Wat is Artificial Intelligence en hoe werkt AI? Modellen, toepassingen, soorten AI en 18 voorbeelden

Wat is Artificial Intelligence en wat betekent AI?

Er zijn vele definities van Artificial Intelligence (AI) in omloop maar we hanteren de meest beknopte en begrijpelijke. Kort gezegd komt het erop neer dat we de computer helpen om ‘lerend vermogen’ te ontwikkelen door het bloot te stellen aan grote hoeveelheden data die het grondig analyseert met algoritmes. We definiëren Artificial Intelligence als volgt:

AI kun je dus niet programmeren maar het programmeert eigenlijk zichzelf. In andere woorden: het is in principe zelflerend. Dat is het grote verschil met traditionele programma’s waar je als programmeur alle mogelijke situaties van tevoren moet bedenken en uitprogrammeren. Het zelflerende karakter is wat artificial intelligence ten diepste kenmerkt en betekenis geeft. Maar het is in essentie niets anders dan het automatiseren van het analyseren van grote hoeveelheden of complexe data.

Er zijn twee hoofdstromen waar kunstmatige intelligence grote toegevoegde waarde heeft:

• Denken, leren en beslissen: het doel is automatische classificatie, clustering, het voorspellen van gebeurtenissen, plannen, oplossen en indien gewenst zelfs eigenhandig beslissen.
• Handelen, afstemmen en maken: AI is hier gericht op robots, autonome voertuigen, het automatisch schrijven van teksten en het maken van kunst, 3D printing en vertalen.

Figuur 1: Start met AI betekenis te geven door na te denken over mogelijk toepassingen in jouw organisatie.

Eigenlijk kan AI tegenwoordig alles wat een mens ook kan, alleen dan heel gebrekkig. Maar op specifieke terreinen en voor ingewikkelde problemen presteert het inmiddels velen malen beter en sneller dan de mens. AI-algoritmes zien dingen die voor de gewone mens met het ‘blote oog’ niet meer te zien zijn. The devil is in the details. En meteen komt daarmee de AI-wedloop om de hoek kijken: als je buren, collega’s, concurrenten of andere landen met succes artificial intelligence gebruiken, kunnen ze je te slim af zijn. Meestal vinden we het geen goed idee om achter te lopen. Volg hier een cursus AI.

Nu we in grote lijnen AI betekenis hebben kunnen geven, is het tijd om de diepte in te gaan. We duiken in de wondere wereld van het ontwikkelen van kunstmatige intelligentie toepassingen. In 10 duidelijke stappen leggen we uit hoe AI werkt.

Hoe werkt AI?

De techniek van AI bestaat uit verschillende computeralgoritmes waarmee je AI modellen traint. Veel algoritmes bestaan inmiddels al meer dan 40 jaar. Tot zover niets nieuws onder de zon zou je zeggen. Maar door de explosieve toename van data en de gigantische groei in rekenkracht de laatste jaren krijgt artificial intelligence nu pas echt vleugels.

Elk algoritme kent zijn eigen toepassingsgebied en specifieke set van instructies die ingezet worden om te leren uit de data. Begrijp goed waar het hier om gaat:

• Het algoritme: dit is de wiskundige of computationele methode die bepaalt op welke manier het model leert van de data. Je kunt het zien als het recept om te leren.
• Het AI model: het resultaat van de training met het algoritme sla je op in een AI model, ook wel machine learning model genoemd. Dat bevat de specifieke parameters – zoals gewichten of coëfficiënten – die ‘geleerd’ zijn uit de trainingsdata.

De algoritmes verzetten al het werk

Je traint een AI model met behulp van algoritmes – die verzetten dus al het werk – en een dataset net zolang totdat de resultaten goed zijn. Dat wil zeggen: de nauwkeurigheid is goed genoeg voor het doel waarvoor je AI wilt inzetten. Het model levert dan de ideale prestaties, maar het resultaat zal eigenlijk nooit perfect zijn. Dat komt doordat AI modellen werken op basis van waarschijnlijkheden en statistiek. Net als een mens trekt het zijn eigen conclusies en maakt dus ook fouten. Het had bijvoorbeeld net die éne uitzondering over het hoofd gezien.

