AI cursussen van NLAIC met Maaike Drok

Leuk dat je weer luistert naar een aflevering van de AIToday Live Podcast. We hebben vandaag

Maaike Drok de gast. Zij is projectmanager bij de Nederlandse AI-coalitie en we zijn

benieuwd naar werkzaamheden voor de Nederlandse AI-coalitie en hoe iedereen mee kan doen aan

AI. Ik ben Joop Snijder, CTO bij Aigency en samen met Niels Naglé, chapter lead data en AI bij

Info Support duiken we in de wereld van AI voor business en IT. Welkom Maaike. Dankjewel. Zou

je jezelf willen introduceren? Mijn naam is Maaike Drok en ik werk inderdaad als projectmanager

bij de Nederlandse AI-coalitie. De Nederlandse AI-coalitie heeft zichzelf als doel gesteld om AI-innovatie

echt sterk te laten groeien de komende jaren en ook te kijken hoe ze verbinding tussen verschillende

partijen daarbij kunnen versterken. Dat doen ze heel breed op verschillende takken maar ik

hou me vooral bezig met human capital. Dus hoe kunnen we nou de mensheid ook klaarkrijgen voor

die AI-transitie waar we middenin zitten en hoe zorgen dat iedereen genoeg kennis en vaardigheden

heeft om bij te blijven eigenlijk. Ja leuk en hoe ziet dat eruit? Hoe kunnen mensen bijblijven? Hoe

kunnen ze dit leren? Op heel veel verschillende manieren natuurlijk maar waar ik me op het moment

mee bezig houden is met maken van AI-bewustwordingscursussen. Dus dat zijn echt basiscursussen

waar mensen echt de basiskennis en vaardigheden op het gebied van AI kunnen opdoen en daar bestaat

al langere tijd een cursus voor de National AI-cursus die door Jim Stoltz is ontwikkeld.

Maar wat wij nu doen is dat ook specifiek maken voor bepaalde sectoren omdat we zien dat in die

sectoren gewoon heel veel gebeurt op dit gebied waar mensen eigenlijk nog weinig kennis van hebben.

En ja met zo'n specifieke cursus kun je dus ook een beetje leren over wat gebeurt er eigenlijk in

mijn sector, welke toepassingen zijn er al, wat is er ook nog niet. Dus dat is een manier om jezelf

hierover bij te scholen. Leuk dat je Jim noemt, want Jim is ook de oprichter van Aigency. Dus

dat komt mooi samen. Daarvoor hebben we je niet uitgenodigd. Hoe wij in contact zijn gekomen is

vanwege een artikel die jij geschreven had. Ik ben even kwijt waar die gepubliceerd was. Ja in de

regionale kranten. Zou je in het kort kunnen vertellen wat je daar geschreven hebt? Ja dat

is eigenlijk heel passend. Het ging in principe ook over die cursussen, maar ook een stukje breder

dan dat. Wat we zien in de maatschappij is dat er best wel veel angst is voor AI. Of in ieder geval

heel veel onbegrip. Dat mensen denken oké ik heb geen idee wat dit is en het klinkt ook een beetje

eng en straks neemt het mijn baan over. En dat is waar we vanuit de Nederlandse AI-coalitie heel

graag willen informeren en mensen willen opleiden eigenlijk om in te zien dat dat niet per se zo

is. Maar dat er wel heel veel gaat veranderen en dat het daarom juist heel relevant is om te zorgen

dat je snapt wat het is en wat het ook niet is. En hoe het wel mogelijk impact gaat hebben op

jouw baan. Dus daar ging dat artikel ook over. Een aantal voorbeelden die we dan uit de cursussen

zien van hoe het impact heeft op mensen hun baan. Maar ook hoe ze daarmee om zijn gegaan en hoe ze

dat hebben toegepast. Kan je daar een voorbeeld van geven? Nou een goed voorbeeld is bijvoorbeeld

van boer Wilfred waar we een tijd geleden op bezoek waren voor de AG in foodcursus. Een hele

vrolijke boer die zelf dacht dat hij eigenlijk niet echt gebruik maakte van AI. In AG is het ook

wel grappig want KI, kunstmatige intelligentie, is daar ook kunstmatige insimulatie. Dus boeren

zien dat eigenlijk als iets heel anders. Precies. Dus die term kan ook heel anders landen. Maar goed,

nou ja zo iemand heeft eigenlijk het idee dat hij daar geen gebruik van maakt. Terwijl zijn stal

hangt vol met monitoren met camera's die de koeien de hele dag in de gaten houden. De koeien dragen

een necktack waarbij getrackt wordt hoeveel ze lopen, liggen, zitten, zelfs hoeveel ze herkouwen.

En de melkdata wordt continu bijgehouden. Nou een combinatie daarvan is toch behoorlijk een AI

systeem wat voorspelt hoeveel melk de koeien de komende tijd gaan geven. Dus daar is zeker wel

sprake van AI. Maar het wordt ook niet altijd zo herkend. En dat is denk ik een beetje waar de

kruk zit. Het lijkt heel eng. Terwijl het zit in zoveel systemen die je ook gewoon gebruikt. En daar

moeten mensen zich iets meer bewust van worden. Ja dat het eigenlijk al onderdeel is van je

dagelijks leven. Waarbij het aan de ene kant mooi is dat je dat niet zo in de gaten hebt. Want dan

heb je er ook geen last van. Maar jij zegt van ja je hebt wel een bepaalde bewustwording nodig

om te begrijpen wat het voor jou persoonlijk betekent. En voor je omgeving denk ik ook.

