1
00:00:00,001 --> 00:00:06,720
Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live.
2
00:00:06,720 --> 00:00:09,440
Ik val vandaag direct met de deur in huis.
3
00:00:09,440 --> 00:00:12,120
Namelijk, de AI-industrie heeft een serieus probleem.
4
00:00:12,120 --> 00:00:13,800
Ze verkoopt een fantasie.
5
00:00:13,800 --> 00:00:20,400
Large Language Models worden op de markt gebracht als plug-and-play oplossingen die traditionele
6
00:00:20,400 --> 00:00:25,640
industrieën van de ene op de andere dag revolutionair zullen veranderen.
7
00:00:25,640 --> 00:00:28,680
Dit kan niet verder van de waarheid afliggen.
8
00:00:28,680 --> 00:00:35,080
Want de kloof tussen de beloften van Large Language Models en de realiteit van hun implementatie
9
00:00:35,080 --> 00:00:41,360
is niet alleen groot, het is een kloof die geld, tijd en moraal opslokt in talloze organisaties.
10
00:00:41,360 --> 00:00:45,400
Large Language Models zijn geen toverstokjes.
11
00:00:45,400 --> 00:00:52,440
Ze zijn krachtig, maar het zijn algemene hulpmiddelen die niet klaar zijn voor gespecialiseerd gebruik
12
00:00:52,440 --> 00:00:53,440
in de industrie.
13
00:00:53,440 --> 00:01:01,360
Het is alsof je een Zwitser zakmes wil gebruiken voor het uitvoeren van een gespecialiseerde
14
00:01:01,360 --> 00:01:02,360
operatie.
15
00:01:02,360 --> 00:01:10,200
De beloften van directe transformatie, moeiteloze integratie en onmiddellijke return on investment
16
00:01:10,200 --> 00:01:16,280
zorgden voor dat bedrijven met de hoge verwachtingen beginnen aan een zogenaamde AI-revolutie.
17
00:01:16,280 --> 00:01:22,240
Deze kloof tussen verwachting en implementatie leidt tot frustratie waardoor AI-initiatieven
18
00:01:22,240 --> 00:01:24,720
kunnen ontsporen voordat ze waarde opleveren.
19
00:01:24,720 --> 00:01:26,440
En dat vind ik jammer.
20
00:01:26,440 --> 00:01:34,880
Large Language Models missen bedrijfsspecifieke kennis en genuanceerd begrip van gespecialiseerde
21
00:01:34,880 --> 00:01:37,000
processen binnen je organisatie.
22
00:01:37,000 --> 00:01:41,720
De integratie van Large Language Models in bestaande systemen verloopt daardoor zelden
23
00:01:41,720 --> 00:01:42,720
naadloos.
24
00:01:42,720 --> 00:01:48,480
Je hebt bestaande infrastructuur, datasilo's, verouderde workflows, en die vormen allemaal
25
00:01:48,480 --> 00:01:51,280
best aanzienlijke technische obstakels.
26
00:01:51,280 --> 00:01:57,760
Je hebt ook nog werknemers missen vaak de vaardigheden om deze AI-systemen effectief
27
00:01:57,760 --> 00:02:03,080
aan te sturen waardoor weer uitgebreide training en change management noodzakelijk is.
28
00:02:03,080 --> 00:02:11,400
Privacy zorgen en naleving van regelgeving voegen een extra laag complexiteit toe, vooral
29
00:02:11,400 --> 00:02:12,640
in gevoelige sectoren.
30
00:02:12,640 --> 00:02:18,720
Zo waren er recent best wel datalekken gemeld bij de autoriteit persoonsgegevens en die tonen
31
00:02:18,720 --> 00:02:20,160
dit soort risico's aan.
32
00:02:20,160 --> 00:02:25,800
Zo was er een medewerker van een huisartsenpraktijk en die voerde medische gegevens van een patiënt
33
00:02:25,800 --> 00:02:26,800
in de chatbot in.
34
00:02:26,800 --> 00:02:32,840
Terwijl bij een telecombedrijf een medewerker klantadressen opstuurde.
35
00:02:32,840 --> 00:02:41,840
Deze incidenten onderstrepen de noodzaak van professionalisering van het gebruik van Large
36
00:02:41,840 --> 00:02:48,840
Language Models en juist het wegbewegen van ad hoc-prompt naar gecontroleerde, zorgvuldig
37
00:02:48,840 --> 00:02:52,440
en veilige aansturing van Large Language Models.
38
00:02:52,440 --> 00:02:57,680
Ondanks deze uitdagingen blijft het potentieel van Large Language Models enorm.
39
00:02:57,680 --> 00:03:04,440
Het succes ligt in de benadering van de implementatie met juist realistische verwachtingen, een duidelijke
40
00:03:04,440 --> 00:03:09,680
structuur en bereidheid om te investeren in een noodzakelijk fundament.
41
00:03:09,680 --> 00:03:15,880
Het verbinden van Large Language Models met bestaande geautomatiseerde workflows vereist
42
00:03:15,880 --> 00:03:17,680
namelijk innovatieve oplossingen.
43
00:03:17,680 --> 00:03:26,680
Die taalmodellen zijn ontworpen voor mensachtige tekstverwerking maar begrijpen niet zomaar
44
00:03:26,680 --> 00:03:32,560
de specifieke datastructuren, APIs of protocollen van jouw bedrijfssoftware.
45
00:03:32,560 --> 00:03:40,000
Het verbinden van taalmodellen met databases, CRM-systemen of bedrijfs-eigen software vereist
46
00:03:40,000 --> 00:03:41,600
vaak een aangepaste tussenlaag.
