FAQ
Veelgestelde vragen
Zevenenzestig antwoorden op de vragen die financiele dienstverleners stellen voordat ze aan AI beginnen. Zes blokken: hoe AI werkt, waar de waarde zit, implementeren, risico en governance, mensen en adoptie, en bouwen of kopen.
Hoe AI werkt
- Het voorspelt woord voor woord het meest waarschijnlijke vervolg op je tekst, op basis van patronen uit zijn trainingsdata. Het zoekt niets op en het heeft geen begrip van waar of onwaar. Bijna alles wat je verder over AI moet weten volgt uit dat ene punt: vloeiend en juist zijn twee losse eigenschappen.
- Een model kent alleen wat er in de trainingsdata zat, tot een bepaalde datum, en dat is publiek beschikbare tekst. Jouw richtlijnen en klantdossiers zitten daar niet in en horen daar ook niet in. Wil je dat het model ermee werkt, dan moet je ze bij elke vraag meegeven of laten opzoeken.
- Via retrieval: bij elke vraag zoekt een systeem eerst de relevante passages in jouw documenten en geeft die mee aan het model. Het model leert er niets van, het leest ze op dat moment. Daardoor hangt de kwaliteit van het antwoord meer af van je documentbeheer dan van het model. Verouderde, dubbele of tegenstrijdige documenten leveren onbetrouwbare antwoorden.
- Een chatbot antwoordt op wat jij vraagt. Een assistent zit in een proces, kent vaste bronnen en levert een afgebakend product, bijvoorbeeld een dossiersamenvatting. Een agent bepaalt zelf welke stappen hij zet en gebruikt daarbij systemen en tools. Met elke stap in die reeks stijgt zowel de opbrengst als het risico, en dus de hoeveelheid toezicht die je moet inbouwen. Welke van deze drie je nodig hebt, hangt af van het soort werk — zie Welke tools gebruik je voor AI-assistenten? voor de afweging per laag.AI-swarms uitgelegd →
- Omdat een model dat een afgebakende taak doet doorgaans een beter resultaat geeft dan wanneer het alles tegelijk probeert. Dat is ook het principe achter systemen waarin meerdere agents samenwerken aan een doel, in de praktijk drie tot twintig. Praktisch: knip een dossierbeoordeling op in lezen, samenvatten en toetsen in plaats van er een prompt op los te laten.AI-swarms uitgelegd →
- Een taalmodel kiest uit een kansverdeling en niet uit een tabel. Zelfs met de willekeur op nul heb je geen garantie op identieke uitvoer, omdat de manier waarop berekeningen worden gebundeld en uitgevoerd meespeelt. Twee gevolgen: je kunt AI niet testen zoals je een rekenregel test, en werk dat exact reproduceerbaar moet zijn hoort niet bij een taalmodel.
- Bij alles wat exact en herleidbaar moet zijn: premieberekening, bedragen optellen, een vaste beslisregel toepassen, een opzoeking in een tabel. Daar wil je een rekenregel of beslistabel. AI is sterk waar taal in het spel is: lezen, samenvatten, herschrijven, classificeren, verschillen zoeken tussen documenten. Veel mislukte projecten zijn taalmodellen die rekenwerk moesten doen.
- Omdat het waarschijnlijke tekst produceert en geen gecontroleerde feiten. Het risico is het grootst bij exacte gegevens die het niet kan opzoeken: bedragen, data, polisvoorwaarden, namen, wetsartikelen. Bij samenvatten of herschrijven van tekst die je zelf meegeeft is het risico klein, want de bron ligt ernaast. Vraag standaard om bronvermelding en controleer die.5 misverstanden over AI die ondernemers tijd kosten →
- Het contextvenster is alles wat het model in een keer meeleest: je instructie, de meegegeven documenten en het lopende gesprek. Wat er niet in past valt weg. Bovendien weegt informatie in het midden van een lange context minder zwaar dan aan het begin of het eind. Meer documenten meegeven maakt een antwoord dus niet automatisch beter, vaak juist slechter.