Zeker ja. En of dat nou professioneel is. Dus in je werk is het natuurlijk heel belangrijk. Als er

echt nieuwe systemen komen die bepaalde taken gaan vervangen. Die je niet meer handmatig hoeft

te doen. Maar eigenlijk ook gewoon als gewone burger is het goed om te weten van wat doet

Spotify eigenlijk met het recommender system. Waarbij het steeds meer nieuwe informatie of

nieuwe liedjes aan mij aanbeveelt. En luister ik dan nog wel eens out of my box eigenlijk.

Hetzelfde geldt natuurlijk voor wat je kijkt. We hebben het natuurlijk eerder gehad over de

bubbels. Waar iedereen zich nu wel bewust van dat je in een bepaalde filter bubbel zit. Maar ja

realiseer je dan ook even dat je ook zelf stappen kunt ondernemen om zo'n algoritme weer een andere

kant op te sturen. Dus ook als burger heb je gewoon heel veel met algoritmes naïe te maken.

En dat is goed als men zich dat meer beseft. Dus eigenlijk van het angst van het onbekende

naar het bekende. En ja dan kan er nog steeds angst zijn. Maar dan weet je in ieder geval waar

je het over hebt. En kan je het misschien beïnvloeden. Ja dat en ik denk ook dat heel

veel angst dan uiteindelijk wegvalt. Want we zien met het maken van die cursus is dat veel

mensen angst hebben om echt vervangen te worden door een robot voor de klas. De gemelde leraar

denkt nou dat is niet de gemelde leraar. Maar er zijn mensen die echt wel denken dat dat een

bedreiging zou kunnen zijn. Terwijl als je nu goed kijkt naar wat AI systemen kunnen.

Dat is het verwerken van hele complexe informatie op een heel specifieke vaardigheid of een specifiek

domein. Maar dat kopiëren naar andere domeinen dat is nog helemaal niet mogelijk. Je kunt een

robotstofzuiger niet in een auto zetten om die te besturen. Dus dat is heel beperkt tot een

bepaalde taak. En dat alleen al beseffen helpt mensen ook om over die angst heen te komen.

Ja en je zegt nu die robotstofzuiger kan de auto niet besturen. Dat is misschien nog een hele

grote stap. Maar zo'n robotstofzuiger die gaat ook niet nou laten we zeggen je onkruid wieden

of zo. Het is zo'n specifieke taak. En als je dat vertaalt naar je eigen werk. Dan kan dus een taak

in jouw werk kan vervangen worden. Maar je bent niet bezig met hele beroepen te vervangen.

Nee voorlopig zeker niet. Er zullen misschien hele specifieke beroepen zijn waarbij het echt

wel interessant wordt dat een AI systeem dat wellicht beter kan. Maar voorlopig zien we

voornamelijk juist de hybride samenwerking. Het kan een tool zijn waarmee je kunt gaan werken.

Die jou kan helpen om sneller te werken, efficiënter te werken of het ook gewoon

leuker te maken. Als jij niet meer als docent de krulletjes hoeft te zetten voor goed of fout.

Dan blijft er uiteindelijk gewoon meer tijd over voor de kinderen. Zo is het ook. En in het

ziekenhuis ja als jij niet meer als radioloog met een loepje boven een foto hoeft te hangen.

Maar een AI systeem kan dat zien. Dan heb je meer tijd voor je patiënt.

Ja nou en zeker in het geval van die radioloog. Want dan wat je nu zit in de onderzoeken die er

in ieder geval zijn. Is dat de AI ook vaak eerder al kan detecteren. Dus een eerder stadium of

bijvoorbeeld een tumor kwaaddadig is. Dus je je je zorgt ook dat je betere zorg levert aan je patiënt.

Precies. Dus in die zin is het dubbel op. En efficiëntie. Het bereik van efficiëntie

op bepaalde stappen. Ja en ik heb vanochtend ook nog aan onze management bijvoorbeeld ook

stappen moeten uitleggen. De mens blijft daarin. Als we in de zorg dingen blijven. Dat kan advies

komen van een model. Maar die dokter die gaat er ook nog naar kijken. En die maakt daar zijn

besluit op. Dus bijvoorbeeld een model kan zeggen van een bepaalde moeder vlek. Geeft weet ik op dit

moment zegt hij van nou voor 80 procent ben ik zeker dat het kwaaddadig is. Nou dat gaat natuurlijk

niet meteen gesneden worden. Precies. Dan is die artie zeg ja oh maar die kans is groot. Dat

ondersteunt mij in mijn besluit om een biop te nemen. Op kweek te zetten. En te kijken van ja

hoe zit het nou precies. Met welke type hebben we te maken. Wat gaan we hier aan doen. De mens

het menselijke beslissingen zullen nog heel lang leidend zijn ten opzichte van die machine toch.

