S06E65 - De toekomst van Responsible AI met Marc van Meel (KPMG)

In deze aflevering van AIToday Live is Marc van Meel, Manager Responsible AI bij KPMG, te gast. Marc deelt zijn inzichten over de ethische dimensies van kunstmatige intelligentie en hoe organisaties verantwoord AI kunnen inzetten.

Hij bespreekt de impact van AI op de kunstwereld, de arbeidsmarkt en hoe bedrijven kunnen navigeren tussen innovatie en ethische verantwoordelijkheid. Met voorbeelden uit de praktijk illustreert Marc hoe AI zowel kansen als uitdagingen biedt en benadrukt hij het belang van een verantwoorde benadering bij de implementatie van AI-technologieën.

Links

• Artikel: KPMG Algoritme Vertrouwensmonitor (https://kpmg.com/nl/nl/home/topics/digital-transformation/artificial-intelligence/algoritme-vertrouwensmonitor.html)
• Podcast: Opname met Eric van Hall (https://aitoday-live.buzzsprout.com/899785/14616935-s06e21-de-evolutie-van-copywriting-in-het-ai-tijdperk)
• Documentaire: Jeugdjournaal kritisch stuk over social media (https://jeugdjournaal.nl/l/2506482)

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

Copy Transcript Copied

1
00:00:00,001 --> 00:00:05,920
Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live.

2
00:00:05,920 --> 00:00:08,880
Met vandaag vriend van de show, Marc van Meel.

3
00:00:08,880 --> 00:00:10,040
De derde keer toch?

4
00:00:10,040 --> 00:00:11,880
De derde keer, driemaal scheepsrecht.

5
00:00:11,880 --> 00:00:14,600
Hopelijk ook niet de laatste keer.

6
00:00:14,600 --> 00:00:17,400
Mijn naam is Joop Snijder, CTO bij Aigency.

7
00:00:17,400 --> 00:00:20,440
Mijn naam Niels Naglé, Area Lead, Data & AI bij Info Support.

8
00:00:20,440 --> 00:00:22,840
Ja Niels, Niels?

9
00:00:22,840 --> 00:00:26,480
Nee, sorry, Marc.

10
00:00:26,480 --> 00:00:27,480
Edit.

11
00:00:27,480 --> 00:00:32,280
Marc, zou je je eerst willen voorstellen aan de luisteraars, diegenen die je nog niet

12
00:00:32,280 --> 00:00:33,280
kennen?

13
00:00:33,280 --> 00:00:35,800
Uiteraard, dank dat ik weer te gast mag zijn allereerst.

14
00:00:35,800 --> 00:00:36,800
Altijd leuk.

15
00:00:36,800 --> 00:00:40,000
Mijn naam is Marc van Meel, ik ben Manager Responsible AI bij KPMG.

16
00:00:40,000 --> 00:00:44,720
En ja, wij helpen onze klanten met, het woord zegt het eigenlijk al, Responsible AI.

17
00:00:44,720 --> 00:00:47,320
Dus wij helpen klanten met AI, Artificial Intelligence.

18
00:00:47,320 --> 00:00:50,320
Hoe doe je dat nou op een goede manier, vanuit een technisch perspectief?

19
00:00:50,320 --> 00:00:55,720
Hoe doe je het nou op een manier dat je compliant bent, in overeenstemming met intern en extern

20
00:00:55,720 --> 00:01:00,160
en wet en regelgeving, met een derde gegeven dat je iets kan, gegeven dat je iets mag.

21
00:01:00,160 --> 00:01:03,280
Je zou nu ook moeten willen doen, dat is de ethische dimensie.

22
00:01:03,280 --> 00:01:07,200
En over die drie assen helpen wij onze klanten om verantwoord AI te doen.

23
00:01:07,200 --> 00:01:09,600
Het meeste waarde uit AI oplossingen te halen eigenlijk.

24
00:01:09,600 --> 00:01:12,600
En dat op een goede verantwoorde manier.

25
00:01:12,600 --> 00:01:16,080
Ja, dat je dus niet negatief in het nieuws komt, zou ik kunnen zeggen.

26
00:01:16,080 --> 00:01:20,200
Nou, we hebben een nieuw onderdeel, de vraag van de leek.

27
00:01:20,200 --> 00:01:23,640
En die gaat hier denk ik ook wel een beetje over.

28
00:01:23,640 --> 00:01:25,640
Zo dan!

29
00:01:25,640 --> 00:01:29,640
Dat was hem niet.

30
00:01:29,640 --> 00:01:33,040
Het is even wennen.

31
00:01:33,040 --> 00:01:36,040
Ja, daar is hij.

32
00:01:36,040 --> 00:01:41,880
Als kunstenaar zie ik hele mooie dingen voorbijkomen die gemaakt zijn door AI.

33
00:01:41,880 --> 00:01:45,160
En die ik zelf niet op die manier zou kunnen maken.

34
00:01:45,160 --> 00:01:50,040
Wat betekent het eigenlijk voor de kunst, AI?

35
00:01:50,040 --> 00:01:54,000
Is het de vraag van de week of de leek?

36
00:01:54,000 --> 00:01:55,000
Ja, allebei.

37
00:01:55,000 --> 00:01:58,720
De vraag van de leek is deze week.

38
00:01:58,720 --> 00:02:03,880
Wat is de impact van AI op kunst?

39
00:02:03,880 --> 00:02:04,880
Goeie vraag.

40
00:02:04,880 --> 00:02:07,360
Meteen een beetje een existentiële vraag.

41
00:02:07,360 --> 00:02:11,280
Ik kan het over meerdere assen beantwoorden.

42
00:02:11,280 --> 00:02:13,440
Ik kan iets vertellen over de jobmarket misschien.

43
00:02:13,440 --> 00:02:17,760
En ik kan iets vertellen over wat creativiteit dan zou betekenen.

44
00:02:17,760 --> 00:02:18,760
Dat zou mooi zijn.

45
00:02:18,760 --> 00:02:20,120
Misschien over die assen.

46
00:02:20,120 --> 00:02:24,200
Ik denk wel, AI heeft natuurlijk transformatieve effecten op onze samenleving.

47
00:02:24,200 --> 00:02:26,320
En dat betekent ook de banen die mensen hebben.

48
00:02:26,320 --> 00:02:28,320
Dat heeft het internet ook gehad natuurlijk.

49
00:02:28,320 --> 00:02:29,480
Dat hebben alle technologieën gehad.

50
00:02:29,480 --> 00:02:32,360
Vroeger had je iemand die de lift bediende bijvoorbeeld.

51
00:02:32,360 --> 00:02:33,360
Die bestaat niet meer.

52
00:02:33,360 --> 00:02:35,280
Dus ja, zullen de banen verdwijnen?

53
00:02:35,280 --> 00:02:36,280
Ongetwijfeld.

54
00:02:36,280 --> 00:02:41,120
Je ziet in Amerika eigenlijk al de eerste tekenen van scriptwriters die zich zorgen maken

55
00:02:41,120 --> 00:02:44,080
om de impact van AI op scriptwriting.

56
00:02:44,080 --> 00:02:49,200
Acteurs die bang zijn dat hun gelijkenis verkocht wordt, permanent.

57
00:02:49,200 --> 00:02:51,680
En dat ze moeilijker aan de bak kunnen komen.

58
00:02:51,680 --> 00:02:56,960
Ik denk dat er allerlei beroepen zijn die daadwerkelijk door een combinatie van AI,

59
00:02:56,960 --> 00:02:59,080
maar ook augmented reality vervangen kunnen worden.

60
00:02:59,080 --> 00:03:01,000
Bijvoorbeeld handmodellen.

61
00:03:01,000 --> 00:03:03,960
Heel veel dingen kan je al renderen in reclames.

62
00:03:03,960 --> 00:03:05,600
Handmodellen, oh echt.

63
00:03:05,600 --> 00:03:09,040
Dat je foto's of reclame met alleen een hand.

64
00:03:09,040 --> 00:03:11,920
Ja, je hebt dus mensen die zijn dan handmodel.

65
00:03:11,920 --> 00:03:14,280
Hun hand is dan in een reclame.

66
00:03:14,280 --> 00:03:16,880
Die hebben niet een heel lange toekomst meer.

67
00:03:16,880 --> 00:03:18,960
Dat kan je nou gewoon genereren.

68
00:03:18,960 --> 00:03:20,520
Met zes vingers.

69
00:03:20,520 --> 00:03:22,280
Nou, dat is dus voorbij.

70
00:03:22,280 --> 00:03:26,360
Tegenwoordig hebben ze weer vijf vingers.

71
00:03:26,360 --> 00:03:28,240
Generaal is zover gekomen.

72
00:03:28,240 --> 00:03:30,440
Er zijn weer andere dingen waar je nu op moet letten.

73
00:03:30,440 --> 00:03:35,800
Wat het betekent, dat betekent even saai gezegd voor de jobmarket.

74
00:03:35,800 --> 00:03:39,160
Er was recent ook een reëel, volgens mij een comicboek.

75
00:03:39,160 --> 00:03:40,560
Volgens mij was het van Batman.

76
00:03:40,560 --> 00:03:46,920
Er was een reel over omdat een lezer had, dacht hij, Gen AI art gespot.

77
00:03:46,920 --> 00:03:50,360
Dus hij had een comicboek gekocht en hij had gezegd, hé maar wacht even.

78
00:03:50,360 --> 00:03:57,920
Volgens mij gebruiken jullie als uitgever, als artiest heb jij waarschijnlijk Gen AI

79
00:03:57,920 --> 00:03:59,960
gebruikt om bepaalde afbeeldingen te genereren.

80
00:03:59,960 --> 00:04:00,960
Dat bleek ook zo te zijn.

81
00:04:00,960 --> 00:04:04,600
En dat creëerde een beetje een controverse over.

82
00:04:04,600 --> 00:04:05,600
Wat is kunst?

83
00:04:05,600 --> 00:04:06,600
Is het creativiteit?

84
00:04:06,600 --> 00:04:07,600
Is het ook auteursrecht?

85
00:04:07,600 --> 00:04:10,680
Moet het helemaal door een mens zijn gemaakt?

86
00:04:10,680 --> 00:04:13,960
Mag het misschien ook assisted zijn door Gen AI?

87
00:04:13,960 --> 00:04:19,440
Overigens, veel animatiestudio's maken al gebruik van computersoftware natuurlijk.

88
00:04:19,440 --> 00:04:23,240
Adobe is natuurlijk ook een softwareproduct waarin mensen kunst maken.

89
00:04:23,240 --> 00:04:25,080
Gemaakt voor Star Wars.

90
00:04:25,080 --> 00:04:26,080
Adobe?

91
00:04:26,080 --> 00:04:31,440
Ja, de Photoshop is gemaakt voor de Star Wars films.

92
00:04:31,440 --> 00:04:34,560
George Lucas is daar eigenlijk de initiatiefnemer van.

93
00:04:34,560 --> 00:04:35,560
Oh dat wist ik niet.

94
00:04:35,560 --> 00:04:37,760
Ik heb dat geleerd.

95
00:04:37,760 --> 00:04:38,760
Oh tof.

96
00:04:38,760 --> 00:04:39,760
Oh gaaf.

97
00:04:39,760 --> 00:04:43,240
Dat geeft al aan, Star Wars is al best wel oud natuurlijk.

98
00:04:43,240 --> 00:04:45,040
Ik ben zwaar fan trouwens hoor.

99
00:04:45,040 --> 00:04:46,040
Ik ook.

100
00:04:46,040 --> 00:04:47,040
Laten we het niet over de nieuwe films hebben.

101
00:04:47,040 --> 00:04:49,600
Of de Acolyte, de nieuwste serie.

102
00:04:49,600 --> 00:04:50,600
Heel slecht.

103
00:04:50,600 --> 00:04:55,440
Nee maar inderdaad, volgens mij is er al een lange historie van de impact van technologie

104
00:04:55,440 --> 00:04:56,440
op banen.

105
00:04:56,440 --> 00:04:59,080
En ook op, in dit geval, kunst, creativiteit.

106
00:04:59,080 --> 00:05:00,800
Ik denk dat het ook weer nieuwe deuren opent.

107
00:05:00,800 --> 00:05:02,960
Dus nieuwe mogelijkheden om creatiever te zijn.

108
00:05:02,960 --> 00:05:08,800
Om bijvoorbeeld met behulp van Gen AI afbeeldingen te maken, kunst te maken, filmpjes te maken.

109
00:05:08,800 --> 00:05:13,200
Ik denk dat het de threshold, de barrière verlaagt voor mensen om zelf iets te kunnen

110
00:05:13,200 --> 00:05:14,200
gaan doen.

111
00:05:14,200 --> 00:05:18,920
Vroeger had je allemaal duur equipement nodig voordat je kon schilderen.

112
00:05:18,920 --> 00:05:20,160
Dat was eigenlijk een beetje voor de elites natuurlijk.

113
00:05:20,160 --> 00:05:23,480
Nou met Adobe Photoshop inderdaad heeft het het eigenlijk al makkelijker gemaakt voor

114
00:05:23,480 --> 00:05:27,240
iedereen om bijvoorbeeld kunst te maken, digitale kunst, vector art.

