AIToday Live

Wanneer gebruik je een prompt, een skill of een agent? Het antwoord lijkt simpel, maar zelfs ontwikkelaars die dagelijks met Artificial Intelligence werken komen er in een groep niet uit. Er bestaat geen harde grens, dus losse definities helpen niet. Joop deelt een werkvorm met acht voorbeelden uit het kantoorwerk, waarvan de laatste vier bewust grijs zijn, zodat je team zelf ontdekt waar de grens ligt.

Zijn vuistregel is kort: doe je iets af en toe, dan is het een prompt, doe je het regelmatig op dezelfde manier, dan is het een skill, en moet er werk...

Sven Stevenson, directeur toezicht en coördinatie op AI en algoritmes bij de Autoriteit Persoonsgegevens, ziet organisaties twijfelen over wat er nu al geldt voor Artificial Intelligence. De AI-act is deels van kracht, maar de handhaving en de standaarden die de wet praktisch maken laten nog op zich wachten. Hij legt uit dat toezicht nu draait om uitleg en dat je ethiek kunt toetsen door grondrechten tegen elkaar af te wegen.

Bij AI in werving en selectie ligt de lat hoger: een systeem dat leert van wie eerder is aangenomen, bootst dat plaatje na en moet daarom e...

Moet je rekening houden met de gevoelens van een taalmodel? Anthropic zegt in zijn gebruiksvoorwaarden dat een model gesprekken met wrede gebruikers mag beëindigen, uit voorzorg voor het geval er toch zoiets als welzijn bestaat. Joop Snijder vindt dat die regel een verkeerde norm vastlegt, want een taalmodel is een rekenmodel dat voorspelt welk woord volgt en heeft geen lichaam, honger of iets te verliezen.

Het gedrag dat op gevoel lijkt, komt uit miljarden menselijke zinnen die het model heeft nagedaan. Bij dieren bestond het bewijs voor pijn wel, bij Artificial Intelligence ontbreekt het. Gewoon normaal b...

Patrick van Stokhem, verantwoordelijk voor robotica-ontwikkeling bij installatiebedrijf BREiNN, kreeg groen licht voor een humanoid robot van 95.000 euro zonder te weten wat hij ermee ging doen. Het probleem is dat de gepoetste demo's op social media niets zeggen over de praktijk, want achter elke virale video zitten weken voorbereiding en exact geprogrammeerde bewegingen. Patrick laat zien wat een humanoid robot nu echt kan: de sterkste modellen tillen 15 tot 50 kilo, en zijn eigen team ontdekte dat gedeelde wachtwoorden in Chinese robots ze binnen 100 meter afstand laten omvallen.

Bij Breman Installatiegroep draaien 700 monteurs dagelijks met gereedschapskoffers van 15 kilo, en...

Negen AI-experts op World Summit AI 2026 reageren op elf stellingen over Artificial Intelligence, van Marijn Markers tot Wouter Haak. Het probleem is dat bedrijven AI opplakken op processen die eigenlijk alleen een betere workflow nodig hebben. De experts laten zien wanneer AI wél werkt, waarom technische skills niet meer de bottleneck zijn en hoe je voorkomt dat je bedrijf de volgende Kodak wordt.

Bij één van de gasten verving een enkele medewerker met automatisering het werk van zes fte. Morgen kun je zelf één proces in je team checken: vraagt het om intelligentie, of gewoon om een b...

Sarah van der Land, die AI-experimenten bij de NPO leidde, ziet organisaties eerst een AI-oplossing kiezen en daarna pas rekenen of het iets oplevert. Ze ontwikkelde het SHARP-framework dat je dwingt de business case te maken voordat je begint te bouwen. Bij een moderatieproject bepaalde ze eerst het strategische doel, pas daarna de technologie.

Het resultaat: journalisten hoefden nog maar één keer per week te controleren in plaats van dagelijks, met een besparing van bijna 3000 uur werk per jaar. Morgen kun je bij je eigen AI-idee eerst vastleggen welk probleem het oplost en wanneer je het een su...