- Omdat meer context niet meer kwaliteit betekent. Moderne modellen kunnen boekwerken aan, groter dan de Lord of the Rings-trilogie, maar uit diverse onderzoeken blijkt dat het resultaat slechter wordt naarmate je er meer in stopt. Garbage in, garbage out geldt onverkort: hou de prompt taakgericht en upload alleen wat relevant is.Welk AI-model kies je? Afweging voor 2026 →
- Een prompt is een werkinstructie. Vaag geformuleerd krijg je generiek werk terug, net als bij een nieuwe medewerker. Zet doel, doelgroep, bron, vorm en grenzen erin en de kwaliteit stijgt zonder dat je iets aan het model verandert. Dat is meestal de goedkoopste verbetering die er is. Hoe de prompt zich verhoudt tot modelkeuze en prompt chaining lees je in Welk AI-model kies je? Afweging voor 2026.5 misverstanden over AI die ondernemers tijd kosten →
- Nee. De taal van AI is gewoon Nederlands of Engels; een prompt is een werkinstructie en geen code. Wat je wel nodig hebt is het vermogen om je eigen werk precies te beschrijven, en daar is een vakinhoudelijk sterke medewerker beter in dan een programmeur.5 misverstanden over AI die ondernemers tijd kosten →
- Zelden. De winst zit in de koppeling met het dagelijkse werk en in de kwaliteit van je bronnen, niet in de modelkeuze. Een gemiddeld model dat goed in het proces zit levert meer op dan het beste model dat ernaast staat. Een uitwerking van waarom de harness zwaarder weegt dan het model staat in Welk AI-model kies je? Afweging voor 2026.Embedding AI in Daily Banking Work →
- Omdat je met prompt chaining elke aanroep een makkelijkere taak geeft, en makkelijkere taken leveren betere output. Je levert latency in en krijgt nauwkeurigheid terug, en je kunt per stap het model kiezen dat voor die stap het beste is. Met de modellen van een half jaar geleden bouw je vrijwel alles wat je vandaag wilt bouwen.Welk AI-model kies je? Afweging voor 2026 →
- Fouten stapelen. Een keten van twaalf stappen die elk 99 procent van de tijd goed gaan, gaat als geheel 89 procent van de tijd goed. Hou ketens dus kort: elke extra stap kost betrouwbaarheid, ook als elke afzonderlijke stap er prima uitziet.Welk AI-model kies je? Afweging voor 2026 →
- De harness is alles wat om het model heen zit: de instructies, de volgorde, de controles en de informatie die je vooraf meegeeft. De coding agent van LangChain ging van 52,8 naar 66,5 procent op Terminal-Bench 2.0 en van buiten de top 30 naar de top 5, zonder van model te wisselen; alleen de harness was aangepast. Denk aan een verplichte controleronde voordat de agent klaar mag zeggen, omgevingsinformatie vooraf meegeven, detectie van herhaling, en het meeste redeneerbudget bij plannen en controleren.Welk AI-model kies je? Afweging voor 2026 →
- Bij latency-eisen, bij onduidelijke hulpvragen en bij autonome agents. Een sterk model antwoordt sneller omdat er een aanroep is in plaats van meerdere, en moderne modellen herschrijven de vraag zelf en redeneren over wat de klant echt vraagt. Let op de keerzijde: extra structuur helpt vooral de middenmoot, en bij modellen ouder dan drie jaar maakt het het resultaat juist slechter.Welk AI-model kies je? Afweging voor 2026 →
- Finetunen is een model bijtrainen op eigen voorbeelden zodat het een vaste vorm of toon beter treft. Voor kennis is het het verkeerde gereedschap, daarvoor gebruik je retrieval. In de praktijk lost een scherpere instructie plus een betere bron het probleem meestal op, tegen een fractie van de kosten en zonder dat je vastzit aan een modelversie. Wanneer wél een sterker model of finetunen nodig is, bespreek ik in Welk AI-model kies je? Afweging voor 2026.
Wat doet een taalmodel eigenlijk als je het een vraag stelt?
Waarom kent AI mijn polissen, acceptatierichtlijnen en dossiers niet?
