Wat is generatieve AI? Hoe het werkt, waar het helpt en faalt

Generatieve AI maakt nieuwe content, zoals tekst, afbeeldingen, audio en code. Deze gids legt uit hoe het werkt, waar organisaties het gebruiken, welke risico's NIST benoemt en hoe u het verantwoord inzet.

Wat is generatieve AI?

Het profiel voor generatieve AI van NIST (juli 2024) citeert de definitie uit het Amerikaanse executive order: generatieve AI is "de klasse van AI-modellen die de structuur en kenmerken van invoerdata nabootsen om afgeleide synthetische content te genereren. Dit kan afbeeldingen, video's, audio, tekst en andere digitale content omvatten." In het dagelijks gebruik verwijst de term vooral naar grote taalmodellen en afbeeldingsgeneratoren.

Belangrijkste punten

• Generatieve AI produceert nieuwe content op basis van patronen die het in zijn trainingsdata heeft geleerd.
• Het is een deelverzameling van deep learning en bouwt voor taal voort op de Transformer-architectuur.
• Het formuleert vloeiend, en dat is niet hetzelfde als correct: het kan overtuigende fouten produceren.
• Het baseren op uw eigen documenten en mensen erbij betrokken houden verkleint het risico, maar neemt het niet weg.
• Governance moet worden opgezet voordat het gebruik zich verspreidt, niet erna.

Hoe werkt generatieve AI?

• Pretraining: een groot neuraal netwerk leert patronen uit zeer grote hoeveelheden data. Bij een taalmodel is de kerntaak het voorspellen van het volgende token in een reeks.
• Aanpassing: het model kan voor een doel worden bijgesteld, bijvoorbeeld met fine-tuning.
• Prompting: de gebruiker of applicatie geeft instructies en context; zie prompt engineering.
• Grounding: de applicatie kan relevante documenten ophalen en aan het model geven, een aanpak die retrieval-augmented generation (RAG) heet.

De basis wordt behandeld in Wat is machine learning? en Wat is deep learning?.

Hoe wordt generatieve AI gebruikt?

• Opstellen en redigeren: eerste concepten, herschrijven, toon en vertaling, gevolgd door beoordeling door een mens.
• Samenvatten: lange documenten, vergaderingen of supportgeschiedenissen inkorten.
• Vragen beantwoorden over uw eigen content: een geground assistent die antwoordt uit goedgekeurde documenten (zie Een RAG-pipeline bouwen).
• Ondersteuning bij code: code voorstellen en uitleggen die ontwikkelaars beoordelen.
• Klantondersteuning: antwoorden opstellen en verzoeken doorsturen.
• Workflows: beslissen wat er vervolgens moet gebeuren en tools coördineren (zie Wat is Flow AI?).

Het zakelijk gebruik is breed: de Stanford AI Index meldt dat 78% van de organisaties in 2024 aangaf AI te gebruiken, tegenover 55% het jaar daarvoor. Dat cijfer betreft AI in het algemeen, niet alleen generatieve AI.

Wat zijn de risico's van generatieve AI?

Het profiel van NIST somt risico's op die uniek zijn voor generatieve AI of erdoor worden verergerd. Daaronder:

• Confabulatie: "het produceren van content die zelfverzekerd wordt gepresenteerd maar onjuist of vals is."
• Gegevensprivacy: lekken en onbevoegd gebruik of onbevoegde openbaarmaking van persoonsgegevens.
• Schadelijke bias of homogenisering: versterking van historische en maatschappelijke vooroordelen.
• Informatie-integriteit: een lagere drempel om valse of misleidende content te produceren en te verspreiden.
• Intellectueel eigendom: gemakkelijker produceren of repliceren van auteursrechtelijk of merkrechtelijk beschermde content.
• Mens-AI-configuratie: risico's door de manier waarop mensen en AI-systemen samenwerken, zoals overmatig vertrouwen.
• Milieueffecten: de rekenkracht die wordt gebruikt voor het trainen en draaien van modellen.
• Waardeketen en componentintegratie: niet-transparant of niet-traceerbaar gebruik van componenten van derden.

Hoe gebruikt u generatieve AI verantwoord?

• Baseer antwoorden op goedgekeurde documenten en toon de bron.
• Houd een persoon verantwoordelijk voor uitvoer die mensen raakt, en maak beoordelen eenvoudig.
• Test vóór de lancering op realistische voorbeelden op fouten en bias, en blijf testen.
• Beperk tot welke data en tools het systeem toegang heeft, en log wat het doet.
• Vertel mensen wanneer ze met door AI gegenereerde content te maken hebben.
• Leg vast wie eigenaar is van elk systeem, wat het doel is en wat de grenzen zijn (zie Ethische AI).

Wat vraagt u voordat u koopt of bouwt?

• Welk model wordt gebruikt, waar draait het en waar gaat onze data naartoe?
• Hoe is het geground, en wat gebeurt er als het iets niet weet?
• Hoe wordt de nauwkeurigheid gemeten, en hoe vaak?
• Wie kan prompts en uitvoer zien, en hoe lang worden ze bewaard?
• Kan het worden uitgeschakeld, en hoe wordt data verwijderd?

Waar Zunkiree Labs past

Zunkiree Labs bouwt maatwerk-AI-systemen (waaronder RAG-pipelines, LLM-integratie en intelligente automatisering), datasystemen, maatwerksoftware en web- en mobiele applicaties. Daaronder vallen geground assistenten op basis van uw eigen documenten, en orkestratie: Orca is de intelligentie- en orkestratielaag van Zunkiree Labs: die zit boven de CRM-, e-mail- en marketingtools die een organisatie al gebruikt en coördineert agent-workflows daartussen, in plaats van die tools te vervangen. Orca wordt aangeboden ter ondersteuning van toepassingen in onderwijsbedrijven en ziekenhuizen. De volledige lijst staat op de dienstenpagina, en de dienst AI-ontwikkeling behandelt maatwerk-AI-systemen uitgebreider.

Verder lezen

• Wat is machine learning? — het fundament: hoe systemen van data leren, met uitleg over NLP, neurale netwerken en LLM's
• Wat is deep learning? — hoe neurale netwerken leren en wanneer ze het juiste gereedschap zijn
• Ethische AI — principes, risico's en hoe organisaties ze toepassen
• Een RAG-pipeline bouwen — een stapsgewijze technische gids
• Wat is Flow AI? — AI toegepast op workflows

Bronnen

• NIST AI 600-1: Artificial Intelligence Risk Management Framework, Generative AI Profile (juli 2024)
• Stanford HAI: 2025 AI Index Report
• Vaswani et al., Attention Is All You Need (arXiv, 2017)