```Maartje Vennema, oprichter van Chief AI Officer Academy, ziet organisaties AI-projecten kiezen op hype in plaats van op waarde. Het probleem is dat automatiseren als hoofddoel al snel een plafond bereikt, terwijl de echte winst vaak ergens anders ligt. Ze laat zien hoe je met een waardedrempel en een besliskader elk AI-voorstel toetst voordat je er resources op inzet.

Bij organisaties die dit toepassen blijkt omzetgroei uit het bestaande klantenbestand vaak waardevoller dan de zoveelste automatisering. Morgen kun je met je team bepalen wat een AI-project minimaal moet opleveren voordat het de moeite waard is.```

<...

Bart Scheerder, AI-strateeg bij het UMCG en kwartiermaker voor de Nederlandse AI-fabriek, ziet ziekenhuizen keer op keer beginnen bij de verkeerde vraag. Ze kiezen eerst een tool en zoeken daarna een probleem, terwijl een interne arts nu al 40% van zijn tijd kwijt is aan administratie en maar 20% aan patiëntencontact. Scheerder laat zien hoe het UMCG dit omdraait: eerst het proces in kaart brengen, dan pas kijken of Artificial Intelligence iets oplost.

Bij het Karolinska Instituut in Stockholm ontdekten ze zo dat 900 operatiekaartjes maar één keer waren gebruikt, nog voordat er één algoritme was gebouwd. Morgen kun je bi...

Waarom snapt Artificial Intelligence je vraag bijna nooit precies zoals jij hem bedoelt? Het probleem is dat een taalmodel altijd zelfverzekerd antwoordt, ook als het de context mist die jij als vanzelfsprekend beschouwt. Een tik-experiment uit 1990 laat zien waarom: luisteraars raadden een getikt liedje maar in 2,5 procent van de gevallen goed, terwijl tikkers 50 procent verwachtten.

Dezelfde kloof zit in elke prompt die je stelt zonder je context expliciet te maken, van een directierapport tot een klantmail. Morgen kun je die kloof dichten door één prompt aan te vullen met drie zinnen context die je normaal weglaat, en te...

Maarten van den Outenaar, oud-datadirecteur bij Schiphol, NS en Volker Wessels, zag telkens hetzelfde patroon: technisch perfecte AI-producten die niemand gebruikt. Het probleem is dat teams beginnen met bouwen voordat ze weten welk probleem een specifieke medewerker daadwerkelijk ervaart. Hij laat zien waarom een goede oplossing op het verkeerde moment evenveel oplevert als geen oplossing, en hoe je dat voorkomt.

Bij Schiphol verhoogde een simpel rood-groen lampjessysteem de productiviteit van beveiligingslanes met 50%, terwijl een uitgebreid dashboard door niemand werd gebruikt. Morgen kun je bij je eigen AI-project een concrete naam en een concreet probleem opschrijven voordat je...

Waarom stuur je een AI-bericht door zonder de bron te checken? Het probleem is dat hype niet vanzelf ontstaat, maar gemaakt wordt door afzenders met een belang bij jouw aandacht. Zes vragen uit de Hype Literacy Toolkit laten zien wie erbij wint, welke onzekerheid in een voorspelling verstopt zit en of "expert" en "criticus" wel terecht zo genoemd worden.

Een leverancier die "80% tijdsbesparing" claimt, blijkt dat cijfer vaak op één deeltaak te baseren, niet op het hele proces. Morgen kun je bij het eerstvolgende AI-voorstel vragen naar de meetmethode, de vergelijkingsbasis en of het cijfer onafhankelijk getoetst is...

Max Welling, hoogleraar machine learning aan de Universiteit van Amsterdam en CTO van CuspAI, bouwt een zoekmachine voor materialen die nog niet bestaan. Het probleem: nieuwe materialen ontwikkelen kost traditioneel jaren, terwijl Artificial Intelligence dat proces drastisch kan versnellen. Welling laat zien hoe generatieve modellen miljoenen materiaalkandidaten voorstellen, waarna andere modellen die filteren op stabiliteit en bruikbaarheid.

