Dat was eigenlijk om zo en het psychologisch en het ethisch en de ontologisch en het wetgevend kader bijeen te brengen. En elke AI case daar tegenaf te kijken. Tegenaf te spiegelen. Om zo een advies te geven van doen we dit wel of doen we dat niet. Ik vond dat echt wel... En dan komt dat multidisciplinaire. En als ik dan in mijn praktijk van vandaag bij CM kijk, speelt dat nog veel meer. Omdat je met gezondheid bezig bent. Ja, heel interessant. Maar- Omgekeerd ook de pure fundamentele wiskundige. laat die maar eens met die data en die modellen spelen die is not biased with the business, de logica dus je hebt de twee echt- Heel interessant, eigenlijk- Zichzelf heel veel elkaar versterken, ik herinner me nog eens dat we een analyse gedaan hebben, we wasden de meest agressieve autoschauffeur, en iedereen begint dan te redeneren, ja dat is al wel een 18-jarige die de BMW gekregen heeft en dit en dat nee, dat is een vrouw als morgen tussen 8 en 9 als hun kinderen op tijd aan school moeten afzetten en aan het werk moeten zijn als je naar de data kijkt, kwamen die eruit dus als je een wiskundige erop loslaat die helemaal niet biased is, dan komt zo'n ding en dat gaat er naar boven, dus ik denk, je hebt echt wel de twee nodig de pure fundamentele wiskundige die niks van de business kent, en de business die af en toe zegt zo, oh, wacht eens even of, wauw, daar had ik nog niet eens voor gestaan en dan krijg je de magie, denk ik en- Meer dan ooit ook iemand die een beetje de vertaalslag maakt, want de evolutie van de laatste anderhalf jaar of twee jaar, heeft ook wel iets teweeggebracht in het feit dat iedereen vandaag denkt dat alles kan wat op zich goed is, want dat opent heel veel perspectieven maar iedereen denkt dat vandaag alles kan en dan moet vaak de machine learning specialist, die dan tegen de business moet gaan zeggen, dat kan niet voor die en die redenen dat moet ook iemand zijn die die vertaalslag ook wel kan maken, waarom dat dat is, zonder natuurlijk in de techniek verzeild te geraken, en ik denk dat dat vandaag ook wat meer dan ooit belangrijk is om heel goed te kunnen navigeren, echt als AI-vertaler van wat kan, wat kan niet, enzo- Samen, hoe doen jullie dat dan, want jullie doen inderdaad een pak eigenlijk, heel concrete AI-projecten kleine en grote use cases neem ik aan, maar op een gegeven moment moet je dan naar je klant gaan en die grens gaan uitleggen hoe doe je dat dan?- Ja, zo een type strikt, heel versimpeld uitgelegd is, we starten met het inspireren een beetje een lullig woord, maar even gewoon heel breed tonen, wat kan, wat kan niet en dan zitten we vaak nog wel in die fase van alles en alles lijkt te kunnen, dat is nu eenmaal zo als je vandaag met GPT en alle andere generatieve AI-tools aan de slag gaat, lijkt dat zo maar dan gaan we met hun even de technologie achterwege laten en gaan we op zoek gaan naar wat zijn vandaag processen die inefficiënt lopen, wat kan beter binnen dat departement, om daar dan opnieuw de technologie op te gaan mappen dan gaan wij een beetje aangeven van op die fase al van dat kan, dat kan niet dat is moeilijk, dat gaat heel duur zijn hier zal ik nog even mee wachten, om zo wel met een experiment te gaan komen, dat we eerst al die technische limitaties kunnen gaan testen en valideren voordat we het verder gaan uitrollen met hen dan maar het is vandaag hun heel intens in dat traject betrekken zowel in het conceptualisatie als in dat eerst de technische experimenten opgezet gaan worden dus dat ze ook wel de materie gaan begrijpen en er goed mee om gaan kunnen Henry,- Jullie zo hoe gaan jullie om- Dat is vrij gelijkaardig ik- Denk dat de- Grote uitdaging zit hem als je echt vertrekt van een use case waar je met een bepaalde accuraatheid wilt zitten op het einde van het verhaal en dat je, of je die accuraatheid haalt of niet, dat dat echt de doorslaggevende factor is, of dat de uiteindelijke applicatie geschaald gaat worden of niet in dat geval zijn er bepaalde trucs die je kunt doen om eigenlijk op een kleinere schaal al een bepaalde test te gaan doen of te mappen hoeveel data je gaat nodig hebben om aan die accuraatheid te geraken maar ik denk het hele leuke wat echt de laatste twee jaar veranderd is is dat je zonder een model zelf te gaan trainen al bepaalde zaken kunt gaan doen en je hebt eigenlijk een truckendoos