Wat is kunstmatige intelligentie: een complete gids over concepten en zakelijke toepassingen

In de meeste directiecomités waar over AI wordt gesproken, gebruiken de vijf aanwezigen het woord met vijf verschillende betekenissen.

De een denkt aan een assistent die e-mails opstelt, de ander aan een model voor vraagvoorspelling, weer een ander aan een agent die processen uitvoert, en nog iemand anders aan iets onbepaalds dat in de pers verschijnt. Die ambiguïteit is geen semantisch probleem: het is de reden waarom Investeringsbeslissingen worden genomen op basis van aannames die niemand heeft geverifieerd..

Deze gids biedt uitkomst. Hij legt nauwkeurig uit wat kunstmatige intelligentie is, onderscheidt de techniekfamilies die vaak met elkaar worden verward, beschrijft de interne werking precies genoeg om de oorsprong van de beperkingen te begrijpen, en werpt de vraag op hoe je kunstmatige intelligentie gebruikt Uitgaande van een vraag die voorafgaat aan elk stappenplan: welk interventieniveau heeft jouw probleem werkelijk nodig?

Wat is kunstmatige intelligentie: definitie en werkelijke reikwijdte

Kunstmatige intelligentie is een een discipline binnen de informatica, geen product dat men koopt. Het groepeert methoden die gemeen hebben dat ze handgeschreven regels vervangen door een aangeleerd patroon: in plaats van de regel "als het bedrag hoger is dan X en het land Y is, markeer dan als verdacht" te coderen, leidt het systeem het signaal af door naar de historische gegevens te kijken.

Die vervanging verklaart zowel de kracht als de aard ervan. Een AI-systeem werkt niet op basis van zekerheden, maar schat waarschijnlijkheden in. Het presteert buitengewoon goed wanneer er een groot aantal voorbeelden en enige fouttolerantie is, maar slecht wanneer absolute voorspelbaarheid wordt vereist of wanneer de historische gegevens schaars of vertekend zijn.

Wat geen kunstmatige intelligentie is

Een groot deel van de ruis verdwijnt door weg te laten wat geen ruis is:

• Op regels gebaseerde automatisering (voorwaardelijke stromen, macro's, klassieke RPA) is geen AI: het leert niet, maar voert vaste instructies uit.
• Een dashboard Het is geen AI: het beschrijft wat er is gebeurd en doet geen gevolgtrekkingen over nieuwe gevallen.
• Een model via API gebruiken ...maakt van je product geen AI-product. De onderscheidende waarde zit in de data, de context en de controle die je rondom het model toevoegt, niet in het model zelf, dat voor al je concurrenten identiek is.

AI, machine learning en deep learning: de juiste hiërarchie

Deze termen worden als synoniemen gebruikt, maar dat zijn ze niet: ze houden elkaar in bedwang.

De praktische consequentie is van budgettaire aard en wordt voortdurend over het hoofd gezien: een probleem met tabelgegevens dat met klassieke machine learning wordt opgelost, is doorgaans goedkoper, sneller te valideren en veel eenvoudiger te auditen dan hetzelfde probleem opgelegd aan een generatief model.

Verwarring tussen niveau 2 en 4 van deze lijst is, naar onze ervaring, de meest voorkomende oorzaak van het overdimensioneren van een project: er wordt gekozen voor een taalmodel voor een taak die met een regressie nauwkeuriger kon worden opgelost, en een tiende van de terugkerende kosten.

Soorten kunstmatige intelligentie die van belang zijn voor bedrijven

Naar capaciteit: smalle, algemene en superintelligentie

Op basis van leertechniek

• Gesuperviseerd leren: leert van gelabelde voorbeelden, dat wil zeggen historische gevallen waarvan het juiste antwoord al bekend is.
• Ongesuperviseerd leren: vindt structuur zonder labels. Nuttig wanneer datgene waarnaar je op zoek bent niet gecategoriseerd is: segmentaties die niemand heeft gedefinieerd, afwijkingen die niemand eerder heeft opgemerkt.
• Versterkend leren: leert door vallen en opstaan op basis van een beloningsfunctie. Toegepast bij optimalisatie, dynamische prijsbepaling en systeembesturing.