Perovskite zonnecellen gaan dankzij deze aanpak al richting de 30% efficiëntie, met een lab dat de meetresultaten terugvoert in het systeem voor de volgende ronde. Morgen kun je in kaart brengen welke data in je team verloren gaat, want zonder g...

Marijn van Aerle, medeoprichter en CTO van Floryn, bouwde een controlesysteem waarbij een beoordelaar niet zomaar akkoord kan klikken op een AI-voorstel. Het probleem: na tweehonderd keer goedkeuren wordt controleren een reflex, ook bij AI-voorstellen die fout zijn. Van Aerle laat zien hoe zijn systeem afwijkende beslissingen automatisch naar een tweede beoordelaar stuurt, met de vraag wat er anders is aan dit dossier.

Bij Floryn corrigeert het model de mens niet, maar signaleert het wanneer een besluit afwijkt van vergelijkbare zaken - vóór het bericht naar de klant gaat. Uit onderzoek van Info Support blijkt dat mi...

Joyce Datema helpt organisaties dagelijks met de mensenkant van Artificial Intelligence implementatie, en ze ziet steeds hetzelfde patroon: tools worden uitgerold, trainingen gegeven, en zes weken later werkt de helft van het team nog met AI. Het probleem zit niet in de technologie, maar in het ontbreken van eigenaarschap, concrete afspraken en een gedeelde werkwijze.

Ze ontwikkelde de AI-wasstraat: een werkvorm waarbij je het volledige werkproces op tafel legt met iedereen die eraan bijdraagt, voordat je ook maar één tool opent.

Agents kennen de formele regels, maar niet de ongeschreven regels — zoals de klant die alti...

Oscar Wijsman en Ruud Staijen, beiden werkzaam bij de Nederlandse politie, zien hoe 65.000 medewerkers dagelijks met AI en data moeten omgaan zonder blind te vertrouwen op de uitkomst. Automation bias ligt op de loer: te veel leunen op AI-output zonder kritisch te blijven kijken naar de bron. Ze delen hoe je gemanipuleerde data herkent, waarom oude fouten binnen de organisatie actief besproken worden, en welke stappen nodig zijn voor verantwoorde Artificial Intelligence-implementatie.

Bij de politie ging het ontwikkelen van nieuwe procedures vroeger twee jaar duren, nu gebeurt dit in weken door voorlopers binnen de organisatie als voorbeeld...

Oscar Wijsman, internationale lead AI en data science bij de politie, en Ruud Staijen, landelijk programmadirecteur datagedreven werken, zien dagelijks hoe 1200 databronnen en 65.000 medewerkers kunnen verzuipen in ruis in plaats van in inzicht. Meer data verzamelen bleek averechts te werken: de kwaliteit ging omlaag in plaats van omhoog. Ze laten zien waarom actief filteren op bruikbaarheid beter werkt dan alles bewaren wat wettelijk mag.

Bij het combineren van kentekengegevens met camerabeelden bepaalt niet het volume de waarde, maar de vraag welke koppeling daadwerkelijk bijdraagt aan een onderzoek. Morgen kun je zelf in kaart brengen welke databronnen je...

Rick Stoop, data-engineer bij NS, stond drie maanden voor livegang met een dataproject dat niemand meer kon doorgronden.

Een fix op de ene plek veroorzaakte telkens een nieuw probleem op een andere plek, omdat traceerbaarheid ontbrak.

Stoop en zijn team bouwden het datamodel opnieuw op met eenvoudigere bouwblokken en duidelijkere businesslogica.

Resultaat: bij een recent incident kon de oorzaak binnen korte tijd getraceerd en hersteld worden, in plaats van uren zoeken.

Morgen kun je bij je eigen project checken of je een fout binnen tien minuten kunt herleiden - zo niet...

