Mis het niet: de voordelen van AI-collega's in je team

In deze aflevering hoor je hoe Michiel Schoonhoven van marketingbureau NXTLI AI slimme AI-assistenten creëert, namelijk AI-collega's. En deze collega's krijgen eigen namen, specialisaties en profielen. Zo kunnen medewerkers effectief werken en tijd vrijmaken voor innovatie en kwaliteit. Michiels aanpak van de vermenselijking werkt in elke sector, dus blijf luisteren. Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live, de Nederlandse podcast over AI. En vandaag, oh nee ik zal die eens even onszelf even introduceren, want dat is wel zo handig. Mijn naam is Joop Snijder, CTO bij Ethacy. Mijn naam Niels Naglé, Area Lead Data & AI bij Info Support. En vandaag in de studio hebben we Michiel Schoonhoven. En Michiel, zou jij je eerst willen voorstellen aan de luisteraar? Zeker, lekker introductiemuziekje trouwens. Dankjewel. Lekker ontspannen. Michiel Schoonhoven, woon in Haarlem. Vader van drie kinderen. Al lange tijd werkzaam op het snijvlak van communicatie en technologie. Ja. En hoe ben je daar zo in terecht gekomen? Ja, ik ben vanaf 2000 werkzaam. Begon bij een van de eerste internetbureaus van Nederland. Toen internet net aan het opkomen was, had je natuurlijk heel veel webbouwbedrijfjes. Ja. En eentje daarvan was Puls Interactive, waar ik gestart ben. Daarna eigenlijk altijd heel veel verschillende marketingrollen gehad. En altijd de interesse gehad op het snijvlak technologie. Veel met e-mailmarketing bijvoorbeeld bezig geweest. Allerlei uitgebreide, gepersonaliseerde e-mailflows ingericht. Web ontwikkelingen en allerlei verschillende. Uiteindelijk content marketing initiatieven die we genomen hebben. Eind 2008, 2009. Waar de organisatie toen waar ik werkte. Zijn we eigenlijk heel erg bezig geweest met hoe kunnen we nou informatie verstrekken aan ons publiek. Die niet commercieel direct is, maar echt een binding met ze opbouwt. En in 2011 kwam ik Joe Pulizzi tegen in Amerika. Die zijn eerste content marketing world congres organiseerde. En hij noemde dat content marketing. Wat ik toen nog niet wist dat het zou heten. Hij wordt ook wel de godfather van content marketing genoemd. En toen dacht ik, oké, kennelijk doe ik content marketing. En is dat mijn wereldje? En daar ben ik toen eigenlijk op doorontwikkeld. Ook een technische vernieuwd. En dat was een technische vernieuwd. Waar ik toen mee bezig was. Ik liep tegen Jive Software aan. Wat een Amerikaans bedrijf was. Wat community software aanbood. Toen dacht ik, dat zou tof zijn als we in onze organisatie community opbouwen met onze klanten. Waar we online kunnen samenwerken met elkaar. Veel content kunnen delen. Informatie en communicatie kunnen afstemmen. En sindsdien begon voor mij ook het op locatie kunnen werken. Want ik dacht, oh dat is gaaf. We hoeven niet meer naar een kantoor. Of allerlei kantoortjes langs. In afspraken. Dat kunnen we gewoon in een digitale omgeving doen. En een stukje verder. Eigenlijk als content marketing strateeg bij organisaties. En ik merkte dat dat vakgebied eigenlijk heel snel aan het ontwikkelen was. Heel veel specialiteiten die daarbij kwamen. Dacht ik, dat kan ik niet allemaal in mijn eentje. Dus laat ik eens kijken of ik wat mensen om me heen kan verzamelen. Om dat met elkaar te gaan doen. Ik zag ook dat datagedrevenheid steeds belangrijker werd. Dat is niet mijn kernpassie. Maar een goede vriend van mij is Dennis Doeland. Waar ik toen mee in gesprek ben geraakt. Hoe pak jij dat aan? Uiteindelijk hebben we het business model zoals hij had. En zijn methodiek gekoppeld met mijn content methodiek. En uiteindelijk is daar een bedrijf NXTLI uitgekomen. Next level impact. Dus we wilden next level continu zijn. En we wilden impact maken. En dat zijn we in 2017 gestart. Zoals we het noemen een data gedreven content marketing bureau. Waarbij we klanten helpen met de content strategie en implementatie daarvan. En een paar jaar later komt AI eigenlijk aanzetten. Waarvan wij zeiden oké dat is interessant. Want eigenlijk kunnen we nu data en content met technologie gaan verbinden. Op een hele slimme goede manier. Waarbij we en efficiënter kunnen werken. Maar ook veel meer kunnen innoveren. En nieuwe dienstverlening mogelijk maken. En hoe ziet die verbinding er bij jou praktisch uit? Afgelopen jaar hebben we eigenlijk heel veel data inzichten verzameld voor onze klanten. We hebben allerlei dashboard voor ontwikkeld. En daar hebben we ook onze content strategieën op afgestemd. Daar monitoren we ook op. Dat stond eigenlijk altijd een beetje los van de praktijk. We hadden altijd veel werk. We moesten veel analyses maken. Veel rapportages. En wat voor data hebben we het dan over? Een beetje tastbaar. Ja echt marketing data. Dus alle social media performances. Je web data. De conversies naar omzet. De views. De campagnes die je draaide. Welke resultaten bereik je dan nu? Welke campagne doet het goed? Welke doet het minder goed? En dus eigenlijk alle marketing gerelateerde informatie. Dus die stonden eigenlijk een beetje los van elkaar. Dus we hadden dashboards. We hebben content strategieën die we maakten. Toen zaten oké. Daar is veel begeleiding voor nodig aan de klantkant. En aan onze kant om dat dan goed te implementeren. En nu zien we eigenlijk met AI een mogelijkheid om en analyses op een snellere en betere manier te kunnen doen. Waar we zelf gewoon niet aan toe