Generatieve AI en fundatiemodellen

Een fundamenteel model Het is een model dat op grote schaal is getraind met zeer uiteenlopende gegevens en is ontworpen om zich aan te passen aan vele verschillende taken, zonder dat het opnieuw vanaf nul hoeft te worden getraind. De modellen Gemini ...van Google zijn multimodale funderingsmodellen: ze verwerken tekst, beeld, audio en video binnen hetzelfde contextvenster, in plaats van dat er voor elk datatype een gespecialiseerd model nodig is.

Wat er met fundatiemodellen is veranderd, is niet de kwaliteit van de gegenereerde tekst, maar de economisch model: voor toegang tot taalcapaciteiten van topniveau was niet langer een eigen onderzoeksteam nodig; het werd een kwestie van platformgebruik, aan te sturen vanuit Gemini Enterprise Agent Platform met dezelfde identiteits-, netwerk- en auditcontroles als de rest van je infrastructuur in Google Cloud .

Assistenten en agenten: het onderscheid dat het vaakst voor verwarring zorgt

Het is de conceptuele grens met de grootste gevolgen van dit moment, en ze laat zich samenvatten in twee werkwoorden:

Het verschil Het heeft niet te maken met de verfijning van het model, maar met rechten.Daarom gaat het gesprek over agents eerder over identiteit, traceerbaarheid en handelingsgrenzen dan over technologie.

Gemini Enterprise , Agent Platform en ADK: wat is wat?

Er is hier sprake van een verwarring die opgehelderd moet worden. vóór de eerste bespreking met een willekeurige leverancier, omdat de drie namen op elkaar lijken en de aankoopbeslissing in elk geval anders is.

De ontwikkeling van deze familie heeft een eigen artikel: Agentische AI met Google Cloud.

Hoe kunstmatige intelligentie van binnenuit werkt

Je hoeft geen verstand van wiskunde te hebben om goede beslissingen te nemen, maar je moet wel vier mechanismen begrijpen. Daaruit worden bijna alle limieten afgeleid.

Training en inferentie: waar de kosten vandaan komen

• Training: Het model past miljoenen of miljarden interne parameters aan om de fout op een dataset te minimaliseren. Dit proces is rekenintensief en vindt zelden plaats.
• Inferentie: Het reeds getrainde model reageert op een nieuw geval. Dit gebeurt bij elk verzoek van je gebruikers.

Hieruit volgt iets dat de manier waarop een AI-project wordt begroot, verandert: De kosten houden niet op bij de uitrol; ze beginnen daar.Een succesvolle use case met een hoge adoptiegraad leidt tot oplopende, niet afnemende kosten. Dit is een structureel verschil ten opzichte van een traditioneel softwareproject en verdient vanaf de eerste dia deel uit te maken van het gesprek.

Wat is een LLM en wat is het contextvenster?

Een groot taalmodel (LLM) Het is een model dat is getraind om het meest waarschijnlijke vervolg van een tekstreeks te voorspellen. Uit dat ene vermogen komen het schrijven, samenvatten, vertalen en genereren van code voort.

De contextvenster Het gaat om de hoeveelheid informatie die het model in één enkele interactie kan verwerken. Dit is een parameter met zeer concrete architecturale gevolgen: hij bepaalt of je een volledig contract kunt invoeren, of dat je het moet opdelen en alleen de relevante delen moet ophalen.

Waarom een model zich met ogenschijnlijk totale zekerheid kan vergissen

Dit is de eigenschap die je je het beste eigen kunt maken. Een LLM raadpleegt geen database met feiten: genereert de meest aannemelijke reeks gezien wat hij heeft gezien. Hij kan een onjuiste bewering formuleren in onberispelijke bewoordingen en zonder enig teken van twijfel.

RAG: het model baseren op je eigen kennis

De door retrieval verrijkte generatie (RAG) Dit is het patroon dat die beperking in de praktijk aanpakt: voordat het systeem antwoord geeft, zoekt het de relevante fragmenten in je bronnen en voegt deze toe aan de context, waardoor het model gedwongen wordt zich te baseren op materiaal dat daadwerkelijk bestaat en geciteerd kan worden.