Rick Stoop, data expert bij NS, meet het energieverbruik van treinen met GPS-data, energiemeters en dienstregelingen van dertig verschillende teams. Eén verkeerde aanname en de hele score klopt niet meer, dus zijn team ontdekte pas na onderzoek waarom bepaalde trajecten structureel geen score kregen. De oorzaak: tunnels verstoorden de GPS-meting stelselmatig, zonder dat iemand dat wist.

Rick laat zien hoe NS met een genormaliseerde score van 0 tot 100 machinisten begrijpelijke feedback geeft, en waarom bewust geen AI-conclusies worden getrokken over rijgedrag. Morgen kun je bij twijfelachtige databronnen zoeken naar patronen in de uitval, zodat je structurele meetfouten o...

Mark Schep, data- en AI-engineer bij onder meer Bol en Winparts, ziet bedrijven onnodig 10.000 tot 15.000 euro per jaar uitgeven aan dataplatforms voordat er ook maar één vraag beantwoord is. Zijn ervaring: teams kiezen voor de bekende, dure tools uit gewoonte, terwijl schaal en complexiteit vaak niet overeenkomen. Hij laat zien hoe je met timeboxen van drie maanden bewijst of een aanpak werkt, en wanneer een simpele regel beter is dan een AI-model.

Bij Winparts bouwde hij zo een dataplatform voor minder dan 100 euro per maand, in plaats van de gangbare 15.000 euro per jaar aan tools als Fivetran en...

In teamoverleg knikt iedereen mee als de projectleider AI "de toekomst" noemt, terwijl drie collega's hun twijfels pas later bij het koffiezetapparaat uitspreken. Het probleem is niet dat mensen geen mening hebben over Artificial Intelligence, maar dat de vergaderstructuur geen ruimte biedt om die scherp te krijgen. Joop laat zien hoe een stellingenspel met drie kaarten - eens, oneens, joker - dwingt tot een echt standpunt in plaats van meepraten met de meerderheid.

Aan de hand van drie stellingen uit twee jaar podcastgasten, over baanangst, AI-budgetten en het temperen van enthousiasme, blijkt dat simpele ja/nee-vragen tot...

Frits Snijder, Senior Product Manager bij PostNL, bouwde een AI-systeem voor klachtenverwerking dat technisch klopte maar in de praktijk vastliep op de 20% gevallen die er het meest toe deden. Het probleem bleek niet de technologie, maar de volgorde: het team begon bij de oplossing in plaats van bij het probleem. Frits laat zien hoe je onderscheid maakt tussen een agent-probleem en een workflow-probleem, en waarom dat verschil maanden vertraging scheelt.

Na anderhalve week pilot op één sorteercentrum waren medewerkers twee en een half keer sneller — niet omdat het systeem snel was, maar omdat ze begrepen wat het deed...

Kun je zien of een tekst met AI is geschreven, en zou dat eigenlijk moeten uitmaken? Anthropic zet een onzichtbaar watermerk in teksten van Claude, verplicht door de Europese AI-verordening, maar het systeem is met simpele testjes te omzeilen. Wie honderd variaties van dezelfde zin uitprobeert, isoleert precies welke woordkeuzes het watermerk veroorzaken en haalt het er weer uit.

Vóór ChatGPT liet 20% van professionals hun langere teksten al schrijven door een ghostwriter, zonder dat iemand daar een probleem in zag. Bij dat proces ging het nooit om herkomst, maar om of de tekst klopte en bruikbaar wa...

Hendrik van Zwol, zelfstandig ondernemer gespecialiseerd in AI-beeldcreatie, ziet dagelijks hoe Artificial Intelligence verzorgde resultaten levert die van niemand zijn.Het probleem is niet de technologie, maar het ontbreken van eigen richting: wie geen smaak heeft ontwikkeld, geeft de tool ook geen richting en krijgt generieke output terug.

Hij laat zien hoe zijn 8S-framework — met parameters als stijl, lenshoek en lichtbron — het verschil maakt tussen een generiek beeld en iets dat herkenbaar van jou is.

Bij beeldgeneratie ging zijn output van inwisselbaar naar specifiek door vier concrete parameters te definiëren vóór de eerste prompt...