Hoe laat je AI werken met je eigen documenten en kennis?
Wat is het verschil tussen een chatbot, een assistent en een agent?
Waarom werkt het beter om een taak op te knippen dan er een grote opdracht op los te laten?
Waarom krijg ik op dezelfde vraag twee keer een ander antwoord?
Wanneer is AI het verkeerde gereedschap?
Waarom verzint AI dingen en wanneer is dat risico het grootst?
Wat is een contextvenster en waarom vergeet AI dingen?
Waarom wordt het antwoord slechter als ik meer documenten meegeef?
Waarom bepaalt de prompt zoveel van de kwaliteit?
Moet ik kunnen programmeren om met AI te werken?
Heb je het nieuwste en grootste model nodig?
Waarom levert een goedkoper model dat je vaker aanroept vaak een beter resultaat dan een duur model?
Wat is het risico van zo'n keten van stappen?
Wat is een harness en waarom bepaalt die meer dan het model?
Wanneer heb je wel een nieuw, sterk model nodig?
Wat is finetunen en heb ik dat nodig?
Waar de waarde zit
- Veel volume, veel ongestructureerde tekst, een herhaalbaar oordeel en een uitkomst die een mens snel kan controleren. Ontbreekt het volume, dan verdien je de bouw niet terug. Kost de controle net zoveel tijd als het werk zelf, dan bespaar je niets. Hoe je dit structureel aanpakt met een register en matrix staat in AI implementeren met rendement.Embedding AI in Daily Banking Work →
- Omdat de besparing het product is van tijdwinst en frequentie. Bij Rabobank leverde het samenvatten van klantgesprekken in een maand ruim een miljoen samenvattingen op voor meer dan 20.000 gebruikers. Een minuut winst per gesprek loopt dan al op tot duizenden uren. Daarom begin je met het werk dat de meeste uren vrijspeelt — het vliegwieleffect dat ik in AI implementeren met rendement uitwerk.Embedding AI in Daily Banking Work →
- Bij Rabobank draaien negen GenAI-assistenten in productie voor ruim 20.000 medewerkers, met ruim een miljoen samenvattingen in een maand en meer dan 300.000 ondersteunde interacties. Genoemde effecten zijn 51% kortere gesprekstijd en 23% tijdwinst op de werkvoorraad. Behandel die percentages als bovengrens van een goed ingericht proces, niet als verwachting voor je eerste assistent.Embedding AI in Daily Banking Work + homepage →
- Het eerste maakt bestaand werk sneller: je rekent de besparing vooraf uit, stuurt op uren en doorlooptijd, en een mislukking is een fout. Het tweede opent nieuwe mogelijkheden: kleine budgetten met einddatum, sturen op wat je leert, mislukken hoort erbij. Beide hebben een eigen regime. Begin bij het eerste, want dat betaalt het tweede.AI-implementatie framework →
- Frequentie maal tijd per keer maal uurtarief, min de tijd die de controlestap kost en min het werk dat blijft liggen bij uitzonderingen. Meet de huidige situatie voordat je bouwt, want een besparing die je vooraf niet hebt gemeten kun je achteraf niet aantonen.
- Drie lekken. Het team gebruikt het maar half. De controlestap kost meer dan begroot. En de uitzonderingen die de assistent niet aankan komen alsnog handmatig terug. Reken daarom altijd met een dekkingsgraad: welk deel van de gevallen gaat er in de praktijk zonder tussenkomst doorheen. Hoe je dat monitert en borgt in een register staat in AI implementeren met rendement.
- Je meet na livegang of de uren daadwerkelijk zijn bespaard of de kwaliteit echt omhoog is. Harde cijfers meet je direct; bij zachtere effecten vaar je op het oordeel van de mensen op de werkvloer. Zonder die meting weet je alleen dat er iets draait, niet dat het rendeert.AI-implementatie framework →
Welke kenmerken maken een proces geschikt voor AI?
Waarom levert saai routinewerk meer op dan de spectaculaire toepassing?