kwamen. Of wat heel veel tijd kostte. En we verbinden dat eigenlijk naar zoals wij het dan noemen AI collega's. Die een stuk van de implementatie kunnen doen op klantniveau en bij onszelf. AI collega's? Waar moet ik dan aan denken? Ja eigenlijk een... Wij proberen het een beetje te personaliseren. Dat vinden we ook gewoon leuk. En daar geloven we in. Dus wij hebben een beleid dat we zeggen. Nou we hebben AI collega's in die benaderen zoals wij ook gewoon onze eigen collega's benaderen. Dus wij werken dan zelf veel in Slack. We hebben klanten die ook in Slack werken of in Teams. En we hebben eigenlijk een integratie ontwikkeld met een best wel complexe flow inmiddels. Waarbij je eigenlijk een collega in Slack of Teams kan aanroepen. Die met een naam, een foto en gewoon een dialoog met je kan voeren. Maar wat een AI collega is. Oké. En weet de andere kant ook dat het een AI collega is? Of dat niet? Ja daar zijn we transparant in. We geloven ook dat je heel transparant moet zijn wat door AI gemaakt wordt en wie een AI is. Soms zie je voorbeelden komen van bedrijven of mensen die gebruiken een AI bijvoorbeeld voor zichzelf. Om zichzelf uit te beelden maar benoemen dat niet. Dat zien we wel een risicofactor. Op het moment dat mensen erachter komen en denken dat ze met een echt persoon te maken hebben. En dat blijkt dan een AI persoon te zijn. Dat voelt toch niet zo lekker. En we zien juist het tegenovergestelde als je heel duidelijk laat zien. Dit is mijn AI. Die doet bepaalde dingen voor mij. Die is getraind op mijn kennis. En daar kan je gebruik van maken op elk moment dat je wil. Dan snappen mensen het en accepteren ze het ook meer. En de klanten die er gebruik van maken, wat is hun ervaring dan daarmee? Die worden steeds positiever eigenlijk. Ik schrijf sinds vorig jaar elke week een nieuwsbrief. Om ze ook gewoon mee te nemen in wat er allemaal gebeurt. In het begin kreeg ik nogal eens vragen van, je schrijft over AI en JCPT, maar wat is dat nou eigenlijk? Het gat tussen de praktijk en AI was nog best groot. Dat wordt kleiner. We zien nu de afgelopen maanden echt momentum ontstaan. Dat klanten zeggen, we lezen al een tijd over die AI-collega. We zien hoe het werkt. Tof. Daar willen we ook echt iets mee. Laten we aan de gang gaan ermee. Je hebt het over collega's. Waarom heb je er meer en is het er niet één? Eén die alles kan? Omdat we ervaren dat op het moment dat je een AI-collega probeert te trainen, dat je dat beter op een specifieke dataset en een duidelijke rol kan doen. Om betere output te krijgen dan dat je hem veel te breed op veel te veel informatie gaat proberen te trainen. En we zien het ook gewoon als een normale collega met een duidelijke functiebeschrijving, duidelijke rol, een aantal taken die hij heeft en heel goed moet doen. En daar, ja, zo richten we het eigenlijk ook in. Hoe zijn jullie tot die afbakening dan gekomen? Hoeveel heb je er nu? Laten we daar eens mee beginnen. We hebben nu vijf, hebben we daar. Zo. Met daarnaast nog heel veel AI-assistenten, zeg maar, die we meer intern gebruiken en niet als dienstverlening aanbieden. Maar dat zit inderdaad op het schrijven van captions, het maken van content planning, het maken van artikelen, het doen van analyses. En die zijn ook aan elkaar gekoppeld. Dus ze hebben ook een gedeeld geheugen. Dus op het moment dat je, Pia, die noemt me dan de content planner. Die maakt een content planning en vervolgens kan Lisa, de social media caption creator, kan door op die planning en zeggen, dit zijn de onderdelen waar wat social posts zijn, daar moet ik social captions op schrijven. En die gaat dan aan de gang met het uitwerken van de captions. Grappig. Maar toch nog even, want nou heb je dan vijf van dit soort collega's. Waar zet je zeg maar de grens eromheen van, nou Pia doet dit en daar houdt haar werk op? Goeie vraag. Ja, we kijken daarin eigenlijk op hoe we die het beste kunnen trainen. Dus welk afgebakend gebied moet iemand heel goed kunnen. Waar ook veel data vergaring bij nodig is om gewoon tot goede output te komen. En dat kijken we met name op een rol- en taakniveau. Zoals we zien van een content planning is gewoon één specifieke taak. Moet iemand heel goed kunnen doen. Daar is heel veel verschillende data input voor nodig waar rekening mee gehouden moet worden. Dan is dat voor ons de afbakening. Ja, precies. Dan testen we eigenlijk net zo lang door totdat het gewoon goed werkt. Oké, dit is prima. Op dit moment, de ontwikkelingen gaan natuurlijk heel hard. Dus we hebben intern ook een beleid dat we zeggen, oké. Er zijn ook managers van de AI-collega's. Die moeten gewoon zorgen dat ze goed getraind, goed opgeleid en goed zich doorontwikkelen. En daar is ook gewoon een verantwoordelijkheid voor. Dus er zijn ambitiegesprekken met de AI-collega's? Ja, die hebben we nog niet, maar dat is een goed idee. Dat kunnen we zeker. De POP-gesprekken met de AI-collega's moeten we maar eens gaan toevoegen. Ja, en waarom hebben we... Want ik vind het buitengewoon interessant. Wij zeggen best wel heel vaak in de podcast van... Ja, weet je, we gaan het niet vermenselijken. Het is een tool. Maar jullie zitten echt aan de andere kant. Dus ik ben daar echt wel heel erg benieuwd naar. Wat is de initiële gedachte geweest om te zeggen van... Wij vermenselijken het wel. Ja, we zien natuurlijk de verschillende tools... Waar je gewoon met een virtuele avatar