Twee derde van de Nederlandse IT-organisaties kan achteraf niet reconstrueren wat een AI-coding agent precies heeft gedaan, blijkt uit onderzoek onder 330 IT-beslissers. Het probleem is niet dat mensen de risico's niet zien, maar dat ze die risico's afdekken met beleid in plaats van technische maatregelen, terwijl een taalmodel je beleidsdocument niet leest.

De oplossing is een coding harnas: een ontwikkelomgeving waarin architectuurprincipes, security-regels en testen technisch zijn afgedwongen in plaats van opgeschreven. Daarmee verschuift de vraag van "heeft de agent zich aan de regels gehouden" naar "staan de goede regels in ons harnas".

Morgen kun...

Martin van Kranenburg, marketingstrateeg en auteur van *Van SEO naar GEO*, ziet hoe bedrijven structureel onzichtbaar worden voor klanten die hun vragen niet meer aan Google stellen, maar aan ChatGPT of Copilot. Een taalmodel geeft geen lijst van tien resultaten, maar een shortlist van drie merken, en wie daar niet op staat, mist de conversatie volledig. Martin legt uit welke drie factoren bepalen of een taalmodel jou aanbeveelt: techniek, reputatie en content die voldoet aan zijn AUB-principe (actueel, uniek, betrouwbaar).

Wat anderen over jou schrijven op externe platforms weegt daarin zwaarder dan wat jij zelf op je...

Meer dan 90% van de AI-projecten haalt productie niet — niet door technische problemen, maar omdat organisaties structureel één budget vergeten. Joop Snijder, Head of AI bij Info Support, ziet het patroon steeds terugkomen: er is geld voor het experiment, maar niet voor implementatie en beheer, waardoor projecten na de demo stilvallen.

Hij legt uit waarom je drie aparte budgetten nodig hebt — innovatie, productie en beheer — en waarom die drie in de meeste organisaties bij verschillende afdelingen liggen die niet met elkaar praten.

Bij AI-systemen lopen ook de gebruikskosten mee met het volume: een team dat contracten analysee...

Michel van de Beek, mede-oprichter van Healfie, bouwde een systeem dat in 30 seconden spraak spanning en zwaktes in je lichaam detecteert, eerder dan bloedwaarden dat doen. Het zorgstelsel reageert op ziekte, niet op de signalen die eraan voorafgaan, en dat is precies het gat dat hij wil dichten. Artificial Intelligence vertaalt de ruwe stemdata naar begrijpelijke adviezen: welke spiergroepen overbelast zijn, welke voedingsstoffen herstel bevorderen, wanneer je beter kunt wachten met intensief trainen.

Bij een topsporter in de Nederlandse dameselftal groeide de discrepantie tussen spierbelasting en voedingsinname zichtbaar in de data, maar de analyse duurde destijds twee...

AI geeft een fout antwoord en de hand gaat automatisch naar het grootste beschikbare model. Dat is de duurste reflex in AI-gebruik, en bijna altijd de verkeerde.

Niels Naglé legt uit wat de modelknop en de effortknop werkelijk doen: de modelknop bepaalt wat een model weet, de effortknop bepaalt hoe grondig het te werk gaat. Die twee sturen iets fundamenteel anders aan, maar worden constant door elkaar gebruikt.

De diagnostische vraag die alles bepaalt: wist het te weinig, of deed het te weinig?

Een model dat een bijlage oversloeg of halverwege stopte heeft e...

Ronald van Loon, tech-analist en negen jaar op rij een van de meest invloedrijke namen in wereldwijde AI-rankings, ziet bij bedrijven steeds hetzelfde patroon: zeven van de tien Artificial Intelligence-pilots halen de productiefase niet. Niet omdat de technologie faalt, maar omdat organisaties de verkeerde aannames meenemen: dat AI dataproblemen oplost, dat change management vanzelf gaat, en dat een werkende pilot gelijk staat aan een werkende implementatie. Hij laat zien hoe agentic AI verschilt van gewone workflow automation, waarom je datafundament de bottleneck is die niemand wil zien, en welke drie vragen je per use case moet beantwoorden voordat je...