Wat leveren AI-assistenten concreet op bij een grote financiele dienstverlener?
Wat is het verschil tussen AI die bestaand werk versnelt en AI die iets nieuws mogelijk maakt?
Hoe reken je een business case door zonder te fantaseren?
Waarom verdampt de berekende besparing vaak?
Hoe meet je of een AI-assistent oplevert wat is beloofd?
Implementeren
- Er zijn vier lagen en elk vraagt ander gereedschap en ander onderhoud. AI-chat is een mens in een gesprek zonder proces eromheen. Cowork is een opdracht met bestanden en tools waarbij het systeem meerdere stappen achter elkaar zet, voor werk dat te groot is voor een prompt en te wisselend voor een vaste workflow. Een workflowbouwer is trigger, vaste stappen, consistent resultaat; een autonome agent krijgt een doel zonder vaste werkwijze. Bepaal eerst de laag, dan wordt de toolkeuze meestal simpel.Welke tools gebruik je voor AI-assistenten? →
- Nee, het zijn andere gereedschappen en geen doorgroeipad. Autonomie is geen niveau waar je naartoe groeit maar een eigenschap die je aanzet wanneer je vooraf geen standaard plan kunt bepalen. Autonome agents leveren de indrukwekkendste demo's en staan het minst in productie, en ze zijn het duurst omdat het systeem alles zelf bepaalt en dat veel tokens kost.Welke tools gebruik je voor AI-assistenten? →
- Traceability. In een workflow kun je per stap aantonen wie het aanleverde, wat het model eruit haalde, welke regel het tegenhield en wie het goedkeurde. Een acceptatiebeoordeling kan technisch prima in Cowork, maar de wet vraagt dat je kunt opslaan en reproduceren waarom een verzekering is geaccepteerd, en dan is de workflowbouwer de juiste laag. De klassieke fout in die laag is AI inbouwen waar een gewone regel volstaat.Welke tools gebruik je voor AI-assistenten? →
- Met degene die de meeste uren vrijspeelt voor de mensen die het werk doen, niet de leukste of de best zichtbare. Die uren investeer je in het bouwen van de volgende. Dat is het vliegwiel: doe je dit niet, dan valt het bouwen na elke oplevering stil omdat niemand tijd heeft.AI-implementatie framework →
- Juist een klein kantoor heeft het makkelijker. Een groot bedrijf loopt vast op inkoopprocessen, security-afdelingen, een ondernemingsraad en honderd medewerkers die je moet omscholen. Jij kunt maandag beslissen en woensdag testen. De pilot is vaste prijs — zie Mijn diensten.5 misverstanden over AI die ondernemers tijd kosten →
- Met een register waar iedereen zijn use case in mag zetten. Zonder register krijg je losse initiatieven per afdeling en bouw je twee keer hetzelfde. Filteren doe je pas in de volgende stap met de prioriteitsmatrix; de drempel om iets in te dienen moet laag blijven.AI-implementatie framework →
- Scoor elk idee op waarde en op haalbaarheid, beide hoog of laag. Veel waarde en makkelijk te bouwen doe je eerst. Veel waarde maar lastig bereid je alvast voor, want dat kost tijd en anders valt het bouwen stil zodra de makkelijke winst op is. Weinig waarde en lastig bouw je niet.AI-implementatie framework →
- Omdat iedereen zijn eigen idee scoort als veel waarde en makkelijk te bouwen. Zonder die scheiding staat je hele lijst binnen een maand vol met prioriteit een en beslist uiteindelijk de hardste stem in plaats van de grootste opbrengst.AI-implementatie framework →
- Omdat mensen slecht zijn in beschrijven wat ze willen. Met een simpele werkende versie ontdek je de echte eisen samen met de gebruikers. Dat kost minder tijd en geld dan een specificatie die je halverwege alsnog omgooit. Bouw de eenvoudigste versie die het werk doet en verfijn daarna.AI-implementatie framework →
- Twee. Een voor de bouw, waar je bepaalt wat je wanneer bouwt. Een vlak voor livegang, waar je de resultaten naast de ervaring van gebruikers legt en kiest tussen goedkeuren, aanpassen of stoppen. De business heeft daarin het laatste woord, niet de bouwer.AI-implementatie framework →