115
00:05:27,240 --> 00:05:32,480
En met Gen AI maakt het eigenlijk alleen maar makkelijker om zelf filmpjes te maken, afbeeldingen,

116
00:05:32,480 --> 00:05:33,480
memes.

117
00:05:33,480 --> 00:05:34,480
Muziek.

118
00:05:34,480 --> 00:05:35,480
Ja, muziek.

119
00:05:35,480 --> 00:05:38,200
Jullie hadden ook een digitale assistent volgens mij hè?

120
00:05:38,200 --> 00:05:39,200
Ja.

121
00:05:39,200 --> 00:05:42,720
Als je het even hebt over creativiteit, je zou natuurlijk vragen kunnen stellen, is het

122
00:05:42,720 --> 00:05:46,440
als het volledig gemaakt is door een machine, of door een AI systeem, hoe je het ook wil

123
00:05:46,440 --> 00:05:48,800
noemen, is het dan nog creatief?

124
00:05:48,800 --> 00:05:51,920
Daar zou je natuurlijk al een filosofische discussie over…

125
00:05:51,920 --> 00:05:53,760
Wat vind jij?

126
00:05:53,760 --> 00:05:55,560
Goeie vraag.

127
00:05:55,560 --> 00:05:59,360
Ik denk dat wij mensen over het algemeen ook geen nieuwe dingen verzinnen.

128
00:05:59,360 --> 00:06:04,680
Dus als jij met iets nieuws komt, quote-on-quote nieuws, dan is dat vaak een combinatie van

129
00:06:04,680 --> 00:06:05,680
twee bestaande dingen.

130
00:06:05,680 --> 00:06:08,480
Dus jij verzint bijvoorbeeld niet zomaar een nieuwe figuur ofzo.

131
00:06:08,480 --> 00:06:11,800
Als jij een nieuwe vorm of een figuur verzint is dat waarschijnlijk een combinatie van al

132
00:06:11,800 --> 00:06:12,800
bestaande figuren.

133
00:06:12,800 --> 00:06:16,200
Dus creativiteit is eigenlijk A plus B is C.

134
00:06:16,200 --> 00:06:19,800
Of iets wat bestaat bekijken door een andere lens.

135
00:06:19,800 --> 00:06:21,520
Dus je combineert eigenlijk dingen.

136
00:06:21,520 --> 00:06:24,160
We stand on the shoulders of giants, weet je wel.

137
00:06:24,160 --> 00:06:28,240
Dus in dat opzicht zou je AI technologie die bijvoorbeeld afbeeldingen of kunst produceert

138
00:06:28,240 --> 00:06:29,840
op dezelfde wijze kunnen beschouwen.

139
00:06:29,840 --> 00:06:32,120
Dat kijkt ook naar instanties uit het verleden.

140
00:06:32,120 --> 00:06:33,960
Dus je zou dat inspiratie kunnen noemen.

141
00:06:33,960 --> 00:06:38,160
Dus je kan een heel interessante filosofische discussie houden over wat creativiteit is.

142
00:06:38,160 --> 00:06:42,040
Ik vind het niet de meest interessante discussie.

143
00:06:42,040 --> 00:06:43,040
Nee, ik ook niet.

144
00:06:43,040 --> 00:06:46,120
Maar als het gaat over intellectual property rights is het wel interessant.

145
00:06:46,120 --> 00:06:49,960
Ik weet wel, in Europa hebben we iets relaxter intellectual property rights.

146
00:06:49,960 --> 00:06:54,240
In de zin van, in Amerika moet volgens mij de eigenaar altijd een natuurlijk persoon zijn.

147
00:06:54,240 --> 00:06:55,960
Volgens mij hoeft dat in Europa niet.

148
00:06:55,960 --> 00:07:00,920
Volgens mij was er wat discussie rondom toen met die selfie van die aap.

149
00:07:00,920 --> 00:07:02,480
Misschien hebben jullie dat meegekregen.

150
00:07:02,480 --> 00:07:05,440
In Amerika zou die nooit de eigenaar van de foto zijn.

151
00:07:05,440 --> 00:07:11,920
Want er was een fotograaf en die had een camera ergens neergezet en de aap die had eigenlijk

152
00:07:11,920 --> 00:07:16,160
gewoon zelf op het knopje gedrukt waardoor die een selfie had gemaakt.

153
00:07:16,160 --> 00:07:19,360
Dus daarmee is eigenlijk ook de aap de fotograaf.

154
00:07:19,360 --> 00:07:22,920
Dus de IP-houder van de foto.

155
00:07:22,920 --> 00:07:25,160
Dat was de vraag dan.

156
00:07:25,160 --> 00:07:27,400
Naast het portretrecht zou je nog kunnen afvragen.

157
00:07:27,400 --> 00:07:32,880
Maar inderdaad, de aap had zelf op het knopje gedrukt en dan ben je de fotograaf.

158
00:07:32,880 --> 00:07:35,720
Ja, maar is de aap dan ook de eigenaar van de foto?

159
00:07:35,720 --> 00:07:37,480
Ja, dat was het hele vraagstuk.

160
00:07:37,480 --> 00:07:38,840
Dat is het hele vraagstuk.

161
00:07:38,840 --> 00:07:41,120
En in Amerika was dat volgens mij niet het geval.

162
00:07:41,120 --> 00:07:43,200
In Europa is dat dus nog maar de vraag.

163
00:07:43,200 --> 00:07:48,400
Dat speelt nu ook in de stripboekenwereld, waarin er ook een stripboek is geweest in

164
00:07:48,400 --> 00:07:52,720
het verleden, waarin de auteur het volgens mij ook met Jenna J had gegenereerd, de afbeeldingen.

165
00:07:52,720 --> 00:07:55,040
Volgens mij heette het 'Sire of the Dawn'-stripboek.

166
00:07:55,040 --> 00:07:58,880
En zijn claim op de rechter was daarop ook afgewezen.

167
00:07:58,880 --> 00:08:03,880
Omdat hij volgens mij dan onvoldoende zelf creatieve inbreng had gehad in het eindproduct.

168
00:08:03,880 --> 00:08:04,880
Ja, precies.

169
00:08:04,880 --> 00:08:11,360
En als je dit nou terugbrengt, dit vraagstuk, naar wat jij in je dagelijks werk doet, over

170
00:08:11,360 --> 00:08:12,920
Responsible AI.

171
00:08:12,920 --> 00:08:18,200
We zijn nu ruim anderhalf jaar verder met de introductie van ChatGPT.

172
00:08:18,200 --> 00:08:21,400
Heel veel mensen zien dit trouwens als AI.

173
00:08:21,400 --> 00:08:24,440
De vorm van AI.

174
00:08:24,440 --> 00:08:35,680
Hoe kijk je nu, anderhalf jaar later, naar Gen AI, ChatGPT en hoe past dat onder de

175
00:08:35,680 --> 00:08:37,800
paraplu van Responsible AI?

176
00:08:37,800 --> 00:08:38,800
Goeie vraag.

177
00:08:38,800 --> 00:08:45,360
Ik vind het ten eerste een heel snelle, maar ook wonderlijke fenomeen.

178
00:08:45,360 --> 00:08:50,680
Heel veel organisaties zitten bijna in een soort van race om iets met Gen AI te doen.

179
00:08:50,680 --> 00:08:54,120
Ik neem maar even Gen AI en taalmodellen als leidend voorbeeld.

180
00:08:54,120 --> 00:08:55,320
Daar komt het eigenlijk altijd weer op neer.

181
00:08:55,320 --> 00:08:58,640
Jullie weten, AI is natuurlijk breder dan dat.

182
00:08:58,640 --> 00:09:00,400
Dat is even hot nu.

183
00:09:00,400 --> 00:09:03,920
Je ziet heel veel organisaties, die zijn bijna aan het rennen, aan het racen om business

184
00:09:03,920 --> 00:09:06,200
cases te verzinnen om Gen AI te implementeren.

185
00:09:06,200 --> 00:09:08,600
De eerste is natuurlijk een soort van digitale assistent.

186
00:09:08,600 --> 00:09:13,880
Ik denk Microsoft, dat was er ook een heel goed voorbeeld van recent, met die recall

187
00:09:13,880 --> 00:09:14,880
functionaliteit.

188
00:09:14,880 --> 00:09:15,880
Hebben jullie misschien ook wel meegekregen?

189
00:09:15,880 --> 00:09:18,960
Ja, misschien kan je dat even uitleggen, wat ze deden daar.

190
00:09:18,960 --> 00:09:24,280
Microsoft had functionaliteiten geïmplementeerd in de trend van, eigenlijk loggen ze alles

191
00:09:24,280 --> 00:09:25,280
wat je deed.

192
00:09:25,280 --> 00:09:29,080
Ze maakten een soort van screenshots, screen apps van alles wat jij deed op jouw computer,

193
00:09:29,080 --> 00:09:30,080
op jouw pc.

194
00:09:30,080 --> 00:09:34,440
Waardoor je dan eigenlijk makkelijk heel achteraf kon achterhalen wat je had gedaan.

195
00:09:34,440 --> 00:09:38,360
Dus stel jij was iets vergeten, dan kan je heel makkelijk vragen, ook met een Gen AI,

196
00:09:38,360 --> 00:09:40,920
chat interface, wat was dat recept ook alweer?

197
00:09:40,920 --> 00:09:44,680
Of wat had Jantje mij ook alweer verteld, vorige week?

198
00:09:44,680 --> 00:09:52,160
Dat model kan dat beantwoorden, omdat hij dus beeld en tekstueel materiaal heeft verzameld

199
00:09:52,160 --> 00:09:54,480
en heeft opgeslagen van alles wat je hebt gedaan.

200
00:09:54,480 --> 00:09:56,080
Klinkt interessant, toch?

201
00:09:56,080 --> 00:09:59,680
Ik denk dat best wel de luisteraars nu zeggen, oh ja, dat zou ik best willen.

202
00:09:59,680 --> 00:10:02,400
Bijna een soort second brain-achtige functionaliteit.

203
00:10:02,400 --> 00:10:06,120
Uiteindelijk hebben ze die teruggetrokken, die functionaliteit, of moet ik het zeggen,

204
00:10:06,120 --> 00:10:07,120
ze hebben het uitgesteld.

205
00:10:07,120 --> 00:10:09,920
Wat dus betekent, die komt in een volgende release.

206
00:10:09,920 --> 00:10:17,640
Omdat het natuurlijk vragen waren, terechte vraagtekens met betrekking tot privacy concerns.

207
00:10:17,640 --> 00:10:22,480
Is dit eigenlijk een use case, ook als je erover nadenkt, is het nou een use case die

208
00:10:22,480 --> 00:10:23,480
marktgedreven is?

209
00:10:23,480 --> 00:10:25,720
Zitten consumenten hier daadwerkelijk op te wachten?

210
00:10:25,720 --> 00:10:31,160
Of is dit een use case die voorkomt uit de eerste te willen zijn, om iets met Gen AI

211
00:10:31,160 --> 00:10:32,160
te willen doen?

212
00:10:32,160 --> 00:10:34,680
Dat is altijd, denk ik, heel erg belangrijk om jezelf af te vragen.

213
00:10:34,680 --> 00:10:37,080
Komt dit wel bij consumenten vandaan?

214
00:10:37,080 --> 00:10:40,600
Of wil jij simpelweg de eerste zijn om te kunnen laten zien van, ik heb weer nieuwe

215
00:10:40,600 --> 00:10:42,240
functionaliteit met AI.

216
00:10:42,240 --> 00:10:46,520
Ik zie heel veel organisaties nu in een soort van race om iets met Gen AI te willen gaan

217
00:10:46,520 --> 00:10:47,520
doen.

218
00:10:47,520 --> 00:10:50,920
Soms om goede redenen, maar soms ook om redenen waar je vraagtekens bij kan stellen.

219
00:10:50,920 --> 00:10:58,520
Ik zeg altijd, let op, want er zitten heel veel voordelen aan, maar ook een aantal haken

220
00:10:58,520 --> 00:10:59,520
ogen.

221
00:10:59,520 --> 00:11:02,760
Het beste voorbeeld, we hadden het net al over intellectual property, bijvoorbeeld ook

222
00:11:02,760 --> 00:11:03,760
tegen open AI.

223
00:11:03,760 --> 00:11:05,600
Er lopen nog tal van rechtszaken op dit moment.

224
00:11:05,600 --> 00:11:10,360
Dus je ziet, organisaties zitten bijna in een soort van race om die functionaliteit te

225
00:11:10,360 --> 00:11:13,160
implementeren, om bijvoorbeeld modellen van open AI te procuren.

226
00:11:13,160 --> 00:11:15,400
Terwijl er nog tal van rechtszaken lopen.

227
00:11:15,400 --> 00:11:19,360
Onduidelijkheden zijn bij betrekking tot intellectual property, waar de trainingsdata vandaan komt.