van allemaal verschillende technieken die je kunt gaan toepassen om een bepaald doel te bereiken en goed weten hoe dat je of wanneer dat je van het ene naar het andere gaat ik denk dat daar vandaag echt de toegevoegde waarde zit van van bedrijven gelijk die van ons- Ik - Denk de manager gaat je rap overtuigen als je niet alleen naar kostenbesparingen ofzo gaat kijken maar nieuwe business gaat vinden en als je kunt aantonen dat je met data nieuwe doelgroepen kunt targeten en nieuwe producten kunt verkopen dat is ook niet zo risicovol in tegendeel dat is een opportuniteit maar al de rest bestaande business met AI gaan veranderen is at risk want je kunt misschien eens iets verkeerd doen je hebt klanten die at risk zijn en als manager durf ik toch te zeggen kom af met mij met een doelgroep een opportuniteit en je zult dadelijk de deur open krijgen en- Als we aan de andere kant van het spectrum zitten minstens in onze eigen werking met efficiëntie, procesverbeteringen je kent het klassieke verhaaltje wel we moeten met een business case komen hoe pakken jullie dat precies aan want dat is niet altijd even gemakkelijk want welk resultaat haal je er dan uit- Jawel, ik zeg altijd stap 1 is uit hun hoofd praten dat het doel automatisatie is dat is altijd de nummer 1 vraag automatiseren met het soort klanten waar we werken is dat zelden überhaupt mogelijk en moet dat ook het doel niet zijn voor mij is het doel als we naar zo'n tijdsbesparend of naar een besparend iets gaan dat is time saving hoe kunnen we gaan naar een tijdsreductie en het is wel frappant om te zien dat AI daar natuurlijk absoluut doorslaggevend in is maar om dan zo die extra mile nog te gaan zit heel vaak niet in AI voor tvh equipment, mateco daar verwerken wij alle orders met AI even heel simpel uitgeven maar dat is niet full automatic dat gaat over grote bestellingen en als daar iets misloopt is dat logistiek gezien een nachtmerrie dus dat is een AI systeem dat eigenlijk het grootst van het werk al doet tot op een bepaald niveau en dan valideert de mens nog het type scenario maar wat we daar gezien hebben is sommige kleine wijzingen uiteindelijk op puur op vlak van UX van echt gebruikerservaring van die mensen die uiteindelijk achter die computer zitten hadden soms een grotere impact dan nog een AI engineer die nog 4 weken 3% extra accuraatheid zou doen dat knopje dat nog iets meer naar links stond en dat je dan toch met een shortcut dat kon doen had in ene keer ook tijdswinst dus het is zo dat AI plus UX verhaal dat vandaag voor mij ook wel belangrijker dan ooit is dat is- Ook wel dat hebben wij met de ontwikkeling van onze AI platform ook gezien eerst was dat allemaal redelijk technisch je stuurt er info in bij wijze van spreken in een terminal window en je krijgt uitgegroeid voor ons testcases die binnen compliance context kunnen gebruikt worden dus wij richten daar ook een stuk op medische bedrijven omdat daar is het letterlijk zo als je als software tester twee regels automated code schrijft en dat je 20 pagina's compliance documentatie moet documenteren waarom dat je dat doet en AI helpt daarbij maar eerst was dat redelijk rudimentair en dan zijn we dat beginnen aanbieden in een chatvorm en dan krijg je zo van die ideeën van een business van ja het is nu goed dat dat uit die chat komt en dan maak ik mijn document maar wat echt goed zou zijn is dat ik knoppen heb in de chat dat ik dat ineens naar de juiste toering kan sturen zodat iemand anders dat kan valideren en dat was eigenlijk op de schaal van complexiteit van heel dat project zo banaal maar een exponentiële gain dat gewoon dat knopje in elk antwoord dat die in chatbot gaf stond dat dit is wat ik nodig heb send to en dat ging naar die toering en die had onmiddellijk iemand dat kon beginnen valideren dat kwam in een proces terecht zo banaal maar tremendously veel value wat- Ik hier zo'n beetje hoor is we hebben enerzijds AI en dan hebben we anderzijds ja dat iteratieve aspect waar dat je met je mens met je klant er nog doorgaat we spreken heel vaak over human centred AI AI en mens bij elkaar heel wat dingen ook ondertussen over geschreven heb jij zo dingen Cédric waarin dat je zegt van hier is die rol van de mens toch even cruciaal als dat van het AI model- Ja alleen als ik gewoon de optelsom zou maken en kijk hoeveel procent van de projecten