Ja dat denk ik zeker. En wat ook heel belangrijk is om dat te kunnen doen. Is dat je dus een klein

beetje snapt wat er in die black box van AI gebeurt. En dat is ook een beetje wat we met de cursus

proberen over te brengen. Waar mensen ook een beetje proberen uit te dagen. Ja het is ingewikkeld.

De echte data kant van het verhaal is best wel heel ingewikkeld. Maar probeer nou wel te snappen

wat een AI systeem wel doet en wat het ook niet doet. Dus inderdaad waar zitten de grenzen aan

wat het analyseert. Welke data neemt het wel mee. En welke informatie neemt het ook niet mee. Zodat

je goed kunt afwegen. Inderdaad wat jouw oordeel nog waard is. En waar jij nog in moet springen.

Ja en vaak wordt het vergeleken met elektriciteit. Nou is dat nou absoluut niet mijn expertise. Ja ik

weet als ik de vingers in het stopcontact steek dat dat niet handig is. Maar ik denk dat het wel

een mooie analogie is. Want daarvan leren we namelijk wel van wat kun je ermee, wat kan je

er niet mee. Maar ook waar zitten de gevaren. Wat doe je er niet mee. Dus ik zeg dat even voor de

grap. Niet met de vingers in het stopcontact. Maar dat heb ik natuurlijk wel ergens gewoon

eens een keer geleerd. Precies. Dat hebben mijn ouders aangegeven. Er is een keer dus iemand

geweest die het gewoon gedaan heeft. Die heeft daarvan geleerd. En die heeft gefaald. En geleerd

hoop ik. Ik moet je eerlijk zeggen. Voorbij mijn computer zat een verlengsnoer. En die zat heel

vast in een stopcontact. Want mijn vader had zelf die muur gemaakt. En dan moest ik heel hard altijd

aan dat ding trekken. En regelmatig zeg maar maakte ik contact. Dus over ezels en stenen zeg maar. Ik

heb me daar vaker aan gestoten. Maar dat is denk ik wel. Dat heeft wel met leren te maken over de

technologie toch. Ja en dat is een heel boeiend punt. Wat je eigenlijk raakt is namelijk. Je moet

af en toe durven falen. Je moet af en toe ook fouten durven te maken om te kunnen innoveren. En daar

zitten we natuurlijk nu eigenlijk middenin. We zitten in een nieuwe transitie met een nieuwe

technologie. Ja daar gaat ook nog heel veel mis. We gaan ons nog heel vaak stoten. En onze vingers

bij wijze van spreken in het stopcontact steken. Maar wat je nu wel ziet. En dat is waar we vanuit de

Nederlandse AI-coalitie aan proberen te werken. Je ziet natuurlijk dat er nu maar eigenlijk relatief

kleine groep is die snapt wat we aan het doen zijn. En die echt begrijpt wat de technologie inhoudt.

En door die groep te vergroten. In ieder geval een grotere basis te maken van mensen die misschien

niet zozeer kunnen programmeren. Maar wel snappen wat de technologie is. Wat de impact van de

technologie kan zijn. Hoeven we ons hopelijk iets minder vaak te stoten. En kunnen we ook bepaalde

grote belangrijke ethische vragen alvast stellen. Voordat het misschien te laat is. En bepaalde

dingen al geïmplementeerd zijn. Ja want dat zorgt er ook voor dat je precies wat jij zegt. Ook mensen

met verschillende kennisgebieden aanhaakt. Om na te denken over. Wij denken heel erg vanuit de

vanuit de techniek. Ja uiteindelijk wel. Dus hoe goed we ook al andere dingen. Maar wat eventuele

psychologische effecten zijn. Wat ongewenste effecten zijn. Ethische vraagstukken. Rondwetgeving.

En dat moet allemaal geregeld worden. En daarvoor moet je wel begrijpen. Wat uiteindelijk de techniek

inhoudt. Ja dat moeten we gewoon als samenleving met elkaar beslissen. Er zitten best wel hele

lastige ethische aspecten soms aan. Soms is iets wel vooruitgang. Maar ja. Dan komt er een vraag

van. Moet je dat willen? En dan hebben we natuurlijk allemaal ideeën bij. Wat als een zelfrijdende

auto een ongeluk maakt. Nou ja. Die hoor je vrij vaak. Maar het is wel heel fundamenteel. Hoeveel

fouten mag techniek maken. Terwijl het ook heel veel goeds brengt. Waar liggen we die afweging.

En die moet denk ik door meer mensen gemaakt worden dan door de technici alleen. Die moet ook

gewoon door de samenleving als geheel gemaakt worden. Absoluut. Ik was zelf heel erg onderste

boven een stukje uit de documentaire Coded Bias op Netflix. Waar je zag dat zij gezichtsherkenning

inzetten op straat. Om te kijken of daar. Wat was het bekende. Criminelen of mensen crimineel

gedrag vertoonden. En dat je er gewoon. Ja weet je dat ze pubers eruit haalde. Puur uiteindelijk

bijvoorbeeld op huidskleur. Ja. Maar ook niet aan kunnen onttrekken. Want als je wel met een

kapje zon er langs ging. Dan werd je juist ook gepakt. Dat je daarmee niet gescand kon worden.