met een afbeelding... Of het nou een echte foto of een soort cartoonachtige foto... Waar je gewoon een dialoog mee kan hebben. Dus die vermenselijking, die zie ik daar eigenlijk al gebeuren. Dus op het moment dat je dat op die manier gaat insteken... Dan sluit je in ieder geval aan op die trend. Dus dat is één. En de ander... Ja, ik vind het gewoon leuker. Oh ja. Ik vind het gewoon leuker om dat te doen. En ik heb veel gesprekken in het team. In ons team ook daarover. En ook op een gegeven moment gezegd... Ja, we gaan gewoon het experiment aan. En het experiment is... En we zijn een team van twaalf mensen. En we zeggen, oké... Als je nou eens tien collega's kan aannemen. Per persoon. Ga dan eens beschrijven hoe zo'n rol eruit ziet. Wat moet die kunnen doen? Wat voor type persoon? Wat voor functie? Etcetera. Nou, dat heeft het team gedaan. Daar hebben we een enorme waslijst van punten gekregen. En we hebben gezegd, oké, die gaan we aannemen. Maar niet op een traditionele manier. Dat worden AI-collega's. En die ga jij dan ook... Jij gaat ook verantwoordelijk voor dat team worden. Je mag ze een naam geven. Je mag de rolbeschrijving geven. En vervolgens gaan we die trainen. En zorgen dat die in werking gaan komen. Ik vind het eigenlijk wel een hele mooie. Wij komen natuurlijk ook best wel heel veel bij bedrijven. En dan hebben we het over use cases. Waar zou AI worden ingezet? En voordat je het weet, zit je in de technologie. En wat jij nu beschrijft, is dat je uitgaat van... Stel dat we mensen mogen aannemen. Dus je denkt eigenlijk in hoe werk uitgevoerd moet worden. En komt de AI eigenlijk erachteraan. Wat zijn er van... Oh ja, maar daar kunnen we mogelijk een implementatie voor maken. Ja, klopt. En daaraan gekoppeld ook nog... Vanuit de menselijke collega. Ja. Hoe zie je nou je optimale rol zelf? Ja. Waar kom je niet aan toe? Wat zou je nou echt fantastisch vinden om te doen? En dan zie je eigenlijk in die gesprekken, in die uitwerking... Dan worden er heel veel dingen opgeschreven... Wat repeterende werkzaamheden zijn... Die eigenlijk... Nou ja, wat niet de meeste uitdaging heeft... En niet de nieuwste vernieuwing in zit. En eigenlijk zie je met name dat de rolbeschrijvingen in dat segment zitten. En als we dan het gesprek met de menselijke collega's gaan... Oké, wat blijft er voor jou dan over? Dan ontstaat er vernieuwing... Een uitdagendere manier van... Een rol van werkzaamheden doen. Ja, dat is gaaf. En dat geeft ook energie voor de mens. Want je hoort heel veel mensen die bang zijn voor AI. Van ja, het gaat mijn rol... Ik heb geen baan meer straks, et cetera. En ik heb geprobeerd te kijken... Hoe kan ik dat toegankelijker maken voor mensen? En op het moment dat je op hun rol gaat zitten... Ja, in mijn optiek onze rollen gaan veranderen. Het is gewoon een gegeven. Ja, hoe gaan die veranderen? Daar kan je zelf een rol... Daar kan je zelf sturing op gaan geven. Ja, ik vind het wel een hele mooie aanpak. Want het maakt het heel behapbaar voor mensen... Die wat minder van de technologie weten... Maar wel weten wat hun werk is. Wat er repeterend is. En zo kom je dus eigenlijk tot de requirements die nodig zijn. En een vraag die bij mij nog wel oppopt is... Uit al die activiteiten en procesbeschrijving... Waren er ook nog bepaalde zaken waar jullie zoiets hadden? Nee. Daar gaan we geen AI-collega voor maken. Daar gaan we iemand anders voor... En mensen voor in moeten schakelen? Nog niet. Oké. We hebben een focus op AI first. Dus laten we proberen alles wat we doen... Met AI te doen. En in praktijk kom je dan op een heel aantal gebieden... Waar het gewoon nog niet geschikt genoeg voor is. Of waar het gedeeltelijk al goed kan worden ingezet. Maar we proberen daar grenzeloos nu nog in te denken. Ja, vandaar ook die AI-assistenten... Die jullie dan intern gebruiken voor dat soort activiteiten dan. Ja. Oké. Dat zien we gewoon meer als een hele goede brainstorm-assistent... Die we op die manier inzetten. En wat jij zei toen straks mooi... De impact op taken. Dat kan ook wel een van de triggers geweest zijn qua momenten. We hebben een implementatieprogramma voor AI in marketing teams. Het maken van een stuurgroep in je organisatie. Het maken van een AI-beleid. Training en educatie. Maar ook een AI-impact scan. Waarbij je eigenlijk iedere functie, rol en taak... Uitgebreid gaat beschrijven waar die nou uit bestaat. En de impact gaat hebben van... Oké, op welk taakniveau kan een AI nu al dingen voor je makkelijker maken. En kan je al inzetten. Zodat je ook vanuit zo'n impact scan een keuze kan maken. Je hebt natuurlijk ongelooflijk veel tools. Wat je net zei inderdaad, zie ik ook heel veel... Het begint vaak met een toolgesprek. Ik heb die tool gezien. Fantastisch. Oké, leuk. Maar welk... Je kan duizenden tools kiezen. Begin even met... Wat is überhaupt je AI-visie als organisatie? En waar heeft AI de grootste impact? Op korte termijn en op langere termijn? En dat maakt het ook mooi dat je zegt... We hadden natuurlijk al profielen... Van wat een AI-specialist zo direct moet kunnen. En dan is het denk ik ook veel makkelijker... Om de combinatie te maken naar een tool bijvoorbeeld. Ja, zeker. Dus voor ons is vertrekpunt... Wat kan een AI gaan doen? En wat is dat profiel? En hebben we daar één of meerdere AI-tools voor nodig... Die we ook in het uitvoeren van die taak nodig hebben. Dus in sommige AI-collega's