die wij doen eigenlijk co-pilots zijn of van de projecten die wij doen of een bepaalde applicatie waar dat de mens uiteindelijk de eindbeslissing neemt dan is dat wel nog altijd het grote merendeel wij hebben een heel leuk voorbeeld van een applicatie die wij onlangs gemaakt hebben waar dat we eigenlijk een soort van performance review gaan vergemakkelijken aan de hand van generative AI nu het laatste wat je daar wilt is dat de AI een performance review gaat hallucineren waar allemaal dingen in staan te zijn dat hij mijn voordeel is dat- Krijg- Ik aan ieder gegeven moment- En dat is mijn bonus ervan ja dat mag wel ja- Inderdaad die totaal niet overeen komen met wat dat je als persoon de afgelopen maanden binnen dat bedrijf gedaan hebt en daar is dan heel de uitdaging van hoe zorg je ervoor dat je eigenlijk het proces gewoon gemakkelijker gaat maken enerzijds voor de persoon die de review doet en anderzijds de performance review kwalitatiever gaat maken voor de persoon die de review krijgt en daar werkt het heel heel goed en ik denk echt dat dat ook de opportuniteit is om vooral te zoeken momenteel nog naar die scenario's waar dat je eigenlijk een soort van cyborg gaat creëren waar dat je de mens en de AI laat samenwerken en je kunt enerzijds zeggen van als mens behoud je nog alle fundamentele beslissingen over welke taken er gedaan moeten worden maar vandaag de dag als ik en mijn collega's werken meer en meer gaan wij ook de AI laten beslissen welke de taken zijn die gedaan moeten worden en ik denk dat dat super interessant is dat we het ook wel kunnen doen en dat we ook die verschuiving zien dat we niet zozeer verwachten dat wij alles geven maar dat wij ook verwachten dat de AI bepaalde instructies geeft en dat wij zien van oké dat zijn elementen die wij goed kunnen dan zullen we die wel zelf blijven doen en als dat elementen zijn die de AI goed kan dan laten we die door de AI doen ja- En het kan soms ook wonderbaarlijk goed bijsturen om een voorbeeld te geven uit onze omgeving wij houden al onze business rapportage in databox wat relaakbaar is met power BI basically en we hadden zo het idee voor een experimentje te doen van gaan we nu gewoon een screenshot van dat sales board pakken kan de AI dan niet suggesties geven we zijn nu drie vierde in het kwartaal hoe dat we dit kwartaal nog on top op die sales target zouden performen en hetgeen wat daar uitkwam was eigenlijk echt zo ontzettend goed dat we zoiets hadden van ja daar komen meer suggesties uit dan dat wij... daar- Zijn koppen gerold- Als we met een sales team samen zouden zitten dan zouden we aan het denken want wij zijn biased op denken in een bepaalde richting de AI niet, die kijkt objectief naar de cijfers hier zijn suggesties om dat te boosten die is getraind op van alles en nog wat best practices uit te maken en wij hadden zoiets van god die 20 actiepunten dat hier uitkomen zijn er zeker 15 van dat we inderdaad wel kunnen oppikken en ook verder kunnen laten uitwerken ter inspiratie- Ja en beeld u daar nog een iteratie op in dat dat u uw business echt begrijpt uw historie ook kent dat is een... we zijn met vijf dat is een zesde persoon aan de tafel die zijn mening kan geven en- Zoveel stof kan verwerken die jij als mens toch niet kunt verwerken ik heb zoveel externe databrollen waar je beschikbaar over hebt die je dan wel mee kan pakken dat je het toch nooit kunt doen dus ik vind het een heel mooi voorbeeld inderdaad- Als je ziet hoe dat we dat vroeger deden je vraagt een sales aan zijn updates in HubSpot en dan vraagt je iemand van accounting om eens over alle facturen te gaan om te zien deal value close versus actual invoice deal value close versus actual invoice en zo verder en dan vraagt je aan het management waar waren de targets nu ook alweer die dat dat dan uit een ander excel kan moeten halen dat je dat moet gaan transformen met 50 p focus- Ja - Dat is inderdaad ik sta er zo om dat dat allemaal doet maar dan in één split second ja- En omgekeerd he hebben we voorbeelden in uw eigen of buiten uw eigen praktijk waar dat er gewoon geen mens meer tussen komt- Ja er zijn projecten waar je tot volledige automatisatie kunt gaan dat is zeker mogelijk maar je moet zorgen dat je de juiste basis gebouwd hebt veel data toevoegen dat wordt soms wel onderschat maar dat is wel ik denk dat dat wel de