En dus een reden. Ja. En daar moeten we echt inderdaad als maatschappij over nadenken. Van

weet je waar zet je het wel in. Waar zet je het niet in. We hebben natuurlijk het idee van China.

De samenleving van China aan de ene kant. Waar je strafpunten krijgt als je door het rood loopt.

En dat dat gedetecteerd wordt. Bij Amerika gaat het over winstmaximalisatie. Nou ik mag hopen

zeg maar dat wij binnen Europa verstandigere keuzes maken. Hoe gebruiken we AI for good.

Ja. Hele veel gehoorde termen. Het is best wel heel ingewikkeld. Ja. Ja. En dat heeft echt een

stukje met kennis en begrip ook te maken. Anders kun je daar ook niet over oordelen. Ja. En bijvoorbeeld

de systemen die op scholen veel gebruikt worden. Waarbij allerlei data van de prestaties van

kinderen wordt geanalyseerd. Dat zijn op zich super goede systemen. Maar we moeten wel uitkijken

dat kinderen met een kwetsbare thuissituatie bijvoorbeeld die even wat minder presteren.

Of kinderen met dyslexie. Dat die door dat systeem ook als minder presterend worden gezien. Ja. In

hoeverre willen we dat sowieso. En het is ook heel belangrijk dat leraren daarvan op de hoogte zijn

dat het zo werkt. En dat de beperking er dus ook nog is. Zodat ze daar zelf kunnen ingrijpen.

Ja want anders krijg je ook een zelfversterkend effect. Precies. Dat die kinderen eigenlijk meer

belast worden dan dat ze geholpen worden. Ja. Die context is gewoon van essentieel belang inderdaad.

Het overzien van waar zetten we welke tools voor in. Dan moet je weten wat gebeurt er. Welke taak

is dat voor gemaakt. En wat is mijn belang daarbij. En hoe wil ik dat inzetten. Ja en aan de professionals

wil ik wel de tip meegeven. Kijk eens naar de seven key requirements for trustworthy AI.

Dat zijn richtlijnen opgesteld binnen de EU. Waar dit soort dingen wel aan bod komen. Dat zijn

eigenlijk zeven punten. Waarbij ze zeggen van. Denk hier heel goed over na. Wat voor impact je

systeem hierop maakt. En daar zit de ding als eerlijkheid en zo zit daar ook in. Er zit geen

hoe in. Dus het is niet van zo doe je dat. Maar neem deze punten mee bij het ontwerpen van je systeem.

Ja dat zijn mooie dingen. We hebben binnen de Nederlandse AI coalitie ook een tak die zich

bezig houdt met begeleidingsethiek. Dat is een beetje vergelijkbaar. Hoe als je iets gaat ontwerpen.

Hoe bouw je nou ethische afwegingen in. Oké. En wat is dan begeleidingsethiek? Ik ken die term niet.

Nou dat is een hele specifieke tak. Dus het is goed om even de website te checken. Maar het komt

erop neer dat precies wat jij zegt. Op het moment dat je iets gaat maken. Dat je dus wel ook met

een team begeleidt dat daar ethische aspecten in naar voren komen. Oh zo ja. Wel dat ja heel duidelijk

meenemen in het ontwikkelen van nieuwe systemen of nieuwe. Ja dat je het by design meeneemt.

Net zo goed als dat we security. Zeggen we ook security by design. Privacy by design.

Dan wordt het ook eigenlijk ethiek by design. Precies. Ja. Het is wel een beweging die we wel

steeds meer zien. Gelukkig zie je die gesprekken nu ook steeds wel vaker gevoerd worden. Misschien

nog niet altijd op de juiste plek. Maar je ziet wel dat er steeds meer bewustwording is van oh wacht

moeten we daar niet even de tijd voor pakken om even bij stil te staan. Dus dat is wel een goede

ontwikkeling. En ook mooi om te zien dat dat inderdaad wel aandacht krijgt. Ja absoluut.

Maaike je bent nu bezig met trainingen maken voor specifieke sectoren. Welke sectoren zijn dat?

Ja goeie. We hebben er nu drie ontwikkeld. We hebben zes sectoren gekozen waarin het echt

heel belangrijk is dat mensen iets meer weten over AI. En er zijn er drie nu klaar. Dat is de AI

zorg cursus. Die is vorig jaar al gelanceerd. De AI voor energie dus echt voor energie professionals

en AI voor ag en food. En we ontwikkelen er nu op dit moment nog drie. Die komen in de komende

drie maanden vrij snel achter elkaar uit. Dat is een AI voor onderwijs. AI voor de creatieve

industrie. En voor logistiek en maritiem. Oh ja en creatieve sector. Wat staan we daaronder?

Ja dat is heel breed. Dat is natuurlijk een super brede sector. Dat gaat echt van journalistiek

tot dansers en alles er tussenin. Maar wat wel leuk is, is dat was voor mij ook een beetje nieuw.