Tegenover de fijnafstelling (het model opnieuw trainen met jouw data), wint RAG het meestal om drie redenen die zelden goed worden uitgelegd:

• De kennis het wordt bijgewerkt zonder iets opnieuw te trainen: je wijzigt het document en het antwoord verandert.
• Het antwoord is herleidbaar tot de bron, wat het auditeerbaar maakt.
• De toegangsrechten ...van het oorspronkelijke document kunnen bij het ophalen in acht worden genomen, zodat iedereen antwoorden ontvangt die zijn samengesteld uit uitsluitend de informatie die men mag inzien.

Dat derde punt is wat doorgaans het gesprek vlot trekt in organisaties met gevoelige informatie, en degene die het vaakst te laat wordt ontdekt.

Hoe kunstmatige intelligentie te gebruiken: de vier interventieniveaus

Aan elke routekaart gaat een conceptuele beslissing vooraf die alles daarná ordent: welk interventieniveau het probleem vereist. Dit zijn, in oplopende volgorde van kosten, risico en vereiste controle:

Niveau	Wat is het	Detail	Wat het van de organisatie vereist
1	Ondersteunde productiviteit	Gemini -mogelijkheden in Google Workspace – die in de meeste edities al zonder extra kosten zijn inbegrepen – boven op de tools die het personeel al gebruikt.	Training en gebruikscriteria. Geen nieuwe architectuur.
2	Bedrijfskennis	RAG of Gemini Enterprise op basis van je interne documentatie.	Geordende documentatie en een duidelijk toestemmingsmodel.
3	Eigen modellen	Specifieke voorspelling voor uw bedrijf op Gemini Enterprise Agent Platform.	Kwaliteitshistorie en data- en engineeringprofiel.
4	Agenten in opleiding	Automatisering met daadwerkelijk uitvoeringsvermogen.	Governance, traceerbaarheid en observeerbaarheid reeds opgelost.

Het is de moeite waard om bij niveau 1 stil te staan om een puur economische reden: in de meeste edities van Google Workspace zijn de mogelijkheden van Gemini zijn al zonder extra kosten inbegrepen. Als uw organisatie al over Workspace beschikt, is het eerste niveau geen aankoop, maar activering en training. Dit is de voordeligste instapmogelijkheid en vereist de minste budgettaire onderbouwing. Details over wat elke editie bevat, vindt u op onze pagina over Google Workspace.

Het meest voorkomende foutpatroon is proberen niveau 4 te bereiken zonder niveau 1 te hebben doorlopen. Het mislukt niet door de technologie: het mislukt omdat Niveau 1 is het niveau dat zorgt voor interne geletterdheid en politieke geloofwaardigheid., en zonder dat is er niemand om niveau 4 te verdedigen wanneer het eerste dubbelzinnige resultaat opduikt.

Zodra het niveau is vastgesteld, wordt het uitvoeringstraject — volwassenheidsdiagnose, pilot, meting en opschaling — uitgewerkt in de Praktische gids voor de adoptie van AI.

De drie grenzen die u moet begrijpen voordat u gaat beleggen

Het zijn beperkingen van de technologie, niet van een specifieke aanbieder. Geen van alle wordt opgelost met een budget.

Het normatieve vlak

De Europese AI-verordening classificeert de systemen op basis van risiconiveau en legt toenemende verplichtingen op inzake documentatie, menselijk toezicht en transparantie, terwijl ISO/IEC 42001 biedt een certificeerbaar kader voor een AI-managementsysteem.

De kalender veranderde in juli 2026: de Verordening (EU) 2026/1744, bekend als de digitale AI-omnibus, handhaaft 2 augustus 2026 als datum van algemene toepassing, maar stelt de verplichtingen voor hoogrisicosystemen van bijlage III uit tot december 2027 en die van bijlage I tot augustus 2028. Het is geen algemeen moratorium: De verplichtingen inzake AI-geletterdheid en transparantie blijven volledig van kracht.