trend is waar we naartoe gaan gaan je gaat processen hebben die je vandaag de dag niet kunt inbeelden dat die door een machine volledig end to end gedaan worden wat wel zo gaat zijn en vandaag is dat simpele mail sturen dat kan al automatisch informatie gaan halen in een database dat kan ook wel automatisch en met een zeer goede accuraatheid het is vooral belangrijk dan om de juiste doelen te stellen en ook te testen of die behouden worden maar ook kijken over tijd of die wel blijven behouden worden want zeker als je gebruik maakt van publieke AI modellen die hertraind worden kan het zijn dat je iets hebt opgezet en van de ene dag op de andere dat het niet exact meer hetzelfde werkt als ervoor- En ik wil dat toch wel bekritiseren of dat wel ooit zal komen toen de industrie geautomatiseerd werd met robotten en alles nog wat zijn er veel minder arbeiders in de fabriek je zag dat ook bij Van der Zanden maar je had meer technical engineers rondlopen en die moesten minder interveneren maar die had je wel nodig want er was altijd wel iets wat kon misgaan wat je niet had voorzien in je automatisering en mijn vraag is eigenlijk als je morgen een AI volledig zelfsturend hebt heb je nooit iets altijd nodig een rol die constant evolueert of nog wel werkt of niet de data misschien het is- Wel te gevaarlijk om te zeggen want nooit mag je het zeker niet gebruiken anno 2024 maar ik denk niet dat we snel gaan dat we maken een AI systeem en het staat live en we moeten er niet meer naar omkijken we weten allemaal hier aan tafel dat dat niet de realiteit is zeker als het gaat om machine learning de data wijzigt, de context wijzigt de context van de maatschappij vandaag wijzigt dat vraagt een permanente monitoring opvolging, bijsturing ik zie dat dat heel vaak vergeten wordt in organisaties er komt budget voor een nieuw project te gaan doen een nieuw AI project te gaan doen dat gaat heel veel impact hebben maar er wordt geen budget voorzien om dat ding nadien bij te trainen en dat zijn die mensen in de fabriek die rondlopen en die moeten dan gaan sleutelen en ik zie dat dat wel ook heel vaak nog blijft ook vandaag met LLM's we waren daar straks bij de koffie even aan het praten over GPT en omdat we vorige week GPT van hier spreken een slechte week had niet goed had geslapen van hier spreken en wat rare dingen doet ook dat vraagt een permanente opvolging monitoring, bijsturing en dat gaat niet snel verdwijnen denk ik en- Ik denk met dat verhaal moet je naar de managers gaan want als je naar de managers gaat met de idee we gaan hier een model maken dat hij heel veel uit zijn eigen gaat draaien en dat alles uit zijn eigen gaat doen ik wens u veel succes of je dat verkocht krijgt misschien verkocht- Krijgen maar dan zou ik terug snel weg zijn dan zou- Ik misschien wel overtuigd geraken als dat begint te lopen om te zeggen van oh nu kunnen we dat wel meer en meer lossen nu kunnen we daar minder en minder mee bezig zijn maar we zijn we moeten uiteindelijk zeg je nog altijd accountbelastingmanager of gewoon business ik- Herinner mij zo ook een case waar dat we gewoon onze klanten daar helemaal niet voor klaar zijn dat we dus eigenlijk een foto konden maken en in een split second een premie konden berekenen maar met de testpanel bleek ja meer dan 90% van die klanten zoiets hadden ja dat kan niet die vertrouw ik niet dat is- Veel te weinig ik word- Hier bedot meer- Nog het was als het dat was een schade eigenlijk als we op de spot zeggen of de schade werd terugbetaald of niet en als we zeggen we krijgen de schade terugbetaald klant heel blij maar als je op de spot zegt schade wordt niet terugbetaald ze onderzoeken het nog niet eens ja ja- Ja dus- De klant was daar niet klaar voor die zeggen van alstublieft- Ochtends was het een heel accuraat model ik herinner het me dan- Moesten we gewoon een delay inbouwen- Ja we hebben een delay ingebouwd- Maar het is toch hetzelfde met de kredieten ergens waar je online een krediet simuleert en het is het laagst maar ik heb niet kunnen onderhandelen met iemand snap je dat is hier computer generated dat is een heel psychologisch aspect nog altijd dat- Gaat blijven sorry, wilde je nog iets zeggen? ik- Denk dat dat ook een een zekere sector gebonden heeft er zullen plaatsen gaan waarbij dat je kunt zeggen oké dat een AI autonoom ik zal nu zeggen uw pizza