228
00:11:19,360 --> 00:11:24,320
Safety concerns zijn bij betrekking tot de reliability, de betrouwbaarheid van de antwoorden

229
00:11:24,320 --> 00:11:25,320
bijvoorbeeld.

230
00:11:25,320 --> 00:11:27,560
Ja, het is wonderlijk om te zien.

231
00:11:27,560 --> 00:11:28,560
Ja toch?

232
00:11:28,560 --> 00:11:35,120
Ik heb er ook wel eens over nagedacht, is er daarvoor wel eens een situatie geweest,

233
00:11:35,120 --> 00:11:41,320
waarbij, wat jij zegt, er zijn eigenlijk nog zoveel risico's, onduidelijkheden, vragen,

234
00:11:41,320 --> 00:11:46,360
waarbij de adoptie zo groot is, en zo snel gaat.

235
00:11:46,360 --> 00:11:49,520
Ik kon in zekere zin niks zomaar verzinnen.

236
00:11:49,520 --> 00:11:52,120
Ik denk social media is misschien een goed voorbeeld.

237
00:11:52,120 --> 00:11:55,200
Ik kan me nog heel goed herinneren, in de early days, toen hadden we Hives.

238
00:11:55,200 --> 00:11:58,480
Op een gegeven moment nam Facebook het een beetje over in Nederland.

239
00:11:58,480 --> 00:12:06,040
Mensen hadden eigenlijk in een race om zoveel mogelijk persoonlijke informatie op het internet

240
00:12:06,040 --> 00:12:07,040
te gooien.

241
00:12:07,040 --> 00:12:08,600
Als je erop terugkijkt, eigenlijk heel erg wonderlijk.

242
00:12:08,600 --> 00:12:14,000
Dat mensen allerlei foto's, soms ook niet de meest charmante foto's, gewoon uploaden.

243
00:12:14,000 --> 00:12:18,800
Liefdesverklaringen, haatverklaringen, gewoon publiek aan publiek online gooiden.

244
00:12:18,800 --> 00:12:25,200
Wat natuurlijk weer voer was voor organisaties als Meta, bedrijven die data vergaarden, data

245
00:12:25,200 --> 00:12:26,200
brokers.

246
00:12:26,200 --> 00:12:30,960
Als je erop terugkijkt, eigenlijk een wonderlijke situatie waar we toen in beland waren.

247
00:12:30,960 --> 00:12:36,640
Er was helemaal geen terughoudendheid voor het grote publiek om grote velen persoonlijke

248
00:12:36,640 --> 00:12:38,160
data online te gooien.

249
00:12:38,160 --> 00:12:41,680
Ja, maar dat waren dan nog individuen.

250
00:12:41,680 --> 00:12:45,600
Trouwens, die bedrijven deden dat eigenlijk ook wel.

251
00:12:45,600 --> 00:12:48,080
Die promoten ook alles.

252
00:12:48,080 --> 00:12:54,480
Er was geloof ik laatst ook een heel kritische stuk bij, ik dacht dat het Jeugdjournaal was,

253
00:12:54,480 --> 00:12:56,480
had ik over gelezen.

254
00:12:56,480 --> 00:13:02,160
In ieder geval een programma die had een heel kritisch stuk over social media en wat er allemaal

255
00:13:02,160 --> 00:13:03,160
aan mis was.

256
00:13:03,160 --> 00:13:06,080
En bij de afsluiting zeiden ze "volg ons op".

257
00:13:06,080 --> 00:13:08,920
En vervolgens kwamen ze allemaal weer voorbij.

258
00:13:08,920 --> 00:13:12,360
Er zit ook een hele rare kronkel in.

259
00:13:12,360 --> 00:13:16,360
En die zie je denk ik nu weer terug rondom dat January.

260
00:13:16,360 --> 00:13:20,920
Dus aan de ene kant zeggen we "pas op" en aan de andere kant zeggen we "laten we er zo

261
00:13:20,920 --> 00:13:22,680
hard mogelijk mee gaan".

262
00:13:22,680 --> 00:13:27,480
Dus de technologie maakt het mogelijk, maar omdat het mogelijk is moeten we het niet per

263
00:13:27,480 --> 00:13:29,240
se met die snelheid oppakken.

264
00:13:29,240 --> 00:13:32,440
Maar zijn er zaken waar we dan rekening mee kunnen houden, waar luisteraars rekening mee

265
00:13:32,440 --> 00:13:33,440
kunnen houden?

266
00:13:33,440 --> 00:13:40,280
Door eerst over na te denken, maar misschien dat je nog andere tips hebt dan alleen nadenken,

267
00:13:40,280 --> 00:13:42,520
om te voorkomen dat we dezelfde kant op gaan met social media.

268
00:13:42,520 --> 00:13:46,240
Dat we over drie jaar zeggen "ja we zitten nog meer op het schermpje" of "we zitten op

269
00:13:46,240 --> 00:13:47,400
alle nadelige effecten".

270
00:13:47,400 --> 00:13:50,120
Hoe kijk je daar tegenaan?

271
00:13:50,120 --> 00:13:55,320
Terecht de opmerking, dat we even over een businessperspectief praten in plaats van van

272
00:13:55,320 --> 00:13:56,320
consumenten.

273
00:13:56,320 --> 00:14:01,520
Ik geloof fundamenteel natuurlijk dat AI, ik ben fundamenteel tech-optimistisch.

274
00:14:01,520 --> 00:14:05,120
Ik geloof in de kracht van technologie, ik denk dat het heel veel waarde kan brengen voor

275
00:14:05,120 --> 00:14:06,120
organisaties.

276
00:14:06,120 --> 00:14:07,920
Ik denk niet dat je moet innoveren om het te innoveren.

277
00:14:07,920 --> 00:14:12,400
Dus puur om het feit dat je kan innoveren of dat je een nieuw speeltje hebt, betekent

278
00:14:12,400 --> 00:14:15,000
niet per definitie dat je daar dan heel veel resources in moet stoppen.

279
00:14:15,000 --> 00:14:20,040
Ik denk dat je jezelf moet afvragen als organisatie, oké wat is de meerwaarde van deze technologie

280
00:14:20,040 --> 00:14:22,280
voor de doelen van mijn organisatie die ik wil bereiken.

281
00:14:22,280 --> 00:14:27,440
Je kan het alignment noemen, is die technologie wel aligned met mijn business goals?

282
00:14:27,440 --> 00:14:28,480
Om het even in het Engels te zeggen.

283
00:14:28,480 --> 00:14:32,600
Hoe je dat natuurlijk kan formuleren is door middel van een strategie.

284
00:14:32,600 --> 00:14:35,640
Dat is wat een data-strategie of een AI-strategie doet.

285
00:14:35,640 --> 00:14:39,920
Die gaat onderzoeken en beschrijven van oké hoe is deze technologie nou aligned met mijn

286
00:14:39,920 --> 00:14:44,600
doelen, hoe kan ik mijn doelen beter bereiken, hoe kan ik een data-gedreven organisatie worden

287
00:14:44,600 --> 00:14:48,480
zodat ik nog betere dienstverlening kan bieden aan mijn klanten en nog meer waarde kan realiseren.

288
00:14:48,480 --> 00:14:50,960
Dat doe je dus niet om het innoveren om het innoveren.

289
00:14:50,960 --> 00:14:54,640
Dus je zal je denk ik eerst moeten afvragen van inderdaad wat is mijn AI-strategie.

290
00:14:54,640 --> 00:14:58,480
Dus oké we hebben allemaal nieuwe technologieën, we hebben nieuw speelgoed, hoe kan ik die

291
00:14:58,480 --> 00:15:02,080
inzetten op zo'n manier dat het waardevol is voor mijn medewerkers, maar ook voor mijn

292
00:15:02,080 --> 00:15:03,640
klanten, hoe kan ik meer waarde creëren.

293
00:15:03,640 --> 00:15:08,200
Een taalmodel zou daarin kunnen helpen.

294
00:15:08,200 --> 00:15:12,360
Dat zou bijvoorbeeld jouw medewerkers kunnen ontlasten, die kunnen sneller misschien kennis

295
00:15:12,360 --> 00:15:17,400
vergaren, databronnen combineren, kan ook in de dienstverlening naar jouw klanten beter

296
00:15:17,400 --> 00:15:21,720
werken, sneller, betere antwoorden verschaffen, dus even in de zin van taalmodellen.

297
00:15:21,720 --> 00:15:28,720
Dat is allemaal goed mogelijk, maar hou dan ook wel rekening met het feit dat inderdaad

298
00:15:28,720 --> 00:15:32,200
als jij bijvoorbeeld GenAI gaat implementeren, zal je rekening moeten houden met bepaalde

299
00:15:32,200 --> 00:15:36,360
safeguards, bepaalde vangrailen, omdat die technologie ook weer gepaard gaat met nieuwe

300
00:15:36,360 --> 00:15:37,360
risico's.

301
00:15:37,360 --> 00:15:40,120
Dus bijvoorbeeld de onbetrouwbaarheid van antwoorden.

302
00:15:40,120 --> 00:15:44,480
Misschien ik kan wel één goed voorbeeld geven.

303
00:15:44,480 --> 00:15:48,920
Ik zie heel veel organisaties op dit moment zo'n GenAI use case willen implementeren,

304
00:15:48,920 --> 00:15:53,040
dus een soort digitale assistent, waarin ze interne databronnen gaan combineren om dan

305
00:15:53,040 --> 00:15:56,680
slimmer en sneller antwoorden te kunnen verschaffen aan medewerkers of aan klanten.

306
00:15:56,680 --> 00:16:01,480
Maar die organisaties worden nu geconfronteerd met het feit dat hun data lake eigenlijk een

307
00:16:01,480 --> 00:16:02,480
data swamp is.

308
00:16:02,480 --> 00:16:04,800
Dus wat ik daarmee bedoel, ze hebben hun data management niet op orde.

309
00:16:04,800 --> 00:16:09,240
Dus ze hebben niet accuraat inzicht of overzicht van hun data.

310
00:16:09,240 --> 00:16:12,760
Labels zijn bijvoorbeeld niet voorhanden met betrekking tot vertrouwelijkheidsniveau.

311
00:16:12,760 --> 00:16:16,680
Dus ze hebben niet goed scherp, oké deze data is vertrouwelijk, deze data is niet vertrouwelijk.

312
00:16:16,680 --> 00:16:18,800
Dit zijn bijvoorbeeld persoonsgegevens, dit niet.

313
00:16:18,800 --> 00:16:23,360
Nou als je dat allemaal aan zo'n taalmodel gaat voeren, laat ik het zo zeggen, alles

314
00:16:23,360 --> 00:16:24,960
wat je erin stopt kan je terugverwachten.

315
00:16:24,960 --> 00:16:30,800
Dus als jij persoonsgegevens bijvoorbeeld over medewerkers aan een taalmodel voert,

316
00:16:30,800 --> 00:16:35,320
kan je niet uitsluiten dat dat met de juiste prompt, dus die juiste query, weer achterhaald

317
00:16:35,320 --> 00:16:37,040
kan worden als output data.

318
00:16:37,040 --> 00:16:41,600
Dus heel veel organisaties die zijn nu een soort van reddingsoperaties, hersteloperaties,

319
00:16:41,600 --> 00:16:46,040
voorjaarsschoonmaak aan het uitvoeren om hun interne data management weer op orde te krijgen.

320
00:16:46,040 --> 00:16:49,920
Iets wat natuurlijk eigenlijk al fijn was geweest als dat eerder op orde was.

321
00:16:49,920 --> 00:16:50,920
Ik roep het al jaren.

322
00:16:50,920 --> 00:16:55,800
Ik blijf het nog jaren roepen en met veel plezier inderdaad, want ik zie de meerwaarde en de

323
00:16:55,800 --> 00:16:56,800
belangen van in.

324
00:16:56,800 --> 00:17:02,040
En zeker met de versnelling die we zien door het aan GenAI te gaan voeren, neemt het belang

325
00:17:02,040 --> 00:17:08,120
alleen maar toe over datakwaliteit, nou toch maar even, de governance, dus de processen

326
00:17:08,120 --> 00:17:10,840
en afstemming daarop is van essentieel belang.

327
00:17:10,840 --> 00:17:14,480
En ik denk dat het essentieel gaat worden dat we daar tijd aan gaan doen en dat het

328
00:17:14,480 --> 00:17:17,960
een strategische optie moet zijn om dit op de juiste manier in orde te gaan brengen.

329
00:17:17,960 --> 00:17:19,720
Dus ik sluit me daar volledig bij aan.

330
00:17:19,720 --> 00:17:23,920
En ik ben ook data scientist, dus ik laat het nooit helemaal los.

331
00:17:23,920 --> 00:17:27,120
Ik ga wat ik ben, "recovering" data scientist.

332
00:17:27,120 --> 00:17:28,800
Het is natuurlijk niet zo sexy.

333
00:17:28,800 --> 00:17:32,560
Kijk, dus ik ben ook data scientist en je vindt het leuk om iets met data te doen en

334
00:17:32,560 --> 00:17:35,120
wat je wilt doen, je wilt natuurlijk modellen bouwen die dingen voorspellen.