Wat conceptueel van belang is, is dat Het risiconiveau wordt bepaald door het gebruik, niet door de technologie.: hetzelfde model kan in het ene geval vrijgesteld zijn van verplichtingen en in het andere geval onderworpen zijn aan strenge eisen. De concrete gevolgen voor Spaanse bedrijven worden behandeld in ons artikel over de EU-AI-verordening in Spanje.

Basiswoordenschat voor de eerste vergadering

De termen die in elk AI-voorstel voorkomen, vertaald:

Termijn	Wat het echt betekent
Token	De eenheid waarin het model de tekst opdeelt. Het is ook de factureringseenheid.
Prompt	De instructie en de context die in een verzoek naar het model worden gestuurd.
Parameter	Een van de interne waarden die tijdens de training worden aangepast. Meer parameters betekenen niet automatisch een beter resultaat voor jouw situatie.
Fijnafstemming (fine-tuning)	Een model gedeeltelijk hertrainen met eigen gegevens om het gedrag ervan te specialiseren.
Aarding	Het antwoord baseren op verifieerbare bronnen in plaats van op het geheugen van het model.
Multimodaal	In staat om meer dan één type gegevens (tekst, afbeelding, audio, video) in dezelfde interactie te verwerken.
Drift	Afname van de nauwkeurigheid van een model wanneer de werkelijkheid afwijkt van de trainingsgegevens.
Inferentie	Elk gebruik van het reeds getrainde model. Hier ontstaan de terugkerende kosten.

Als tijdens een leveranciersbespreking een van deze termen wordt gebruikt zonder dat deze naar een van deze zinnen kan worden vertaald, Het is de moeite waard om te stoppen en het te vragen..

Hoe The Cloud Collective kunstmatige intelligentie aanpakt

Bij The Cloud Collective hebben we bij voldoende organisaties kunstmatige intelligentie op Google Cloud geïmplementeerd om er een ongemakkelijke mening over te hebben: Het model is bijna nooit de variabele die de uitkomst bepaalt.Dit wordt bepaald door de specifieke context, de rechten en de duidelijkheid waarmee het probleem is geformuleerd.

Dat vertaalt zich naar drie concrete zaken wanneer we met teams in Spanje werken:

• We beginnen bij het interventieniveau, niet bij het product. Het eerste zinvolle gesprek gaat niet over welke tool je moet gebruiken, maar over de vraag of het probleem niveau 1 of niveau 3 uit de voorgaande tabel vereist. Die keuze later nog wijzigen, kost een kwartaal.
• We ontwerpen op Google Cloud met het oog op productie, vanaf het allereerste begin. ( Gemini Enterprise Agent Platform, BigQuery , Gemini Enterprise , Google Workspace met Gemini ), omdat het veel goedkoper is om kwesties rondom identiteit, netwerk, kosten en auditing vóór de pilot op te lossen dan erna.
• We zijn duidelijk over de grenzen. De consultants van The Cloud Collective geven er de voorkeur aan om al tijdens de eerste bespreking aan te geven dat een use case niet haalbaar is met de beschikbare data, in plaats van daar pas in de vierde maand achter te komen.

Vanuit Barcelona werken we als Google Cloud Premier Partner samen met directieteams en technische teams uit heel Spanje, en het grootste deel van onze waarde ligt in de eerdere beslissingen: degene die bepalen of de rest van het project zinvol was.

Conclusie en volgende stap

Wat is kunstmatige intelligentie? Er is een kort antwoord —systemen die patronen uit data leren in plaats van vastgelegde regels te volgen— en een implicatie met meer gevolgen: het is een probabilistische capaciteit met terugkerende kosten, waarvan de onderscheidende waarde niet in het model zelf schuilt, maar in de specifieke context die je eromheen creëert.

Y hoe je kunstmatige intelligentie gebruikt Het begint al lang vóór de routekaart, bij één enkele, goed geformuleerde vraag: welk interventieniveau vereist dit probleem, en wat is het laagste niveau waarmee het kan worden opgelost?