flavors kiest en belegt en dat het uit de machine rolt dat mensen zullen zeggen we hebben veel tegen want pizza is altijd goed ook al is het slecht ja maar in het geval van banken verzekeringen ja niet alleen het bedrijf in kwestie moet klaar zijn maar de klant ook wel ja als je ziet zeg nu van ja we hebben een model en in 98% van de gevallen is dat altijd correct in de context van banking wil ik dat dan zeggen dus in 2% van de gevallen kan het goed zijn dat het iets afsluit in ons nadeel hoe is accountable een model legalize? wij, de klant- En dat is wel raar want als dan de computerfoutes vallen dan vinden we dat heel erg terwijl die zouden mensen ook die zouden die- Ook een week slecht geslapen hebben en- Waarschijnlijk misschien een groter foutpresentatie hebben heel- Zeker ja ik- Denk dat het ook gewoon neerkomt om er juist over te communiceren want we halen hier bepaalde sectoren aan waar we voorzichtiger moeten zijn en dat klopt helemaal maar een goed voorbeeld daarvan is Alan dat is een Frans verzekeringsbedrijf en zij als zij vragen van klanten krijgen dan beantwoorden ze die met generative AI en ze zeggen van kijk dit is wat ons AI model antwoordt nu houd er rekening mee dat het fout kan zijn en we bekijken sowieso uw aanvraag nog en gaan het controleren mits het niet juist is en ik denk dat dat ook wel een approach is die je als bedrijf kunt nemen niet alle bedrijven gaan dat willen doen en dat snap ik volledig maar dat is zeker een optie die je kunt overleggen- De AI act gaat ons ook verplichten om dat aan te geven dat dat zo is ik had inderdaad ook op uw website gezien dat jullie zeker transparante eerlijke AI ontzettend belangrijk vinden deep learning niet altijd uitlegbaar hoe kijken jullie daar tegenaan is dat dan iets dat in Europa heel moeilijk gaat worden ik- Vind dat persoonlijk ook wel een beetje eng maar dat is een ander verhaal misschien maar het feit dat het kan goed zijn als er veel data over u als persoon is dat chat GPT een bepaalde mening over u als persoon heeft of dat onderliggend taalmodel alleszins bepaalde connections tussen u en topics of whatsoever en ik vind dat dat wel iets belangrijks is om te begrijpen is dat er al data over ons zit waar we eigenlijk nooit toestemming over hebben gegeven in die taalmodellen dus de vraag is ook helemaal niet om het topic te minimaliseren maar eerder gewoon als educatief van wat kunnen we nog doen om het tegen te houden en anderzijds wel belangrijk van welke regels moeten er wel bij komen om ervoor te zorgen dat we het niet nog verder laten gaan maar ik denk ook wel dat het echt belangrijk is dat de mensen dat ook wel wat begrijpen wat er vandaag al in die taalmodellen zit- Ik zou daar wel even nee doe maar, doe maar ik- Zou daar wel ook even zo willen op inpikken rond die EU AI act en dat kwam nu echt puur toevallig gisteren kwam er een short voorbij bij mij want dat is Sam Altman het had over regulation AI regulation in het algemeen dat hij vindt dat overheden in gang moeten schieten en dergelijke maar ik vond dat een beetje dubbelzinnig omdat ik zoiets had van wacht jullie zijn een techbedrijf jullie beslissen om het los te laten in de wereld en je weet dat er gebreken zijn dat er legal-wise en ethisch een hele hoop complexiteiten zijn dat moeten aangeboden worden maar ik beslist toch om het te reduceren en dan ga je vragen aan de overheid voor meer regulation ja, reguleer het ik vind dat een beetje ik vind dat een heel bizarre twist waarmee ik niet wil zeggen dat er geen wetten en regulatie moet rond zijn ik denk absoluut wel maar ik vind dat een beetje raar dat je als techbedrijf een uitvinder die vraag gaat stellen want dan zeg je eigenlijk onbewust dat je niet al te veel vertrouwen hebt in je product ik weet niet goed dat ik dat moet vermoorden- Ik zit in diezelfde tand eigenlijk al maanden wat te denken want je ziet ze het allemaal doen al die big tech bedrijven zijn zo wat aan het vragen naar regelgeving als ondernemer zou ik dat heel erg belangrijk vinden dat ik tenminste weet waar ik aan toe ben maar tegelijkertijd denk ik goh, wat is er in die labs allemaal aan het gebeuren wat als zij al weten wat wij nog niet weten waarvoor het belangrijk is om te weten, kan ik daar wel mee uitpakken want als je die ontwikkeling in je labs verder zet en je moogt er dan uiteindelijk in grote