335
00:17:35,120 --> 00:17:36,120
Dat is leuk.

336
00:17:36,120 --> 00:17:37,120
Dat is het leukste.

337
00:17:37,120 --> 00:17:40,240
Maar het is dus helemaal niet zo sexy om dan weer te zeggen, ja maar je moet wel goede

338
00:17:40,240 --> 00:17:44,080
data hebben en die data management moet goed op orde zijn en die data lineage, je moet weten

339
00:17:44,080 --> 00:17:49,400
waar het vandaan komt, wie het verzameld heeft, wanneer, demografische kenmerken, ook wel

340
00:17:49,400 --> 00:17:50,400
handig om te weten.

341
00:17:50,400 --> 00:17:54,000
Stel je hebt data van Amerikanen, maar je gaat een product bouwen voor Europeanen, dan

342
00:17:54,000 --> 00:17:55,520
hoeft het niet per definitie hetzelfde te zijn.

343
00:17:55,520 --> 00:18:01,400
Ja inderdaad goed data management, labeling, vertrouwelijkheidsniveau, data security, kwaliteit.

344
00:18:01,400 --> 00:18:06,200
Nogmaals, niet de meest sexy onderwerpen, maar echt cruciale randvoorwaarden om die

345
00:18:06,200 --> 00:18:07,920
gen AI use cases te kunnen enablen.

346
00:18:07,920 --> 00:18:13,560
Ja wat mij betreft moet er een stempel komen op AI ready data en als dat niet AI ready

347
00:18:13,560 --> 00:18:16,920
is, dan moet je daar eerst nog werk aan doen voordat je dat daarvoor gaat gebruiken.

348
00:18:16,920 --> 00:18:17,920
Maar ik zie Joop.

349
00:18:17,920 --> 00:18:22,800
Ja ik ga advocaat van de duivel spelen, want het is natuurlijk geweldig om data te verzamelen,

350
00:18:22,800 --> 00:18:23,800
die heb je.

351
00:18:23,800 --> 00:18:29,520
En wat je gaat krijgen is namelijk precies wat Mark zegt, je kan die data kan je geven

352
00:18:29,520 --> 00:18:33,440
aan zo'n taalmodel en die taalmodel, dat taalmodel maakt daar chocola van.

353
00:18:33,440 --> 00:18:40,960
Dus eigenlijk is het voor mij veel handiger om veel minder tijd te besteden aan al dat

354
00:18:40,960 --> 00:18:44,200
structureren van die data en waar het vandaan komt.

355
00:18:44,200 --> 00:18:47,560
Ik bedoel die taalmodellen die weten toch ook niet waar hun data vandaan komt.

356
00:18:47,560 --> 00:18:51,800
Dus ik als ondernemer, ik heb al die data, ik gooi het erin.

357
00:18:51,800 --> 00:18:56,920
Het is nog veel makkelijker om zo'n ongestructureerde data om die er allemaal in te gooien.

358
00:18:56,920 --> 00:19:02,000
Ja oké, dus jij zegt eigenlijk, gen AI is misschien de manier om van ongestructureerde

359
00:19:02,000 --> 00:19:04,240
data gestructureerde data te maken.

360
00:19:04,240 --> 00:19:07,840
Ik denk persoonlijk als jij in een organisatie bent en je hebt alleen maar ongestructureerde

361
00:19:07,840 --> 00:19:11,640
data, dus met andere woorden je hebt verschillende data bronnen, maar je hebt niet echt zicht

362
00:19:11,640 --> 00:19:14,880
waar ze vandaan komen of de datakwaliteit of je mist labels.

363
00:19:14,880 --> 00:19:18,680
Dan denk ik persoonlijk, voordat je dus AI use cases gaat verkennen, dat je veel beter

364
00:19:18,680 --> 00:19:22,360
af bent met eerst wat simpelere vorm van AI.

365
00:19:22,360 --> 00:19:29,320
Bijvoorbeeld verkennende analyse, beschrijvende analyse, een supervised learning.

366
00:19:29,320 --> 00:19:35,240
Dan heb je dus geen labels, dus je weet eigenlijk niet wat de uitkomst bijvoorbeeld was van

367
00:19:35,240 --> 00:19:37,160
een transactie of een proces.

368
00:19:37,160 --> 00:19:39,120
Maar dat ga je dus eerst eens in kaart brengen.

369
00:19:39,120 --> 00:19:44,360
Als je een structured data hebt, ja dan grote kans dat je niet eens weet wat er aan de hand

370
00:19:44,360 --> 00:19:48,360
is of dat je verkeerde aannames maakt over processen of hoe mensen werken.

371
00:19:48,360 --> 00:19:52,920
Voordat je aan een AI use case, een gen AI use case waagt.

372
00:19:52,920 --> 00:19:54,200
Ik zeg altijd klein beginnen.

373
00:19:54,200 --> 00:19:57,840
Als je ongestructureerde data hebt of je hebt nog niet zo heel veel data, natuurlijk

374
00:19:57,840 --> 00:20:02,280
is het aantrekkelijk om meteen voorschrijvende of voorspellende analyses te gaan doen.

375
00:20:02,280 --> 00:20:04,480
Misschien moet je eerst een beschrijvende analyse doen.

376
00:20:04,480 --> 00:20:06,440
Oh ja, dat is een goede…

377
00:20:06,440 --> 00:20:07,960
Meten, weten, verbeteren.

378
00:20:07,960 --> 00:20:12,120
Maar als je iets gaat meten, moet je weten hoe je het gaat meten, wat je meet.

379
00:20:12,120 --> 00:20:16,920
En als je dus ongestructureerde data erin gaat gooien, nou dan is het gewoon, vraag

380
00:20:16,920 --> 00:20:17,920
maar raak voor een knaak.

381
00:20:17,920 --> 00:20:19,280
En ja, wat eruit komt, komt eruit.

382
00:20:19,280 --> 00:20:22,880
Maar je kan het ook niet valideren en controleren.

383
00:20:22,880 --> 00:20:26,200
En ik ben nog van het tijdperk eerst zelf doen.

384
00:20:26,200 --> 00:20:32,040
Dan weet je wat er gebeurt en dan kan je kijken of automatisering de weg naar de oplossing

385
00:20:32,040 --> 00:20:33,040
is.

386
00:20:33,040 --> 00:20:36,600
Want anders zitten we de technologie altijd tegenaan te gooien zonder dat we zelf begrijpen

387
00:20:36,600 --> 00:20:39,520
of enigszins de richting weten waar we heen willen.

388
00:20:39,520 --> 00:20:42,200
Ja, en uiteindelijk ben ik het met jullie eens.

389
00:20:42,200 --> 00:20:46,960
Maar ik denk dat er echt wel scenario's gaan komen waar gekozen wordt voor de weg van de

390
00:20:46,960 --> 00:20:47,960
minste weerstand.

391
00:20:47,960 --> 00:20:54,000
En als je begint over al deze vormen van wat er met je data moet gebeuren, dat het denk

392
00:20:54,000 --> 00:20:55,920
ik regelmatig zal gaan optreden.

393
00:20:55,920 --> 00:21:00,000
Dat mensen denken van ja, weet je, er komt best wel iets logisch uit.

394
00:21:00,000 --> 00:21:01,360
Laten we daar gewoon eens even mee beginnen.

395
00:21:01,360 --> 00:21:06,520
Ik ben het eens en ik zeg niet dat je niet mee moet experimenteren, maar wel weer met

396
00:21:06,520 --> 00:21:12,440
wat wil ik bereiken, wat is mijn doel en is dit de weg ernaartoe toereikend voor wat

397
00:21:12,440 --> 00:21:13,440
ik wil bereiken.

398
00:21:13,440 --> 00:21:18,040
En daar zal op een gegeven moment zijn inderdaad, gooi er maar in, ga maar kijken wat eruit

399
00:21:18,040 --> 00:21:19,040
komt.

400
00:21:19,040 --> 00:21:23,840
Maar als de impact of het risico groot genoeg is, dan wil je daar toch een kwaliteitsslag

401
00:21:23,840 --> 00:21:24,840
op gaan doen.

402
00:21:24,840 --> 00:21:29,000
En ik ben het ook met je eens, maar daar zie ik nog wel heel veel challenges, is dat AI

403
00:21:29,000 --> 00:21:33,600
ook gaat helpen om die datakwaliteit, die labeling en dergelijke op orde te gaan krijgen.

404
00:21:33,600 --> 00:21:35,960
Niet allemaal GenAI, misschien sommige delen met GenAI.

405
00:21:35,960 --> 00:21:39,800
Dus het gaat zeker ook weer een hulpmiddel zijn, maar dan zit het in een stukje automatisering

406
00:21:39,800 --> 00:21:42,160
van de data engineering en dat soort zaken.

407
00:21:42,160 --> 00:21:44,320
Ja, bijvoorbeeld het creëren van metadata.

408
00:21:44,320 --> 00:21:47,040
Daar is GenAI dan weer heel goed voor.

409
00:21:47,040 --> 00:21:52,480
Dus stel ik heb geen metadata of ik heb geen labels, dan zou dat met GenAI weer bij kunnen

410
00:21:52,480 --> 00:21:53,480
helpen.

411
00:21:53,480 --> 00:21:56,760
Jij maakte het inderdaad heel wetenschappelijk, dus ik heb een hypothese en die ga ik dan

412
00:21:56,760 --> 00:21:57,760
valideren, weet je wel.

413
00:21:57,760 --> 00:22:01,000
Dus volgens mij is dat the way to go, wat je zou moeten willen doen.

414
00:22:01,000 --> 00:22:04,600
Maar ook vanuit data science perspectief wil je vaak kijken, oké, ik heb een probleem,

415
00:22:04,600 --> 00:22:05,600
hoe ga ik dat oplossen?

416
00:22:05,600 --> 00:22:07,040
Zou een mens het kunnen?

417
00:22:07,040 --> 00:22:10,840
Wat is dan de baseline performance, hoe goed doet een mens het?

418
00:22:10,840 --> 00:22:12,600
Wat zijn de kosten die eraan verbonden zijn?

419
00:22:12,600 --> 00:22:15,280
Oh, kan ik het misschien automatiseren met traditionele IT?

420
00:22:15,280 --> 00:22:16,680
Kan ik het programmeren?

421
00:22:16,680 --> 00:22:20,760
Als dat misschien niet helemaal lekker werkt of te duur is, dan zou je misschien eens naar

422
00:22:20,760 --> 00:22:21,880
machine learning kunnen kijken.

423
00:22:21,880 --> 00:22:25,120
Dus kan ik met statistiek, statistische methodes, oplossen dit probleem?

424
00:22:25,120 --> 00:22:29,720
En als dat niet werkt, dan kan ik altijd nog neurale netwerken er tegen aangooien, die

425
00:22:29,720 --> 00:22:33,160
vaak ook geschikt zijn voor problemen die voor ons te moeilijk zijn.

426
00:22:33,160 --> 00:22:36,920
Dat is ook het idee van neurale netwerken.

427
00:22:36,920 --> 00:22:39,360
Problemen zijn of te complex voor ons of unfeasible.

428
00:22:39,360 --> 00:22:41,480
Het kost te veel tijd voor ons zelf om op te lossen.

429
00:22:41,480 --> 00:22:46,080
Dus dan ga ik die neurale netwerken, wat Gen-AI is natuurlijk, er tegen aangooien.

430
00:22:46,080 --> 00:22:49,760
Maar vanuit die piramide, die gelaagdheid, zou ik altijd een probleem benaderen.

431
00:22:49,760 --> 00:22:51,560
En ik zou niet bij het kanon beginnen.

432
00:22:51,560 --> 00:22:53,720
Nee, dat lijkt me een hele goede…

433
00:22:53,720 --> 00:23:00,680
Wat we natuurlijk ook zien is dat Gen-AI wordt natuurlijk gebruikt voor het automatiseren

434
00:23:00,680 --> 00:23:02,320
van repetitieve taken.

435
00:23:02,320 --> 00:23:11,160
Vaak zijn dat ook niet de meest waardevolle taken.

436
00:23:11,160 --> 00:23:14,040
Die wil je dan geautomatiseerd hebben.

437
00:23:14,040 --> 00:23:19,520
Hoe zie jij dat in het licht van een responsible AI?

438
00:23:19,520 --> 00:23:22,480
Want dan neem je taken bij mensen weg.

439
00:23:22,480 --> 00:23:25,280
Wat houden we dan over?

440
00:23:25,280 --> 00:23:28,040
Je had het over die jobmarket.

441
00:23:28,040 --> 00:23:30,920
Blijven die mensen wel hun werk doen?

442
00:23:30,920 --> 00:23:31,920
Verandert er wat?

443
00:23:31,920 --> 00:23:34,920
Gaan we andere banen daar tegenover krijgen?

444
00:23:34,920 --> 00:23:36,680
Wat is jouw visie daarop?

445
00:23:36,680 --> 00:23:39,200
Op de handmodellen na natuurlijk.

