Wat is generatieve AI?

Definitie: Generatieve AI is een vorm van kunstmatige intelligentie die nieuwe inhoud maakt, zoals tekst, afbeeldingen, audio, video of code, op basis van patronen die een model heeft geleerd uit grote hoeveelheden bestaande data. Bekende voorbeelden zijn ChatGPT, Claude en Gemini voor tekst, en DALL-E, Midjourney en Stable Diffusion voor beeld.

In het kort

• Generatieve AI maakt iets nieuws, terwijl traditionele of analytische AI vooral bestaande gegevens indeelt, analyseert of voorspelt.
• De belangrijkste technieken zijn transformers voor tekst, diffusiemodellen voor beeld, en daarnaast GAN’s en variational autoencoders.
• Bedrijven gebruiken generatieve AI voor teksten, samenvattingen, klantenservice, documentverwerking, beeldmateriaal en programmeren.
• De grootste risico’s zijn hallucinaties, vooroordelen, privacy, auteursrecht en misbruik zoals deepfakes; menselijke controle blijft nodig.

Wat is generatieve AI?

Generatieve AI, ook wel GenAI genoemd, is AI die iets maakt. Je geeft een opdracht in gewone taal, de prompt, en het systeem schrijft een tekst, maakt een afbeelding, vat een document samen of schrijft code. De uitkomst is nieuw: geen kopie uit een database, maar een combinatie die het model genereert op basis van wat het heeft geleerd.

Shopify zet het af tegen discriminatieve modellen. Die onderscheiden categorieën of voorspellen een uitkomst, bijvoorbeeld of een e-mail spam is. Een generatief model maakt zelf een e-mail. OVHcloud maakt hetzelfde onderscheid tussen generatieve AI, die nieuwe inhoud maakt op basis van een omschrijving, en analytische AI, die bestaande data analyseert en interpreteert.

Generatieve AI is niet nieuw als idee, maar werd breed bekend toen OpenAI eind 2022 ChatGPT lanceerde. Sindsdien volgen nieuwe modellen elkaar snel op. Ionos noemt bijvoorbeeld DALL-E 3, uitgebracht in oktober 2023, en Claude 4, dat in mei 2025 verscheen.

Hoe werkt generatieve AI?

Een generatief model leert in twee fasen:

1. Training. Het model krijgt enorme hoeveelheden voorbeelden, zoals teksten, afbeeldingen of code. Het leert daaruit de patronen: welke woorden vaak samen voorkomen, hoe een zin is opgebouwd, hoe een kat eruitziet.
2. Generatie. Bij een prompt gebruikt het model die patronen om nieuwe inhoud te maken. FlowHunt beschrijft dat als samplen uit de geleerde patronen.

OVHcloud legt uit dat grote taalmodellen eerst worden voorgetraind op grote tekstdatasets en daarna worden bijgetraind, gefinetuned, voor specifieke taken. Een aandachtsmechanisme helpt het model te bepalen welke woorden in een zin belangrijk zijn voor de betekenis.

Een taalmodel weet dus niet wat waar is. Het voorspelt wat een waarschijnlijk vervolg is op de tekst tot nu toe. Dat verklaart waarom het soms overtuigend klinkende, maar onjuiste antwoorden geeft.

Welke technieken zitten erachter?

Ionos noemt transformer-modellen de dominante technologie voor tekstgeneratie. Shopify beschrijft hoe diffusiemodellen achter DALL-E 2 en Stable Diffusion afbeeldingen leren maken door eerst ruis toe te voegen en dat proces daarna om te keren.

Wat kun je maken met generatieve AI?

Toepassingen in bedrijven

OVHcloud noemt marketing, klantenservice en softwareontwikkeling als belangrijke toepassingsgebieden. Concreter:

• Klantenservice. Een chatbot die vragen beantwoordt op basis van de eigen kennisbank, of conceptantwoorden voor medewerkers.
• Documentverwerking. Gegevens uit facturen, offertes of formulieren halen en in een systeem zetten.
• Samenvatten. Lange rapporten, gesprekken of e-mailwisselingen samenvatten tot de kern.
• Content. Eerste versies van teksten, productbeschrijvingen of social posts, die daarna worden bewerkt.
• Interne kennis. Medewerkers vragen laten stellen aan handboeken en procedures.
• Programmeren. Sneller code schrijven, testen en documenteren.
• Vertalen en herschrijven. Teksten aanpassen voor een andere doelgroep of taal.