47
00:03:41,600 --> 00:03:47,800
Om de kloof tussen AI-beloft en realiteit te dichten is daarom een verandering van mentaliteit
48
00:03:47,800 --> 00:03:49,080
en aanpak nodig.
49
00:03:49,080 --> 00:03:54,080
Bedrijven moeten beginnen met een grondige beoordeling van hun huidige systemen, workflows
50
00:03:54,080 --> 00:03:55,080
en vaardigheden.
51
00:03:55,080 --> 00:04:01,120
Investeren in maatwerk door taalmodellen af te stemmen op bedrijfs-specifieke gegevens
52
00:04:01,120 --> 00:04:03,320
en use-cases is daarom cruciaal.
53
00:04:03,320 --> 00:04:11,140
Het samenstellen van een multidisciplinair team met AI-experts, domein-experts en specialisten
54
00:04:11,140 --> 00:04:16,080
in verandermanagement is essentieel om technische uitdagingen aan te pakken en de menselijke
55
00:04:16,080 --> 00:04:18,680
aspecten van AI-acceptatie te beheren.
56
00:04:18,680 --> 00:04:25,080
Een stapsgewijze aanpak, waarbij wordt begonnen met pilotprojecten, helpt bij het opbouwen
57
00:04:25,080 --> 00:04:27,080
van vertrouwen en verfijnen van strategieën.
58
00:04:27,080 --> 00:04:40,320
Organisaties moeten investeren in integratieoplossingen en het herdefiniëren van succesmetrieken
59
00:04:40,320 --> 00:04:44,800
om de bredere impact van taalmodellen te laten weerspiegelen.
60
00:04:44,800 --> 00:04:50,120
Veiligheid en compliance moeten voorop staan met strikte protocollen, grondige training
61
00:04:50,120 --> 00:04:56,160
van medewerkers, technische barrières tegen ongeautoriseerde gegevensopdracht, overdracht
62
00:04:56,160 --> 00:04:57,800
en regelmatige audits.
63
00:04:57,800 --> 00:05:05,320
Maar het belangrijkste vind ik dat de overgang van ad hoc-prompt naar een gestructureerde
64
00:05:05,320 --> 00:05:09,200
gecontroleerde benadering cruciaal is.
65
00:05:09,200 --> 00:05:15,960
Dit omvat het ontwikkelen van een soort van promptbibliotheek, het implementeren van een
66
00:05:15,960 --> 00:05:29,880
promptmanagementsysteem en een continuous promptengineering flow die integratie met je taalmodellen
67
00:05:29,880 --> 00:05:37,120
- wat zou daar een goed voor woord zijn - die met die taalmodellen eigenlijk stroomlijnt.
68
00:05:37,120 --> 00:05:45,800
Want als je dat hebt, dan kun je namelijk veiligheidscontroles inbouwen om gevoelige informatie in prompt
69
00:05:45,800 --> 00:05:56,960
te detecteren en te blokkeren, zodat je geen data lekt en je ook niets hoeft te melden
70
00:05:56,960 --> 00:05:58,720
aan de autoriteit persoonsgegevens.
71
00:05:58,720 --> 00:06:05,120
Het implementeren van large language models is een reis die geduld, strategisch denken
72
00:06:05,120 --> 00:06:07,280
en bereidheid tot verandering vereist.
73
00:06:07,280 --> 00:06:09,800
Er is geen snelle route.
74
00:06:09,800 --> 00:06:17,240
Door deze complexiteit te erkennen, te investeren in maatwerk en een flexibele incrementele
75
00:06:17,240 --> 00:06:22,920
aanpak te hanteren, kun je als bedrijf de hindernissen van de implementatie van taalmodellen
76
00:06:22,920 --> 00:06:26,560
echt wel succesvol in navigeren.
77
00:06:26,560 --> 00:06:34,240
AI-adoptie moet meer worden gezien als een continu proces van organisatorische evolutie
78
00:06:34,240 --> 00:06:37,720
en leren en niet als een eenmalige technische upgrade.
79
00:06:37,720 --> 00:06:42,440
Taalmodellen zijn krachtige hulpmiddelen, maar geen wondermiddelen.
80
00:06:42,440 --> 00:06:48,120
Ze eisen zorgvuldige integratie, constante verfijning en een doordachte benadering van
81
00:06:48,120 --> 00:06:50,320
veiligheid en complexiteit.
82
00:06:50,320 --> 00:06:56,440
Nogmaals, door weg te bewegen van ad-hoc prompts naar een gestructureerd veilig systeem voor
83
00:06:56,440 --> 00:07:02,240
large language model aansturing, kan je als bedrijf de vruchten plukken van deze technologie
84
00:07:02,240 --> 00:07:04,960
zonder onnodige risico's te nemen.
85
00:07:04,960 --> 00:07:11,960
En door deze benadering te volgen, kunnen bedrijven de kloof tussen de AI-belofte en
86
00:07:11,960 --> 00:07:17,400
de realiteit juist overbruggen en echte, duurzame waarden creëren met large language models.
87
00:07:17,400 --> 00:07:24,320
Dank je wel weer voor het luisteren naar deze aflevering van AIToday Live.
88
00:07:24,320 --> 00:07:28,440
Vergeet je niet te abonneren via je favoriete podcast-app, dan mis je geen aflevering.
89
00:07:28,440 --> 00:07:29,440
[Muziek]
90
00:07:29,440 --> 00:07:29,440
[Muziek]
91
00:07:30,440 --> 00:07:33,440
[Muziek]
92
00:07:33,440 --> 00:07:35,440
[Muziek]