hebben we bijvoorbeeld... ChatGPT en Claude die we combineren in de workflow... Om tot een goed resultaat te komen. Dat we zien dat Claude in onze optiek... Textueel net wat natuurlijker... Text output geeft dan het ChatGPT. Maar ChatGPT kan prima als een startpunt gebruiken. Zo hebben we natuurlijk een legio tools... Die we voor verschillende uitwerkingen het beste kunnen inzetten. Ja, mooi. En we proberen het voor onze klanten simpel te maken. Om niet in die tool discussie te komen. Te zeggen, oké... Jij gebruikt Slack. Nou, top. De interface is Slack. En wat erachter allemaal gebeurt... Is voor jou eigenlijk niet zo belangrijk. Maak het simpel. Mooi. Is er iets... Omdat je nu die collega's geïntroduceerd hebt... Is er iets in je werkwijze... Echt significant veranderd? Doen medewerkers iets anders nu? Ja, totaal. Totaal veranderd. Zou je daar een voorbeeld van kunnen geven? In wat ze eerder niet deden en nu wel bedoel je? Of gewoon een andere werkwijze? Ja. Weet je... Heb je geschaald in dat je meer werk kan leveren? Of zijn mensen echt anders gaan werken... Omdat ze AI-collega's hebben? Daar ben ik eigenlijk wel benieuwd naar. Ja, dus veel werkzaamheden die eerst gedaan werden... En waar veel tijd in zat. Dat kost nu veel minder tijd. Niet op alle werkzaamheden nog. Maar een simpel voorbeeld. Het maken van een content planning. Die kan je heel snel en simpel zelf maken. Maar wil je rekening houden met allerlei verschillende key moments... En datapunten kost het gewoon heel veel tijd. Ja, dat is een werkzaamheid wat nu binnen no time gebeurt. Maar waar de verandering in het werk zit... Is dat we nu bezig zijn met AI-collega's aan het trainen. En zorgen dat die heel goed dat werk kunnen doen. En wat dan interessant in zo'n proces is... Dat je zegt... Ja, we hebben eigenlijk die data nodig. Of die uitwerking. Maar die hebben we eigenlijk nog niet. Oh ja. Dus we hebben ergens een gat in onze uitwerking gehad. Of dat hebben we überhaupt nog niet gemaakt. Dus daar moeten we meer aandacht aan besteden. In de uitwerking aan de voorkant. In bijvoorbeeld het uitwerken van een persona... In je content strategie. Nou, wellicht missen daar nog persona's. Of is hij een jaar niet geüpdate. En dan zeg ik... Oké, die moeten we eigenlijk weer even bijwerken. Want we moeten de AI-collega gaan trainen op... Dat publiek profiel, die persona... Die moeten we wel goed hebben. Ja, precies. Dus jij bent eigenlijk bezig met andere data. Andere data verzamelen. Rete bijwerken. In plaats van bezig zijn met het eindproduct maken. Zeg ik het zo goed? Ja, eigenlijk de eindproduct verbeteren en uitbreiden. Doordat we AI in dat eindproduct erbij zetten. Maar ook abstracter. Als ik het zo hoor, dan hoe ik het bij mij binnenkom. Dus ook abstracter kijken naar... In plaats van het uitvoeren. Het kijken naar wat is er nodig om de uitvoer beter te maken... Waar we nu geen tijd voor hadden. En dat verder te kunnen verbeteren. Ja, helemaal waar. En daar komt ook wel een mindset verandering in. Want dan moet je namelijk gaan nadenken. Wat doe ik nou eigenlijk? Ja, het is gewoon een metaniveautje hoger, zeg maar. Ja, waar bestaan mijn taken nu uit? En doe ik dat eigenlijk op de meest optimale manier? En je gaat veel meer nadenken. Nou, als ik meer tijd zou hebben... Dan zou ik eigenlijk nog dit en dat erbij gepakt zou hebben. En nu zeggen we, oké, dan is dat het startpunt. Ja. Daar gaat je werk in zitten. En we zorgen dat een AI een groot deel van je werkzaamheden doet... die je nu je tijd verslindt. Wat kan... Oh, sorry. Kan iedereen mee? Want eigenlijk zeg je van... Je bent je werk aan het veranderen van uitvoering. Maken van die contentkalender naar eigenlijk iemand trainen... Om een contentkalender te maken. Ja. Dat vergt misschien andere vaardigheden. Was dat moeilijk? Ondervond je weerstand? Ik ondervond... In het eerste drie kwart jaar, denk ik, dat ik met name veel de... Het voortouw probeerde te nemen in de organisatie. En er veel over sprak. Merkte ik de aansluiting nog weinig vanuit het team. Dus ik zat heel erg van... Wanneer komen ze nou uit zichzelf in de lucht om... Hé, dit kunnen we met AI of dat kunnen. Dat bleef een beetje achterwege. En daar kwam het idee ook bij. Als ik ze nu gewoon als vraag... Je kan tien mensen aannemen of tien collega's aannemen. Hoe zou dat eruit zien? En dat vertrekpunt heeft eigenlijk de boel heel erg versneld in het team. Want daardoor ging het heel erg bij hen leven. Gingen ze nadenken over hun eigen rol. Waar ze naartoe wilden. En welke onderdelen ze minder interessant eigenlijk in hun werk vonden. En die ze heel graag vervangen zouden zien met AI. En daar is een hele andere shift in de organisatie gekomen. Want het staat op papier. Iedereen heeft erover nagedacht. Het is uitgewerkt. Er is een planning over welke AI-collega's we in tijd gaan introduceren. Daar worden ze mee in betrokken. Dus voor ons was dat wel echt het grote switchpunt in de organisatie. Goed. We hebben ook een vraag binnengekregen van in dit geval een hele jonge luisteraar. En die sluit denk ik best wel heel mooi aan. Dus die wil ik je eigenlijk eventjes voorleggen. Oké, spannend. Sterker nog, dan moet ik wel het juiste schuifje over doen. Ik had schuifjes open, maar dat was niet de goede. De vraag van de leek is deze week. Hallo, ik ben Sam, een jongen van 10 jaar oud. En ik zit nog op de basisschool. En ik had een