Welkom bij een nieuwe aflevering van AIToday Live! Vandaag hebben we Roger van de Berg te gast, partner bij Baker McKenzie en gespecialiseerd in fiscaliteit. We duiken dieper in op AI in het belastingrecht en de advocatuur. Roger legt uit welke stappen bedrijven nu al kunnen nemen en waar de mogelijke fiscale vraagstukken liggen. Luister nu naar deze interessante aflevering en abonneer je om geen enkele aflevering te missen!
Kun je jezelf kort voorstellen voor de luisteraars die deel 1 nog niet hebben gehoord?
Mijn naam is Roger van de Berg. Ik ben partner bij Baker McKenzie, een internationaal advocatenkantoor waar ik werk als fiscalist. Ik leg me vooral toe op btw en andere indirecte belastingen, met een specifieke focus op de tech sector. Het is een fascinerende combinatie van juridisch werk en technologische ontwikkelingen, waar AI natuurlijk een steeds grotere rol in speelt.
Wat voor type klanten komen bij jou met vragen over AI?
Met relatie tot AI zijn het op dit moment vooral de grote tech-giganten. Wat je vaker ziet bij iedere nieuwe technologie is dat de grote spelers deze eerst oppakken en goed meenemen. Ik maak graag een vergelijking met bijvoorbeeld crypto. Bitcoin is vanaf 2009 operationeel, maar de eerste grote bedrijven begonnen pas rond 2012-2013 internationaal te groeien. En eigenlijk was het een jaar of twee later dat daar fiscaal gezien een aantal vragen uit kwamen. Dat heeft twee duidelijke redenen. Ten eerste loopt technologie altijd ver voor op regelgeving, waardoor het een heel grijs gebied is waarin je moet opereren. Ten tweede duurt het eventjes voordat bedrijven een duidelijke positie innemen over bijvoorbeeld belastingen en andere regelgeving. Ook de tegenpartij, in dit geval vaak de belastingdienst, heeft tijd nodig om een standpunt te formuleren of iets te verklaren over het onderwerp. Hetzelfde patroon zie ik nu bij AI. De grote techreuzen zijn er het eerst bij. Ook zie ik hier in Europa dat de grote consumentengoederen fabrikanten beginnen met vragen. Zij vragen zich bijvoorbeeld af of ze een andere vorm van belastingheffing moeten hanteren voor hun AI-activiteiten dan voor hun reguliere e-commerce activiteiten. De meer gespecialiseerde AI-bedrijven, vergelijkbaar met de gespecialiseerde cryptobedrijven destijds, komen vaak pas later met hun fiscale vragen. Dat gebeurt meestal zodra ze groot worden, internationaal expanderen en in verschillende jurisdicties tegen verschillende heffingen aanlopen. Ik vermoed dat voor AI hetzelfde patroon zal gelden.
Is het niet verstandig voor bedrijven om alvast naar deze fiscale vraagstukken te kijken, in plaats van er over anderhalf jaar pas mee bezig te gaan?
Absoluut. Regeren is vooruitzien, een beetje een dooddoener misschien, maar het is wel waar. Ik denk dat, hoe dan ook, zelfs als regelgeving nog onduidelijk is, het altijd belangrijk is om alvast na te denken over waar je naartoe wilt. Wat zou jouw positie bij voorkeur zijn? Maar ook, en dat is waar wij bedrijven echt mee helpen, is kijken naar: oké, we moeten roeien met de riemen die we hebben. Wat is het werkelijke juridische kader nu? Kunnen we deze activiteiten ergens inpassen? Valt het ergens onder of zit het ergens dichtbij? Waar zien we ruimte om dingen te kunnen verdedigen? Waar zien we kansen? Het is ook niet zo dat, zeker met nieuwe technologie, de belastingdienst altijd volledig tegenover je staat. Zij willen natuurlijk ook innoveren en meedenken, maar zij hebben wel een ander belang dan jij hebt. Daar zit natuurlijk wel een verschil in waar je proactief over moet nadenken.
Ben je niet bang dat jullie als advocaten de nieuwe huisarts worden, waarbij klanten eerst ChatGPT raadplegen en dan met kant-en-klare antwoorden bij jullie komen?
Dat risico bestaat zeker. Daarentegen, de meeste internationale cliënten waar wij voor werken hebben heel vaak een eigen tax manager of een heel tax team. Dat zijn vaak al experts die zelf ook tax lawyer zijn geweest. Dat scheelt enorm. Het zal dus niet zo basaal zijn. Maar wat wel een belangrijk punt is: als je een AI wat vraagt, kan die heel stellig zijn zonder dat het een waarheid is. Het systeem pakt data, maar die hoeft helemaal niet waar te zijn. Daar zit denk ik wel een potentieel probleem waar wij als adviseur nog kritischer op moeten worden. We hebben al voorbeelden gezien van jurisprudentie die niet blijkt te bestaan, of wet- en regelgeving die anders wordt geïnterpreteerd en misschien door een cliënt aan ons wordt toegestuurd als waarheid. Op dat soort zaken moeten we meer kritisch gaan worden met de komst van zeker open AI-modellen.
Hoe ontwikkel je die kritische blik verder?