Bij elke toepassing geldt: generatieve AI levert een voorstel. Een mens of een duidelijke controle bepaalt of het goed genoeg is om te gebruiken.

Generatieve AI, AI en machine learning: wat is het verschil?

Wat zijn de risico’s van generatieve AI?

Shopify noemt hallucinaties, bevooroordeelde output, privacy, auteursrecht en energieverbruik als belangrijkste risico’s, en benadrukt dat menselijk toezicht en feitencontrole essentieel zijn.

• Hallucinaties. Het model brengt onjuiste informatie met grote stelligheid. Salesforce citeert onderzoeker Silvio Savarese, die waarschuwt voor zelfverzekerde mislukking door de overtuigende toon van deze modellen.
• Vooroordelen. Modellen nemen patronen over uit hun trainingsdata, inclusief vooroordelen.
• Privacy. Wat je in een publieke AI-tool invoert, kan buiten je organisatie terechtkomen. Zakelijke abonnementen en API’s bieden vaak betere afspraken.
• Auteursrecht. Er zijn open vragen over trainingsdata en over het eigendom van gegenereerde inhoud. FlowHunt noemt ethische vragen over eigenaarschap.
• Misbruik. Ionos waarschuwt voor deepfakes, nepnieuws en overtuigender phishing.
• Datakwaliteit. Salesforce citeert Paula Goldman: AI is slechts zo goed als de data die je het geeft.

Daarnaast stelt de Europese AI-verordening eisen aan transparantie, bijvoorbeeld dat mensen weten wanneer ze met een AI-systeem communiceren.

Hoe begin je met generatieve AI in je bedrijf?

1. Kies één concrete taak die terugkeert en tijd kost, zoals het samenvatten van binnenkomende aanvragen.
2. Bepaal wat goed genoeg is. Wanneer is een uitkomst bruikbaar, en wie controleert dat?
3. Begin met bestaande tools voordat je iets laat bouwen. Een zakelijk abonnement op een AI-assistent is vaak een goede eerste stap.
4. Regel afspraken over gegevens. Welke informatie mag in welke tool, en waar wordt die verwerkt?
5. Test met echte voorbeelden, inclusief lastige en afwijkende gevallen.
6. Bouw de controle in het proces in. Een mens keurt goed voordat iets naar een klant gaat.
7. Meet het effect voordat je verder uitbreidt.

Pas als een taak goed werkt en vaak voorkomt, is het zinvol om generatieve AI in te bouwen in een eigen applicatie, via de API van een aanbieder.

Een voorbeeld: binnenkomende aanvragen samenvatten

Stel dat een installatiebedrijf dagelijks tientallen aanvragen per mail en via het websiteformulier ontvangt. Een medewerker leest ze allemaal, bepaalt het soort klus en zet de gegevens in het planningssysteem. Generatieve AI kan daarbij helpen:

1. Binnenkomst. Een nieuwe aanvraag komt binnen via mail of formulier.
2. Voorstel. Een taalmodel vat de aanvraag samen, bepaalt het soort klus en haalt adres, contactgegevens en gewenste datum eruit.
3. Controle. De medewerker ziet de samenvatting naast de originele aanvraag en past aan waar nodig.
4. Vastleggen. Na akkoord gaan de gegevens naar het planningssysteem.

De AI doet het voorbereidende leeswerk; de medewerker houdt de beslissing. Twijfelt het model, bijvoorbeeld omdat een adres ontbreekt, dan hoort dat zichtbaar te zijn in plaats van dat het model iets invult wat er niet staat.

Goede prompts schrijven

De kwaliteit van de uitkomst hangt sterk af van de opdracht. Een paar vuistregels:

• Geef context. Voor wie is de tekst, wat is het doel, welke toon past?
• Wees concreet over de vorm. Vijf opsommingstekens, maximaal honderd woorden, of een tabel met vaste kolommen.
• Geef voorbeelden van een goede uitkomst.
• Stuur de juiste informatie mee en zeg dat het model alleen die informatie mag gebruiken.
• Vraag om onzekerheid te melden in plaats van te gokken.
• Werk in stappen. Eerst een opzet, dan uitwerken, dan controleren.