vraag voor deze podcast. Maakt AI ons lui? En kunnen we ons daar in de toekomst tegen weren? Zo, dat is een slimme vraag. Ja, ik hoorde hem ook vanochtend. En toen dacht ik ook, wauw. Gave vraag. Ik denk niet dat AI lui maakt. Ik denk wel dat we heel zorgvuldig moeten omgaan met hoe je AI gaat gebruiken. Dit is een mooie jonge luisteraar op schoolniveau. Een aantal weken geleden had ik een ouderavond. Toen ging ik naartoe van, ik ben heel benieuwd hoe vaak het woord AI langskomt en hoe de school daarnaar kijkt. En na drie kwartier luisteren werd de vraag gesteld, heeft nog een ouder een vraag? Ik zou, ja, ik heb een vraag. Hoe ziet jullie AI visie en beleid eruit? Want ik heb het woord AI nul keer gehoord. En toen verwezen ze me heel vriendelijk door naar degene die de teamleider van de verschillende HAVO klassen in dit geval was. Want ze hadden eigenlijk zelf ook het antwoord niet. Iedereen deed niks of iets ermee. Toen heb ik dezelfde vraag aan gesteld. En die begonnen eigenlijk gelijk in een soort weerstand van, ja, we letten veel op dat ze het niet gebruiken om plagiaat te plegen. Ik zei, stop, het is niet de discussie die we moeten hebben. Ik zei, hebben jullie er ook al nagedacht hoe je de kinderen kan helpen met hoe ze AI gaan inzetten voor bijvoorbeeld het helpen van hun huiswerkplanning? Voor het voorbereiden van toetsen, hoe je dingen kan samenvatten, et cetera. Oh, oh, oh, kan dat allemaal met AI? Ja, dat kan allemaal met AI. Dus op het moment dat we de kinderen meenemen in hoe ze het op een goede manier kunnen gebruiken. En zelf ook sneller tot betere dingen kunnen komen. Ja, dat is echt nodig. En dan worden ze niet lui. Nee. Op het moment dat we ze... En diezelfde discussie gaat denk ik voor, wat we natuurlijk in de opkomst van Facebook en Instagram en TikTok veel in bedrijven hebben gezien. Nou, laten we die stagiair of die jonkie, laten we die maar dat een beetje uitvinden. Ja, dat zie ik wel echt falikant misgaan in deze tijdstippen als we dat met AI ook doen. Sterker nog, ik zie AI het meest geschikt voor mensen met veel expertise en ervaring. Die kunnen namelijk de juiste vragen stellen. Die kunnen op de juiste manier trainen. En die kunnen de output die AI geeft op een juiste manier beoordelen en doorvragen om het beter te maken. Iemand die dat expertise en ervaring niet heeft, die gaat ervan uit dat de output die AI geeft de waarheid is. En dan word je wel lui op het moment dat je het op die manier gebruikt. Ja, dat vind ik een mooie. En als je dat nou ook kijkt naar de medewerkers die nu met jouw AI-medewerkers werken. Hoe zou je dat dan karakteriseren? Zijn die luier geworden in de uitbesteding van dat werk wat ze gedaan hebben? Of zie je daar juist iets heel anders in? De kwaliteit gaat omhoog. Omdat ze meer tijd hebben om de fine-tuning van de output van een AI beter te maken. Dus zij zitten veel minder op dat eerste 80% van de werkzaamheden. Maar kunnen meer besteden aan de 20% om dat veel beter te krijgen. Ja, mooi. Lijkt me een hele goede... Toch? Ja. Nee, ik ben nog niet naar huis. Ja. Nou, ik zit nog steeds helemaal van... Ik ben er bijna een beetje om in de zin van dat niet vermenselijken. Omdat je... Je hebt zo'n goed uitgangspunt genomen van eigenlijk het opstellen van een profiel. Wat maakt het in principe uit of zo direct een AI het voor je uitvoert of dat je inderdaad iemand zou hebben aangenomen die je dan ook voor je uitvoert. Want uiteindelijk besteed je dan ook werk uit. En het werk wat je terugkijkt, krijgt, beoordelen je uiteindelijk ook op kwaliteit en op output en of dat voldoende is. Alleen zet je daar nu technologieën voor in. Ik sluit ook niet uit dat we in de nabije toekomst, dat je gewoon een ZGPT bijvoorbeeld of een andere tool waar je nu gewoon een fixed fee per maand voor betaalt, dat je die gaat betalen op de taak die uitgevoerd wordt. Op het moment dat die AI agents komen die echt dagen of weken lang een bepaalde opdracht kunnen uitvoeren. Dat op basis van die opdracht, dat daar een waarde aan gegeven gaat worden. Dus output gebaseerd werken van de AI. Ja, wat ik ook wel mooi vind is wel de benadering niet als de systeem, als de alwetende mens. Want dat is hoe we het vaak zien, de alwetende. Maar vooral, je hebt gewoon specialisten. En dat is dan de vermenselijking van de rol en de persoon. En voor die werkzaamheden werkt deze technologie goed. En ik denk dat dat wel een belangrijk onderscheid is van het alwetende systeem die alle antwoorden kan geven naar specialisme. Ik denk dat dat wel een belangrijke nuance is. Ja, ik denk het ook. En er wordt ook natuurlijk, kijk als we het over AI hebben, hebben we het vaak ook over ethische aspecten. Heeft dat, zeg maar welke ethische afwegingen hebben bij jullie een rol gespeeld in de inzet van dit soort AI agents? De mens belangrijk houden. Goed kijken naar de rolverschuiving van mensen. Niemand weet het, hoe dat precies eruit gaat zien de komende jaren. We weten wel dat het snel gaat en dat er verandering zit. Dus ik zit heel erg op die menskant. Op dit moment en voorlopig zal de mens ook zeker nog een belangrijke rol in samen met AI hebben. Dus ik zie het echt als gewoon een soort, je gaat naar een hybride samenwerking toe tussen mensen en AI. En die verschuift in tijd waarbij AI beter in staat is om meer dingen van mensen te doen die we nu doen. Waarbij de mens verschuift naar dingen die we nu niet