De Artificial Intelligence training In deze interactieve AI training van één dag leer je als manager, directeur, controller of bestuurder alle belangrijke facetten van Artificial Intelligence kennen en ga je begrijpen hoe je AI met succes kan toepassen in jouw eigen organisatie. Deze Artificial Intelligence masterclass met Daan van Beek leert je ook om te gaan met de belangrijkste ethische dillema's, risico's en te sturen op de succesfactoren.bekijk de training

Hoe ontwikkel je AI modellen?

Nu je de basis van het ontwikkelen van AI toepassingen begrijpt, zet je de volgende stappen om AI modellen te gaan ontwikkelen en gebruiken:

1. Bepaal het doel: beschrijf als eerste welk probleem je wilt gaan oplossen en welke analyse je wilt automatiseren. Dit noem je doorgaans de use case. Is het probleem wel geschikt voor AI? Is het wettelijk toegestaan? Beschik je over goede data? Welke impact mag je verwachten? Wat is de business case? Deze vragen moet je als eerste zien te beantwoorden.
2. Verzamel zoveel mogelijk relevante data: op basis van het doel en alle bijkomende aspecten ga je op zoek naar zoveel mogelijk gegevens die relevant kunnen zijn voor de use case. Vergeet hierbij niet de big data en open data. Plaats alle gestructureerde data in een database en alle ongestructureerde data in een data lake.
3. Zuiver de data: voor elke AI-toepassing is datakwaliteit misschien wel dubbel zo belangrijk in vergelijking met gewone analyse met interactieve dashboards of rapporten. Maak de data brandschoon: voeg dubbele records samen, maak de gegevens compleet en corrigeer ze waar nodig. Je bekommert je hier ook om de privacy en dus ga je in deze fase ook de persoonsdata anonimiseren of pseudonimiseren.
4. Modelleer de data: voor de volgende stappen is het nodig om je data naadloos te modelleren. Dat wil zeggen: je giet ze in een mal die geschikt is voor trainingsdoeleinden. Omdat AI rekenintensief is wil je zo min mogelijk gegevens aan elkaar koppelen tijdens het trainen zelf. Doorgaans kies je voor één groot plat bestand waarin je ook extra kolommen definieert die berekende informatie bevatten zoals het aantal dagen tussen twee bestellingen of de leeftijd. Het bestand noemen we de finale dataset. Die bevat genoeg voorbeelden om AI te laten leren.
5. Analyseer de data grondig: nu breekt een cruciale fase aan in je AI-project. Je onderzoekt, inspecteert en analyseert je data tot op het bot met een BI tool. Hierdoor krijg je inzicht in eventuele biases die mogelijk in je data verborgen kunnen zitten. Daarnaast helpen de inzichten je om bij de volgende stappen het machine learning model sneller te trainen en voorkomt het dat je in bekende valkuilen stapt.
6. Kies het type algoritme: op basis van de use case en het type probleem dat je wilt gaan oplossen, ga je nu een keuze maken welke type algoritme het beste daarbij past en de beste prestaties kan leveren. Voor classificatie (j/n of categorieën) maak je vaak gebruik van beslisbomen, neurale netwerken of logistische regressie. Voor het clusteren van datapunten gebruik je bijvoorbeeld DBSCAN of K-means clustering. Voor optimalisaties van bijvoorbeeld routes kies je doorgaans voor genetische algoritmes of Gradient Descent.
7. Train het AI model: nu is het moment aangebroken om het model te gaan trainen met het gekozen algoritme en de finale dataset. Daarvan gebruik je voor het trainen gemiddeld 60-80% van de gevallen. Bij sommige type algoritmes en in bepaalde situaties geef je het algoritme nog aanwijzingen en feedback (supervised learning).
8. Test en valideer het model: met de overige gegevens uit de finale dataset ga je het model testen en valideren. Elk record in die verzameling is een nieuw geval en daarmee toets je of het model doet wat waarvoor je het getraind hebt. Wanneer het model er te vaak naast zit, dan kan de oorzaak liggen in problemen in de sfeer van de datakwaliteit of zitten er mogelijk biases in je dataset. Of je hebt een ongelukkige keuze gemaakt bij het selecteren van het type algoritme. Ook kan het trainen zelf niet goed zijn gegaan.
9. Neem het AI model in productie: ben je tevreden met de prestaties van het model? Dan kun je het in productie gaan nemen. Dit is de misschien wel de meest kritieke fase want gaan de gebruikers vertrouwen stellen in het model? En hoe leer je ze de resultaten te interpreteren? En hoe gaat het in de praktijk gebruikt worden? Maar het kan ook zijn dat de prestaties van het model zo goed zijn dat er banen op de tocht komen te staan. De veranderkundige en bedrijfskundige kant van artificial intelligence is doorgaans een ondergeschoven kindje maar doorslaggevend voor het succes.
10. Evalueer continu de prestaties: wanneer het model in productie is genomen ga je het continu monitoren op de prestaties. Human oversight is van groot belang en volgens de AI Act verplicht. Dit kan een dagelijks, wekelijks of maandelijks proces zijn waarbij je steekproefsgewijs de uitkomsten van AI uitpluist en leert begrijpen, controleert en vergelijkt met die van een expert.