Want ik ben helemaal niet zo heel erg thuis in de creatieve industrie. Maar daar gebeurt ook heel

veel. En natuurlijk vanuit een ander beginpunt dan bijvoorbeeld in de energie sector waar het

echt noodzaak is. Waar we echt klimaatproblemen moeten oplossen. En AI is daar fundamenteel

onderdeel van. Hier is het ook gewoon om iets moois te maken. Dat wordt echt ook gebruikt als

kunstvorm. En kunstenaars kunnen het ook gewoon toepassen als een extra mogelijkheid om creatief

te zijn. Heb je een concreet voorbeeld? Ja ik snap dat het, dat was voor mij dus ook vrij nieuw.

Het klinkt een beetje vaag. Maar nou ja bijvoorbeeld David Middendorp maakt hele mooie voorstellingen

met een danser die met AI gestuurde drones interacteert op het podium eigenlijk. Dus ze

weten niet precies hoe die voorstelling eruit komt te zien. Dat is iedere keer weer anders.

Die interacteren met elkaar daar ter plekke. Maar het gaat ook bijvoorbeeld over gtp3. Dus

hoe wordt het in de redactie gebruikt. Je kunt tegenwoordig stukken als journalist eigenlijk

voor je laten schrijven en vervolgens redigeren in plaats van zelf de onderzoek doen en alles

helemaal van scratch opzetten. Heeft heel veel impact op hoe hoe jouw beroep er daar uit ziet.

En ook interessante dingen zoals bij de NPO zijn ze bezig met pluriform aanbevelen. Dus hoe gaan we

nou juist mensen weer uit hun filterbubbel krijgen. Dus we zijn heel goed geworden in aanbeveling wat

jij leuk vindt op basis van wat je eerder gekeken hebt. Maar hoe zorgen we nou dat je ook iets bredere

interesse houdt en dat je ook dingen ziet die je misschien niet zo snel zou kijken door je andere

dingen aan te bevelen. Eigenlijk zijn we misschien wel te goed geworden in de aanbevelingen. Nou ja

en is het ook belangrijk om. Ik weet niet hoe het bij jullie zit maar ik krijg af en toe aanbevelingen

van webshops die echt nergens op slaan. Weet je er is ook een noodzaak om je niet alleen maar in

bubbels te houden. Graag zelfs. Ik ontdek graag nieuwe ontwikkelingen. Als ik een tv gekocht

heb of een drone gekocht heb hoef ik de komende twee jaar niet een nieuwe aan te schaffen die net

iets beter of net iets sneller is. Spotify kent zoiets als een afspeellijst Tastebreakers.

Dus die zegt van ja dit past eigenlijk niet in jouw profiel. Ja misschien zit er wel wat voor je

tussen. Ook een beetje om die polarisatie tegen te gaan die ook ontstaat door die bubbels natuurlijk

in de maatschappij. Dus ook daar inderdaad is maatschappelijk belang dat we dus meer kennis

opdoen van AI. Heel mooi om te zien dat die ontwikkelingen er zijn en dat de training dus

gratis voor iedereen online te volgen is. Dus dat je er niet eens voor hoeft te betalen.

Ja die drempel is heel laag. Dat is echt heel cool.

Klopt dat is heel mooi dat er ook vanuit de overheid steeds meer aandacht komt voor AI

als systeemtechnologie en dat we dit wat dat betreft met subsidie kunnen ontwikkelen. Dat

dus inderdaad voor iedereen toegankelijk is. Het is ook maar een paar uur in 2-3 uur ben je erdoorheen

en het is ook gewoon in delen te doen. Dus je kunt stoppen op het moment dat je denkt ik heb er even

geen zin meer geen tijd meer voor en hem dan weer oppakken op een later moment.

Ja ik heb hem zelf volgens mij in 6 keer of zo heb ik hem doorlopen. En ik moet zeggen ik

vond het ook heel erg interessant. Dus ik zit natuurlijk helemaal in die technologie. Maar

juist de filmpjes met de voorbeelden uit de praktijk mensen die erover vertellen vond ik

nog heel erg interessant om te zien. Jij had ook wat gevolgd toch Niels?

Ik had de sector in de agri en food en retail sector zit ik en dat was er ook een hele mooie

van. Echt precies alle kaarsen komen voorbij die je ook eigenlijk zelf al weet vanuit de techniek.

Verteld door de eigenlijk de eindgebruikers die misschien niet eens zelf door hadden dat ze AI

aan het gebruiken waren. En dat zoals het voorbeeld van die boer. Heel mooi om te zien dat we daar

echt nog stappen te maken hebben over bewustwording. Waar wordt gebruikt? Wat is de impact? En hoe kan

je het gebruiken? We zullen de link ook even opnemen in de beschrijving van de podcast. Dat iedereen

dat kan gaan volgen. En ook gelijk aan alle luisteraars de vraag delen. Delen niet alleen

in de professionele sector. Delen thuis, delen aan je ouders. Zorg dat dit zoveel mogelijk

verspreid wordt. Want dan kunnen we met elkaar die discussie voeren. Die zitten gewoon aan te

komen. Die moeten gewoon gaan starten. Alsjeblieft met z'n allen, delen.

Zeker. Maaike, jij hebt zelf geen technische achtergrond. Wat heeft jou het meest verbaasd

toen je met deze technologie in aanraking kwam? Nee, ik heb inderdaad helemaal geen technische

achtergrond. Ik heb zelf communicatiewetenschap gestudeerd en daarna business administration.