Ik denk dat het vooral te maken heeft met bewustwording. Natuurlijk controleer je al alles en heb je checks in plaats om dat te doen. Maar ik denk dat op dit moment heel veel juristen zich niet volledig bewust zijn dat er door cliënten of anderen met AI wordt gewerkt. En ook als je nog nooit zelf met ChatGPT hebt gespeeld, dan weet je ook niet hoe overtuigend stellig deze kan zijn. Ik denk dat je dat soort van moet ervaren. Ik zou ook zeggen: als jij jurist, advocaat of fiscalist wil worden, dan zou dit eigenlijk al iets moeten zijn in de opleiding. Mensen moeten ermee gaan spelen. Ik neem aan dat bij jullie in de bedrijven mensen ook met deze tools laten werken om te zien wat potentiële valkuilen zijn. Ik denk dat dat voor ons niet anders is. En misschien geldt dat voor AI wel extra, omdat bij andere technologische upgrades iedereen het normaal vindt dat je blijft trainen. Maar bij AI zijn er extra tips en tricks, en moet je letten op zaken zoals beveiligingsissues die je zomaar kunt meekrijgen.
Welke specifieke content of bronnen raad je aan om je verder te verdiepen in AI binnen jouw vakgebied?
Misschien even één stapje terug. Ik denk dat iedereen sowieso een keer met AI moet gaan spelen om te kijken van: hé, hoe werkt dit, wat is dit? Maar ik denk ook, en dat is zeker voor onze beroepsgroep als fiscalisten, advocaten en juristen zeer belangrijk, dat je je bewust moet zijn van de potentiële gevaren. En eigenlijk moet je die van tevoren weten, voordat je ermee aan de slag gaat. Wat ik zelf altijd zeg tegen medewerkers bij ons op kantoor: begin eens met ChatGPT en begin eens te kijken door er een klein stukje jurisprudentie in te gooien. Ga eens wat vragen stellen over die jurisprudentie en kijk eens welke kant het opgaat. Vooral met jurisprudentie waar je heel bekend mee bent, die je honderd keer hebt gelezen. Of een stukje regelgeving wat je van binnen en van buiten kent. Of een bepaald proces waar je alles van weet, zoals import en fiscale vergunningen. Ga daar eens mee experimenteren. Wat ook heel waardevol is voor begrip van de limitaties, en dat is misschien wat technischer, is het maken van generatieve AI-art. Als je echt begrijpt hoe, of althans een basaal begrip hebt van hoe zo'n systeem eigenlijk vanuit een soort 'noise', van ruis, iets terug deduceert naar een plaatje, dan krijg je beter inzicht. Veel mensen denken dat het andersom werkt: dat je tekst invoert en door een database met plaatjes gaat en dan dat plaatje krijgt. Maar omdat het systeem iets unieks moet maken, begint het juist vanuit de ruis en gaat het pixels verplaatsen totdat die statistisch gezien op een juiste plek staan. Als je met tools zoals Midjourney of Stable Diffusion gaat werken, zie je ook wat de mogelijkheden zijn. Voor mij was het vooral ook een realisering dat het systeem – en ik hoop niet de boel te bagatelliseren – maar het werkt vooral op statistische berekeningen. Wat komt hierna, wat is het volgende woord? Als ik mezelf moet voorstellen en ik zeg 'Hallo, ik', dan is het enige woord wat je erachter kunt doen 'ben'. Dat is statistisch honderd procent, anders klopt het niet in je voorstellingsronde. Zo werkt dat, kort gezegd, ook voor AI. Als je dat weet en als je dus niet denkt dat er een of andere wonder-abracadabra achter zit die alles samen kan redeneren, dan denk ik dat je als jurist al de eerste stap hebt gezet tot kritisch zijn en tot goed nadenken over hoe je een AI kunt gebruiken en wat je daarmee kunt doen.
Wat zijn je praktische tips voor klanten die met AI aan de slag gaan?
Dat is heel lastig om zo algemeen te zeggen, omdat alles behoorlijk uiteen loopt. Vragen en problemen verschillen enorm, en sommige bedrijven beseffen niet hoe ver ze eigenlijk al zijn. Dus om nu echt te zeggen: dit is hét issue, dat is lastig. Maar ik denk dat er een grote analogie is tussen wat ik net heb genoemd en wat bedrijven nu doen. Kijk, natuurlijk, als je het hebt over bedrijven als AWS en dergelijke – al hun medewerkers weten precies wat er allemaal te halen is. Hun marketplace zit vol met allemaal super innovatieve AI-producten die ze weer naar ontelbare andere bedrijven kunnen vermarkten. Dat werkt allemaal bijzonder indrukwekkend en die bedrijven weten ook allemaal waar ze mee bezig zijn. Wat ik denk waar de kracht zit, is juist als je als bedrijf AI gaat gebruiken en je bent dus geen AI-bedrijf: zorg ervoor dat bij je personeel, je werknemers, bij de mensen die erover gaan, alle neuzen dezelfde kant op staan en iedereen weet waar je het over hebt. Dat zag ik ook heel erg een jaar of zes, zeven geleden toen die crypto-industrie heel groot werd. Die bedrijven groeiden als kool en hadden enorm veel juristen nodig. Dus werden er uit allerlei topkantoren en andere bedrijven allemaal waanzinnig slimme juristen, advocaten en fiscalisten aangetrokken. Maar ze kenden het product eigenlijk niet. Wat je dan ziet: je hebt ontzettend slimme mensen die waanzinnig goed zijn in hun vak, maar omdat ze het product niet helemaal kennen – en dan bedoel ik echt niet van binnen en van buiten, niet iedereen hoeft alle whitepapers te lezen – maar als je niet weet hoe jouw product eigenlijk fijntjes werkt, dan is het ook heel lastig om voor je bedrijf een positie op te bouwen. Je kunt risico's en mogelijkheden niet goed inschatten, en je kunt kansen missen. Daarin denk ik dat ook onze rol weer zit als strategisch adviseur. Een goede strategisch adviseur weet precies van de hoed en de rand. Dat is in een supersnelle technologisch vooruitgaande omgeving natuurlijk ontzettend lastig. Dat is vaak voor de meeste mensen al lastig om hun eigen vak bij te houden.