delen van de wereld niets mee is als ondernemer natuurlijk ook heel erg moeilijk dat is natuurlijk het voordeel aan de andere kant van die AI het schept tenminste een soort van duidelijkheid ik- Ben ook absoluut te voorstellen dat het gaat komen alleen, het heeft natuurlijk al wat iteraties ondergaan nu de eerste draft was vrij onwerkbaar het wordt werkbaarder maar op zich, we spreken over deep learning stel dat we het echt zelf met AI engineers gaan implementeren we hebben nog iets of wat controle laten we zeggen, het blijft semi black box natuurlijk maar we weten wat we er in steken we weten welke parameters, whatever dat ermee gedaan is we hebben enige controle meer dan ooit zien we nu de evolutie naar de large language models AI wordt meer commodity we nemen het af, we verschuiven de verantwoordelijkheid maar dat maakt het voor ons als ontwikkelaar ook heel vaak niet meer uitlegbaar en het gaan zij zijn die het deels ook moeten gaan uitleggen en je ziet dat ze massa's aan het investeren zijn in alles rond ethiek ik denk dat we in februari het voorbeeld gezien hebben van ik denk dat het Gemini was dat uiteindelijk in image generation heel veel ethisch en diversiteit wilde inbouwen waardoor het er nu als gevraagd genereren nazi's in Duitsland in 1945 genereert dat een heel diverse groep van mensen die realistisch gezien nooit hadden nazi's toen geweest dat zijn zaken die de pendel een beetje naar de andere kant doen, doorzwaaien en ik denk dat we er nog wel niet helemaal zijn voor in 2026 klaar te zijn voor die EU AI act volledig te gaan omarmen maar dat gaan nog wel zoveel mensen meebrengen- Regulation loopt altijd een beetje achter en we- Krijgen nog een spijt periode en- Er zal wel een orde komen maar wat je zegt is denk ik het grootste issue is van je moet nog altijd uiteindelijk een beetje controle hebben over wat er uitkomt en als je er helemaal geen controle meer over hebt dan denk ik toch dat je verdomd voorzichtig moet zijn voor wat je gebruikt- En daarmee is vandaag die prompt engineers ik gebruik de titel niet graag want je ziet op LinkedIn we hebben na cursussen voorbij komen om het te worden maar het is meer dan ooit een belangrijke rol want heel vaak is dat vandaag de enige houvast die we hebben over de controle wat er gaat uitkomen en eigenlijk als je erover nadenkt is dat vrij eng want dat is van in je spreken de goede een paar pagina's aan instructies om er controle over te houden maar dan is het heel vaak een beetje bidden van in je spreken dat het wel gaat- Goedkomen het gaat ook over welke data gebruik- Je en welke use case, en vandaag focussen we natuurlijk op de use case waar dat perfect kan- Dus de juiste prompt, de juiste data zorgen dat ze niet biased zijn je interne of gekwalificeerde data of niet ik denk als je dat allemaal wel wel pakt, dan heb je er in mijn ogen controle over dan kan het nog een black box zijn, maar dan weet je het is met de juiste data gedaan, het is met de juiste prompt gedaan maar je zit dan natuurlijk wel met ethiek gelijk bijvoorbeeld bij beleggingen als je een beleggingsfonds moet maken een generative model gaat dat waarschijnlijk honderd keer beter kunnen doen met alle informatie die je op de markt vindt maar probeer maar eens aan de klant uit te leggen waarom dat die aandeelden in die korf zitten is dat dan voor een defensieve klant of voor een dynamische klant en- Bovendien, hoe zie je dan die dynamiek van een prompt engineer is het dan de klant die een prompt stelt aan zo'n beleggingsmodel wat is dan het verschil met de klant die zelf gaat beleggen je laat het daar voor een stukje los- In een ideale wereld leg je nooit die verantwoordelijkheid bij een netgebruiker, logisch en zou je de perfecte, we spreken hier over KWC de perfecte KWC beleggingsadviseur prompten natuurlijk die zich gaat gedragen zoals een beleggingsadviseur zich zou moeten gedragen maar we hebben het geluk dat de large language models vandaag toch wel een soort uitlegbaarheid wel zelf kunnen doen dat redeneren blijf ik altijd een hele belangrijke vinden we zeggen wel, achter het scherm is het blackbox, maar ze kunnen zichzelf wel uitleggen hoe ze tot een bepaalde conclusie gekomen zijn, ook dat als we deze podcast twee jaar geleden hadden opgenomen hadden we ook allemaal daarmee gelachen en hadden een heel utopisch beeld gevonden