Veel AI-tools hebben een "thinking mode" die suggereert dat het model nadenkt, maar wat er werkelijk gebeurt is rekenwerk met extra tussenstappen. Het probleem is dat een overtuigende redenering geen bewijs is dat het antwoord klopt — het model wordt alleen beloond voor het eindresultaat, niet voor eerlijke tussenstappen. Thinking mode loont bij meerstapsproblemen, zoals een leveranciersvergelijking met gewogen criteria, maar niet bij eenvoudige taken als een e-mail herschrijven.

Die instelling standaard hoog zetten kost tijd en geld zonder dat er altijd betere resultaten tegenover staan. Bekijk morgen de drie AI-taken die je het vaakst uitvoert en bepaal vo...

Hans Hoornstra, voorzitter van de Stichting Digitale Overheid en oprichter van OmgevingsChat, ziet dagelijks hoe medewerkers AI-tools inzetten zonder te begrijpen wat er achter de schermen gebeurt. Hij legt uit waarom een taalmodel structureel hallucineert, niet soms, maar altijd, en waarom dat geen fout is maar het mechanisme zelf. Wie dat begrijpt, stopt met blindelings vertrouwen en begint te denken in termen van waarschijnlijkheid en verificatie.

Een gemeentemedewerker die een persoonlijk verhaal in een chatbot plakt om wetgeving te toetsen, registreert onbedoeld medische informatie over een inwoner. Morgen kun je naar casuscolumbus.com gaan, een kaartset downloaden...

Artificial Intelligence-systemen bestaan steeds vaker uit groepen agents die samenwerken, en dat levert gedrag op dat je bij geen van de losse agents had kunnen voorspellen. Joop Snijder legt uit waarom twee begrippen uit de biologie — emergentie en stigmergie — verklaren wat er nu al gebeurt in de tools die developers dagelijks gebruiken. De betrouwbaarheid van zulke systemen zit niet in het perfectioneren van elk onderdeel, maar in hoe makkelijk je een onderdeel kunt vervangen als het uitvalt.

Bij coding agents die al in gebruik zijn, werkt dit concreet zo: kleine, zelfstandige tools die elk hun eigen voortgang bijh...

Fieke Jansen, onderzoeker aan de Universiteit van Amsterdam en leider van het Critical Infrastructure Lab, brengt de volledige materiële keten achter Artificial Intelligence in kaart: van kobaltmijnen in Congo tot e-waste in Ghana. Het probleem is dat de discussie over AI-infrastructuur vrijwel altijd gaat over groei, terwijl de vragen over verdeling, toegang en publieke belangen nauwelijks worden gesteld. Ze laat zien waarom efficiëntie het probleem niet oplost — meer efficiëntie leidt tot meer gebruik, niet minder — en waarom AI als klimaatoplossing vaak een manier is om structurele verandering uit te stellen.

In Noord-Holland verbruikt één hyperscal...

Veel organisaties kopen honderd AI-licenties, plannen trainingen en verwachten daarna een zichtbaar financieel rendement — maar dat rendement blijft uit. Het probleem is niet dat Artificial Intelligence niet werkt, maar dat de meeste initiatieven in de verkeerde categorie zitten: persoonlijke productiviteit levert betere werkomstandigheden op, geen winst op de balans. Joop Snijder laat zien dat AI-waarde in drie categorieën valt uiteen, elk met een eigen meetmethode en verwachting.

De categorie waar verreweg de meeste waarde ontstaat, is procesintegratie: AI ingebouwd in een herhaalbaar bedrijfsproces dat honderden keren per maand wordt uitgevoerd. Een organisatie die klantaanvragen terugbrengt van vie...