Hoe zorg je ervoor dat AI rekening houdt met alle gebruikers?
Om heel eerlijk te zijn denk ik niet dat er één AI-model is 'to rule them all'. Er is een reden waarom er honderden of duizenden AI-modellen zijn. Dat is omdat ze gemodelleerd zijn voor een specifieke doelgroep, voor een specifieke taak, met een specifieke dataset. Om een allesomvattend AI-systeem te hebben dat voor iedereen werkt, dat lijkt me toekomstmuziek die wellicht nooit mogelijk gaat worden. Er spelen zoveel factoren mee: data, belangen, alle verschillende gebruikers, bias waar we niet eens van weten. Nee, dat geloof ik niet.
Gaat AI jouw vakgebied wezenlijk veranderen?
Ik denk uiteindelijk wel, alleen wellicht niet zo snel als dat we denken. Er is een mooie uitspraak die zegt: als je midden in de technologie zit lijkt het langzaam te gaan, maar als buitenstaander lijkt het bijzonder snel. Kijk, het gaat snel, maar in principe – zonder hier te vloeken in de kerk – AI is natuurlijk al een jaar of zeventig bezig. Volgens mij was Alan Turing een van de eersten die zich daar begin jaren vijftig mee bezighield. Natuurlijk gaan er echt wel dingen veranderen. De advocatuur, fiscaliteit, de juridische wereld verandert denk ik constant en wezenlijk. De tijd dat een advocaat in een kamer zat met secretaresses tegenover hem met een typemachine en een advies per boot naar Amerika ging – dat lijkt lang geleden, maar je praat eigenlijk ook pas 25, 30 jaar geleden misschien. Dus wezenlijk verandert het wel degelijk. Denk ik dat advocatuur en fiscaliteit altijd mensenwerk blijft? Ja, dat denk ik wel. Ik kan me ook niet anders voorstellen. De nuance en het vergelijken van zaken die misschien niet in teksten staan of niet ergens vastgelegd zijn, toch te begrijpen en daarover te adviseren – sommige dingen zijn denk ik niet te vangen in AI. Het is lastig om in AI-termen te spreken data te maken die er niet is. Dat is denk ik ook wel een lastige in dit juridische geheel.
Wat is het risico dat AI-modellen minder accuraat worden door het gebrek aan feedback en het hergebruiken van gegenereerde data?
Dat is een terechte zorg. Zo'n model is deels ook gebaseerd op feedback, die natuurlijk door 99 procent van de gebruikers niet wordt gegeven. Er wordt gewoon gegenereerd, gegenereerd, gegenereerd. Het grootste gevaar zit volgens experts nog in het weer invoeren van die gegenereerde data die uit dat model komt. Voordat modellen worden gemaakt, wordt bijvoorbeeld gekeken of de distributie goed is. Zitten er evenveel mannen als vrouwen in de data? Want als je veel meer mannen hebt en je maakt bijvoorbeeld een model voor sollicitaties, dan kies je automatisch voor mannen als dat historisch in de data zit. Als je dus data gaat terugvoeren vanuit het model wat hij zelf gegenereerd heeft, ben je die distributies aan het wijzigen. Waardoor het model een kant opgaat – je weet niet welke – en uiteindelijk alleen maar zichzelf gaat herhalen. In het allerergste geval komen er nog alleen de meest gebruikte woorden uit en dat is het dan. Je hebt juist heel veel variatie nodig. Ik ben benieuwd hoe de techbedrijven – OpenAI, Meta, Google – dat onderscheid gaan maken en ervoor zorgen dat deze modellen nog met nieuwe, originele data worden gevoed en niet met gerecyclede, gegenereerde data. We kunnen op dit moment nog niet goed detecteren of tekst geschreven is door AI. Sterker nog, het model is geoptimaliseerd om zo menselijk mogelijk te klinken. Één ding wat ik bij ChatGPT altijd heel mooi vind en waaraan je het meteen kunt herkennen, is dat ChatGPT altijd de neiging heeft om in de laatste paar zinnen een samenvatting of conclusie te maken, terwijl je daar niet om vraagt. Ik zag recent ook een motivatiebrief voor een sollicitant langskomen die begon met 'samenvattend' – daar had je het al. Maar andere modellen, zoals Claude.ai, doen dat bijvoorbeeld niet. Verschillende taalmodellen hebben hun eigen karakteristieken, maar je gaat het denk ik steeds minder merken naarmate de technologie verbetert. Kernpunten en praktische adviezen Proactieve strategie: Wacht niet tot fiscale en juridische problemen zich aandienen. Denk vooruit over je positie en mogelijkheden, ook als regelgeving nog onduidelijk is. Kennis van het product: Zorg dat iedereen in je organisatie die met AI werkt, begrijpt hoe de technologie werkt. Alleen dan kun je effectieve strategieën ontwikkelen en risico's en kansen herkennen. Bewustwording en training: Laat juristen, advocaten en fiscalisten actief met AI-tools experimenteren. Begin met bekende jurisprudentie of regelgeving in ChatGPT om de sterke en zwakke punten te leren kennen. Kritische houding: Wees je bewust dat AI stellig kan zijn zonder dat de uitkomsten correct zijn. Controleer altijd AI-gegenereerde informatie, vooral juridische verwijzingen en interpretaties. Technisch begrip ontwikkelen: Experimenteer met generatieve AI-tools zoals Midjourney of Stable Diffusion om te begrijpen hoe AI werkt op basis van statistische berekeningen, niet op 'intelligentie' zoals wij die kennen. Privacy en data: Let op wat je in open AI-modellen