doen. En denk je ook dat we als mens misschien ook onze werkzaamheden en communicatie gaan aanpassen aan de machine? Het is in plaats van andersom. Dus we hebben nu technologie die best wel heel menselijk communiceert. Denk je dat wij misschien ook een klein beetje gaan opschuiven naar die machine toe? Kan je een voorbeeld geven? Ja. Wat ik zelf merk bijvoorbeeld, is dat als ik met een spraakassistent praat. Bijvoorbeeld met mijn telefoon. Daar praat ik anders mee dan tegen mijn partner. En laat ik zeggen, tegen mijn partner praat ik in meer vol zinnen en aardiger. Het is mijn vrouw. Mijn vrouw krijgt niet de opdrachten zoals mijn spraakassistent. Zet de wekker. En dat soort... Je kapte waarschijnlijk ook niet halverwege de zin af als je bij de verkeerd gaat. Ja, precies. Hoop ik. Dus je krijgt... Het gekke is, weet je, omdat we gaan daartegen praten. We schrijven. Ik weet niet hoe het bij jou zit. Maar ik schrijf best wel heel zakelijk kort in bullet points eigenlijk tegen een ChatGPT of een Claude. Dus ik verschuif zeg maar naar hoe ik denk. Dat het model werkt en hoe die reageert. Dus dat verandert wat in mijn communicatie. Ja. Is dat een beetje een voorbeeld? Met deze uitleg denk ik... Ja. Maar eigenlijk komt dat terug op het samenwerken met AI. Dus je hebt verschillende AI-collega's. Daar werk je net zoals normale mensen. Op verschillende manieren werk je daar het beste mee samen om de beste resultaten te krijgen. Maar ja, we zullen zeker veranderen in ons gedrag richting AI toe. En dat zie je eigenlijk nu al gebeuren. Twee jaar geleden kijken, dan was AI een soort schande nog. Je schrijft toch geen dingen met AI. Belachelijk. Dat gaat niemand doen. Maar het levert nog best wel een beetje. Dat het als een soort van... Ik denk zeker in de marketing en mensen die gewend zijn om te schrijven. Dat het nog best wel redelijk vaak aangemerkt wordt als een soort van valsspelen. Ja, met name door de auteurs die het vak schrijven hebben. Daar hoor je dat meer. Alhoewel die ook nu wel vaak zeggen... Ja, mijn writer's blog heb ik niet meer. Het is heel fijn om toch een eerste aanzet te krijgen van een AI collega. Of een AI die daar een eerste opzetje kan doen. Maar als je bijvoorbeeld... Als je breed kijkt naar afbeeldingen, video en tekst. Even die drie. Je ziet steeds meer visuals voorbij komen. Steeds meer video's voorbij komen. En in het begin kijk je heel erg... Ah, dat is AI. Dat is nep. Hoe vaak zeg je nu nog dat je het lang ziet komen dat het nep is. Je zegt... Oké, ik zie dat het AI is. Maar vind ik het erg? Ik vind het eigenlijk wel prima. Het ziet er toch goed uit. Dus de adoptie van dat het met AI gebeurt... Wordt steeds kleiner. En straks kunnen we het helemaal niet meer zien. Je ziet nu al soms afbeeldingen en video's dat je denkt... Nou, ik moet wel echt heel goed kijken. Wil ik nog het verschil zien. Ja. En met teksten... Ja, de detectietools die zijn ook niet waterdicht. Nee, zeker niet. Dus dat verschil wordt steeds kleiner. Ja. En ja, het gaat ook om de inhoud. Dus daar gaan we dan misschien weer naar terug. Ja, eens. Ik denk, als je een goed stuk tekst kan maken met AI. En dat is gewoon een goed stuk tekst. Wat mensen fijn vinden om te lezen. Wat interessant is. Wat maakt het nou uit of het door iemand op een typemachine gedaan is. Of in Word geschreven is. Of dat een AI daar een rol heeft gespeeld. Ja. Nee, me eens. Wat ik wel heb. Niels deed net even zeg maar als een soort van grap van moet je een beoordelingsgesprek gaan hebben met je AI werknemer. Maar eigenlijk is het nog helemaal niet zo'n gekke vraag. Want het gaat er natuurlijk om van je krijgt een verschuiving zo direct. Jullie beginnen met data. Je hebt bepaalde taken. En dat kan natuurlijk door de tijd gaan veranderen. Dus hoe weet je zo direct dat de AI zeg maar bijgetraind moet gaan worden. Anders andere taken moet gaan krijgen. Ben je daar eigenlijk al tegen aangelopen? Nu nog niet. We zitten nog niet in die fase. Ja. Maar ik vind het een heel interessant punt. En het sluit eigenlijk wel goed aan op de impact scan. Oké, dus je hebt in die impact scan maken we een analyse van de verschillende taken die er zijn die door AI overgenomen kan worden. En eigenlijk het beoordelingsstuk daarvan in verschillende periodes is een hele goede om toe te voegen. Zeggen oké, voldoet dat doen. En dan kan je het naar de personalisatie, de verpersonalisering maken. We maken er een soort POP-achtig gesprek van. Je moet in ieder geval weten wanneer data, functies en de tools niet meer op elkaar aansluiten. De AI is niet, die heb je eenmaal getraind en die kan het nu voor vijf jaar. Doet die precies wat je nu gevraagd hebt? Nee, dat zien we nu in de praktijk nog helemaal niet eigenlijk. We zitten nu volop in de praktijk. We vinden zelf een goede versie 0.9, laten we maar zo zeggen. En wat het leuke dan in het team is ook wat je ziet. Iedereen wordt creatiever in hoe kan dit beter worden? Als we naar dat datapunt toevoegen of als we dat nog toevoegen. We hebben nog daar een best practice. Waar gaan we die vandaan halen? Dus je ziet eigenlijk op dit moment in ons team een continue focus van het verbeteren van de output van een AI-collega. Ja, mooi. Want je zei helemaal in het begin, je hebt er nu vijf. En er liggen wat ideeën, er liggen misschien wat stagiaires achter de schermen. Wat is voor jullie een criterium om te zeggen van, nu maken we