- Vier tot zes weken per assistent. Een tot twee weken voor de eerste werkende versie, daarna drie tot vier weken verfijnen met de mensen die er dagelijks mee werken. Duurt het structureel langer, dan zit het probleem meestal in besluitvorming en toegang tot data, niet in de techniek. De vaste pilot van 45 dagen staat beschreven op Mijn diensten.AI-implementatie framework →
- Omdat de eerste ook de omgeving bouwt: verbindingen, rechten en beveiliging. Dat is een groot deel van het budget en grotendeels herbruikbaar bij de volgende, zeker in een workflowbouwer. Kies je platform daarom op wat eronder ligt en niet op de eerste assistent: een assistent verhuizen kost een week, een kennislaag en een rechtenmodel niet. De prijs per extra assistent na de pilot staat op Mijn diensten.Welke tools gebruik je voor AI-assistenten? →
- Niet op de techniek. Ze mislukken op de vertaalslag tussen wat het werk echt vraagt en wat de technologie kan. Wie de pijnpunten en de procesrealiteit niet kent, bouwt iets dat technisch werkt en in de praktijk blijft liggen.Embedding AI in Daily Banking Work →
- De business bepaalt of het live gaat en of het waarde levert. IT bouwt mee of begeleidt de bouw, anders staat er straks iets in productie dat niemand beheert en niemand monitort. Bouwen buiten IT om gaat snel en loopt vast op het moment dat er iets stukgaat of iemand vertrekt.AI-implementatie framework →
- Procesbegrip en eigenaarschap. Dat kun je niet inkopen, want het is precies de kennis waarop de vertaalslag rust. Bouwcapaciteit en modelkennis kun je wel inhuren. Zonder eigen proceseigenaar krijg je iets dat technisch werkt en niet aansluit op het werk. Of je beter kunt bouwen, kopen of hergebruiken, bespreek ik in Reuse, buy of build: de juiste volgorde.
- Vier routes, afhankelijk van bouwcomplexiteit, onderhoudscomplexiteit en externe kosten. Persoonlijke productiviteit bouwen mensen zelf met prompts en templates binnen bestaande licenties. Werkstromen voor een team configureert een superuser in een afgeschermde omgeving. Specialistische oplossingen koop je, en echt complexe AI laat je programmeren.Welke tools gebruik je voor AI-assistenten? →
- Meestal niet. Tekst verwerken, samenvatten, velden uit een document halen, een risico-inschatting, een dossiercontrole: low-code doet dat allemaal goed, en die platforms hebben inmiddels monitoring, observability, foutafhandeling en versiebeheer. De specialistische use case waarvoor je echt zelf moet bouwen komt in de meeste organisaties simpelweg niet voor. Dat programmeren de standaardkeuze is komt vaker voort uit voorkeur dan uit noodzaak.Welke tools gebruik je voor AI-assistenten? →
- Beperkt maar niet nul. Je hebt iemand nodig die bouwt, iemand die coordineert en tijd van de mensen die het werk doen, vooral in de verfijnfase. Hoeveel precies hangt af van de omvang van de organisatie, de cultuur en de complexiteit van het IT-landschap.AI-implementatie framework →
In welke van de vier soorten AI-werk valt mijn vraagstuk?
Is een autonome agent de logische volgende stap na chatten?
Waarom is een workflowbouwer voor een financieel kantoor belangrijker dan een slimme agent?
Met welke use case begin je?
Is dit iets voor een kantoor van tien man of alleen voor de grote jongens?
Hoe houd je overzicht over alle AI-ideeen die binnenkomen?
Hoe bepaal je de volgorde van je use cases?
Waarom laat je een use case beoordelen door iemand anders dan de indiener?
Waarom specificeer je een AI-assistent niet vooraf tot in detail?
Welke beslismomenten heb je nodig?
Hoe lang duurt het van idee tot productie?
Waarom is de tweede assistent goedkoper dan de eerste?