invoert. Afhankelijk van je licentie kan ingevoerde data gebruikt worden voor training, wat risico's met zich meebrengt voor bedrijfsgevoelige informatie. Geen universele oplossing: Er is geen één AI-model dat voor alle doeleinden en gebruikers geschikt is. Verschillende modellen zijn geoptimaliseerd voor specifieke taken, doelgroepen en datasets. Menselijke expertise blijft essentieel: AI zal de juridische wereld veranderen, maar advocatuur en fiscaliteit blijven mensenwerk. Nuance, interpretatie en begrip van context zijn essentieel en (voorlopig) niet volledig te automatiseren. Implementeer in opleidingen: AI-geletterdheid zou onderdeel moeten zijn van juridische en fiscale opleidingen, zodat toekomstige professionals vanaf het begin bewust omgaan met deze technologie. Samenwerkingspartner, geen tegenstander: De belastingdienst en andere overheidsinstanties willen ook innoveren. Proactieve communicatie kan leiden tot constructieve samenwerking. Dit gesprek met Roger van de Berg maakt duidelijk dat AI de juridische wereld wezenlijk zal veranderen, maar dat menselijke expertise essentieel blijft. De grootste uitdaging ligt niet zozeer in de technologie zelf, maar in het ontwikkelen van voldoende begrip en een kritische houding bij professionals die ermee werken. Bedrijven die nu al proactief nadenken over de fiscale en juridische implicaties van AI, zullen beter gepositioneerd zijn voor de toekomst. Tegelijkertijd moeten juristen, advocaten en fiscalisten zich bewust worden van de mogelijkheden én beperkingen van AI-tools, zodat ze hun cliënten optimaal kunnen adviseren in een snel veranderende technologische omgeving. AIToday Live is een podcast die zich richt op de nieuwste ontwikkelingen in AI en de impact ervan op verschillende sectoren. In elke aflevering spreken hosts Niels Naglé en Joop Snijder met experts uit het veld om inzicht te krijgen in de mogelijkheden en uitdagingen van AI-technologie. Luister via je favoriete podcast app: Spotify, Apple podcasts, YouTube Music, en meer.
Roger van de Berg is partner bij een internationaal advocatenkantoor en richt zich op btw en andere indirecte belastingen, met een focus op de technologiesector. Hij heeft uitgebreide ervaring in het adviseren van bedrijven over fiscale vraagstukken in relatie tot nieuwe technologieën, waaronder AI. Roger benadrukt het belang van proactieve strategieën voor bedrijven die AI willen integreren in hun activiteiten.
Bekijk gastprofielWelkom bij een nieuwe aflevering van de AIToday Live. Vandaag in de studio Roger van de Berg. Mijn naam Joop Snijder, CTO bij Aigency. Mijn naam Niels Naglé, chapter lead, Data & AI bij Info Support. Roger, welkom terug. Ja, eindelijk. Leuk voor de mensen die deel 1 nog niet hebben geluisterd. Doet het absoluut heel veel. Nou ja, diepgang over AI in het belastingrecht. Recht, moet ik zeggen. Recht. En advocatuur. Roger, voor diegenen die deel 1 nog niet hebben geluisterd, zou je je daar even voor kort willen voorstellen? Absoluut. Mijn naam is Roger van de Berg. Ik ben partner bij Baker McKenzie, internationale advocatenkantoor voor fiscalisten. En ik leg mij vooral op Btw, andere indirecte belastingen, vooral in de tech sector. Wat zijn dan de typische klanten die bij jou komen met relatie tot AI? Met relatie tot AI zijn het op dit moment vooral de grote tech-giganten. Wat je vaker ziet bij iedere nieuwe technologie is dat die nieuwe maar wel goed meenemen. Voor heel de mensen nog wel. Precies. Wat je ziet, ik maak even een vergelijking met bijvoorbeeld crypto. De crypto is vanaf 2009 up and running, bitcoin. Wat je zag is dat de eerste grote bedrijven sinds 2012/2013 internationaal begonnen te ontpoppen. En eigenlijk was het een jaar of twee later komen daar fiscaal gezien een aantal vragen uit. Dat heeft een paar redenen. De eerste duidelijke reden is natuurlijk dat technologie altijd ver voorloopt, redengeving. En het dan een heel grijs gebied is, in welke richting moet je in. Maar ook ten tweede dat het natuurlijk eventjes duurt voordat bedrijven een positie innemen over bijvoorbeeld belastingen, over legal regulatory. En ook dat de counterparty, in dit geval vaak de belastingdienst, ook een positie heeft of iets kwijt wil over het ondernemen. En hetzelfde is hier met AI. Je ziet nu eigenlijk die grote techreuzen. Misschien ook wat ik zie hier in ARHED, dat zijn die grote consumer goods fabrikanten of maatschappijen. Die beginnen daar echt al een beetje mee bezig te zijn. Die beginnen daar moeite's mee, vragen over te stellen. We moeten denken aan een ander soort belastingheffing bijvoorbeeld in de BTW dan onze reguliere e-commerce activiteiten. Maar wat je ziet is dat eigenlijk de gespecialiseerde spelers en dan bijvoorbeeld naar de crypto, de echt gespecialiseerde cryptobedrijfjes die kwamen eigenlijk pas toen ze groot werden en grote internationale bedrijven werden, We werden pas na een aantal jaar eigenlijk tegen een soort van muur aan van "Oh, we moeten wat doen. We moeten met de belastingdienst op tafel, we moeten een positie kiezen." En ik vermoed dat voor AI hetzelfde