maar ook dat is wel een unieke eigenschap die vind ik nog veel meer moet gebruikt worden ook wel in de projecten- Dat er altijd misbruik en verkeerde dingen zullen gebeuren wat er vandaag met internet als misbruik gebeurt dat is alleen het doel- Uiteindelijk is het internet van in het begin nooit veilig voor de beesten en AI is dat ook niet- Het is trouwens niet de AI denk ik die het gevaart, het is de mensen die de AI gaat gebruiken ik denk dat we steltjes aan naar het einde gaan, maar voordat ik het vergeet ik had jullie een klein beetje huiswerk gegeven, namelijk om op zoek te gaan naar een quote of een geluidsfragment van iemand waar dat je naar opkijkt maar die toch iets gezegd heeft waar je het niet helemaal mee eens bent ik ga eens even het rondje doen en je hebt misschien nog de tijd om met ChatGPT wat huiswerk te doen als je het niet gedaan hebt Dean- Ik had een geluidsfragment van Elon Musk ik kijk op naar die man voor de obvious reasons wat heeft hij allemaal gerealiseerd AI- Doesn't have to be evil to destroy humanity if AI has a goal and humanity just happens to be in the way it will destroy humanity as a matter of course without even thinking about it, no hard feelings it's just like if we're building a road and anthill happens to be in the way we don't hate ants we're just building a road and so goodbye anthill- Maar zijn statement was eigenlijk van ja, AI kan ons in een split second vernietigen en je mag dat vergelijken met als wij als mensen een weg aanleggen en wij komen de midden op tegen ja, wij denken daar niet bij na en wij leggen gewoon de weg aan over de midden op, dag midden op en ik dacht, ja, akkoord dat is zo, maar langs de andere kant de midden in de midden op hebben onze code niet geschreven dus ik denk dat er wel nog ruimte genoeg is om ervoor te zorgen dat we een hele hoop waardes van humanity zal ik maar zeggen kunnen meegeven in AI en ook ervoor zorgen dat die eigenlijk gewoon verliefd wordt op de mensheid en vanuit dat perspectief altijd en, allee nooit eigenlijk in ons nadeel zou handelen waar dat dan nu nog iets moeilijker is en je merkt dat als je zo zelf prompt en je vraagt specifieke dingen wel of specifieke dingen niet dat soms hetgeen eruit komt redelijk extreem is omdat hij zich houdt aan de narrative, maar ik denk als we de narrative kunnen verbreden en dat we dat niet aanpakken met dat we dat niet zien als parameters maar eerder van ja, werk dat emotionele in de loop gedeelte erin dat je dan met een beter verhaal gaat zitten- Oké,- Ik zie, Dean, mooi voorbeeld we zullen het we zullen het op onze social media posten en wie weet zal de Ilan reageren- Waarschijnlijk, als je het doet Ilan- Cédric?- Ja, ik heb niet één specifiek geluidsfragment, maar ik ben zeker dat je er wel een paar gaat kunnen vinden ik heb wel een groep personen gekozen en dat zijn de Europese politiekers- Er zullen wel situaties zijn waar er behoefte is dat bedrijven zullen zowel de gevoelige informatie als de applicaties de regels onder de tekst aanbrengen en dat zijn de momenten waarin de verantwoordelijkheden kunnen plaatsvinden en die veranderen van het product van het markt, verantwoordelijkheden van een aantal applicaties van het markt, tot 7% van de rekening van de respectieve bedrijf- Want ik vind dat die te weinig een klimaat creëren om te investeren in AI en om dat meer toegankelijk te maken, meer populair te maken we zien dat heel duidelijk in de cijfers in Amerika wordt er per capita dubbel zoveel geïnvesteerd in AI als bij ons ook aan de Vlaamse universiteiten daar slagen ze bijna een noodkreet dat ze niet genoeg geld hebben, middelen hebben om op het vlak van research mee te zijn en ik denk dat dat waarschijnlijk nog de belangrijkste is als we bij de basis niet kunnen meedraaien met Amerika en met Azië, dan riskeren we wel achter te lopen en ik hoop dan ook dat daar een beetje verandering in komt en dat politiekers daar iets meer het voortouwen durven nemen ook- Dat zullen we met veel verven denk ik op die sociale media posten en ik hoop dat ze gehoor geven aan jouw oproep want ik treed ze helemaal bij, dankjewel San?