Waarom mislukken de meeste AI-projecten?
Wie moet eigenaar zijn van een AI-assistent: IT of de business?
Welke kennis moet je zelf in huis houden?
Wie in mijn organisatie bouwt wat?
Moet ik hiervoor programmeurs inhuren?
Hoeveel tijd kost zo'n aanpak de eigen organisatie?
Risico en governance
- De organisatie die de AI inzet, altijd. Een leverancier neemt dat niet over. Daarom leg je per assistent vooraf vast wat hij nooit mag doen en waar een mens goedkeurt. Doet hij iets uit die lijst toch, dan gaat hij niet naar productie.AI-implementatie framework + AI-swarms uitgelegd →
- Bij alles wat naar buiten gaat of een gevolg heeft voor de klant: klantcommunicatie, acceptatie, schadebesluit, afwijzing. Bij interne hulpmiddelen die de medewerker toch al leest, zoals een samenvatting, is een aparte controlestap dubbel werk. Vuistregel: hoe onomkeerbaarder het gevolg, hoe eerder de mens.AI-swarms uitgelegd →
- Drie maatregelen samen: instructies die het gedrag strak kaderen, een afgeschermde omgeving waarbinnen het systeem alleen mag handelen, en een mens die periodiek incheckt en kritieke acties goedkeurt. Laat je de derde weg, dan verlies je grip op wat er namens je organisatie gebeurt.AI-swarms uitgelegd →
- Per assistent: wat hij doet, wat erin gaat, wat eruit komt, welke vaste bronnen hij raadpleegt, wat hij nooit mag doen, wie eigenaar is en wanneer een mens goedkeurt. Plus de twee beslismomenten met wie er tekende. Dat register is tegelijk je bouwbriefing en je verantwoordingsdocument.AI-implementatie framework →
- Dat hangt af van welke versie je gebruikt en hoe die is ingesteld. Consumentenversies mogen je invoer vaak gebruiken voor training; zakelijke versies bieden meestal de mogelijkheid dat uit te zetten, met afspraken over waar data blijft en hoe lang. Voor bijzondere persoonsgegevens, zoals gezondheidsgegevens in een schadedossier, gelden zwaardere eisen dan voor gewone klantdata.5 misverstanden over AI die ondernemers tijd kosten →
- De verordening deelt toepassingen in naar risico. Kredietwaardigheidsbeoordeling van particulieren en risicobeoordeling en prijsstelling bij levens- en zorgverzekeringen vallen in de hoogrisicocategorie, met eisen aan documentatie, menselijk toezicht en monitoring. Een dossiersamenvatter of tekstassistent valt daar in de regel niet onder. Let op: over uitstel en aanpassing van delen van het tijdpad wordt op Europees niveau nog besloten, dus check de actuele stand voordat je hierop plant.
- Ja, zodra de klant rechtstreeks met het systeem communiceert of naar door AI gegenereerde inhoud kijkt; de AI-verordening kent daarvoor een transparantieplicht. Voor een assistent die intern een brief voorbereidt die jij ondertekent geldt dat niet. Los van de regel: in een vertrouwensrelatie is achteraf ontdekt worden erger dan vooraf verteld hebben.
- Met een vaste set echte gevallen waarvan je de gewenste uitkomst kent, die je bij elke wijziging opnieuw draait, plus een steekproef op productie. Je toetst niet op letterlijke gelijkheid maar op bruikbaarheid en juistheid. Zonder zo'n set weet je bij een aanpassing niet of je iets hebt verbeterd of stukgemaakt. Een keten van kleine modellen maakt zo'n testset extra waardevol, omdat je per stap kunt isoleren — zie Welk AI-model kies je? Afweging voor 2026.
- Modellen worden vervangen en uitgefaseerd, en dan verandert gedrag dat je zorgvuldig had afgestemd. Leg vast welke modelversie je gebruikt, maak afspraken over hoe lang die beschikbaar blijft, en draai je testset opnieuw na elke wijziging. Voor financiele instellingen is dit ook een DORA-vraagstuk: je AI-leverancier is een ICT-dienstverlener van een derde partij. Waarom de modelkeuze minder zwaar weegt dan je denkt, maar de koppeling wel kritiek is, lees je in Welk AI-model kies je? Afweging voor 2026.