gaat werken. De techreuzen die het AI naast hun bedrijfsactiviteiten gebruiken, of het in hun activiteiten gebruiken, die zijn er als eerste bij. Ik vermoed dat de specialistische AI bedrijven, zodra er ook voldoende kapitaal achter zit, ruimte voor internationale expansie en daarbij ook in verschillende jurisdicties tegen potentiële verschillende heffingen aanlopen, dat dan echt het fiscaal los gaat. Misschien zit je helemaal niet zo in het fiscaal, dat is misschien een hele rare vraag. Is het dan wel verstandig voor bedrijven om wel alvast hiernaar te gaan kijken... in plaats van tot over anderhalf jaar tot die vragen te komen? Absoluut. Regeren is vooruitzien, een beetje een dooddoener. Ik denk dat, hoe dan ook, al is regelgeving wat onduidelijk... het is altijd wel belangrijk om alvast na te denken over waar je naartoe wilt. Wat zou jouw positie preferabel zijn? Maar ook, en dat is denk ik ook waar wij bedrijven echt mee helpen, is oké, we moeten roeien met de riemen die we hebben. Wat is het werkelijk kader nu? Kunnen we deze activiteiten ergens inpassen? Valt het ergens onder of zit het ergens dichtbij? Waar zien we ruimte om dingen te kunnen verdedigen? Waar zien we ruimte voor opportunity? Maar wat is wel mogelijk? Kijk, het is ook niet, en zeker met nieuwe technologie, de wetgeving loopt achter, maar het is ook niet dat de belastingdienst altijd lineair tegenover je staat. Zij willen natuurlijk ook innoveren en meedenken, maar zij hebben natuurlijk wel een ander belang dan jij hebt. Daar zit natuurlijk wel een verschil in waar je denk ik proactief over moet nadenken. Ben je niet bang dat jullie zo direct de nieuwe huisarts zijn, waarbij de klant eigenlijk al met een stuk met de vragen gesteld een ChatGPT en die komt bij je en die zegt van, nou ja volgens mij is dit dit. Wil je dat even bevestigen? Dat risico bestaat. Daarentegen, de meeste internationale cliënten waar wij voor werken, die hebben heel vaak een eigen tax manager of een eigen tax team. Dat zijn vaak al experts, die ook zelf tax lawyer zijn geweest. Dat scheelt. Dus heel basaal zal het niet zijn. Als je een AI wat vraagt, kan een AI heel stellig zijn, zonder dat dat een waarheid is. Het pakt data, maar dat hoeft helemaal niet waar te zijn. Daar zit denk ik wel een heel belangrijk punt in. Dat is dat we de AI niet alleen in de data kunnen gebruiken, maar ook in de realiteit. kan een AI heel stellig zijn zonder dat dat een waarheid is. Het pakt data, maar dat hoeft helemaal niet waar te zijn. Daar zit denk ik wel een potentieel issue waar wij als adviseur nog kritischer moeten worden. Jurisprudentie die niet blijkt te bestaan. Wet en regelgeving die anders is geïnterpreteerd en misschien voor ons als adviseur door een cliënt wordt toegestuurd als waarheid. Dat soort dingen daar moeten we wel meer kritisch op gaan worden met de komst van zeker open AI modellen. En hoe zie je die kritische blik? Hoe wordt die kritischer? Nou kijk, ik denk dat het vooral te maken heeft met bewustwording. En natuurlijk controleer je al alles. Je hebt checks, je hebt alles in plaats om dat te doen. Maar ik denk dat op dit moment heel veel juristen zich niet volledig bewust zijn dat er met AI wordt gewerkt. En ook als je nog nooit zelf met chatGPT hebt gespeeld, dan weet je ook niet hoe overtuigend stellig deze kan zijn. Ik denk dat je dat soort van moet ervaren. En ik zou ook zeggen, als jij jurist of advocaat of fiscalist wil worden, dit zou eigenlijk al iets moeten zijn in de opleiding. Je gaat ergens mee spelen. Ik neem aan dat bij jullie in de bedrijven, jullie natuurlijk ook mensen er mee laten werken, om te zien wat potentiële pitfalls zijn. Ik denk dat dat voor ons niet anders is. Ja, voor alle innovatie. En zo ook bij deze. Ja, en misschien deze wel extra, omdat bij... Kijk, als er een upgrade is van een bepaald product, of van een bepaalde taal, dan vindt eigenlijk iedereen het de normaalste zaak van de wereld dat je daar bij blijft, dat je traint. Maar we hebben inderdaad voor, in dit geval dan niet ChatGPT, maar we hebben natuurlijk heel veel mensen die code maken, dus Copilot. Die gaan bij ons een training starten. Want het is niet alleen maar het gebruik van de tool, maar er zitten allerlei tips en tricks achter. Wat je inderdaad moet letten, hoe je ervoor zorgt dat je daar niet zomaar in een keer beveiligingsissues in krijgt. Die je zomaar meekrijgt. Precies. Nee, dat helemaal mee eens. Daar moet je mensen inderdaad in opleiden. Ja, en daarbij ook, en dat is ook soms wat cliënten zich niet altijd beseffen. is ook dat alles wat jij als bedrijf in een open AI gooit, in principe weer gebruikt kan worden door die open AI om getraind te worden. Afhankelijk van welke licentie. Afhankelijk van natuurlijk de licentie die je gebruikt. Maar daar zit natuurlijk ook een risico. Zeker, als je dat gewoon zo blind doet. Ja, dan als de concurrent eventjes met hetzelfde model aan de slag gaat. Een aantal maanden geleden, Samsung die hadden daar wat bedrijfsgeheimen in gestopt. Die kwamen er zo weer uitgerold. Dat was fijn. We hebben het wel