Nu kun je je een voorstelling van kunstmatige intelligentie maken en wat er achter de huidige stormachtige ontwikkeling schuil gaat. Het is echter lang niet altijd meer noodzakelijk om AI zelf te ontwikkelen en te trainen met eigen data. Veel AI modellen kun je tegenwoordig zo uit de kast trekken. De cloud bevat allerlei standaard toepassingen die je vrijwel direct kunt gebruiken. Denk bijvoorbeeld aan het classificeren van objecten op een foto (mens, dier, machine, et cetera) of het inschatten van het sentiment van een e-mailbericht. Zie ook onze AI trends.

Blijf scherp: wanneer je gebruik kan gaan maken van kant-en-klare AI modellen betekent dit zeker tijdwinst. Je kunt stappen 6 t/m 8 nu overslaan. Maar reken je niet rijk: de andere 7 stappen blijven altijd nodig en daar zitten ook de grootste risico’s op ongelukken. En laten die overgebleven stappen nu juist in veel gevallen de meeste inspanning vergen. Want de structuur van de data die je naar het model stuurt voor inferentie moet gelijk zijn aan de structuur van de trainingsdataset. En dat maakt het weer complex. Misschien kun je eens nadenken over het opzetten van een datawarehouse.

Het handboek Artificial Intelligence In dit complete AI-boek - al meer dan 25.000 exemplaren verkocht - komt het hele spectrum van het intelligenter maken van organisaties aan bod. Leer hoe je AI kan toepassen om sneller betere beslissingen te nemen en innovatieve nieuwe producten en diensten te ontwikkelen. Ga bij alles wat je doet artificial intelligence inbedden in je bedrijfsprocessen. Met dit handboek en een AI-first strategie loods je zo je organisatie door goede en slechte tijden. het handboek Artificial Intelligence

Artificial Intelligence voorbeelden

Hoewel AI zich vaak achter de voordeur of slagboom – en soms in het geheim – afspeelt zijn we toch door speurwerk en door ons werk bij klanten op een groot aantal interessante artificial intelligence voorbeelden en use cases gestuit:

• Met Robotic Process Automation (RPA) en AI kun je administratieve bedrijfsprocessen in de financiële sector, logistiek en andere sectoren steeds beter automatiseren. Men spreekt in dit verband van hyperautomatisering.
• AI vormt inmiddels een machtig wapen in de strijd tegen fraude en de georganiseerde misdaad, van creditcardfraude tot en met witwassen.
• Datagedreven informatiebeveiliging, oftewel het waarborgen van cybersecurity zoals het opsporen van malware, phishing en nepnieuws.
• Artificial intelligence zal steeds vaker met succes worden ingezet om de afdeling IT verder te stroomlijnen en systemen te beveiligen. Denk hierbij aan het voorspellen van storingen, het overnemen van menselijke taken en het automatisch oplossen van problemen via self healing en zelfcorrigerende systemen.
• Callcenters, customer care en klantafdelingen van organisaties, zowel in de retail als in de financiële en zakelijke dienstverlening, maken steeds vaker gebruik van machine learning. AI assistenten en chatbots zullen een groot deel van de werklast voor hun rekening gaan nemen.
• Bij werving en selectie en lopende sollicitatieprocedures zal de personeelsafdeling AI technologie steeds vaker gebruiken om kandidaten te screenen en te beoordelen. Denk aan pre screening van sollicitanten en automatische cv-screening.
• De inzet van AI zal op een breed terrein een belangrijke bijdrage gaan leveren aan de kwaliteit van de gezondheidszorg. Met AI technologie kun je automatisch diagnoses stellen, de juiste medicijnen voorschrijven en voorspellingsmodellen voor ziektebeelden bouwen.
• Ook in de vgz en ggz zien ze het nut van AI toepassingen. Zo zullen robots steeds vaker worden ingezet bij het verzorgen van dementerenden, het tegengaan van depressies en het bestrijden van eenzaamheid bij ouderen.
• In de retailsector gaat machine learning op verschillende manieren gedrag voorspellen en beïnvloeden. Het kan de winkelervaring verbeteren door deze verregaand te personaliseren. Algoritmes zorgen onder andere voor betrouwbare vraagvoorspellingen, minimale fysieke voorraden en een optimale, dynamische prijsstrategie.
• AI zal ook in het onderwijs zijn intrede doen. Adaptieve leermiddelen die zelfstandig, gepersonaliseerd leren mogelijk maken, worden al toegepast. Daarnaast ondersteunen voorspellingsmodellen leerlingen bij het samenstellen van het juiste vakkenpakket.
• Ook binnen de logistiek zal het automatiseren van beslissingen een hoge vlucht nemen. De toepassingsmogelijkheden zijn legio en variëren van autonoom rijdende voertuigen, robots voor orderpicking, slimme routeplanning, Internet of Things implementaties voor containers tot voorspellende modellen voor de vraag, orders en aflevermomenten.
• Drones sporen gaslekken op, inspecteren dijken en land- en tuinbouwgewassen en stellen voor verzekeraars brand-, storm en dakschades vast.
• Machine learning ondersteunt radiologen in het ziekenhuis bij het analyseren van röntgenfoto’s en het vaststellen van bestralingsplannen bij kankerpatiënten.
• Dankzij predictive policing, nummerbordherkenning via slimme camera’s en de inzet van robothonden is de politie beter voorbereid en is de pakkans van criminelen groter.
• Banken, verzekeraars en uitkeringsinstellingen gebruiken algoritmes om potentiële fraudegevallen in de kiem te smoren.
• Dankzij machine learning modellen zijn supermarkteigenaren veel beter in staat om vraag en aanbod van verse producten beter op elkaar af te stemmen in hun strijd tegen voedselverspilling.
• Regionale energienetbeheerders kunnen veel kosten besparen door kunstmatige intelligentie in te zetten voor slim onderhoud en het snel lokaliseren van de oorzaak van stroomuitval.
• Een AI gedreven risicoanalyse in de Rotterdamse haven bepaalt in de strijd tegen drugssmokkel welke containers wél en welke niet moeten worden geopend en gecontroleerd.

Wil je ook met slimme algoritmes besparingen realiseren, de klanttevredenheid laten toenemen, je doorlooptijden drastisch inkorten of je margestructuur maximaliseren? Neem dan nu contact met ons op voor een eerste kennismakingsgesprek of voor meer informatie.

De 5 grote AI toepassingen: van NLP tot computer vision

Welke AI toepassingen zijn er allemaal en met welk doel ga je AI gebruiken? Je kunt de toepassingen grofweg indelen in een aantal hoofdcategorieën:

1. Natural Language Processing (NLP)

Dit vakgebied houdt zich bezig met het technisch interpreteren, begrijpend lezen en produceren van menselijke taal door computers. Hier komen een aantal vakgebieden samen zoals AI, computerwetenschap en computerlinguïstiek. Spraakherkenning is een specifieke toepassing van AI die spraak herkent en gesproken woorden in getypte tekst kan omzetten. NLP wordt met name gebruikt door virtuele assistenten en chatbots in callcenters en klantenafdelingen ter vervanging van menselijke communicatie.