En dat is helemaal nog niet zo vreselijk lang geleden. En wat me überhaupt daarin al verbaasde

was dat term als AI, of überhaupt dingen over digitale ontwikkelingen bijna niet voorkwamen.

Dus wat me wel verbaasde is dat daar gewoon een heel groot gat zit tussen wat we leren en het

curriculum van universiteiten en hogescholen en wat er in de praktijk gaande is. En dat is ook

een beetje mijn motivatie geweest. Digital skill gap zoals we dat dan noemen. Dus het grote gat

tussen wat er digitaal kan en wat de mens als vaardigheden heeft is heel groot. En ik zit daar

eigenlijk middenin. Je bent opgeleid in een bepaalde hoek en vervolgens kom je als marketeer,

ga je aan het werk en dan worden de vragen gesteld als kun je even deze conversies bijhouden? Kun je

deze campagne automatiseren? Terwijl dat heb je helemaal niet geleerd. En dat geldt al zelfs

voor mij, terwijl ik dus nog relatief recent, oké, dus al bijna tien jaar geleden, maar ben

afgestudeerd. Dus voor professionals die al langere tijd in een vakgebied zitten, is het

gewoon best wel spannend. Het is best een spannende tijd en het verbaast mij eigenlijk

dat we daar relatief weinig over praten en toch heel erg terughoudend zijn en denken 'oeh,

dat is allemaal eng'. En dat er toch ook relatief weinig opleidingen zijn die zich focussen op niet

de specialist. Want de specialisten die zijn er wel, echt beta meisjes en jongens die echt

kunnen programmeren, die zijn er wel. Ook weinig hoor, willen we ook graag meer. Maar dat is echt

wel een skill die je moet hebben. Maar er is ook een heel groot gat, een heel interessant gat eigenlijk

voor mensen die die vertaling kunnen maken, die wel genoeg snappen van het bedrijfskundige en

misschien leidinggever, et cetera. Maar ook een basis hebben in dat stukje techniek en in ieder

geval goed kunnen communiceren met de data teams. En dat verbaast mij in die zin dat er nog relatief

weinig opleidingen voor zijn en dat bedrijven ook dat misschien echt wel meer kunnen doen nog,

om hun mensen en hun teams daar meer in te scholen. Denk je dat het ook iets te maken heeft met de

vraag, wij implementeren best wel vaak AI-systemen en deze vraag die jij stelt, die moeten wij meestal

eigenlijk aanwakkeren. Dat we zeggen van 'ja, maar wil je ook niet het uitleg van dit model hebben?

Want wat ga je er anders mee doen met die uitkomsten?' Wat wij in ieder geval zien is dat

bedrijven vaak al heel blij zijn dat ze een model hebben die het doet. Ja, precies. Gewoon,

want dan doen we iets met AI. Dan doen we iets met AI. Ja, ik denk dat dat te maken heeft met

dat gat aan kennis. De twee sluiten gewoon niet op elkaar aan. Er worden modellen gemaakt om het

maken van modellen inderdaad. Maar de vraag is of die modellen bepaalde pijnpunten in de business

oplossen. En dat is volgens mij hoe het zou moeten werken. Dus we zien ook wel steeds meer opleidingen

voor AI voor business. Waar echt het management ook geschold wordt van 'oké, welke vraagstukje

kun je nou wel en niet oplossen met een model?' Er is ook een risico dat we te veel gaan hangen aan

een model inderdaad. Dat we voor alles maar een model gaan bedenken. Ja, sterker nog, eigenlijk

iedere keer bij elke klant waar ik kom, zeg ik ook 'als je het regelgebaseerd kan oplossen'.

Dus traditioneel, doe dat. Want het is goedkoper, makkelijker, legbaarder, testbaarder. In al zijn

vormen. Het wordt interessant als je dusdanig hoeveelheden data hebt, zoveel handmatige acties.

Dan wordt het interessant om met machine learning AI aan de slag te gaan. Ja, eigenlijk ook pas als

je er een probleem mee kunt oplossen. Dat sowieso. Maar voor ons is dat... Dat is de eerste vraag

die we stellen. Daar stappen we misschien ook nog wel heel snel overheen. Maar altijd waarde.

Je moet altijd waarde creëren en nooit, omdat het leuk, grappig, die technologie verkennen. Dus

wij doen ook het liefst geen proof of concept, maar juist proof of values. Het moet waarde creëren.

Die deep dive, of diep dive, ik geef al de antwoord voordat ik het gezegd heb. Jij noemt

trainingen. Wij hebben bijvoorbeeld ook een deep dive AI for business, waarin je in twee dagen

gewoon wat dieper induikt. Dus dat je net eventjes onder die motorkap kijkt. Ik weet ook eigenlijk

niet hoe een auto rijdt en dat wil ik eigenlijk ook niet weten. Maar toch wel dat ik weet,

als ik aan mijn stuur trek, dat er iets gebeurt, hoe dat gaat. Dat soort dingen moet je wel weten.

