Waarom GPT-5 me koud laat (en jou waarschijnlijk ook)

Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live. Mijn naam Joop Snijder, CTO bij Aigency. En ik ga toch wat zeggen over GPT-5. Ik wilde eigenlijk helemaal niets zeggen over GPT-5. Het nieuwe model van Open AI is nu ruim een week uit en social media staat er vol mee. Analyse, meningen, vergelijkingen, het houdt niet op. Maar er is iets opmerkelijks aan de hand, want mensen zijn teleurgesteld. Sterker nog, ze willen massaal terug naar GPT-4o. Dat zou je ook niet zijn ontgaan. Maar daar zit een belangrijke les in voor iedereen die met AI werkt. En een les voor de leveranciers. En niet om de redenen die je denkt, maar omdat ze onbewust een fundamentele waarheid over taalmodellen hebben ontdekt. Een waarheid die misschien de industrie wel op zijn kop gaat zetten. Maar even terug. Vorig jaar november verspelde ik dat GPT-5 op dat moment nog niet zou komen. En niet omdat OpenAI het technisch niet zou kunnen, maar de redenering was toen dat het nog lang niet alles uit de huidige modellen hebben gehaald. Kijk, we weten nog zo weinig over wat er precies in deze modellen zit. Dus voor GPT-5 en dan niet technisch gezien, maar juist praktisch. Hoe krijg je de beste resultaten? Welke aanpak werkt het best voor jouw specifieke situatie? De beperkende factor zit niet in de kracht van de modellen, die zit in onze eigen fantasie. Je zou kunnen zeggen, we rijden nu met een Ferrari naar de supermarkt. We hebben er een boodschappenwagentje van gemaakt, terwijl het zoveel meer kan. En een paar afleveringen terug besprak ik bijvoorbeeld de Chain of Draft methode. En dat is een nieuwe manier van prompten die tot 90% minder tokens gebruikt, maar dezelfde resultaten levert. En dat ging nog over die oude modellen. En daaraan zie je dat dit soort technieken zijn we nog aan het ontdekken op de oude modellen. Zonder dat we weten wat er allemaal nog mogelijk is en wat er allemaal opgesloten zit in die oudere modellen. Ik heb het nu over oude, maar goed, vorige week. En er is natuurlijk de mythe van de grote sprong. Mensen verwachten magie van GPT-5. Onrealistisch natuurlijk. De sprong van GPT-2 naar GPT-3 was waanzinnig groot. En van 3 naar 4 was ook indrukwekkend. Maar vanaf nu worden er steeds kleinere stappen. Open AI heeft verschillende modellen, redeneermodellen, beeldgeneratoren, kleinere varianten. Allemaal onder één paraplu gebracht. En ze allemaal een klein beetje verbeterd. Maar is dat revolutionair? Ik denk van niet. Kijk, Anthropic die bracht een aantal weken geleden een nieuw model Opus 4.1 uit. Zonder enige ophef. Want ik denk dat zij het wat beter begrijpen. Dit zijn namelijk incrementele verbeteringen. Geen doorbraken. En zolang er namelijk geen nieuwe aanpak komt om een fundamenteel niveau. Hoe we naar dit soort modellen kijken, blijven de stappen klein. Maar hier komt het interessante deel. Van waarom willen mensen dan wel zo graag terug naar GPT-4o? Ik denk dat het komt omdat je al een jaar met dat model werkt. Het is nu een jaar uit ongeveer plus minus. Ik heb het niet opgezocht. Maar je hebt er dus al een hele tijd mee gewerkt. Je kent de nukken. Je weet wat het goed kan en waar je moet bijsturen. Het is als een collega waar je vertrouwd mee bent geraakt. Je spreekt dezelfde taal. En dan komt er ineens een vervanger. OpenAI zegt dat deze slimmer is. Van een college student niveau, zoals zij dat noemen, naar een PhD niveau beweren ze. Maar wat heb je daar nou aan als je weer helemaal opnieuw moet leren communiceren? Ik had het zelf laatst ook. Dus van de week natuurlijk ook van alles geprobeerd. En dan krijg je een simpele vraag, wordt toch het reasoning model getriggerd. Of ik kreeg juist korte antwoorden, terwijl ik een uitgebreide analyse wilde met