- Scheid de onderdelen. Je instructies, je documenten en je proceslogica horen bij jou en niet in het platform van een leverancier. Kun je van model wisselen zonder je hele inrichting opnieuw te bouwen, dan houd je keuzevrijheid en onderhandelingsruimte. Hoe dat samenhangt met de keuze tussen reuse, buy en build lees je in Reuse, buy of build: de juiste volgorde.
- In de meeste gevallen wel. De grens is: imiteren mag, kopieren niet. Gebruik AI om sneller in je eigen tone-of-voice te komen en voeg je eigen oordeel toe voordat het naar buiten gaat; het nabootsen van herkenbaar werk van een ander is wel een probleem.5 misverstanden over AI die ondernemers tijd kosten →
- Technisch is dat veilig: een model is een pad naar een uitkomst en het bestand is niet uitvoerbaar, dus het kan geen data terugsturen. De sterkste open-source modellen komen op dit moment uit China en je hoeft ze niet zelf te hosten: Scaleway draait alles in een datacenter in Parijs en analyseert, verzamelt, leest of hergebruikt je invoer, prompts en uitvoer niet, en Nebius biedt een route via Finland waarbij je data in de EU blijft. Wil je zekerheid boven prijs, kies dan Mistral: Europees en degelijk.Welk AI-model kies je? Afweging voor 2026 →
Wie blijft verantwoordelijk als AI een fout maakt?
Waar zet je een mens in de lus en waar juist niet?
Hoe houd je een AI die zelfstandig stappen zet onder controle?
Wat moet je vastleggen om aantoonbaar in control te zijn?
Wat mag je met klantgegevens in AI?
Wat betekent de AI-verordening voor financiele dienstverleners?
Moet je je klant vertellen dat er AI in het proces zit?
Hoe test je iets waarvan de uitkomst niet exact voorspelbaar is?
Wat gebeurt er als je leverancier het model onder je verandert?
Hoe voorkom je afhankelijkheid van een leverancier?
Mag je AI-gegenereerde teksten en beelden zakelijk gebruiken?
Mag ik een open-source model uit China gebruiken?
Mensen en adoptie
- Omdat een assistent die half gebruikt wordt ook maar de helft oplevert, terwijl de bouwkosten volledig zijn gemaakt. Succes hangt af van de vertaling naar het dagelijkse werk: kent de medewerker het, past het in zijn ritme, en levert het hem persoonlijk tijd op. Dat is een implementatievraag, geen technische vraag.Embedding AI in Daily Banking Work →
- Eerst uitzoeken of ze hem niet willen of niet kunnen vinden. Niet-gebruiken heeft bijna altijd een reden die klopt: hij staat buiten de werkstroom, hij zat er twee keer naast op een dossier, of nakijken kost meer dan zelf doen. Repareer die reden of zet hem uit; een ongebruikte assistent in de lucht houden kost geld en ondermijnt het vertrouwen in de volgende.
- Neem de vraag serieus in plaats van hem weg te wuiven. Wat verdwijnt is meestal het administratieve deel van een functie, niet de functie. En weerstand komt vaker voort uit een slecht werkende eerste versie dan uit angst. Laat de mensen die het werk doen meebeslissen over wat de assistent wel en niet doet.
- Van uitvoeren naar controleren en beoordelen. Dat is niet vanzelf lichter: continu andermans werk nakijken vraagt een ander soort aandacht dan zelf doen, en bij hoge kwaliteit sluipt automatische goedkeuring erin. Houd daar rekening mee in de inrichting, anders krijg je toezicht dat alleen op papier bestaat. Welke tool je kiest voor dat soort geautomatiseerde controles verschilt per laag — zie Welke tools gebruik je voor AI-assistenten?.