446
00:23:39,200 --> 00:23:44,800
Ik zou me niet zo heel snel druk maken over dat jouw baan vervangen wordt.

447
00:23:44,800 --> 00:23:49,760
Dus ik geloof dat het eerst een soort hybride, dus AI-assisted situatie zal er ontstaan,

448
00:23:49,760 --> 00:23:52,600
waarin jij gebruik maakt van die modellen als hulpmiddelen.

449
00:23:52,600 --> 00:23:58,800
Waardoor jij simpelweg sneller, efficiënter, meer datagedreven output kan produceren.

450
00:23:58,800 --> 00:24:05,200
Of dat nou een terugkoppeling is aan een medewerker, of een slide, of een e-mail.

451
00:24:05,200 --> 00:24:10,640
Ik geloof dat als jij handig bent met die modellen, kan je veel effectiever, veel productiever

452
00:24:10,640 --> 00:24:11,640
worden.

453
00:24:11,640 --> 00:24:12,640
Dat geldt ook voor coderen overigens.

454
00:24:12,640 --> 00:24:18,320
Ik geloof niet dat je helemaal vervanger zal worden als jij een beroep doet wat ook intellectueel

455
00:24:18,320 --> 00:24:19,640
denkvermogen beoefent.

456
00:24:19,640 --> 00:24:24,640
Programmeren vergt ook, je moet wel weten wat er aan de hand is.

457
00:24:24,640 --> 00:24:28,720
Ik kan code genereren, dat heb ik ook wel eens gedaan in het verleden door die taalmodellen.

458
00:24:28,720 --> 00:24:30,720
Klopt vaak wel, maar niet 100%.

459
00:24:30,720 --> 00:24:35,200
Dus je moet zelf alsnog denken van, oké, wat betekent dit als output?

460
00:24:35,200 --> 00:24:36,680
Ook met e-mails.

461
00:24:36,680 --> 00:24:41,520
Ik denk niet dat jullie blind e-mails zullen gaan versturen op basis van taalmodellen.

462
00:24:41,520 --> 00:24:42,520
Verlopig niet.

463
00:24:42,520 --> 00:24:47,640
Maar nou had ik toevallig wel, we hebben kaartspel, zullen we zo direct op uitkomen.

464
00:24:47,640 --> 00:24:51,080
En dan ga ik ook visuals maken voor deze podcast.

465
00:24:51,080 --> 00:24:57,800
Dan kreeg ik bijvoorbeeld een pdf en daar staan dan 56 afbeeldingen in.

466
00:24:57,800 --> 00:25:01,360
En die had ik gewoon individueel nodig.

467
00:25:01,360 --> 00:25:09,120
Heb ik aan Chad JPT gevraagd van schrijf even een partnerscriptje om dat eruit te halen.

468
00:25:09,120 --> 00:25:12,520
Dat was echt draaien, runnen, lopen.

469
00:25:12,520 --> 00:25:18,400
Was wel dat ik lage resolutie fotootjes eruit kreeg.

470
00:25:18,400 --> 00:25:21,280
Dus ik moest nog even vragen, oh je zet ze even in een hogere resolutie.

471
00:25:21,280 --> 00:25:22,960
Kreeg ik er een argumentje bij.

472
00:25:22,960 --> 00:25:23,960
En dan was lopen klaar.

473
00:25:23,960 --> 00:25:27,280
En dat zijn een soort van scriptjes, die had ik eenmalig nodig.

474
00:25:27,280 --> 00:25:30,720
Gooi ik weg, gaat niet in productie, heb ik geen testen bij nodig.

475
00:25:30,720 --> 00:25:32,760
Maar daar is het echt waanzinnig voor.

476
00:25:32,760 --> 00:25:35,480
Ik had nooit geweten waar ik had moeten beginnen.

477
00:25:35,480 --> 00:25:39,280
Klopt, dat heb ik ook wel eens voor gebruikt.

478
00:25:39,280 --> 00:25:42,040
Of code te confronteren van de ene taal naar de andere.

479
00:25:42,040 --> 00:25:44,960
Ik weet hoe ik het in Python moet doen, maar ik weet niet hoe ik het in een andere taal

480
00:25:44,960 --> 00:25:45,960
moet doen.

481
00:25:45,960 --> 00:25:49,520
Dat is nog makkelijker, want dan heb je al input natuurlijk.

482
00:25:49,520 --> 00:25:54,160
Ik denk inderdaad, het verlaagt de threshold om bepaalde dingen zelf te kunnen doen.

483
00:25:54,160 --> 00:25:57,760
En dat zie je ook in het bedrijfsleven.

484
00:25:57,760 --> 00:26:04,280
Dus moet jij je zorgen gaan maken, bijvoorbeeld over concurrenten die opeens ook dingen kunnen

485
00:26:04,280 --> 00:26:05,280
die jij kan.

486
00:26:05,280 --> 00:26:08,320
Enerzijds wel, in de zin van het kan de threshold verlagen.

487
00:26:08,320 --> 00:26:11,600
Het kan makkelijker worden voor een klein aantal mensen om hetzelfde te doen wat jij

488
00:26:11,600 --> 00:26:12,600
kan.

489
00:26:12,600 --> 00:26:16,400
Maar jij wordt ook nog beter in wat je doet met behulp van AI.

490
00:26:16,400 --> 00:26:21,200
Dus puur het feit dat je nu bijvoorbeeld zelf marketinganalyses kan doen met AI, betekent

491
00:26:21,200 --> 00:26:23,320
niet dat je ook je eigen marketing moet gaan doen.

492
00:26:23,320 --> 00:26:26,880
Want al die marketingbureaus die AI gebruiken, die worden nog beter in markten.

493
00:26:26,880 --> 00:26:27,880
Precies, alles schuift op.

494
00:26:27,880 --> 00:26:28,880
Ja, precies.

495
00:26:28,880 --> 00:26:31,240
Dus blijf bij je lees, zou ik ook zeggen.

496
00:26:31,240 --> 00:26:34,480
Dus nogmaals, focus je op de core doelen van je organisatie.

497
00:26:34,480 --> 00:26:35,920
Dus wat ben jij voor organisatie?

498
00:26:35,920 --> 00:26:36,920
Wat wil jij bereiken?

499
00:26:36,920 --> 00:26:40,040
Wat is de waarde, de value die jij levert aan jouw klanten?

500
00:26:40,040 --> 00:26:42,960
Of wat is een ander doel dat je wil bereiken?

501
00:26:42,960 --> 00:26:44,200
Als je geen klanten hebt, kan ook.

502
00:26:44,200 --> 00:26:45,520
Of geen winstoogmerken hebt.

503
00:26:45,520 --> 00:26:48,560
En hoe ga je dat nou met AI beter maken?

504
00:26:48,560 --> 00:26:50,880
Hoe ga je dat data gedreven maken?

505
00:26:50,880 --> 00:26:54,720
Hoe ga je ervoor zorgen dat je nog beter, sneller, efficiënter die waarde kan bieden?

506
00:26:54,720 --> 00:26:58,400
En daar hoort natuurlijk altijd ook bij een analyse van wat kan ik zelf en wat moet ik

507
00:26:58,400 --> 00:27:00,000
misschien uit handen geven.

508
00:27:00,000 --> 00:27:01,480
Ja, dat lijkt me een mooie.

509
00:27:01,480 --> 00:27:08,160
Wat we in de praktijk ook ongeveer vaak tegenkomen, is dat het eerste business case wordt gemaakt.

510
00:27:08,160 --> 00:27:15,200
We gaan een aantal FTE verminderen en vervolgens denken we dat we de benefit hebben binnen hebben.

511
00:27:15,200 --> 00:27:18,440
Maar AI is niet een project, data is niet een project.

512
00:27:18,440 --> 00:27:21,600
Daarna is er natuurlijk nog monitoring, zaken in de gaten houden.

513
00:27:21,600 --> 00:27:27,600
Hoe kunnen bedrijven geholpen worden bij die eerste stap van de business case, maar even

514
00:27:27,600 --> 00:27:29,320
doordenken wat er nog achter nodig is.

515
00:27:29,320 --> 00:27:33,120
Want ik denk dat dat heel vaak niet helemaal helder is voor de mensen die hier mee bezig zijn.

516
00:27:33,120 --> 00:27:34,120
Nee, klopt.

517
00:27:34,120 --> 00:27:35,120
Goed punt.

518
00:27:35,120 --> 00:27:38,160
Ik denk dat er vaak vanuit een soort optimisme ontstaan die use cases hebben.

519
00:27:38,160 --> 00:27:41,600
AI, we kunnen er iets mee doen, we kunnen dingen verbeteren, we kunnen FTE's besparen.

520
00:27:41,600 --> 00:27:47,560
Inderdaad, wat men vaak vergeet is dat het gewoon een software project is vaak.

521
00:27:47,560 --> 00:27:53,800
Dus een AI systeem is onderdeel van een software oplossing en er komen ook allerlei kosten

522
00:27:53,800 --> 00:27:54,800
bij.

523
00:27:54,800 --> 00:27:59,520
Ook kosten die gepaard gaan bijvoorbeeld met monitoring of beheersing van die technologie.

524
00:27:59,520 --> 00:28:01,400
Wij noemen dat de costs of control.

525
00:28:01,400 --> 00:28:07,280
Dus wat zijn nou bijvoorbeeld de kosten die gepaard gaan met het adequaat monitoren van

526
00:28:07,280 --> 00:28:11,400
de output, misschien het hertrainen van het model, evaluatie.

527
00:28:11,400 --> 00:28:16,760
Dat heeft dan weer qua kosten een negatieve impact op de business case.

528
00:28:16,760 --> 00:28:18,080
Maar die zijn wel heel belangrijk.

529
00:28:18,080 --> 00:28:21,680
Als jij bijvoorbeeld negatief in het nieuws komt, reputatieschade ondervindt omdat jouw

530
00:28:21,680 --> 00:28:25,920
model uit de pas is gaan lopen, of discrimineert, ik noem maar wat, omdat je daar geen rekening

531
00:28:25,920 --> 00:28:28,960
mee gehouden hebt, je hebt niet de juiste safeguards, waarborgen, ingebouwd.

532
00:28:28,960 --> 00:28:34,880
Ja, dan kan bijvoorbeeld de reputatieschade zo groot zijn, dan vallen de voordelen weer

533
00:28:34,880 --> 00:28:36,360
bij in het niet.

534
00:28:36,360 --> 00:28:40,120
Daar hebben we natuurlijk in Nederland heel veel voorbeelden van gehad, waarin producten

535
00:28:40,120 --> 00:28:45,480
zijn stopgezet, software oplossingen zijn uitgezet eigenlijk, omdat ze negatief het

536
00:28:45,480 --> 00:28:46,480
nieuws hebben gehaald.

537
00:28:46,480 --> 00:28:51,320
Ik denk overigens wel, er zijn natuurlijk wel een aantal safeguards die je kan inbouwen.

538
00:28:51,320 --> 00:28:55,720
Je zou bijvoorbeeld, we hebben het al over de databronnen gehad, dus de data die je in

539
00:28:55,720 --> 00:28:57,600
die modellen stopt, die zou je kunnen cureren.

540
00:28:57,600 --> 00:29:02,080
Dus je zou bijvoorbeeld kunnen zorgen dat het alleen betrouwbare bronnen zijn, je zou

541
00:29:02,080 --> 00:29:06,840
taalmodellen kunnen instrueren, je mag alleen maar antwoord geven op basis van die bronnen,

542
00:29:06,840 --> 00:29:10,520
of wat ik er zelf in stop, niet op basis van wat jij geleerd hebt van het internet.

543
00:29:10,520 --> 00:29:15,040
Dan zou je misschien het open AI probleem een beetje kunnen omzeilen.

544
00:29:15,040 --> 00:29:18,160
Je zou ook de prompt zelf nog kunnen cureren, dat kan ook.

545
00:29:18,160 --> 00:29:22,040
De outputkwaliteit is vaak afhankelijk van de kwaliteit van jouw inputprompt.

546
00:29:22,040 --> 00:29:26,040
Dus je ziet vaak mensen met een beetje vergelijkbare vragen, maar de een krijgt een heel goed antwoord

547
00:29:26,040 --> 00:29:27,040
en de ander minder.

548
00:29:27,040 --> 00:29:32,320
Dus wat je ook zou kunnen doen is vergelijkbare prompts opslaan, verzamelen, verbeteren.

549
00:29:32,320 --> 00:29:36,220
Dus als jij een bepaalde vraag stelt, dat daar eigenlijk een soort van slag overheen

550
00:29:36,220 --> 00:29:39,080
wordt gemaakt van "oh waarschijnlijk bedoel je dit, dus we gaan jouw prompt verrijken",

551
00:29:39,080 --> 00:29:41,040
waardoor jij een beter antwoord krijgt.

552
00:29:41,040 --> 00:29:45,000
En nogmaals dat een kans kleiner wordt op dat jij foutieve informatie bijvoorbeeld toegespeeld

553
00:29:45,000 --> 00:29:46,000
krijgt.