regelmatig in de podcast ook over van, hoe kunnen we nou zorgen dat veel mensen hier weet van hebben. Heb jij bepaalde specifieke content in jouw vakgebied waar je zegt van, als je verder in AI wil verdiepen, dit zijn de bronnen die ik aanraad om naar te gaan kijken? Misschien even één stapje terug. Ik denk dat iedereen sowieso eens een keer met AI moet gaan spelen. Om te kijken van, hé, hoe werkt dit, wat is dit. Maar ik denk ook, en dat is zeker voor onze beroepsgroep, als fiscalisten, advocaten, juristen, zeer belangrijk. Ik ben ook bijzonder bewust van de potentiële gevaren. En eigenlijk moet je die even van tevoren weten, voordat je ermee aan de slag gaat. Wat ik zelf altijd zeg tegen medewerkers bij ons in kantoren, inderdaad. Begin eens met chat GPT en begin eens even te kijken met, gooi er een klein stukje jurisprudentie in. En ga eens wat vragen stellen over de jurisprudentie. Kijk eens een beetje welke kant het op gaat. Vooral waar je heel bekend mee bent. Precies, waar je heel bekend mee bent. En de rest wat je honderd keer hebt gelezen. Of een stukje regelgeving wat je van binnen en van buiten kent. Of een bepaald proces. Als je heel veel weet over import en fiscale vergunningen. Ga daar eens even een keer wat mee kijken. En af en toe zegt JGPT bijvoorbeeld van, oké dit is juridisch, daar kan ik geen uitspraak over doen. Maar je weet ook net als ik, als je zegt oké het mag eigenlijk niet, maar hoe zou je het niet doen? Dan geeft hij alsnog een negatieve antwoord. Dus dat is denk ik sowieso een heel mooi stuk om mee te beginnen. Waar ik ook mijn begrip eigenlijk met de limitaties en zo, en dat is misschien iets technischer, echt mee gevonden was, was met het maken van Gen AI Art. Als je echt begrijpt hoe, of althans een basaal begrip hebt van hoe zo'n systeem eigenlijk van een soort van 'call out noise', van ruis, eigenlijk iets terug deduceert naar een plaatje. Terwijl heel veel mensen denken dat het andersom is. Je voert tekst in en je denkt, je gaat door een database met allemaal plaatjes en dan krijg je dat plaatje. Omdat hij iets unieks moet maken, gaat hij juist terug vanuit de ruis en gaat hij pixels verplaatsen. Correct me if I'm wrong. Hij gaat die pixels verplaatsen totdat die statistisch gezien op een juiste plek staan en iets leuks eruit halen. Dus eigenlijk beginnen met tools zoals Midjourney, Stable Diffusion. Precies, Stable Diffusion, Midjourney. Als je daar even mee gaat werken, dan zie je ook wat de mogelijkheden zijn, maar het was voor mij ook vooral een realisering, vooral samen met ChatGPT, dat het systeem, en nou hoop ik niet de boel te bagatelliseren, maar het systeem werkt bijzonder op statistische beregeningen. Wat komt hierna, wat komt hierna, wat is het woord? Als ik mezelf moet voorstellen en ik zeg 'Hallo, ik', dan is het enige woord wat je erachter kan doen is 'ben'. Precies. Precies, dat is statistisch 100%, anders klopt het niet in je voorstelronde. Zo werkt dat, even kort gezegd, ook voor AI. Als je dat weet en als je dus niet denkt dat er een of andere wonder abracadabra achter zit die alles samen kan redeneren, Dan denk ik al dat je zeker als jurist de eerste stap hebt gezet tot kritisch zijn en tot goed nadenken over hoe je een AI kan gebruiken en wat je daarmee kan prompten, etc. Ik denk dat dat het hele goede is. AI wordt natuurlijk ook wel eens neergezet als zijn nieuwe systeemtechnologie waarbij stroom, energie, is ook een systeemtechnologie. Je hebt ook moeten leren wat daarmee wel en niet kan. Dus je hebt moeten leren dat je niet je vingers in het stopcontact steekt. Of dat je daar niet met een schroevendraaier in gaat. Maar ook als er ergens draadjes open liggen van een stekker, dat je dat dan ook niet gebruikt. En dat zijn denk ik de dingen waar je het over hebt. Precies. Basale dingen, maar die een fundament zo direct bieden voor veilig gebruik van een hele krachtige technologie. Absoluut. En nu is er een hele generatie juristen, advocaten, fiscalisten die dat op latere leeftijd moet doen. Maar ja, ik kan me niet anders voorstellen dat dit onderdeel van een opleiding gaat worden. En dan is het natuurlijk allemaal een stuk eenvoudiger en makkelijker en spelenderwijs. Zeker. Ik heb een software development achtergrond. Ik ben begonnen met het boek op schoot. Dat als je iets nieuws weer moest hebben, dat je... Ja, boek op schoot, dat betekent eigenlijk naar de winkel. Ja, boek kopen. - Juiste boek kopen. Daar begon het al aan, selecteren van het juiste boek. Hopen dat het iets wat je in je hoofd had, ongeveer daarin staat. Nou ja, bla, bla, bla, bla. Er zijn al hele generaties die zich dat niet kunnen voorstellen. Dat je niets zo doet en je hebt het gegoogled. On demand, ja toch? - Ja. Dus ook gelijk de oproep aan degene die luisteren en met de opleidingen bezig zijn. Dit hoort er gewoon in thuis. Universiteiten, hoge scholen, super belangrijk. Maar even één ding, dit is natuurlijk niet alleen beperkt juridisch gezien. Ik denk dat het overal van belang hoort. Absoluut. Ik denk dat dat hele mooie opstapjes zijn. Wat zijn nou hele