- Ja, - Mijn mede oprichter Michiel is een enorme fan van de podcast The Verge Cast, ik weet niet of iemand hem moest kennen van de bekende The Verge en daar gaat heel vaak over consumententechnologie, daarom is het altijd wel interessant om daar altijd mee om te gaan want dat is één van de grootste podcasts ter wereld en die praten natuurlijk vandaag heel veel ook over AI en generative AI maar ik zat al langs bij hem in een auto en hij overtuigt me altijd van mee te luisteren, zodat ik hopelijk ook even harde fan word als hem, maar het ging op dat stuk over GPT en specifiek ging het natuurlijk over chat GPT, dat er nieuwe enterprise en plus modellen enzovoort waren en dat zij de statement planeerde van chat GPT wordt vandaag, gaat niet veel meer gebruikt worden dan hype genereren enzovoort, en één keer als de hype gaat liggen, gaan we dat terug zien weg hebben en ik vond dat zo'n gevaarlijke statement voor zo'n toon aangevende mensen, dat zij volledig het hele redeneren vermogen het feit dat dat vandaag al in bedrijven echt gebruikt wordt, want ze schuiven het onder de mat als gimmick, dat vond ik vrij gevaarlijk om te horen, dat ook zo'n, hoe zal ik het zeggen, zo'n fenomenen ook wel zo'n statement doen denk ik dat we nog heel ver weg zijn dat alle bedrijven echt AI gedreven organisaties gaan worden.- Oké, dankjewel heel boeiend. Rudi?- Ik zou een groep willen pakken, ik zou het hele onderwijs systeem en alle mensen die een onderwijs appjes op de school willen pakken, die nu bezig zijn met te zeggen van hoe moeten we al die spullen uit de school weghouden en dan was er het leerlingen forum die in één keer zegt van jongens alsjeblieft laat ons daarmee werken, laat ons een keer leren hoe dat we daarmee moeten omgaan, en ik denk dat we die kans gemisten we met social media en het onderwijs daar hadden we ze beter ook lessen geleerd gehad laten we alsjeblieft nu maar eens beginnen met te kijken hoe kun je kritisch omgaanen mijn AI, wat wil je volgen morgen?- Zelf zou ik het absoluut niet gebruiken. Zelf doe ik ook de opleiding leraar techniek, dus de verslagen moet ik zelf typen, want anders geef ik ook een slecht voorbeeld aan mijn eigen studenten.- Maar het is oké.- Dat is heel mooi gezegd. Een applaus van de producer, precies. Dankjewel. Handtekeningen- Straks.- Voilà. Dank jullie wel in ieder geval. Volgende maand trouwens, ik ga toch nog dadelijk iets aan jullie vragen. Volgende maand hebben we het over de impact van AI en marketing. Want als we de rapportjes mogen geloven, dan is dat toch de sector die als eerste en het meest bedreigd wordt, blijkbaar, door AI. We hebben dan als gast Matthias Regel, Marketing en Communicatie van Humani, Luc Balser, die trouwens een boekje geschreven heeft, 500 Grammen Gehaakt, met daarin 25 recepten, allemaal gemaakt door AI, en trouwens ook de mise en place, allemaal met AI gedaan. Dus ik hoop dat hij wat eten meebrengt. En nog mooier, we hebben dan ook Bob Ballings, die in 2023 meer dan duizend uren ChatGPT heeft uitgedaagd. En daardoor trouwens de bijnaam Bob de Prombouwer gekregen heeft. Voilà. Maar kijk, jullie mogen hun drieën uitdagingen geven. Is er iets waar jullie aan denken?- Ik denk dat het een sector is die enorm geïmpacteerd gaat worden door AI. En misschien kunnen we ze een uitdaging geven om aan de slag te gaan met tools die vandaag al bestaan en met kunnen. En moeten ze misschien een jingle voor de podcast maken. Of tenminste voor de aflevering. Ah, oké.- Dat klinkt zeer goed. Dank je wel, Sam. Dank je wel ook Rudi, Sam, Cédric en Dean om hier te zijn. Dank je wel ook aan onze sponsor, Bright Sky, en aan de producer, Achter de Knoppen. En we zien elkaar volgende maand terug. Tot ziens.- En daarmee sluiten we de eerste avontuurlijke aflevering van AI, de Hype, voorbij. Als ik het goed begrepen heb, dan zit Rudi nog steeds in een tijdscapsule tussen vandaag en overmorgen, waar AI schippert tussen overschat en onderschat. Ik vraag me af, wat zou Rudi morgen denken? Zal de balans eindelijk kantelen? Of blijft hij in zijn eeuwige AI-twijfel? En dan hebben we Sam, onze lokale raccoon of wasbeer. Echt, wat doen die slimmerikken met AI? Organiseren ze geheime techno-feestjes? Komen ze in onze vuilnisbakken? Of plannen ze de volgende grote digitale hold-up? Sam, geef ons de inside scoop. Laten we ook Dean niet vergeten. Die droomt van AI-testers, maar zich afvraagt of hij zelf nog wel een baan heeft morgen. Dean, misschien is je nieuwe baan wel het testen van AI-dromen. Klinkt dat niet als een nachtmerrie, of juist een droomjob?