554
00:29:46,000 --> 00:29:49,840
En dat is denk ik wel belangrijk, want het fundamentele risico is natuurlijk, als het

555
00:29:49,840 --> 00:29:53,400
fout gaat met die modellen, gaat het vaak op grote schaal fout.

556
00:29:53,400 --> 00:29:55,560
Want heel de business case is natuurlijk automatisering.

557
00:29:55,560 --> 00:30:00,320
Je wil iedereen toegang geven tot zo'n model, maar in het verleden stel een medewerker krijgt

558
00:30:00,320 --> 00:30:04,780
een verkeerd antwoord, of is verkeerd geïnformeerd, kan gebeuren, is vaak niet eens aansprakelijk

559
00:30:04,780 --> 00:30:05,780
voor zoiets.

560
00:30:05,780 --> 00:30:09,920
Maar stel dat iedereen over jouw hele organisatie massaal bijvoorbeeld hetzelfde verkeerde antwoord

561
00:30:09,920 --> 00:30:14,720
voorgeschoteld krijgt, zei het code, zei terugkoppeling aan iemand die aan de telefoon hangt, ja

562
00:30:14,720 --> 00:30:15,720
dan heb je echt een probleem.

563
00:30:15,720 --> 00:30:16,720
Absoluut.

564
00:30:16,720 --> 00:30:21,640
Er zijn best wel heel veel vraagstukken rondom generatieve AI.

565
00:30:21,640 --> 00:30:26,240
Dus we hebben een kaartspel ontwikkeld, de AI Game Changer.

566
00:30:26,240 --> 00:30:30,480
En het leuke is, die zit vol met stellingen over verschillende categorieën.

567
00:30:30,480 --> 00:30:35,360
En daar kan je dan onderling met elkaar, kan je daarover discussiëren.

568
00:30:35,360 --> 00:30:41,160
En de winst is eigenlijk het praten over de stellingen, dat je van elkaar weet hoe je

569
00:30:41,160 --> 00:30:42,160
erover denkt.

570
00:30:42,160 --> 00:30:44,480
En hopelijk komen er dan acties uit.

571
00:30:44,480 --> 00:30:46,880
Dus wij willen jou eigenlijk ook zo'n stelling gaan voorleggen.

572
00:30:46,880 --> 00:30:48,320
Kom maar op.

573
00:30:48,320 --> 00:31:09,120
Ik heb de kaart geschud, zag je.

574
00:31:09,120 --> 00:31:11,640
Dus het is in die zin willekeurig.

575
00:31:11,640 --> 00:31:19,560
En de categorie voor jou Mark is technologie en innovatie met de stelling, bedrijven die

576
00:31:19,560 --> 00:31:26,320
generatieve AI integreren in een bedrijfsuitvoering, zullen een aanzienlijk concurrentievoordeel

577
00:31:26,320 --> 00:31:27,320
hebben.

578
00:31:27,320 --> 00:31:29,080
Dat is een goede categorie.

579
00:31:29,080 --> 00:31:30,080
Ja toch?

580
00:31:30,080 --> 00:31:31,080
Eens of oneens?

581
00:31:31,080 --> 00:31:33,960
We hebben eigenlijk al een klein beetje besproken.

582
00:31:33,960 --> 00:31:37,680
Dus laat ik dan maar eens zeggen.

583
00:31:37,680 --> 00:31:39,720
Met de juiste waarborgen natuurlijk.

584
00:31:39,720 --> 00:31:42,560
Fundamenteel ben ik optimistisch over technologie.

585
00:31:42,560 --> 00:31:48,480
Dus ik geloof als er een goede use case is, om genAI te implementeren, en ik kan er best

586
00:31:48,480 --> 00:31:52,000
wel wat voor zinnen, dan denk ik dat je daar inderdaad een competitief voordeel uit gaat

587
00:31:52,000 --> 00:31:53,360
halen als organisatie.

588
00:31:53,360 --> 00:31:56,520
Mis je natuurlijk de juiste waarborgen in acht neemt.

589
00:31:56,520 --> 00:31:58,280
En dat op een responsible manier doet.

590
00:31:58,280 --> 00:31:59,280
Ja.

591
00:31:59,280 --> 00:32:00,280
Mooi.

592
00:32:00,280 --> 00:32:04,000
Nou ja, we hebben denk ik ook een, voor de luisteraars is het wel leuk als je hier meer

593
00:32:04,000 --> 00:32:05,000
over wil weten.

594
00:32:05,000 --> 00:32:07,280
We hebben Erik van Hal gehad.

595
00:32:07,280 --> 00:32:09,520
En die heeft een marketingbureau.

596
00:32:09,520 --> 00:32:14,080
En heel vroeg is hij begonnen, dat hij zag van ik zie dit als kans.

597
00:32:14,080 --> 00:32:18,880
Dus die heeft eigenlijk zijn hele business omgegooid, zijn business model omgegooid,

598
00:32:18,880 --> 00:32:20,760
om inderdaad daar concurrentievoordeel uit te halen.

599
00:32:20,760 --> 00:32:28,240
Maar als je alleen maar denkt van we zetten dit in, want dan hebben we een stempeltje

600
00:32:28,240 --> 00:32:31,760
op de doos, dan zou ik er niet aan beginnen toch?

601
00:32:31,760 --> 00:32:35,520
Nee, kijk, ik denk ook dat het goed is om te realiseren dat de meeste organisaties zijn

602
00:32:35,520 --> 00:32:36,520
al IT-organisaties.

603
00:32:36,520 --> 00:32:40,960
Soms moet ik ook nog wel eens een organisatie overtuigen van nee, jullie zijn echt een IT-organisatie.

604
00:32:40,960 --> 00:32:44,360
Want jullie medewerkers doen niet zomaar random iets, als het goed is.

605
00:32:44,360 --> 00:32:45,360
Dat mag ik hopen.

606
00:32:45,360 --> 00:32:50,160
Jullie werken al met Excel, jullie maken eigenlijk al impliciet data-gedreven besluiten.

607
00:32:50,160 --> 00:32:53,960
Je informeert jezelf al, je hebt meerdere databonnen, Excel, nou goed, prima.

608
00:32:53,960 --> 00:32:56,960
Excel is not a database, maar oké.

609
00:32:56,960 --> 00:32:59,040
Dus eigenlijk ben je al een IT-organisatie.

610
00:32:59,040 --> 00:33:02,800
Als de IT neergaat, ligt vaak heel je organisatie al op zijn gat.

611
00:33:02,800 --> 00:33:05,680
Of je bent misschien de bakker op de hoek, oké.

612
00:33:05,680 --> 00:33:09,960
En als je een IT-organisatie bent, je zal vanzelf een AI-organisatie worden.

613
00:33:09,960 --> 00:33:11,560
Eigenlijk om twee redenen.

614
00:33:11,560 --> 00:33:14,400
Eén, jouw concurrenten gaan het ook worden.

615
00:33:14,400 --> 00:33:17,960
Dus puur om het feit dat je niet achter kan lopen op je concurrenten, zal je er iets mee

616
00:33:17,960 --> 00:33:18,960
moeten doen.

617
00:33:18,960 --> 00:33:24,240
En twee, bijvoorbeeld taalmodellen, gen-AI-oplossingen, die vinden steeds meer z'n weg, ook in traditionele

618
00:33:24,240 --> 00:33:25,240
software-applicaties.

619
00:33:25,240 --> 00:33:28,720
Dus stel, je bent afnemer van Microsoft-producten.

620
00:33:28,720 --> 00:33:34,120
Het feit dat Microsoft, je gaat integreren in haar producten, je zou dat AI-infused software

621
00:33:34,120 --> 00:33:37,520
kunnen noemen, dan ga je ook een AI-organisatie maken.

622
00:33:37,520 --> 00:33:40,320
Dus op den duur zal je er toch aan moeten geloven.

623
00:33:40,320 --> 00:33:42,560
Lijkt me een mooie antwoord op de stelling.

624
00:33:42,560 --> 00:34:01,920
Mark, je bent voor het derde jaar op rij in onze podcast.

625
00:34:01,920 --> 00:34:08,400
En wat ik eigenlijk benieuwd naar was, is heb jij een verandering gezien over de beleving

626
00:34:08,400 --> 00:34:11,560
van ethiek rondom dit onderwerp?

627
00:34:11,560 --> 00:34:14,080
De beleving van ethiek?

628
00:34:14,080 --> 00:34:15,080
Ja.

629
00:34:15,080 --> 00:34:17,080
Rondom AI bedoel je?

630
00:34:17,080 --> 00:34:20,080
Ja, ja, ja, zeker.

631
00:34:20,080 --> 00:34:24,080
Tuurlijk, het is ten eerste heel leuk om drie jaar op een rij te gast te zijn.

632
00:34:24,080 --> 00:34:25,080
Dat zie ik als een grote eer.

633
00:34:25,080 --> 00:34:26,080
Echt leuk.

634
00:34:26,080 --> 00:34:29,760
Ik luister jullie podcast trouwens ook heel vaak, om op de date te blijven.

635
00:34:29,760 --> 00:34:30,760
Oh, wat leuk.

636
00:34:30,760 --> 00:34:31,760
Dankjewel.

637
00:34:31,760 --> 00:34:34,840
Ik heb ook een vraag over backstage, over informatievoorziening.

638
00:34:34,840 --> 00:34:35,840
Hoe blijf je nou up-to-date?

639
00:34:35,840 --> 00:34:39,600
Jullie podcast is daar een heel nuttig instrument voor.

640
00:34:39,600 --> 00:34:40,600
Zo veel nieuws.

641
00:34:40,600 --> 00:34:43,400
En dat zeg ik omdat er zo veel nieuws is tegenwoordig.

642
00:34:43,400 --> 00:34:45,200
Ik vind het ook heel erg moeilijk om bij te blijven.

643
00:34:45,200 --> 00:34:47,640
Juist omdat er zoveel nieuws is.

644
00:34:47,640 --> 00:34:49,640
Voor mijn gevoel was het één, twee jaar geleden nog wat makkelijker.

645
00:34:49,640 --> 00:34:52,880
Dus ik kon mijn LinkedIn-feed openen of mijn nieuwsbronnen.

646
00:34:52,880 --> 00:34:56,120
Dan had ik wel een relatief overzicht van die week wat er gebeurd was.

647
00:34:56,120 --> 00:34:58,800
Ja, nu is het eigenlijk iedere dag booming.

648
00:34:58,800 --> 00:35:02,080
De beleving van ethiek, je merkt het over alle fronten.

649
00:35:02,080 --> 00:35:06,080
Dus de responsible AI-business, waar ik dan zelf in zit, is natuurlijk heel close verweven

650
00:35:06,080 --> 00:35:07,080
met ethiek.

651
00:35:07,080 --> 00:35:08,480
Is echt booming.

652
00:35:08,480 --> 00:35:10,400
Dus we hebben het hartstikke druk.

653
00:35:10,400 --> 00:35:13,560
Er zijn heel veel organisaties die ons vragen van "oké, kunnen jullie ons helpen?"

654
00:35:13,560 --> 00:35:15,160
Of "hoe doen we dit nou op verantwoorde wijze?"

655
00:35:15,160 --> 00:35:18,480
Als ik kijk naar het aantal vacatures ook, wat ik voorbij zie komen online.

656
00:35:18,480 --> 00:35:19,480
Aantal posities.

657
00:35:19,480 --> 00:35:26,000
Mensen die ik zou te responsible AI of digital ethics dataethiek wereld kunnen noemen.

658
00:35:26,000 --> 00:35:29,080
Die ik zie die die wereld ingaan of in willen gaan.

659
00:35:29,080 --> 00:35:31,320
Altijd een scriptant dat zich aanmeldt bij mij.

660
00:35:31,320 --> 00:35:33,000
Dat is explosief gestegen.

661
00:35:33,000 --> 00:35:34,720
Dus het is steeds meer in the picture.

662
00:35:34,720 --> 00:35:39,560
Je ziet ook, het is ook wel leuk om te vermelden, ik werk dus voor KPMG en wij publiceren ieder

663
00:35:39,560 --> 00:35:43,800
jaar de KPMG, wij noemen dat de algoritme vertrouwensmonitor.

664
00:35:43,800 --> 00:35:49,560
Dan gaan wij bij de gewone man eigenlijk op straat, dan gaan we naar de gewone Nederlander,

665
00:35:49,560 --> 00:35:54,720
peilen wij wat is nou jouw bekendheid met, we noemen dat even algoritmes, maar AI.

666
00:35:54,720 --> 00:35:56,760
En ook vertrouwen je AI ook.

667
00:35:56,760 --> 00:36:00,480
En wat je ziet over het afgelopen jaar is een trend dat men steeds bekender wordt met

668
00:36:00,480 --> 00:36:04,440
AI, dus men weet steeds meer wat het is.

669
00:36:04,440 --> 00:36:05,960
Maar het vertrouwen zie je dalen.

670
00:36:05,960 --> 00:36:11,760
Dus volgens mij afgelopen jaar zagen wij een daling over de breedte van 22 procent in vertrouwen.