praktische tips naar klanten toe? Want ze komen voor advies. Ik neem aan dat je niet hier het hele adviesgesprek even doet. Maar wat is nou je nummer één tip die je deelt? Ja, dat is heel lastig te zeggen, omdat alles loopt bijzonder uit één. Vragen, problemen, sommige bedrijven beseffen niet hoe ver ze eigenlijk al zijn. Dus om nou echt te zeggen, oké, dit is nou het issue, maar ik denk eigenlijk dat er een hele grote analogie is... tussen wat ik net heb genoemd en tussen wat bedrijven nu doen. Kijk, natuurlijk als je het hebt over bedrijven als AWS en noem maar op. Kijk, al hun medewerkers weten precies wat er allemaal te halen is. En hun marketplace zit vol met allemaal super innovatieve AI-producten die ze weer naar, ik weet niet hoeveel andere bedrijven kunnen vermarkten. En dat werkt allemaal bijzonder indrukwekkend. Dus die luidt, die weet ook allemaal waar ze mee bezig zijn. Ja. Wat ik denk waar de kracht zit, is juist als je met een, Als je als bedrijf met AI, en je bent dus geen AI bedrijf, maar als je als bedrijf AI gaat gebruiken en daar wat mee gaat doen, zorg ervoor dat bij je personeel, je werknemers, bij de mensen die erover gaan, alle neusjes dezelfde kant op staan en iedereen weet waar je het over hebt. Dat zag ik ook heel erg een jaar of 6, 7 geleden toen die crypto-industrie heel groot werd. Die bedrijven groeiden als kool en die hadden enorm veel juristen nodig. Dus zo werd er uit allerlei topkantoren, andere bedrijven, allemaal waanzinnig slimme juristen, advocaten, fiscalisten aangetrokken. Maar ze kennen het product eigenlijk niet. Nee precies. Dus wat je dan ziet, je hebt ontzettend slimme mensen die waanzinnig goed zijn in hun vak, maar omdat ze het product niet helemaal kennen, en dan bedoel ik echt niet van binnenstebuiten, niet iedereen hoeft alle white papers te lezen, Maar als je niet weet hoe jouw product eigenlijk fijntjes werkt, dan is het ook heel lastig om voor je bedrijf een positie op te bouwen. En te begrijpen waar risico's liggen, mogelijkheden. Je kan kansen missen. En daarin denk ik dat ook onze rol weer zit als strategisch adviseur. Een goed strategisch adviseur die weet precies van de hoed aan de rand. Dat is in een supersnelle technologische vooruitgaande omgeving natuurlijk ontzettend lastig. Dat is vaak voor de meeste mensen al lastig om hun eigen vak bij te houden. Absoluut. Ja. En dat is ook een van de dingen die we heel graag willen doen. Dat is ook een van de dingen die we heel graag willen doen. Dat is ook een van de dingen die we heel graag willen doen. Dat is ook een van de dingen die we heel graag willen doen. Dat is vaak voor de meeste mensen al lastig om een eigen vak bij te houden. Absoluut. Ja? We gaan wel Aisha vragen. Een vraag te stellen. Goed je hier te zien. Ik ben Aisha, de AI-assistent van deze show. Ik heb weer het schuifje niet open. Het is mooi van technologie. Als we willen dat het stil moet zijn, kan het ook stil zijn. Absoluut. Fijn is dat. Ik heb het schuifje open. Het is een genoegen om deel te nemen aan dit gesprek. Ik ben Aisha. De AI van deze podcast, zou je het goed vinden als ik je een vraag stel? Absoluut. Hoe kunnen we AI zo ontwerpen dat het rekening houdt met alle gebruikers? Ja, dat is denk ik een hele lastige uitdaging. Rekening houden met alle gebruikers. Hoe zou dat in jouw vakgebied zijn? Om heel eerlijk te zijn denk ik niet dat er één, ik denk dat er één, een groot deel van de AI is. Ik denk dat het een heel groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk dat het een groot deel is. Ik denk niet dat er één AI-model is to rule them all. Ik kijk jullie eventjes aan. Zeker niet. Er is een reden waarom er honderden of duizenden AI-modellen zijn. Dat is omdat ze gemodelleerd zijn met een specifieke doelgroep, voor een specifieke taak, met een specifieke dataset. Om een allesomvattend AI te hebben, dat lijkt me denk ik toekomstmuziek. dat wellicht nooit mogelijk gaat worden. Nee, dat geloof ik ook niet. Nee, zeker niet. - Zoveel factoren die meespelen. Data, belangen, alle gebruikers, nee. Bias ook. - Bias, waar we het niet van weten. Nee, zeker. Dank je wel voor dat grondige en duidelijke antwoord. Kijk, dank je wel, Asia. Ik heb nou wel een vraag. Gaat, kijk we hebben best wel ideeën, mogelijk zelfs fantasieën, maar gaat het AI, de technologie, jouw vakgebied wezenlijk veranderen? Ik denk uiteindelijk wel. Ik denk alleen, wellicht niet zo snel als dat we denken. Ik vergeet al die magische uitspraak doet, maar als je midden in de technologie zit lijkt het langzaam te gaan, maar als buitenstaander lijkt het bijzonder snel. Ja. Ja, kijk, het gaat snel, maar in principe, zonder hier te vloeken in de kerk, AI is natuurlijk al een jaar of 70 bezig. Volgens mij Alan Turing was een van de eersten die zich daar mee bezig hield begin jaren 50. Natuurlijk gaan er echt wel dingen veranderen. De advocatuur, fiscaliteit, de juridische wereld verandert denk ik constant, wezenlijk. De tijd dat een advocaat in een kamer zat met de secretarissen tegenover hem met een typemachine en een advies per boot naar Amerika