Gabriella Obispa, projectleider AI-ethiek bij de Politie Nederland, en journalist Laurens Vreekamp zien hoe organisaties zichzelf in de voet schieten door te beginnen met "hoe zetten we AI in?" in plaats van "welk probleem lossen we op?"Hun boek *Niet onze AI* laat zien waarom die volgorde uitmaakt: de gemeente Amsterdam werkte twee jaar aan een AI-systeem voor bijstandsontvangers dat bleef discrimineren en uiteindelijk niet werd ingezet.

Obispa beschrijft hoe een vaste vertraging aan het begin van een project juist betere resultaten oplevert: eerst het probleem definiëren, dan pas tools evalueren.Vreekamp voegt een concreet hulpmiddel t...

Drie van de vier grootste adviesbureaus ter wereld publiceerden rapporten met bronverwijzingen die niet kloppen — titels die niet bestaan, rechters die uitspraken nooit deden. Bij KPMG waren 40 van de 45 bronnen verzonnen of incorrect, en dat terwijl het rapport door tientallen reviewers ging.

Dat komt door vier patronen: automation bias maakt je minder kritisch naarmate je AI meer vertrouwt, nette opmaak laat nepbronnen eruitzien als echte, en gedeelde verantwoordelijkheid betekent in de praktijk dat niemand controleert.

Extra waarschuwingen lossen dit niet op — de structuur moet anders.

Pak één AI-gegenereerd document uit je organisatie en contro...

Jessica de Jong bracht haar roman gelijktijdig uit in vijf talen, vertaald met Artificial Intelligence, zonder uitgeverij of vertaalbureau — vanuit haar eigen werkkamer. Ze ontdekte dat kleinere tekstfragmenten betere vertalingen opleveren dan grote stukken, en dat je altijd een native speaker nodig hebt voor de eindcontrole. Haar werkwijze laat zien hoe je per taak bepaalt wat Artificial Intelligence kan overnemen en waar jij de regie houdt.

Concreet voorbeeld: waar ChatGPT haar expliciete mafiaprose verzachtte tot eufemismen, zette ze die passages handmatig terug — en ging ze in discussie met het systeem totdat het minder preuts werd. Morgen kun je v...

Welke vaardigheden maken je nog onderscheidend als Artificial Intelligence de uitvoering grotendeels overneemt? Het antwoord zit niet in het leren werken met AI-tools, want dat wordt net zo vanzelfsprekend als werken met een computer.

Joop bespreekt drie vaardigheden die straks het verschil maken: beslissen terwijl niet alles vaststaat, een heel proces opnieuw inrichten in plaats van losse stappen automatiseren, en iets bedenken wat er nog niet is.

Een team dat alleen de eerste stap van hun offerteproces automatiseerde, won twee uur per offerte. Toen ze het hele proces opnieuw inrichtten met AI als onderdeel, daalde...

Bas Prins, AI-trainer van het jaar 2025, ziet organisaties vastlopen omdat ze Artificial Intelligence behandelen als een tool die je aanschaft en installeert. Het echte probleem is niet de technologie, maar de vraag die niemand stelt: waarom doen we dit proces eigenlijk nog zo? Bas laat zien hoe je met een hackathon vastgeroeste patronen openbreekt, en waarom je beter kunt focussen op de 20% die al wil experimenteren dan op verplichte trainingen voor iedereen.

Bij gemeente Midden-Groningen leverde één hackathon meerdere werkende prototypes op van mensen die nog nooit met AI hadden gewerkt. Morgen kun je beginnen met één conc...

Joop Snijder, CTO bij Aigency en voormalig muzikant, trekt een directe lijn tussen zijn jaren als producer in een thuisstudio en hoe Artificial Intelligence werkt als werktool. Het probleem is niet dat AI te veel overneemt, maar dat je de output accepteert zonder er iets van jezelf in te stoppen. Joop legt uit hoe je rol verschuift van uitvoerder naar producer: niet elke noot spelen, maar bepalen wat blijft en wat weggaat.

Een taalmodel levert vlotte zinnen, maar heeft geen smaak, geen context en geen idee van de politieke gevoeligheid in jouw team. Als je een AI-output...