671
00:36:11,760 --> 00:36:12,760
Dat is fors.

672
00:36:12,760 --> 00:36:17,320
Ja, dus men weet steeds meer wat het is en ook de impact op zijn of haar leven.

673
00:36:17,320 --> 00:36:24,320
Maar het vertrouwen van organisaties die AI inzetten daalt bij de burger.

674
00:36:24,320 --> 00:36:28,520
En dat is natuurlijk ingegeven door de lange traditie van schandalen die wij hebben in

675
00:36:28,520 --> 00:36:29,520
Nederland.

676
00:36:29,520 --> 00:36:34,760
Dus ik zag laatst dat Nederland volgens mij nummer 1 scoorde op een lijst van trustworthy

677
00:36:34,760 --> 00:36:37,800
of responsible AI op Europees niveau.

678
00:36:37,800 --> 00:36:39,360
Nee, wereldwijd was dat.

679
00:36:39,360 --> 00:36:41,200
Hebben jullie ook gezien.

680
00:36:41,200 --> 00:36:46,920
En enerzijds is dat goed, en ik denk dat, ik hoop dat ik daar zelf ook een steentje aan

681
00:36:46,920 --> 00:36:47,920
bij heb gedragen.

682
00:36:47,920 --> 00:36:53,440
Anderzijds kan je natuurlijk ook afvragen, maar gegeven de hoeveelheid schandalen, relatief

683
00:36:53,440 --> 00:36:57,880
gezien ook, voor zo'n klein land, ja, dat is dan weer niet zo goed.

684
00:36:57,880 --> 00:36:59,960
Dus het gaat natuurlijk hand in hand met elkaar.

685
00:36:59,960 --> 00:37:04,040
Ik wou net zeggen, ik denk dat het leren van wat er heeft plaatsgevonden dan essentieel

686
00:37:04,040 --> 00:37:05,760
is en het reflecteren erop.

687
00:37:05,760 --> 00:37:09,520
En misschien de openheid die we ook vaak hebben, denk ik, in Nederland.

688
00:37:09,520 --> 00:37:12,080
Dat het ook wel een middel is om weer meer te kunnen groeien.

689
00:37:12,080 --> 00:37:16,320
Ja, ik denk dat men er gewoon achter komt nu dat men toch heel veel in productie heeft

690
00:37:16,320 --> 00:37:17,320
draaien.

691
00:37:17,320 --> 00:37:20,000
Wat men misschien niet eens wist dat ze het in productie hadden draaien.

692
00:37:20,000 --> 00:37:25,880
AI-systemen waren die nou destijds toch niet helemaal, ik noem het even goed of verantwoord

693
00:37:25,880 --> 00:37:28,600
ontwikkeld zijn, misschien een beetje te snel, he.

694
00:37:28,600 --> 00:37:32,120
Datasets die toch niet helemaal balanced bleken te zijn.

695
00:37:32,120 --> 00:37:35,800
Niet alle groepen bijvoorbeeld even redelijk ondervertegenwoordigd waren, die dan gebruikt

696
00:37:35,800 --> 00:37:37,560
waren als input voor die modellen.

697
00:37:37,560 --> 00:37:42,720
Ook technieken die gebruikt zijn die misschien niet toereikend waren of niet de lange termijn

698
00:37:42,720 --> 00:37:43,720
kunnen doorstaan.

699
00:37:43,720 --> 00:37:48,600
Business case waar je kan afvragen, nou moet je dit eigenlijk wel willen doen?

700
00:37:48,600 --> 00:37:51,280
En ik zie dat mensen er steeds meer wakker worden over dat thema.

701
00:37:51,280 --> 00:37:53,680
De impact begrijpen op hun leven van algoritmes.

702
00:37:53,680 --> 00:37:57,440
En je ziet dus ook mensen die gemotiveerd worden om daar iets aan te doen.

703
00:37:57,440 --> 00:37:59,920
Ik had het zelf vijf jaar geleden ook.

704
00:37:59,920 --> 00:38:03,520
Ook geconfronteerd met, in mijn opinie, onethische business cases.

705
00:38:03,520 --> 00:38:08,920
En ik dacht van, ik wil andere organisaties helpen om goed data science te doen, goed

706
00:38:08,920 --> 00:38:09,920
AI te ontwikkelen.

707
00:38:09,920 --> 00:38:15,800
Je ziet steeds meer mensen over de as van ethiek, maar ook in de techniek, iets met

708
00:38:15,800 --> 00:38:16,800
dit thema willen doen.

709
00:38:16,800 --> 00:38:19,280
Zij het uitlegbaarheid, zij discriminatie willen voorkomen.

710
00:38:19,280 --> 00:38:21,560
Fantastisch om te zien.

711
00:38:21,560 --> 00:38:24,200
Het is niet langer meer een nis, denk ik.

712
00:38:24,200 --> 00:38:32,880
En wat jij ook zegt, mensen zijn er steeds meer bewust van dat er overal en nergens algoritmes

713
00:38:32,880 --> 00:38:33,880
zijn.

714
00:38:33,880 --> 00:38:39,040
Wat ik me wel afvraag, wij zien natuurlijk, de media leeft van schandalen.

715
00:38:39,040 --> 00:38:45,720
Dus je ziet altijd wat niet goed gaat, je ziet niet wat er wel goed gaat.

716
00:38:45,720 --> 00:38:52,400
En wat er niet goed gaat, is uiteindelijk een topje van de ijsberg van alle algoritmes

717
00:38:52,400 --> 00:38:53,400
die er lopen.

718
00:38:53,400 --> 00:38:58,560
Want ik heb in een andere uitzending ook wel eens gezegd van de meeste algoritmes deugen.

719
00:38:58,560 --> 00:39:04,160
Want er zijn natuurlijk heel veel algoritmes die helemaal niet over ons als mens gaan.

720
00:39:04,160 --> 00:39:11,440
Die gewoon hele eenvoudige voorspellingen doen of een apparaat kapot gaat, ja of nee.

721
00:39:11,440 --> 00:39:18,000
Bij Alliander bijvoorbeeld kijken ze naar of zijn kabels op het punt staan om beschadigd

722
00:39:18,000 --> 00:39:19,000
te raken.

723
00:39:19,000 --> 00:39:20,000
Kunnen we daar wat mee?

724
00:39:20,000 --> 00:39:24,160
Je spamfolder, zou ik niet een ondeugdelijk algoritme noemen.

725
00:39:24,160 --> 00:39:26,600
Het beste algoritme wat er is.

726
00:39:26,600 --> 00:39:27,600
Toch?

727
00:39:27,600 --> 00:39:30,480
Volgens mij 99% van alle e-mails komen er nooit aan.

728
00:39:30,480 --> 00:39:32,160
Precies, die zie je in ieder geval niet.

729
00:39:32,160 --> 00:39:33,160
Heerlijk is dat.

730
00:39:33,160 --> 00:39:34,160
Dat is nog te veel.

731
00:39:34,160 --> 00:39:35,160
Ja, toch?

732
00:39:35,160 --> 00:39:41,720
Dus we hebben ook wel te maken met, als je dan hebt over gebalanceerde data in dit geval,

733
00:39:41,720 --> 00:39:45,120
we hebben natuurlijk ook wel te maken met ongebalanceerd nieuws.

734
00:39:45,120 --> 00:39:47,720
Ja, daar wil ik wel wat over zeggen.

735
00:39:47,720 --> 00:39:53,920
Inderdaad, het merendeel van het nieuws wat ons bereikt is negatief nieuws.

736
00:39:53,920 --> 00:39:56,360
Negatieve dingen verkopen dan eenmaal.

737
00:39:56,360 --> 00:39:58,960
Dat komt door ons lizzard brains, zou je het kunnen noemen.

738
00:39:58,960 --> 00:40:03,200
Wij zijn natuurlijk de afstammelingen van, ik noem het maar even, neurotische apen.

739
00:40:03,200 --> 00:40:07,200
Laten we het zo zeggen, degenen die het meest bang waren voor de slangen in het gras, die

740
00:40:07,200 --> 00:40:09,080
hebben het overleefd en daar komen wij vandaan.

741
00:40:09,080 --> 00:40:13,560
Dus het is niet heel raar dat als je iets negatiefs ziet, al zij het aan de andere kant van de

742
00:40:13,560 --> 00:40:16,040
wereld, dat je dan getriggerd wordt om daarop te klikken.

743
00:40:16,040 --> 00:40:17,400
Dat je denkt, oh dat is interessant.

744
00:40:17,400 --> 00:40:21,640
Terwijl als je erover nadenkt, de impact op jouw leven van een ramp aan de andere kant

745
00:40:21,640 --> 00:40:24,680
van de wereld, het is natuurlijk verschrikkelijk dat dat gebeurt, maar de impact op jouw leven

746
00:40:24,680 --> 00:40:25,680
is vaak nieuw.

747
00:40:25,680 --> 00:40:30,680
Dus eigenlijk positief nieuws uit bijvoorbeeld een land als Duitsland, onze grootste trading

748
00:40:30,680 --> 00:40:35,280
partner als Nederland, is eigenlijk veel belangrijker, heeft waarschijnlijk een groter directe impact

749
00:40:35,280 --> 00:40:39,360
op jouw leven, de Duitse economie, dan als er een ramp is gebeurd in Azië.

750
00:40:39,360 --> 00:40:43,080
En nogmaals, dat is heel verschrikkelijk, maar de kans dat jij daar de dag daarna misschien

751
00:40:43,080 --> 00:40:45,840
hinder of iets van ondervindt, is eigenlijk niet heel.

752
00:40:45,840 --> 00:40:48,280
En dat heeft natuurlijk inderdaad te maken met informatievoorziening.

753
00:40:48,280 --> 00:40:50,400
Misschien ook wel even een vraag aan jullie.

754
00:40:50,400 --> 00:40:54,320
Als ik nu zeg, Obama, waar denken jullie dan aan?

755
00:40:54,320 --> 00:40:55,320
In jullie gedachte?

756
00:40:55,320 --> 00:40:56,320
Of in jullie mind, zeg maar?

757
00:40:57,320 --> 00:41:00,320
Voor mij is het eerst de healthcare wat naar boven komt.

758
00:41:00,320 --> 00:41:01,320
Ja?

759
00:41:01,320 --> 00:41:06,320
Ja, ik als, zeg maar, dat hij zo'n onwaarschijnlijk goede redenaar is.

760
00:41:06,320 --> 00:41:08,640
Zien jullie ook een plaatje voor je van Obama?

761
00:41:08,640 --> 00:41:10,320
Of een mentale foto?

762
00:41:10,320 --> 00:41:11,320
Ja.

763
00:41:11,320 --> 00:41:12,320
Oké, dat is dus heel bijzonder.

764
00:41:12,320 --> 00:41:18,360
Als je teruggaat in de tijd, toen we nog kranten hadden bijvoorbeeld, de meeste mensen wisten

765
00:41:18,360 --> 00:41:20,600
bijvoorbeeld niet hoe de president van Amerika eruit zag.

766
00:41:20,600 --> 00:41:21,600
Oh ja, natuurlijk.

767
00:41:21,600 --> 00:41:22,600
Wisten ze niet.

768
00:41:22,600 --> 00:41:27,600
Wat we tegenwoordig doen, is wij consumeren heel veel fotografisch nieuws.

769
00:41:27,600 --> 00:41:33,520
Dus wij consumeren afbeeldingen, filmpjes, eigenlijk relatief korte tekst, waar men in

770
00:41:33,520 --> 00:41:36,080
het verleden vaak juist grote hoeveelheden tekst consumeerde.

771
00:41:36,080 --> 00:41:37,080
Bijvoorbeeld een krant.

772
00:41:37,080 --> 00:41:39,760
Dus heel veel mensen wisten niet hoe de president eruit zag.

773
00:41:39,760 --> 00:41:43,680
Maar het feit dat wij nu meteen aan een plaatje denken, of misschien wel die Obama-meme, wat

774
00:41:43,680 --> 00:41:47,600
je ook in je hoofd krijgt, dat geeft al aan dat wij in een tijd leven waarin we heel veel

775
00:41:47,600 --> 00:41:49,880
fotografisch nieuws consumeren.

776
00:41:49,880 --> 00:41:56,200
Het is ook erg logisch dat dat leidt tot bepaalde media, zoals bijvoorbeeld smartphones, tablets,

777
00:41:56,200 --> 00:41:57,560
waarop we dat nieuws consumeren.

778
00:41:57,560 --> 00:42:01,760
Want het is natuurlijk veel makkelijker om dat nieuws dan te consumeren dan via een krant.

779
00:42:01,760 --> 00:42:05,520
Omdat we smartphones gebruiken, tablets, wordt het nieuws ook korter.

780
00:42:05,520 --> 00:42:11,320
Je kan niet meer miljoenen regels of karakters op een tablet, ja kan wel, maar dat leest

781
00:42:11,320 --> 00:42:12,320
niet zo lekker.

782
00:42:12,320 --> 00:42:13,320
Dus het nieuws wordt korter.

783
00:42:13,320 --> 00:42:15,680
Daardoor word je ook minder goed geïnformeerd.