- Waar het gereedschap sterk in is, waar het onbetrouwbaar is, hoe je een opdracht formuleert en wanneer je moet controleren. Dat is een dagdeel, geen opleiding. De AI-verordening verplicht organisaties die AI inzetten bovendien tot een basisniveau AI-kennis bij hun medewerkers.5 misverstanden over AI die ondernemers tijd kosten →
Waarom bepaalt adoptie het rendement en niet de techniek?
Wat doe je als het team de assistent gewoon niet gebruikt?
Hoe ga je om met weerstand en met angst voor banenverlies?
Wat verandert er aan het werk van een medewerker?
Wat moeten medewerkers hierover leren?
Bouwen of kopen
- In deze volgorde: eerst kijken wat je al hebt, dan kopen, en pas bouwen als het echt niet anders kan. Reuse wordt bijna altijd overgeslagen omdat er geen leverancier is die het verkoopt, geen business case ter goedkeuring en geen implementatiepartner met een offerte. Begin dus met de inventarisatie: welke systemen raken dit proces al, welke koppelvlakken zitten erop, en wat kan er met je bestaande licenties.Reuse, buy of build: de juiste volgorde →
- Vier, in deze volgorde. Raakt dit proces een systeem dat we al hebben en zit daar een koppeling op (ja is reuse); onderscheidt dit proces ons van een concurrent die hetzelfde pakket koopt; dekt een bestaand pakket ruwweg 80 procent en kunnen wij ons proces daarop aanpassen (ja is buy); en kunnen we dit vijf jaar onderhouden, ook nadat de bouwer vertrokken is (nee betekent alsnog kopen). Koop de standaard en bouw hooguit de uitzonderingen erin.Reuse, buy of build: de juiste volgorde →
- In een uitgewerkt voorbeeld 31.000 euro voor reuse, 175.000 voor buy en 243.000 voor build. Het verschil zit niet in jaar een (15.000 tegen 25.000 tegen 120.000) maar in de jaren daarna: 18 procent onderhoud per jaar, eigen security en pentests, en 15.000 euro per keer dat wetgeving je dwingt iets aan te passen. Die 18 procent is een vuistregel: lager bij een stabiel proces, hoger zodra er koppelingen in zitten die met elke release van de tegenpartij meebewegen. De vaste prijs van een pilot staat op Mijn diensten.Reuse, buy of build: de juiste volgorde →
- Nauwelijks, en daar zit de val. Codeassistenten hebben de bouwkosten de afgelopen twee jaar verlaagd, maar patches, pentests, koppelingen die je moet aanpassen en een aanspreekbare beheerder blijven precies even duur. Dat zijn juist de posten die over vijf jaar het verschil maken, dus de keuze verschuift op papier richting build terwijl de werkelijke kosten nauwelijks meebewegen.Reuse, buy of build: de juiste volgorde →
- Nee. Onder DORA blijf je als financiele instelling aanspreekbaar op het ICT-risico bij derden; kopen verplaatst het werk, niet de verantwoordelijkheid. Wat kopen wel scheelt is je rol onder de AI-verordening: koop je AI, dan ben je deployer en geen provider, en dat vraagt minder van je aan compliance.Reuse, buy of build: de juiste volgorde →
- Het is de goedkoopste route, maar niet gratis. Zonder beheer loopt het alsnog vol: je hebt een omgevingsstrategie nodig, naamgevingsafspraken en een aanwijsbare eigenaar per flow. Zonder die drie sta je binnen twee jaar met tientallen flows die niemand durft aan te raken.Reuse, buy of build: de juiste volgorde →
- Per miljoen tokens, peildatum augustus 2026: frontier-modellen 5 dollar in en 25 tot 30 uit, middenklasse 2 dollar in en 10 tot 12 uit, open gewichten 10 tot 28 dollarcent in en 30 cent tot 1,10 uit, en klein en snel 3 cent in en 13 cent uit. Een keten van vijf aanroepen op een open model kost minder dan een enkele aanroep op een frontier-model. Met slim modelmanagement wordt prompt chaining dus goedkoper in plaats van duurder.Welk AI-model kies je? Afweging voor 2026 →