2. Generatieve AI

Deze vorm van Artificial Intelligence werkt op basis van NLP maar gaat verder dan traditionele NLP-toepassingen. Op basis van een prompt weet het systeem een heel artikel te schrijven over een willekeurig onderwerp. ChatGPT, Microsoft Copilot en Google Gemini zijn hiervan een goede voorbeelden. Ook kan generatieve AI afbeeldingen, geluidsfragmenten, muziek en video’s genereren op basis van instructies.

3. Traditionele data mining

De data mining techniek is specifieke gericht op het vinden van verbanden en patronen in gestructureerde data met behulp van machine learning, statistiek en databasetechnieken. Het doel is het opdoen van nieuwe inzichten die “verborgen” zitten in de data en het vergaren van nieuwe kennis. Zie ook onze training data mining.

4. Text mining & analytics

Het vinden van verbanden, patronen en correlaties in ongestructureerde data zoals tekst. Ook hier is het doel om nieuwe inzichten en kennis te vergaren.

5. Beeld- en gezichtsherkenning

Een AI-toepassing die in navolging van China steeds meer terrein wint, is gezichtsherkenning door intelligente camera’s. In openbare ruimtes zoals op straat, op vliegvelden en in gebouwen wordt gezichtsherkenning steeds vaker ingezet voor surveillance- en opsporingsdoeleinden. Met computer vision kun je het menselijke gezichtsvermogen nabootsen en overtreffen. Deze AI toepassing is erop gericht om met computers objecten en personen op afbeeldingen en video’s te identificeren of schade op te sporen.

Woonin verbetert huurprijsberekening met AI en computer vision

De 20 kunstmatige intelligentie voordelen in één schema

De voordelen van kunstmatige intelligentie voor bedrijven en instellingen lijken oppervlakkig gezien vooral op het terrein van arbeidsbesparing te liggen: robotic process automation (RPA) en de inzet van fysieke robots in de industrie ter vervanging van medewerkers van vlees en bloed. Maar door kunstmatige intelligentie te zien als louter een instrument voor besparing op arbeidskosten, doe je het concept tekort. Mits op de juiste manier toegepast, kun je vanuit vier verschillende invalshoeken – mens, organisatie, maatschappij en natuur – de voordelen van AI voor jouw branche en organisatie inventariseren.

Figuur 4: De 20 voordelen van kunstmatige intelligentie

Organisaties kunnen met artificial intelligence ook de vraag veel beter voorspellen, hun verkoopkanalen optimaliseren, het (preventief) onderhoud van machines verbeteren, productie en kwaliteit verhogen, de dienstverlening personaliseren en klantervaringen verbeteren. In het algemeen kunnen algoritmes het hele besluitvormingsproces in organisaties aanzienlijk versnellen, verbeteren, verrijken en deels zelfs overnemen.

De AI-paradox: productiviteit groeit niet

Ongelukken met Artificial Intelligence

Hieronder signaleren we ook zeven valkuilen die kunnen optreden bij het toepassen van AI. Het zijn concrete toepassingen uit de praktijk die tot menige vervloeking in bestuurskamers heeft geleid. Tel dus niet alleen de zegeningen van deze ‘nieuwe’ technologie. Een aantal ongelukken met artificial intelligence en big data kun je beschouwen als kinderziekten of leerprocessen. Een wijze les: misluk voor je begint! Neem daarom kennis van de 7 grootste ongelukken met AI en laat ze op je inwerken:

1. Microsoft lanceerde ooit een chatbot die zich in 24 uur ontpopte tot een ware racist. Oorzaak was een trollenleger op twitter dat de zelflerende chatbot voedde met een stortvloed aan racistische en seksistische berichten.
2. Verschillende overheidsinstellingen gebruiken artificial intelligence om frauderisico’s bij uitkeringen en belastingheffing in te schatten. In sommige gevallen leidde dit tot evidente discriminatie- en privacyschendingen.
3. In de VS vond het eerste dodelijk ongeluk met een Uber plaats, de zelfrijdende auto die is uitgerust met een enorm aantal machine learning modellen. Het voorspellingsmodel miste in het donker de beweging van een vrouwelijke voetganger.
4. In een Brits distributiecentrum van een online supermarktketen brak brand uit nadat drie robots bij het automatische proces van orderpicking tegen elkaar opbotsten.
5. Een bekende Chinese zakenvrouw stond met haar gezicht op de zijkant van een stadsbus afgebeeld. Toen de bus optrok, werd zij door de gezichtsherkenningssoftware ten onrechte als een voetganger geïdentificeerd en als verkeersovertreder aan de schandpaal genageld.
6. Facebook staakte een experiment met kunstmatige intelligentie nadat twee spraakrobots een eigen taal ontwikkelden, die alleen zij nog begrepen.
7. In de algoritmegedreven aandelenhandel, de zogenoemde flitshandel, slaat soms het algoritme op hol waardoor iedereen met de handen in het haar zit.

Moraal van het verhaal: te grote afhankelijkheid van artificial intelligence maakt je kwetsbaar.

Verdiep je hier verder in AI & kunstmatige intelligentie
Om je nog beter van dienst te zijn met onze kennis en ervaring geven we hier een overzicht voor meer verdieping.

• Wetgeving, ethiek en duurzaamheid
• Bestel het complete Data & AI boek
• Compacte AI training voor managers
• Benut de kracht van generatieve AI

• Volg onze cursus machine learning
• Een voorbeeld van computer vision
• Data en AI ethiek (verantwoorde AI)
• De top 15 AI trends van 2025

Maak werk van kunstmatige intelligentie in jouw organisatie, bestel hier het grote data & AI boek en optimaliseer en verduurzaam je processen en beslissingen.

Wetgeving, ethiek en duurzaamheid

Bij surveillance door overheden kunnen grondrechten en met name privacyrechten worden geschonden. Bij verregaande robotisering thuis, in de zorg of op het werk kan de relationele privacy, het recht op persoonlijke autonomie en menselijke waardigheid in het geding komen. De inzet van AI modellen bij sollicitaties kan in strijd zijn met het gelijkheidsbeginsel. Bij marketing- en promotieacties kan inbreuk worden gepleegd op het recht om vergeten te worden. Algoritmische censuur in de vorm van een shadow ban op social media kan het recht op de vrijheid van meningsuiting schenden.

Algoritmes kunnen de vrije spraak belemmeren

Toepassing van algoritmes in de rechtspraak – ook wel robotrechters genoemd – kan het recht op een effectief rechtsmiddel en op toegang tot een onafhankelijke en onpartijdige rechter beperken en het recht op een eerlijk proces ondermijnen. Biases in de data bij overheidsbesluiten kan door het insluipen van vooroordelen afbreuk doen aan het recht op non-discriminatie. En bij algoritmegedreven overheidsbesluiten kan het recht van burgers op een transparante en draagkrachtige motivering niet zomaar over boord worden gezet.

Hoewel artificial intelligence ook positieve effecten kan hebben op duurzaamheid zoals het sterk reduceren van (voedsel)verspilling, komt AI nu negatief in het nieuws doordat het enorm veel drinkwater en elektriciteit zou verbruiken. Ook op dit vlak zul je behoedzaam te werk moeten gaan, immers energie en vooral water is schaars.

Het kan je zomaar overkomen, zelfs de grootste bedrijven met hele grote afdelingen met juristen en ethici maken brokken. Maar door zorgvuldig te werk te gaan, kun je reputatieschade en boetes voorkomen. Bij voldoende strenge waarborgen en door data te anonimiseren of pseudonimiseren kunnen de nadelige effecten wel degelijk worden voorkomen of beperkt.

Als directie zet je daarom een vergrootglas op het ontwikkelen en gebruiken van AI in jouw organisatie. Daarvoor moet je wel de tijd nemen en advies inwinnen, maar dat gebeurt vaak niet. Win hier advies in.

Sla je slag en neem contact met ons op

Wil jij ook vertrouwd raken met de principes van artificial intelligence, het proces en alle voordelen genieten van AI toepassingen? Of heb je tijdelijk interim AI expertise nodig? Sla dan nu je slag en neem meteen contact met ons op.