Korte bloemlezing over AI-leiderschap, verandermanagement en onderwijs

In mijn keynotes en workshops merk ik telkens weer hoe belangrijk een basisbegrip van AI is om zowel de toepassingen als de toekomst ervan beter te begrijpen. Vandaar deze bloemlezing: een toegankelijke samenvatting van mijn belangrijkste inzichten én een oproep tot actie voor het onderwijs en het bedrijfsleven.

Kunstmatige Intelligentie (AI) is een wetenschap die fundamenteel gebaseerd is op wiskunde, statistiek en binaire logica - het verwerken van enen en nullen - , zij het nu op ongekende schaal en snelheid, mogelijk gemaakt door de snelle ontwikkeling van computers.

Digitale Intelligentie is niet nieuw. Neem Excel als voorbeeld. Excel is erg goed in het maken van berekeningen. Wat Excel doet, kunnen wij mensen ook, maar wij hebben daar meer tijd voor nodig. Excel gebruikt algoritmes en voert die razendsnel en foutloos uit. Hoewel het geen echte kunstmatige intelligentie is, laat het wel zien hoe digitale systemen menselijke taken kunnen ondersteunen en versnellen.

Verkeerslichten die zich aanpassen aan de drukte, zodat het verkeer beter doorstroomt, vallen wél onder kunstmatige intelligentie. Ook je persoonlijke aanbiedingen op basis van het gebruik van je AH Bonuskaart, of de aanbevelingen die Netflix doet op basis van je kijkgedrag, zijn toepassingen van systemen die leren van data en zich daarop aanpassen. Dát is waar AI echt begint.

Deze voorbeelden vallen onder het bredere begrip Machine Learning: systemen die voorspellingen doen op basis van data en algoritmen. Machine Learning heeft zich de afgelopen jaren sterk ontwikkeld — met als nieuwste stap Deep Learning. Daarmee zijn we aangekomen bij Generative AI, waarbij computers zélf nieuwe output genereren, zoals tekst, beeld of muziek.

In november 2022 introduceerde Open AI Chat GPT die interactie via natuurlijke taal met computers mogelijk maakte. ChatGPT maakt gebruik van een Large Language Model. LLMs zijn geavanceerde AI-modellen die enorme hoeveelheden tekstdata verwerken en begrijpen. Hierdoor zijn ze in staat mensachtige teksten te genereren en complexe taaltaken uit te voeren.

AI leert daarbij niet alleen, maar kan ook nieuwe dingen creëren, zoals teksten schrijven, afbeeldingen maken of muziek componeren die lijken op wat mensen maken.

Het bouwen en trainen van een geavanceerd Large language Model (LLM) vergt miljarden dollars aan investeringen en een enorme hoeveelheid technische expertise. Het is dan ook niet vreemd dat er in het Westen maar 6 bedrijven zijn die een krachtig taalmodel hebben ontwikkeld dat geldt als een zogenaamd foundation model.

Lees ook "de mondiale strijd om de technologische suprematie"

Een Large Language Model (LLM) voorspelt in de kern simpelweg het volgende woord in een zin. Dit doet het op basis van statistische patronen die het heeft geleerd uit enorme hoeveelheden tekstdata. De onderliggende algoritmes zijn ontworpen door software-experts en zorgen ervoor dat het model taal herkent, genereert en contextueel kan interpreteren.

Zo begrijpt een LLM het verschil tussen een brug in Amsterdam en een brug te ver door te kijken naar de woorden eromheen en de context waarin de uitdrukking voorkomt. Toch is het belangrijk om te beseffen dat een LLM geen feitenmachine is. Het model produceert taal op basis van waarschijnlijkheid, niet op basis van waarheid.

Bias — vooroordelen, scheefgetrokken perspectieven — is dan ook een onvermijdelijk gevolg van de data waarmee het model is getraind en de keuzes die in het ontwerp van de algoritmes zijn gemaakt.

De snelheid waarmee Generatieve AI en LLM’s de wereld overdonderen, zit in de eenvoud: wij hoeven niet langer de taal van computers te leren — zij leren de onze.

Economen beschouwen dit als een zogeheten General Purpose Technology (GPT): een technologie die elke sector raakt en verandert.

De verwachting is dat Generatieve AI de manier waarop we leren, creëren en werken ingrijpend zal transformeren.

AI laat werk niet verdwijnen, maar verandert het wel. In sectoren waar veel gewerkt wordt met taal, kennis en informatie — zoals de financiële dienstverlening, de IT-sector en het onderwijs — is de blootstelling aan taal modellerende AI het grootst.

Bij alle eerdere transities rond General Purpose Technologies werd de koek groter. Of dit nu weer het geval is, valt te bezien. AI is zowel de grootste verstorende kracht als de grootste kans van deze tijd.

Deze transformatie wordt aangedreven door technologische vooruitgang, klimaatdoelstellingen, ESG-beleid en demografische verschuivingen.

Veerkracht, flexibiliteit en wendbaarheid worden steeds belangrijker maar ook systeemdenken en technologische geletterdheid.

De toekomst vraagt bovendien om het combineren van manuele vaardigheden met technologische kennis en probleemoplossend vermogen.

In het kort: upskilling & ikigai — groeien in wat je kunt én doen waar je van betekenis bent. Dat is de kern.

AI heeft vooral invloed op taal intensieve, regelgebaseerde en repetitieve handelingen binnen een gestructureerd kader.

Daardoor veranderen functies zoals marketing, softwareontwikkeling, juridische dienstverlening en accountancy fundamenteel. Het werk verschuift naar een hoger niveau, waar menselijke kwaliteiten zoals authenticiteit, ethisch denken en empathie het verschil maken.

Lees ook: "Succesvolle AI-Implementatie in Organisaties: Van Theorie naar Praktijk"

De toekomst van werk ligt dus in de samenwerking tussen mens en AI, maar de digitale evolutie verloopt exponentieel sneller dan de biologische evolutie — waarbij de mens altijd de bepalende factor moet zijn en blijven. In de blog De mens in een AI-gedreven wereld ga ik hier verder op in.

Voor het onderwijs is AI niet alleen een hulpmiddel, maar ook een aanleiding om anders te kijken naar digitale geletterdheid en didactiek. De Finnen hebben met hun onderwijs “4C’s” (Communication, Collaboration, Creativity en Critical Thinking) de weg al ingezet.

Lees ook "workshop Vossius Gymnasium"

Kennis van de EU AI Act, ethisch redeneren en morele verantwoordelijkheid wordt steeds urgenter — zeker in het licht van de recente geopolitieke ontwikkelingen. De EU-wetgeving is begin dit jaar van kracht geworden, waarbij EU-geletterdheid een verplichting vormt voor bedrijf en onderwijs.

AI is geen software en geen hype. Het is een technologie die geen enorme investeringen vereist om toe te passen, maar wel een open mind. Op de leercurve komen betekent beginnen met experimenteren — bij voorkeur onder professionele begeleiding.

De eerste Return on Investment is Talent Density: dezelfde medewerkers die met AI experimenteren, leveren al snel meer én beter werk — zonder extra personeelsinzet.

Op de middellange termijn zal AI niet langer als ‘experimenteel’ worden gezien, maar ingebed zijn in de dagelijkse praktijk van je organisatie. De focus verschuift van verkennen naar opschalen: hoe zet je AI duurzaam in binnen afdelingen als HR, finance, operations en klantcontact? Graag bied ik je de hulpende hand om die stap doelgericht en mensgericht te zetten.