ging. Dat lijkt lang geleden, maar je praat eigenlijk ook pas 25 jaar, 30 jaar geleden misschien. Dus wezenlijk verandert het wel degelijk. Denk ik dat als advocatuur en fiscaliteit altijd mensenwerk blijft. Ja, dat denk ik wel. Ik kan me ook niet anders voorstellen. Als ik hoor, dan is het niet mijn vakgebied. Een beetje gekken misschien wat over te zeggen, maar de nuance en inderdaad het vergelijken... en de zaken die misschien niet teksten wil of niet ergens gevat zijn, toch te begrijpen en te adviseren. Dat is niet te vangen. Sommige dingen zijn denk ik niet te vangen. Ja, het is lastig om misschien in AI-termen te spreken om data te maken die er niet is. Dat is denk ik ook wel een lastige hier in dit juridische geheel. Nou, helemaal in zijn geheel. Want hier gaan natuurlijk de grote taalmodellen, large language models, hier keihard tegen aanlopen. Want er wordt nu al gesproken over van, wat ga je ze direct nog aanbieden? Kijk, tot november afgelopen jaar, daarvan weet je dat dat zo'n beetje de mensen geschreven was. Veel al wel. En als je zeg maar terug gaat voeren wat gegenereerd is, Dan heb je hele grote kansen dat straks dat model gewoon in elkaar klapt. Dat het implodeert. Dat was ook een vraag aan jullie. Wat ik zie of wat ik ook af en toe denk inderdaad, is dat, kijk, zo'n model is deels ook gebaseerd op feedback. Die natuurlijk door 99% niet wordt gegeven. Dat wordt gewoon gemaakt, gemaakt, gemaakt. Is er in jullie ogen een mogelijkheid dat zo'n model zich eigenlijk dommer maakt door het gebrek aan feedback en door het eigenlijk het opnieuw inpluggen van incorrecte data. Nou ik denk dat het grootste gevaar nog zelfs zit in het weer inpluggen van die gegenereerde data die uit dat model komt. Want we hebben het, ik weet niet, was het in deze aflevering, vorige aflevering gehad over weet je dat je dat voordat wij modellen maken, kijken we bijvoorbeeld of de distributie goed is. Zitten er evenveel mannen als vrouwen in? Want want als je veel meer mannen hebt, dan neigt, stel je maakt een model voor sollicitaties. En je hebt historisch allemaal mannen in zitten, kies je automatisch voor mannen. Als je dus data gaat teruggeven vanuit het model wat hij zelf gegenereerd heeft, ben je dus die distributies aan het wijzigen. Waardoor hij dus een kant op gaat, je weet niet welke, waardoor hij uiteindelijk alleen maar zichzelf gaat herhalen. Dus in het allerslechtste geval komen er nog de meest gebruikte woorden uit. And that's it. Dus je hebt juist heel veel variatie nodig. En ik ben zo direct wel benieuwd hoe de tech-open AI, de meta's van deze wereld, Google's, dat onderscheid gaan maken. En zorgen dat deze modellen nog met nieuwe data uiteindelijk worden gevoed. En niet met gerecyclede, gegenereerde data. Een soort van Turing-test voor nieuwe data of zo. Ja, maar op dit moment is er nog... We hebben daar een short voor uit. Je kan nog niet detecteren of de tekst geschreven is door AI. Sterker nog, want hij is geoptimaliseerd om zo menselijk mogelijk te klinken. Nou, één ding wat ik bij ChatGPT altijd zo heel mooi vind... waarom je hem meteen kan zien... is dat ChatGPT altijd de neiging heeft om in de laatste vier zinnen samenvatting of conclusie te maken terwijl je niet om vraagt. Ik zag toevallig laatst ook al een motivatiebrief voor een sollicitant bij komen. Samenvattend, dacht ik, daar gaan we. Dit is er een. Maar ik gebruik daarnaast ook graag Claude.ai. Net zo eentje. Die doet dat bijvoorbeeld niet. En zo zullen andere taalmodellen ook. Ze zullen wel hun eigen karakteristieken hebben. Maar je gaat het denk ik steeds minder merken. Absoluut. De eerste versies van Midjourney. Je had het over generatie. Midjourney kon je meteen zien. Hier zit een Midjourney feel overheen. Die shimmer. Ja, het was altijd allemaal iets fantasiesachtig. Mensen met zeven vingers aan één hand. Maar in de huidige versie, ja, poeh, zie je het er nog maar eens uit halen. Ik doe wel als hobby ook, met Journey maak ik dan wat kunstdingetjes. Ja, ik moet zeggen, het is zo ontzettend imposant wat je eruit kan halen. Ja, bizar. - Mogelijkheden ongekend. Interessante uitdaging. - Toch? Daar gaan we op mee moeten in de toekomst. - Absoluut. Maar dat wordt in ieder geval een hele uitdaging, want daar ging het om. Hoe krijg je nieuwe data erin, echt originele data? De tijd zal ons leren. - En hoe hou je de data kwalitatief goed? Ja, en vers hè. Vers, dat het niet gaat stinken in dat model. Ja, maar natuurlijk, één voordeel juridisch gezien is, nou ja, zolang een Europese Hof van Justitie of de rechtbanken in Nederland het gewoon met mensenwerk houden, dan blijft dat in ieder geval die wel die goede richting in gaat. Maar als je dan solliciteert, dan komt er hele juridische taal uit. Ja, misschien grappig. We gaan het zien. Dank je wel. Ik weet dat je wil luisteren naar een nieuwe aflevering van AIToday Live. Mis geen aflevering, zorg dat je je abonneert. Iedere podcast app heeft een abonneer knopje. Als je die indrukt dan krijg je automatisch een melding bij een nieuwe aflevering. Dankjewel voor het luisteren.