Veelgemaakte fouten met generatieve AI

• Uitkomsten zonder controle gebruiken. Een overtuigende tekst is nog geen juiste tekst.
• Vertrouwelijke gegevens in publieke tools plakken. Kies voor zakelijke versies met heldere afspraken over gegevens.
• Te groot beginnen. Een complete AI-assistent voor de hele organisatie is moeilijker te beheersen dan één afgebakende taak.
• Geen vaste testvoorbeelden. Zonder vergelijking merk je niet of een nieuwe modelversie beter of slechter werkt.
• Vergeten wat er daarna gebeurt. Een gegenereerd voorstel heeft pas waarde als duidelijk is wie het beoordeelt en wat er vervolgens mee gebeurt.

Generatieve AI in een eigen applicatie

Wie generatieve AI in een eigen applicatie gebruikt, maakt een paar extra keuzes:

• Welk model? Groot en krachtig, of klein en goedkoop. Voor veel taken is een kleiner model voldoende.
• Welke context? Het model kent je bedrijf niet. Relevante informatie moet worden meegestuurd, bijvoorbeeld via RAG.
• Welke instructies? Duidelijke systeeminstructies bepalen toon, vorm en grenzen.
• Waar draait het? Bij een aanbieder in de EU, bij een Amerikaanse aanbieder, of met een lokaal model op eigen servers.
• Wat kost het? Gebruik via een API wordt per token afgerekend.
• Hoe controleer je het? Met vaste testvoorbeelden, logging en een menselijke beoordeling waar nodig.

Wat kost generatieve AI?

De kosten hangen af van de manier van gebruiken. Voor individueel gebruik betaal je een vast bedrag per gebruiker per maand voor een zakelijk abonnement op een AI-assistent, of je gebruikt een gratis versie met beperkingen. Wie generatieve AI inbouwt in een eigen applicatie, betaalt via de API per verwerkte hoeveelheid tekst, gemeten in tokens. Dan bepalen het gekozen model, de lengte van de invoer en uitvoer en het aantal verzoeken samen de rekening. Daarbovenop komen de kosten voor het bouwen, testen en beheren van de toepassing. Begin daarom klein, meet het werkelijke gebruik en reken pas daarna door wat een bredere inzet kost.

Wat betekent dit voor jouw project?

Bij Contentooo, een van mijn eigen projecten, loopt een route van intake, klantprofiel, onderzoek en contentplan naar conceptgeneratie, controle, vrijgave en klantakkoord. Generatieve AI helpt daar bij de verwerking, maar de inhoudelijke controle blijft bij mensen. De les die ik eruit haal: goede invoer bepaalt wat een volgende stap kan opleveren.

Bij Elevtr, mijn eigen LinkedIn-software, maak ik onderscheid tussen input, voorstel, keuze en uitvoering. Een gebruiker moet begrijpen wat de software voorbereidt en wat er daadwerkelijk wordt gepubliceerd. Dat onderscheid is bij elke toepassing van generatieve AI belangrijk.

Bij een nieuw idee onderzoek ik eerst of een bestaand pakket, een koppeling of maatwerk het beste past. Voor generatieve AI is een bestaande tool vaak een prima start.

Vraag? Welk proces kost bij jullie steeds opnieuw tijd, en zou een AI-voorstel daar helpen? Stuur me hoe het nu gaat en wie ermee werkt. Dan kijken we in ongeveer twintig minuten waar een logische eerste stap ligt.

Veelgestelde vragen over generatieve AI

Wat is generatieve AI?

Generatieve AI is kunstmatige intelligentie die nieuwe inhoud maakt, zoals tekst, afbeeldingen, audio, video of code, op basis van patronen uit grote hoeveelheden trainingsdata. Bekende voorbeelden zijn ChatGPT, Claude, Gemini en DALL-E.

Wat is het verschil tussen generatieve AI en gewone AI?

Traditionele of analytische AI analyseert bestaande gegevens, deelt ze in of doet voorspellingen, zoals het herkennen van spam. Generatieve AI maakt zelf nieuwe inhoud, zoals een tekst of afbeelding.

Wat zijn de risico’s van generatieve AI?

De belangrijkste risico’s zijn hallucinaties, vooroordelen in de uitkomst, privacy, auteursrecht en misbruik zoals deepfakes. Daarom zijn menselijke controle, duidelijke afspraken over gegevens en feitencontrole nodig.

Verwante termen

Kunstmatige intelligentie · Large language model · Foundation model · AI-hallucinatie · Prompt engineering · Multimodale AI