Precies. Dat groeit ook wel. Ik zie wel dat er steeds meer opleidingen voorkomen. Maar ja,

dit is wel inderdaad ook belangrijk, juist ook met drukbezette mensen. Dat er een besef komt van

ik moet tijd maken om me hierin om te scholen. Ik zie toch dat er heel veel mensen zijn, zeker in

het wat hogere leiderschapsniveau, die denken nou het zal mijn tijd wel duren. Ik moet nog een

jaar of vijftien. Ik red het wel zonder me hierin te verdiepen. Ja, dat is natuurlijk gewoon niet

reëel. Het is nu al gaande en dat gaat de komende tien jaar gigantisch toenemen. En je hebt te maken

met je concurrentiepositie. Dus als jij echt in het bedrijfsleven zit, weet je, als jij het niet

doet, doet je concurrent het. Dus linksom of rechtsom krijg je ermee te maken. Ja, ja,

en dat is goed. Dat is ook wat we in die cursus meenemen, echt om te laten zien wat er dan in

jouw sector gebeurt. Want er wordt heel vaak gedacht dat dit inderdaad nog iets voor grote

bedrijven is. Het MKB doet wat minder mee hierin, komt gelukkig wel op gang, maar dat is echt wel

een uitdaging om die ook hierin mee te krijgen. Maar het gaat eigenlijk zelfs gewoon om jou als

burger. Het zit in je telefoon, het zit in je auto, het zit in zo ontzettend veel systemen

die je elke dag gebruikt. De carrière, ja, nu zie je er nog een paar, maar over een paar jaar zijn

die misschien überhaupt niet meer. En dat is ook niet iets om wakker van te liggen, want het zijn

heel veel kleine veranderingen die je gewoon accepteert en waarmee je ook, het hele thuiswerken

en corona, dan zie je maar weer hoe wendbaar we als mens ook zijn. We kunnen dat heel goed aan als

dingen veranderen. Maar het is wel daarmee heel belangrijk dat je ook als burger denkt, oh ja,

maar ik heb hier ook mee te maken, dus ik moet hier ook iets van snappen. Nou, en bij stevige

veranderingen, dus als we kijken bijvoorbeeld bij de invoering van het internet, dat heeft echt voor

grote veranderingen gezorgd. Ik weet niet hoe het bij jullie zit, maar mijn moeder haakt redelijk

af bij internetbankieren. Dat lukt, nou laten we zeggen, 60% van de tijd, dat scheelt, maar in 40%

van de gevallen niet. Dit soort stappen, dus de verandering van AI zal net zo groot zijn als

zo direct die invoering van internet. Ik vind wel een mooie wat jij zegt, dus het is niet alleen

die carrière die weggaat, maar ook het zelf scannen. Het is gewoon het feit dat je loopt

gewoon zo direct de winkel uit met je boodschappen en dan wordt automatisch wordt dat afgeschreven.

Heel veel mensen zal dat straks enorm moeilijk zijn. Ja, sommige dingen ook wel. Voor een deel

zullen inderdaad bepaalde veranderingen best wel stapsgewijs gaan, maar er zullen ook hele grote

veranderingen komen waarvoor het gewoon cruciaal is dat je je best doet om mee te blijven gaan.

Ja, er zijn inderdaad heel veel, mijn opa heeft zich dan een lange tijd verzet tegen het internet,

maar ja, dat heeft geen zin. Ik kan me nog herinneren dat hij vroeger zei van ja, maar

dan blijven ze mij maar een brief schrijven. Ja, nee, natuurlijk niet. En nu bestelt hij

overigens van alles online. Dus het is ook mogelijk op het moment dat je je dan wel

daartoe wil zetten, maar het gaat niet vanzelf. En dat heb ik bij mezelf ook gemerkt. Ik ben dus

inderdaad geen techneut. Ik vind het ook af en toe ingewikkeld. Ik heb ook wel eens momenten

dat ik denk, het stijgt me al boven de pet, maar er komt ook steeds meer content online,

in gratis cursussen, in betaalde cursussen, die juist voor de niet-techneut is en die heel behapbaar

is om gewoon het grotere plaatje te blijven begrijpen. Ja, je maakt trainingen voor verschillende

sectoren. Zie je verschillen tussen die sectoren op het gebied van deze technologie? Ja, zeker

wel. De trainingen zijn in de basis redelijk gelijk wat voor content of wat we willen overbrengen aan

informatie. Dus in alle trainingen zit een stapje, wat is big data, wat is machine learning, wat is

deep learning en dat laten we dan zien aan de hand van voorbeelden uit de sector. Maar goed,

waar wel een verschil in zit, is natuurlijk dat je in de maritieme logistieke sector en in de

energie sector zitten wat meer professionals die überhaupt al iets meer technisch onderlegd zijn.

Terwijl bijvoorbeeld in het onderwijs of in de creatieve industrie kan dat heel ver van mensen

afstaan. Danser heeft doorgaans niet zo heel erg veel met techniek te maken. Dus daar ligt dan

ook het basisniveau ietsjes anders. We steken hem ietsjes anders in. En wat je verder dus ziet,

wat ik eerder al zei, is dat in sommige sectoren is het echt keiharde noodzaak. Dus bijvoorbeeld in

AGI Food is het gewoon de vraag hoe gaan we de komende jaren genoeg voedsel komen. Daar moeten

we efficiënter werken. Dus daar moet AI echt een probleem oplossen. Terwijl, nou zowel bij onderwijs

als bijvoorbeeld bij de creatieve industrie zien we echt ook wel dat het heel leuk is. Dat het een

nieuwe vorm kan brengen van bijvoorbeeld kunst en dat het ook nieuwe manieren kan brengen om

bijvoorbeeld met kinderen aan de slag te gaan. Die ook heel veel positieve effecten hebben zonder

dat ze per se direct een probleem oplossen. Maar dat AI gewoon heel veel leuke nieuwe kanten biedt.