784
00:42:15,680 --> 00:42:18,400
En natuurlijk algoritmes spelen er een rol in.

785
00:42:18,400 --> 00:42:22,640
Als algoritmes pushen het negatieve nieuws naar boven, waar het meest op wordt geklikt.

786
00:42:22,640 --> 00:42:25,040
Dus wat trending gaat.

787
00:42:25,040 --> 00:42:30,760
Maar ook het medium waarop je nieuws consumeert, dus in dit geval een smartphone, een tablet,

788
00:42:30,760 --> 00:42:35,440
een laptop, maakt dat je minder snel geïnformeerd wordt.

789
00:42:35,440 --> 00:42:37,160
Minder goed geïnformeerd wordt.

790
00:42:37,160 --> 00:42:40,760
En ik denk dat de media daar ook een heel belangrijke rol in spelen en ook een verantwoordelijkheid

791
00:42:40,760 --> 00:42:41,760
hebben.

792
00:42:41,760 --> 00:42:43,680
Een beetje een talkshow nowadays.

793
00:42:43,680 --> 00:42:50,640
Misschien krijgen mensen maar 2, 3, 5 minuten de tijd om een onderwerp uit te leggen of

794
00:42:50,640 --> 00:42:52,040
over daarover te rapporteren.

795
00:42:52,040 --> 00:42:55,440
Dat is natuurlijk veel te kort om met een genuanceerde, goed geïnformeerde mening te

796
00:42:55,440 --> 00:42:56,440
komen.

797
00:42:56,440 --> 00:43:01,360
Dus als jij al je nieuws haalt van talkshows of van Twitter, wat volgens mij ook maar een

798
00:43:01,360 --> 00:43:05,320
aantal karakters is, wordt het gewoon heel erg lastig om een goed geïnformeerde mening

799
00:43:05,320 --> 00:43:06,320
te vormen.

800
00:43:06,320 --> 00:43:10,800
Dus in dat opzicht denk ik dat media qua vorm, inhoud, maar ook algoritme, bijdragen aan

801
00:43:10,800 --> 00:43:12,720
toch een bepaalde mate van polarisatie.

802
00:43:12,720 --> 00:43:14,560
In de samenleving.

803
00:43:14,560 --> 00:43:21,680
Als je alleen maar je nieuws uit kort formaat, nieuwsmedia haalt, digitale media vaak, geen

804
00:43:21,680 --> 00:43:23,680
wonder dat jij slecht geïnformeerd bent.

805
00:43:23,680 --> 00:43:26,720
En jouw politieke tegenstander is ook slecht geïnformeerd.

806
00:43:26,720 --> 00:43:29,760
Dus geen wonder dat jij een ruzie krijgt op Twitter.

807
00:43:29,760 --> 00:43:31,520
En dat vind ik persoonlijk heel erg jammer.

808
00:43:31,520 --> 00:43:33,240
Ook als je het in de Tweede Kamer ziet.

809
00:43:33,240 --> 00:43:37,920
Ik wil niet op een politieker wend gaan, maar dat de Tweede Kamer gebruikt wordt om YouTube

810
00:43:37,920 --> 00:43:38,920
filmpjes op te nemen.

811
00:43:38,920 --> 00:43:39,920
Ja, bizar.

812
00:43:39,920 --> 00:43:43,600
Van 1, 2, 3 minuten voor kliks op het YouTube kanaal van politieke partijen.

813
00:43:43,600 --> 00:43:45,080
Zowel links als rechts doet dat.

814
00:43:45,080 --> 00:43:47,800
Dat vind ik een heel erg jammerlijke trend.

815
00:43:47,800 --> 00:43:51,360
Je verwacht juist dat het publieke debat plaatsvindt in de Tweede Kamer.

816
00:43:51,360 --> 00:43:54,520
En dat kan niet met een 1 minuut YouTube fragment.

817
00:43:54,520 --> 00:43:55,720
Lijkt me ook niet, nee.

818
00:43:55,720 --> 00:43:58,120
Ik hoor hier de vraag naar diepgang, jongens.

819
00:43:58,120 --> 00:44:02,120
Diepgaande gesprekken met elkaar zorgen dat je verder kijkt dan scratching the surface.

820
00:44:02,120 --> 00:44:05,960
Dus we gaan niet alleen maar de oppervlakte bekrassen zoals we het in het Nederlands

821
00:44:05,960 --> 00:44:06,960
dan maar moeten vertalen.

822
00:44:06,960 --> 00:44:08,960
Dat is een slechte vertaal ik me trouwens.

823
00:44:08,960 --> 00:44:10,600
Dus dat klinkt toch niet zo lekker.

824
00:44:10,600 --> 00:44:11,600
Ja, scratching the surface.

825
00:44:11,600 --> 00:44:17,320
Maar ga met elkaar inderdaad de diepgang in en kijk even verder dan het ene bericht inderdaad.

826
00:44:17,320 --> 00:44:18,760
En laat je goed informeren.

827
00:44:18,760 --> 00:44:21,200
En het is ook prima om geen mening te hebben.

828
00:44:21,200 --> 00:44:23,280
Dus tegenwoordig moet je overal een mening over hebben.

829
00:44:23,280 --> 00:44:24,560
Je bent voor of tegen dit.

830
00:44:24,560 --> 00:44:26,520
Het is ook prima om te zeggen, ja, ik weet het niet.

831
00:44:26,520 --> 00:44:28,040
Ik ben niet genoeg ingelezen.

832
00:44:28,040 --> 00:44:30,600
Ik zou het ook van de andere kant eens een keer willen bekijken.

833
00:44:30,600 --> 00:44:34,360
Tegenwoordig is er heel veel pressure om een bepaalde mening te hebben.

834
00:44:34,360 --> 00:44:38,800
Misschien moet ik eerst eens een keer een paper lezen.

835
00:44:38,800 --> 00:44:42,240
Zou ook kunnen om tot een betere mening te komen in plaats van mijn nieuwsvoorziening

836
00:44:42,240 --> 00:44:43,520
alleen maar van YouTube te halen.

837
00:44:43,520 --> 00:44:44,520
Precies.

838
00:44:44,520 --> 00:44:45,520
En geen mening is ook een mening.

839
00:44:45,520 --> 00:44:51,400
Even terug naar de ethiek en de AI.

840
00:44:51,400 --> 00:44:56,320
Je hebt dan de ontwikkeling nu gezien van voor gen AI.

841
00:44:56,320 --> 00:45:01,960
We zitten nu eigenlijk in die transformatie van, ja, dat mensen echt wel na gaan denken

842
00:45:01,960 --> 00:45:07,320
over hoe zetten we dit nou responsabel in, wat zijn de ethische vraagstukken, waar gaan

843
00:45:07,320 --> 00:45:08,320
we naartoe?

844
00:45:08,320 --> 00:45:11,320
Waar gaan we naartoe?

845
00:45:11,320 --> 00:45:12,320
Ja.

846
00:45:12,320 --> 00:45:16,040
En dat hoeft geen tien jaar, want daar geloof ik helemaal niet in.

847
00:45:16,040 --> 00:45:18,320
Maar volgend jaar zit je hier weer.

848
00:45:18,320 --> 00:45:20,240
Wat is er veranderd volgens jou?

849
00:45:20,240 --> 00:45:24,920
Oeh, ja, nou, als data scientist moet ik weten dat voorspellingen over de toekomst, dan moet

850
00:45:24,920 --> 00:45:26,720
je een beetje voorzichtig zijn.

851
00:45:26,720 --> 00:45:30,680
Je mag het met een 78,3% zekerheid, mag je het voorspellen.

852
00:45:30,680 --> 00:45:32,680
Is dat de threshold?

853
00:45:32,680 --> 00:45:35,680
Misschien moeten we even een betrouwbaarheidinterval bepalen.

854
00:45:35,680 --> 00:45:38,880
Ja goed, ik vind het een heel moeilijke vraag die je stelt.

855
00:45:38,880 --> 00:45:41,280
Ik snap ook wat je vraag is hoor.

856
00:45:41,280 --> 00:45:45,840
Moet ik even terug naar de historische data kijken, de afgelopen jaar.

857
00:45:45,840 --> 00:45:50,360
Ik denk dat AI een enorme stroomversnelling is gekomen in de zin van de capabilities.

858
00:45:50,360 --> 00:45:53,680
Ik denk dat niemand de capabilities van gen AI aan zag komen.

859
00:45:53,680 --> 00:45:59,280
Je ziet nu wel weer een soort van tegenbeweging, een soort van gezond verstand beweging ontstaan.

860
00:45:59,280 --> 00:46:02,880
Dus altijd als een nieuwe technologie wordt geïntroduceerd ga je door zo'n golfbeweging

861
00:46:02,880 --> 00:46:05,880
van de capabilities worden overschat.

862
00:46:05,880 --> 00:46:07,760
Alles kan, alles is mogelijk.

863
00:46:07,760 --> 00:46:11,280
En dan zie je daarna zo'n soort van cooling down period waarin mensen weer wat rationeler

864
00:46:11,280 --> 00:46:16,040
worden en ook in zich krijgen wat wel kan, wat niet kan, waar die use cases wel en niet

865
00:46:16,040 --> 00:46:17,040
voor geschikt zijn.

866
00:46:17,040 --> 00:46:20,720
Dus ik denk nu dat we naar zo'n soort van cooling down periode gaan, waarin organisaties

867
00:46:20,720 --> 00:46:24,880
hopelijk ook verstandige afwegingen maken met betrekking tot de return on investment.

868
00:46:24,880 --> 00:46:28,680
Waar kan ik AI wel voor gebruiken, waar kan ik het niet voor gebruiken, waar kan ik beter

869
00:46:28,680 --> 00:46:35,000
traditionele methodes voor gebruiken, waar gaan AI en een mens samen goed, wat kan ik

870
00:46:35,000 --> 00:46:36,320
wel volledig automatiseren.

871
00:46:36,320 --> 00:46:41,320
Ik hoop eigenlijk een soort van gezond verstand, rustig aan modus.

872
00:46:41,320 --> 00:46:46,080
Ik hoop ook dat heel die discussie over existential risk, existentieel risico van AI technologie

873
00:46:46,080 --> 00:46:47,080
weer een beetje afkoelt.

874
00:46:47,080 --> 00:46:51,760
We hadden het eerder al over, je moet een mening hebben, je bent voor of tegen.

875
00:46:51,760 --> 00:46:54,760
Je zag bijvoorbeeld in de ethiekwereld duidelijk twee kampen.

876
00:46:54,760 --> 00:46:59,960
Je bent of bezorgd om de existentiële risico's van AI, de Terminator, of je bent er absoluut

877
00:46:59,960 --> 00:47:00,960
niet van.

878
00:47:00,960 --> 00:47:04,800
Ook weer een soort van tweedeling gecreëerd in de media, helaas.

879
00:47:04,800 --> 00:47:08,640
Ik denk dat dat inmiddels ook weer een beetje afkoelt, hopelijk.

880
00:47:08,640 --> 00:47:15,440
Wat ik vooral hoop volgend jaar is minder polarisatie, maar meer overeenstemming over de mogelijkheden,

881
00:47:15,440 --> 00:47:19,800
maar ook over de short-comings of de niet-mogelijkheden van AI.

882
00:47:19,800 --> 00:47:23,320
Dat we allemaal met een gezonder volwassenere blik naar kunnen kijken.

883
00:47:23,320 --> 00:47:28,000
Ik denk dat organisaties ook beseffen, innovatie om innovatie is niet altijd een goed idee.

884
00:47:28,000 --> 00:47:31,400
Er zijn veel schandalen geweest in Nederland, laten we dat vooral voorkomen.

885
00:47:31,400 --> 00:47:37,120
En dat we allemaal wat volwassener, hopelijk, volgend jaar naar kunnen kijken.

886
00:47:37,120 --> 00:47:40,600
Dat lijkt me echt een hele mooie, hoopvolle afsluiter.

887
00:47:40,600 --> 00:47:41,600
Dankjewel.

888
00:47:41,600 --> 00:47:43,520
Dankjewel Marc dat je hier weer wilde zijn.

889
00:47:43,520 --> 00:47:46,160
Het is altijd een genoegen om je in de studio te hebben.

890
00:47:46,160 --> 00:47:48,360
Dus nogmaals dank.

891
00:47:48,360 --> 00:47:49,360
Dankjewel.

892
00:47:49,360 --> 00:47:50,360
I'll be back.

893
00:47:50,360 --> 00:47:51,360
Kijk, heel graag.

894
00:47:51,360 --> 00:47:56,360
Om in The Terminator thema te blijven.

895
00:47:56,360 --> 00:48:00,560
Hartstikke leuk dat je weer luisterde naar een aflevering van AIToday Live.

896
00:48:00,560 --> 00:48:07,160
Vergeet je niet te abonneren via je favoriete podcast app, dan mis je geen aflevering.

897
00:48:07,160 --> 00:48:08,240
Tot de volgende keer.

898
00:48:08,240 --> 00:48:10,240
[Muziek]