er een volwaardige agent, een volwaardige collega van? Op het moment dat we het, en we gebruiken het zowel intern als extern. Met name als we het als onderdeel van de dienstverlening naar klanten kunnen aandragen. Omdat de interface ook heel belangrijk is eigenlijk. En dat is een belangrijk criterium. Dat we zeggen, het moet nu echt een AI-collega hebben. Je kan natuurlijk ook een maatwerk GPT maken. Of een project in Claude. Of een gem in Gemini. Gewoon een stukje maatwerk. assistent zeg maar te hebben. Dat is voor ons nog niet direct de eerste instap om te zeggen, oké, dat moet dan een AI-collega worden. Op het moment dat hij echt een vast omlijnde rol gaat uitvoeren. In een workflow van verschillende stappen. Waar we allerlei datapunten continu vernieuwd moeten hebben. Waar we een eenvoudige interface willen hebben. Waar we een onafhankelijkheid van de tool willen hebben. Aan de voorkant. Dat zijn criteria eigenlijk. Nu gaat het echt een AI-collega worden. Dus dan gaat hij van traineeship naar een volwaardige collega. Ja, van experiment. Ik denk eigenlijk van experiment naar serieuze rol. Vast in het proces. We hebben een kaartspel ontwikkeld met allerlei stellingen. Rondom vraagstukken die leven bij bedrijven. En we willen zo'n stelling ook bij jou voorleggen als dat mag. Ja, zeker. Ik heb hem zoals je gezien hebt geschud. Ja, ja. Deze is naar boven gekomen. Het valt in de categorie risico's en uitdagingen. En de stelling die we hebben is generatieve AI-systemen zijn vatbaar voor hacks. En kunnen grote veiligheidsrisico's vormen als ze niet goed worden beveiligd. Zeker. Helemaal eens. En het wordt alleen maar... In Europa zijn we nog redelijk strenge wetgeving. Dus we lopen eigenlijk in alle mogelijkheden zo'n beetje achter op de rest van de wereld. Het biedt ons wel een mate van meer veiligheid op in ieder geval de systemen die er zijn. Maar ja, het is heel vatbaar voor hacks. Ik denk een goed voorbeeld is SearchGPT van OpenAI, wat vorige week geïntroduceerd is. Hetzelfde als het SEO-tijdperk. Er gaan allerlei hackers komen die een beetje de trucjes gaan uitdokteren hoe ze de AI-optimalisatie voor dat soort chatbots kunnen realiseren. Waarbij je op het moment dat steeds meer mensen daarop gaan vertrouwen als dat is de juiste output. En ik klik niet meer door om te kijken naar de bron. Dan zit daar wel een groot risico. En natuurlijk het trainen van privacygevoelige data. Soms verbaasd hebben we nog dat er zo weinig om bekend is. En daarom is een van onze stappen training en educatie cruciaal in je organisatie. Laten we er maar vanuit gaan dat je collega's, dat iedereen gewoon AI gebruikt. Of privé of zakelijk. Of je het nou wel of niet weet. Ga er vanuit dat iedereen het doet. Als je niks met elkaar hebt afgesproken. Geen AI-beleid hebt. Niet intern. Hoe je het gebruikt. Hoe je het ook niet gebruikt. En hoe je het naar extern gebruikt. En hoe je het communiceert. En vervolgens echt goede training en educatie op individueel taakrolniveau gaat hebben. Dan doen mensen maar wat. En dan heb je dus ook het risico dat mensen waarvan jij misschien wel weet. Goh. De vrije versies van dat soort AI-tools. Die gebruiken je data om te trainen. Kan het zijn dat een collega dat niet weet. Die gewoon af en toe is een heel simpel vraagje. Die stelt bijvoorbeeld. En die denkt ineens. Oh, ik kan er ook een contract mee aan maken. Dat is handig. Ik kwam laatst iemand tegen. Die zei. Michiel, fantastisch. Moet je kijken. Ik heb deze hele overeenkomst gemaakt. Zo. Top. Welke informatie heb je als input gegeven dan? Nou ja. De bedragen. De lening. De bedrijfsgegevens. Alles en nog wat. Oké. En heb je dat in het open model gedaan dan? Ja. Weet je niet dat dat gebruik je voor trainingsdata? Oh shit. Ja. Ik zei. Ja. En dat was dan echt wel iemand dat ik dacht. Nou die weet dat. Daar ga je van uit. Maar ga dan even van uit dat mensen het niet weten. En ga echt goed trainen. Het is niet een word die je opent. En waar je allerlei functies hebt die je kan gebruiken. Het gaat veel verder. Het kan veel meer. En de data wordt op een hele andere manier gebruikt. Dus ja. Kwetsbaar voor hacks. Absoluut. Als je niet start met goede training en educatie op rol, taak, functieniveau. Dan sta je open voor enorme problemen in je organisatie. Ja. Helemaal mee eens. En dat is ook een van de redenen waarom wij dit kaartspel hebben ontwikkeld. Om dit soort stellingen eigenlijk met elkaar te bespreken. Om erachter te komen van. Weet je. Zijn we hier klaar voor? Welke acties zouden wij dan eigenlijk moeten uitvoeren? Denken we er allemaal hetzelfde over? Dus als je wil. Als luisteraar kan je dit kaartspel bij ons gratis bestellen. Wordt het gewoon bij je thuis bezorgd. Of op je werk. Net waar je wil. Linkje staat in de show notes. Dus in die zin. Ik heb nog één vraag aan je. Ja, natuurlijk. Op dit stuk. Als ik nu in de praktijk kijk naar de meeste bedrijven die ik spreek en zie. Durf ik te stellen dat vrijwel geen bedrijf echt klaar daarvoor is. Er is geen AI beleid. Er wordt amper getraind. Er worden geen impact scans gemaakt. Er is geen werkgroep tussen de verschillende afdelingen. Die AI visie en beleid in de organisatie doet. Dat is even mijn NS1 standpunt. Ik ben heel benieuwd. Jullie komen natuurlijk ook veel bedrijven tegen. Zeker. Delen jullie die mening? Zien jullie andere ontwikkelingen? Ja, het hangt een beetje van de bedrijven