Ja, dus echt de positiviteit eigenlijk brengt. Ja, en is niet per se uitgesloten in andere sectoren.

Er gebeuren ook hele gave dingen. Maar dat is wel een verschil inderdaad. Ja, daar kan ik me iets

bij voorstellen. En als je nou één van die kaassen zou mogen uitlichten, welke is dat dan? Ja,

het zijn er te veel mooie om op te noemen. Ik had Wilfred al even aangehaald. Die met zijn

prachtige slimme stal. Maar recent hebben we de opnames gehad voor de onderwijskursus,

waar we natuurlijk dan heel mooi zien hoe belangrijk het daar eigenlijk is. Dat vond

ik wel mooi. Dat is niet per se een voorbeeld van één technologie, maar daar is het zo fundamenteel

dat we heel goed onszelf afvragen van hoe willen we kinderen in kaart brengen? Willen we wel een

algemeen, een heel compleet beeld maken vanuit allerlei verschillende technologieën van het profiel

van een kind wat hij wel en niet kan? Of is dat ook een beetje gevaarlijk? Dus dat zit hem heel

erg op die ethische aspecten. Maar een heel gaaf voorbeeld waar ik vorige week was, was bij Lala

Land. Dat is een start-up scale-up in Amsterdam. En zij maken artificiële modellen eigenlijk. Dus

modellen, zeg maar kledingmodellen. En wat ze daarmee kunnen doen, is dat je natuurlijk veel

diversere body types kan doen. Dus elke huidskleur kan gemaakt worden. Dik, dun, lang, kort, zwanger

of niet zwanger. Dus dat scheelt ontzettend veel aan de ene kant aan geld om al dit soort modellen

op fotoshoot te krijgen. Maar aan de andere kant is het ook heel leuk, want je kunt veel diverser

een kledingstuk aanprijzen. En wat grappig ook nog is, is dat ze zien dat het wordt heel veel gebruikt

door de grote online kledingmerken. En het haalt ook de returns enorm omlaag. Omdat het heel veel

uitmaakt, bijvoorbeeld op welke huidskleur een kledingstuk wordt laten zien. Of op dik of dun.

En nu kun je veel beter aanklikken van, oh dit poppetje is ongeveer mijn figuur. Oh dan is dit

shirt toch wel heel erg lang. En dat is voor hun kostenverlagend. Aan de andere kant is het natuurlijk

ook veel duurzamer. Ja, supply chain worden we beter op. Ja, dus dat heeft aan alle kanten win,

win, win. Het is een heel leuk drijf en het is echt absurd als je die modellen ziet. Die zij dus

dan hebben gemaakt door een AI-systeem heel erg veel blote lijven te laten zien in alle verschillende

soorten en maten. Ja, je kunt ze echt niet van echt onderscheiden. Het is echt ongelofelijk knap.

Ja, mooie Kees. Ja, absoluut. Nou Mike, dank je wel. Fijn dat je, ik denk dat dit een mooie

afsluiter was. De afsluiter doen we eigenlijk voor de tweede keer. Want je had het over,

ja sommige mensen zijn misschien wat minder technisch ofzo. Ik vind mezelf best wel redelijk

technisch. Maar blijkbaar op een recordknop kon ik niet drukken. Dus we hebben dit gewoon voor

de tweede keer opgenomen. Gelukkig wel met iets andere vragen, andere insteek. Het andere is niet

meer terug te halen. Dus dat weten wij alleen. Blijf bij ons. Maar dat hoort erbij, een beetje

experimenteren en falen. Precies, dat hoort bij iedere nieuwe technologie. Want het heeft ook

te maken met dat we voor het eerst bij elkaar zitten. Wij namen deze podcast tot nu toe online

op via Zoom, Teams, weet ik veel. Waar we ook wel eens wat dingetjes hadden. Maar nog nooit dat

we een hele aflevering kwijt waren. Dus Maaike, super bedankt dat je dit met ons wilde, nou twee

keer eigenlijk wilde doen. Heel erg bedankt, was leuk. En Niels? Ja, aan de luisteraars,

een vraag is al gesteld. Maar we zullen ook opnemen in de notities, de linkjes naar de cursus. En

deel hem binnen de familie en professionele kring. En zorg dat we deze zoveel mogelijk verspreiden.

Want daar worden we allemaal als maatschappij beter van om die discussie met elkaar te kunnen voeren

en ook de angst weg te nemen. Mooie afsluiter. Dank je wel.

Dank je wel dat je weer wilde luisteren naar de AIToday Live podcast. Deel de link met vrienden,

familie, collega's, zodat iedereen hiervan op de hoogte wordt. En ik hoop dat je de volgende

keer weer luistert. Dank je wel.

Dank je wel.

Ja.