Vakwerk vereist bij programmeren in natuurlijke taal

Hoi, leuk dat je weer luistert naar een korte aflevering van de AIToday Live Podcast. En in deze aflevering gaan we het hebben over de kunst van het programmeren met natuurlijke taal. Kijk, in onze vorige korte aflevering doken we in de techniek van prompt engineering. Daar heb ik drie technieken uitgelegd waarbij de meest interessante de prompt chain is. Heb je hem niet geluisterd, luister hem even terug. Want vandaag bouwen we daarop voort op die aflevering met best wel een interessante parallel. Namelijk hoe het optimaliseren van bedrijfsprocessen met AI sterke overeenkomsten vertoont met een vak dat in ieder geval ik goed ken. En dat is de professionele softwareontwikkeling. Want stel je voor een marketeer die zichzelf plotseling als programmeur ziet. Klinkt vreemd? Toch is het precies wat er gebeurt in het tijdperk van generatieve AI. Martin van Kranenburg, een ervaren marketeer en schrijver, verwoorde dat treffene tijdens een aankomende aflevering die nog gaat komen waarbij de volgende stelling aan hem is voorgelegd. De stelling luidde "Wij gaan generatieve AI inzetten voor codegeneratie." Laten we naar Martin luisteren en bedenken dat hij dus een schrijver en marketeer van beroep is, want dat maakt zijn antwoord zo interessant. Dat vind ik een moeilijke vraag natuurlijk, want ik ben geen codeur. Maar ik vind wel, ja, dat is een stelling. Natuurlijk ja. Je zet het in om het werk leuker te maken, efficiënter, slimmer. En ik ga nu eigenlijk wel zeggen, dat vind ik ook wel leuk, ik zie mezelf eigenlijk ook nu als een soort codeur. Maar ik vind mijn codetaal, mijn codetaal, is gewoon het Nederlands of het Engels. Nou Martin slaat wat mij betreft de spijker op zijn kop. Want wat doen we eigenlijk als we programmeren? We geven de machine instructies, bijvoorbeeld vraag de gebruiker om input, voer deze berekening uit, toon deze gegevens op een website. Programmeren is niets anders dan in een vooraf gedefiniëerde taal instructies geven aan een machine. En dat is ook precies wat we doen met generatieve AI, alleen geven we het nu aan een taalmachine. We geven instructies aan een taalmodel, wat uiteindelijk ook gewoon een machine is. We zijn de computer aan het programmeren, bedienen en instructies aan het geven. Maar in plaats van een programmerentaal te gebruiken, je zou haast kunnen zeggen een obscure programmerentaal te gebruiken, omdat maar een selecte groep van mensen dit kunnen, gebruiken we nu onze eigen natuurlijke taal. En met deze nieuwe vorm van, laten we tussen aanhalingssteken zeggen programmeren, komt ook een grote verantwoordelijkheid om de hoek kijken. Want net als bij traditionele softwareontwikkeling moeten we ervoor zorgen dat onze AI systemen consistent blijven, betrouwbaar zijn en bruikbare resultaten leveren. In de PromptChain techniek gebruiken we de uitvoer van één set instructies als info voor de volgende. En daarmee kunnen we heel goed businessprocessen op een andere manier automatiseren, programmeren. En dit vereist een zorgvuldige afstemming. We moeten zeker weten dat de gegevens in het juiste formaat zijn, in de juiste taal zijn geschreven, maar bovenal dat de juiste elementen erin zitten. En als we AI systemen bouwen, bouwen ze hopelijk voor de lange termijn. Want laten we eerlijk zijn, we verwachten dat deze systemen minstens vijf, misschien wel tien jaar meegaan. En daarom kunnen we juist zoveel leren van beproefde technieken uit de softwareontwikkeling. En één van die technieken is het gebruik maken van geautomatiseerd testen. Want hoe weet je dat je systeem blijft werken als er iets verandert? In de wereld van AI hebben we te maken met data drift. De invoer voor je model of systeem kan in de loop van de tijd veranderen. Als je bedrijfsproces evolueert, veranderen mogelijk ook de gegevens die je binnenkrijgt. Dit betekent dat prompts die perfect waren afgestemd op je originele data langzaam maar zeker minder effectief kunnen worden. Het is als een puzzel waarvan één stukje langzaam van vorm verandert. En als je dat niet opmerkt, gaat je hele systeem langzaam kapot. En daar kunnen we dan weer een andere techniek voor gebruiken in de software engineering, die in het verlengde licht van het geautomatiseerd testen. En dat is logging en monitoring. En hiermee kun je onder andere data drift detecteren. Met goede logging en monitoring leg je namelijk vast welke data is gebruikt tegen welke prompt, maar ook tegen welke versie van het prompt. Daarmee weet je wat de resultaten waren van de uitvoering van de prompt. Dit leg je ook vast. Het probleem, als je dit niet vastlegt, is dat je nooit kan zien in welke gevallen het wel