af. Maar wat je wel ziet. Is dat er is geen rode lijn of zo. Of een lijn te trekken in. Ja, maar enterprises hebben dit bijvoorbeeld wel voor elkaar. En MKB niet. Het hangt heel erg eigenlijk af. Ik zou haast zeggen. Het voorbeeld wat jij had met de school. Is er iemand in het bedrijf, in de organisatie, die zich daar wel of niet heel erg druk over maakt? En als je die wel hebt. En dat kan een privacy officer zijn. Dat kan het management zijn. Dat kan de directie zijn. Dat kunnen medewerkers zijn. Als je dat hebt, zeg maar. Is het een soort van kracht van binnenuit die ervoor zorgt dat het er wel komt. Als je die blijkbaar niet hebt. Dan krijg je de situatie waar jij beschrijft. Dan wordt er maar van alles en nog wat gedaan. Waarbij de makkelijkste is dat er een verbod wordt uitgevaardigd. Waarbij dan gedacht wordt dat mensen zich daar dan ook aan houden. Ja, maar dan nog steeds met één of meerdere mensen in je organisatie die er wel een soort van passie op hebben. Blijft het vaak in een experimentniveau. En als je niet met een beleid aan de gang gaat. Geen werkgroep hebt. Waarbij je het ook formaliseert. En daar ook gewoon vanuit een ondernemerschap de tijd voor maakt. Je moet je team. Je moet niks. Maar je moet wel. Je moet wel. Het slaagt in je organisatie. Op het moment dat je de ruimte en tijd gaat benoemen en geven aan mensen. Om hier ook echt tijd in te besteden. Aan research and development. Om een werkgroep op te zetten. Om werksessies met elkaar te hebben rondom AI. Om te experimenteren. Om echt te gaan implementeren. Wat mij opvalt is dat er echt organisaties zijn waarbij er nog geen management aandacht is voor dit onderwerp. Waarbij inderdaad gezegd wordt. Of ze laten dat werknemers gewoon uitzoeken. En dat is toch een beetje de tussen aanhalingstekens. Je belegt dat bij de stagiair of de beginner. Het is dat je als IT manager. Of als innovatie manager. Of directielid. nog zelfs niet eens geproefd hebt aan de technologie. Van wat kan het. Wat kan het niet. Je niet hebt laten informeren over kansen. Risico's. Hoe kun je dan besluiten nemen. die een positief impact hebben op je bedrijfsvoering. Dat begrijp ik regelmatig niet. Toch zie ik. Toch even vanuit mijn perspectief te beantwoorden. Ik zie wel de goede ontwikkelingen. Het wordt vaker gevraagd. Er is genoeg aandacht binnen organisaties. Dat er wel stappen gezet worden. Het verschilt heel erg per organisatie. En inderdaad. Dat is ook mijn observatie. Het is niet de enterprise of de kleine organisaties. Het is overal. Doen ze het wel half of niet. Maar ik zie wel steeds meer bedrijven hier echt goede stappen opzetten. Maar ja. Dat verschilt. Is dat wetgeving? Is de initiator? Zijn het de mensen met passie? Heb je toevallig iemand in het MT zitten die daar heel veel passie voor heeft? En op die manier. Eigenlijk maakt het me niet uit welke manier. Maar dat we elkaar erop moeten wijzen. Is denk ik het belangrijke punt. De urgentie mag denk ik wel omhoog. Ja. Dat denk ik ook. Als je nou onze luisteraars een tip zou mogen geven. Die zetten ze direct. Zetten zij deze podcast af. Wat zouden zij nou als eerste moeten doen. In jouw beleving. Om een stap verder te komen. In de toepassing van deze technologie. Goed hun eigen rol en taken gaan beschrijven. Wat doe je nu gewoon dagelijks? Welke taken ben je bij betrokken? En uit welke stappen bestaan die taken? Wat vind je? Wat is repeterend werk? Wat vind je wat minder leuk werk? En hoe zou jouw rol eruit zien als je een heel veel van dat soort dingen niet meer hoeft te doen? Maar waar een AI je bij kan helpen. Een AI collega. Hoe zou zo'n samenwerking dan uitzien? Dat als vertrekpunt gaan gebruiken om met AI aan de slag te gaan. Mooi. Ja, lekker praktisch inderdaad. En dan ook denk ik, bedoel je daarmee, er komt tijd vrij. Wat zijn taken die je misschien nu niet oppakt, die je dan zou oppakken waar je nu niet aan toe komt? Die misschien niet direct in je rol nu zitten. Ja, dus hij zit op twee assen. Aan de ene kant tijd vrij maken door repeterende zaken of andere dingen die je minder leuk vindt. Samen met een AI sneller en beter te kunnen doen. Maar ook echt zware focus op wat kan ik dan anders en beter en vernieuwend doen. Hoe kan ik veel innoverender bezig zijn? Doordat ik tijd vrij krijg en doordat wellicht AI daar ook een rol in kan spelen. Dus zowel effectiviteit als innovatie. Ik neem in ieder geval mee dat je eigenlijk ook begint bij het beschrijven van een profiel. Hoe zou iemand eruit moeten zien die een deel van je werk overneemt? Ja, goeie. En ik neem mee, we gaan dadelijk ook beoordelingsgesprekken hebben, versies. Hoe ga je verder? Gaat het nog goed met je? En wat moeten verbeteren? De pop voor AI. Geweldig. Nou, Michiel, ontzettend bedankt voor je inzichten. Ja, zeker. Misschien toch nog om af te sluiten. We hebben iedere keer geroepen, vermenselijk het niet, vermenselijk het niet. Jij hebt ons echt aan het denken gezet. Dank daarvoor. Dank je wel. Succes. Leuk dat je weer luisterde naar een aflevering van ENTD Live. Wil je nou op de hoogte blijven van alle nieuwe ontwikkelingen? Zorg dan dat je je abonneert via je favoriete podcast app. En als je ons zou willen helpen, zowel bij Apple als bij Spotify, kun je sterren uitdelen. En ja, dat helpt enorm. Plus, wij vinden dat erg leuk om te zien. Dus denk er eens even aan als je hem nu uitzet. Dankjewel. Dankjewel. [Muziek] [Muziek]