goed gaat en in welke gevallen het niet goed gaat. Of nog erger, hoe erg het niet goed gaat. En we hebben het hier niet over ad-hoc prompts, waarbij je als je die invoert dat je zelf kan beoordelen op dat moment van is het goed gegaan ja of nee. Nee, het gaat hier om in een geautomatiseerd proces dat je de prompts gebruikt en die output genereren waar je uiteindelijk weer op voortboorduurt. Met dit alles kunnen we wel vaststellen dat we aan de vooravond staan van echt een fascinerend tijdperk waarin de grenzen tussen traditioneel programmeren en het werken met AI vervagen. En dit brengt wel nieuwe uitdagingen met zich mee. Die softwareontwikkelaars zijn opgeleid om een goede programmeertaal te spreken, maar nu moeten ze leren om helder te communiceren in natuurlijke taal. Tegelijkertijd moeten niet-technische professionals leren denken als programmeurs met aandacht voor logica, structuur en precisie. Daarom wordt vakwerk wat mij betreft de sleutel tot duurzame procesoptimalisatie. Het optimaliseren van bedrijfsprocessen met AI is geen eenmalige exercitie, maar een continu proces dat vraagt om echt vakmanschap. Net zoals bij de professionele softwareontwikkeling is er een grondige methodische aanpak nodig om systemen te creëren die niet alleen effectief zijn, maar ook betrouwbaar blijven op de lange termijn. Laten we gewoon een aantal punten opnoemen wat cruciale aspecten zijn voor dit vakwerk. Precisie in natuurlijke taal. Want zoals softwareontwikkelaars moeten excelleren wat ik al zei in programmeertalen, moeten AI-engineers en bedrijfsanalysten gaan uitmunten in het formuleren van precieze, ondubbelzinnige instructies in natuurlijke taal. Dat niet mee zal vallen. Systematisch denken. Het ontwerpen van AI-gestuurde processen vereist dezelfde logische, stapsgewijze benadering die we kennen uit de softwareontwikkeling. Elk onderdeel moet zorgvuldig worden gepland, getest en geïntegreerd. Robuustheid en schaalbaarheid. Net als bij software-systemen moeten AI-processen bestand zijn tegen veranderingen in input en bedrijfbehoeftes. Dit vereist vooruitdenken en het inbouwen van flexibiliteit. Continue monitoring en optimalisatie. Dit is nodig om data drift te voorkomen, te detecteren. Het is cruciaal om het systeem in de lucht te houden. Documentatie en kennisoverdracht. Goede documentatie is essentieel voor de onderhoud en de ontwikkeling van zowel software, als AI-systemen. Het vastleggen van beslissingen, processen en de onderliggende logica zorgt voor continuïteit. Dat geldt dus ook voor promptgestuurde optimalisatie van businessprocessen. Door deze principes van vakmanschap toe te passen, kunnen we AI-gestuurde bedrijfsprocessen ontwikkelen die niet alleen op korte termijn effectief zijn, maar ook op lange termijn waardevol blijven. We bouwen systemen die kunnen meegroeien met het bedrijf, zich kunnen aanpassen aan veranderende omstandigheden en consistent betrouwbare resultaten leveren. Ik denk dat het nu duidelijk is dat het optimaliseren van bedrijfsprocessen van AI meer is dan simpelweg het toepassen van een nieuwe technologie. Het vereist een diepgaand begrip van zowel de technische als bedrijfsmatige aspecten, gecombineerd met de vaardigheid om deze twee werelden naadloos te laten samenwerken. Dit is waar het echte vakwerk om de hoek komt kijken. De parallellen met softwareontwikkeling zijn niet toevallig. Ze wijzen op een samenkomst van disciplines die cruciaal is voor succes in het digitale tijdperk. Door de lessen en best practices uit de softwareontwikkeling te integreren in onze aanpak van de procesoptimalisatie leggen we een solide basis voor langdurige duurzame verbetering. Terwijl we vooruitkijken is het duidelijk dat organisaties die dit vakwerk serieus nemen en investeren in de ontwikkeling van deze vaardigheden een significante voorsprong zullen hebben. Zij zullen in staat zijn om flexibeler te opereren, sneller te innoveren en beter voorbereid te zijn op de uitdagingen van morgen. Het pad van AI gedreven procesoptimalisatie mag dan nieuw en soms onzeker lijken. Maar met de juiste vakkundige aanpak kunnen we systemen bouwen die niet alleen vandaag maar ook in de komende jaren waarde blijven toevoegen. Laten we dit nieuwe vakgebied omarmen met dezelfde toewijding, precisie en visie die de softwareontwikkeling ons heeft gebracht tot waar we nu zijn. En gelukkig zijn er steeds meer aanpakken en technieken die invulling kunnen geven aan juist dit vakwerk. Voor een podcast als deze gaat het te ver en te diep om deze technieken te behandelen. Maar wil je daar meer over weten neem dan gerust contact met me op. Dankjewel weer voor het luisteren en tot de volgende keer! [Muziek] [Muziek]