juist wel een reasoning model. En met GPT4o wist ik precies hoe ik dat moest aanpakken. Nu moet ik gewoon weer opnieuw beginnen. Nou, en ik heb ook gewoon mijn eigen reality check. We kunnen bijvoorbeeld even kijken naar onze podcastproductie. We gebruiken namelijk taalmodellen voor de automatisering, transcripties, samenvattingen, onderzoekswerk, van alles en nog wat. En nou ja, een van de modellen die we daarvoor gebruiken, GPT-4o-mini. De kleinste variant. En in een aflevering van vorig seizoen vertelde ik al over de kracht van deze mini-modellen. Ze zijn snel, vaak goedkoop en onze prompts zijn geoptimaliseerd en de resultaten consistent. Dus waarom zouden we dan gaan upgraden? Voor welk probleem is GPT 5 dan de oplossing? Nou en persoonlijk, ik heb het gelukt dat ik mijn eigen tools kan kiezen. Om bij te blijven gebruik ik verschillende platforms, want ik moet gewoon weten wat er speelt. Maar voor mijn dagelijks werk, ja, ik gebruik liever Claude van Anthropic. En dat is mijn persoonlijke voorkeur geworden. Net zo goed als andere andere persoonlijke voorkeuren hebben gekregen. Maar die persoonlijke voorkeur is toch wel belangrijk. En in dit geval helpt het omdat de manier waarop Claude redeneert, communiceert, past bij hoe ik werk. Dus waarom zou ik overstappen naar GPT 5? Alleen omdat het nieuw is. Kijk, als je in een organisatie zit waarin je verplicht bent om met je GPT te werken, dan heb je daar gewoon geen keuze in. Maar het blijft dat het lastig is dat je opnieuw moet leren met het nieuwe model te communiceren. OpenAI beweert dat GPT-5 beter presteert op verschillende benchmarks. Klopt, maar er zijn ook benchmarks waarop het slechter scoort dan GPT-4o. En ik moet je zeggen, ik heb me er dit keer niet eens echt in verdiend. En waarom niet? Omdat het gewoon minder interessant is. Het is veel interessanter om na te denken over wat we uit de bestaande modellen kunnen halen. Zoals ik in een eerdere aflevering al besprak, de toekomst ligt namelijk niet in steeds grotere modellen, maar in gespecialiseerdere, efficiëntere varianten, denk ik dan. Dus modellen die specifiek zijn afgestemd op bepaalde taken. Maar goed, wat is nu dan de toekomst van de AI-releases? Want dit wordt namelijk een interessante vraag voor de hele industrie. Open AI had deze tegenvallende reacties natuurlijk helemaal niet verwacht. En de concurrentie kijkt mee en die leert. Het tijdperk van de grote gehypte releases is hiermee voorbij. We gaan naar een fase van subtiele verbeteringen, specifieke optimalisaties en hopelijk juist betere integratie met allerlei tools en externe systemen. Leveranciers zullen voorzichtiger zijn met het ophypen van deze nieuwe modellen. En ze zien wat er gebeurt als de verwachtingen te hoog gespannen zijn. En misschien is dat maar goed ook, toch? Want ja, de echte vooruitgang zit niet in een nieuw modelnummer. Die zit in het beter begrijpen en gebruiken van wat we al hebben. Oh ja, en trouwens over discussies over Artificial General Intelligence, waar ik sowieso al helemaal klaar mee was, die mogen we nu wel definitief de prullenbak in gooien, toch? Dus als de stappen zo klein worden met de huidige technologie, dan is dat science fiction verhaal voorlopig wel van de baan. Maar goed, wat zouden we er nu zelf van kunnen leren? Dus wat betekent wat er gebeurd is nou voor jou? Wat mij betreft, weet je, stop met wachten op het volgende grote model. Stop met denken dat de nieuwste versie al je problemen oplost. Begin gewoon met leren werken met wat je hebt. Optimaliseer je prompts. Gebruik de mogelijkheden en beperkingen. Bouw expertise op. Net als investeer tijd in het perfectioneren van je huidige werkwijze. Want de organisaties die straks het verschil maken met AI, die zijn niet degene met het nieuwste model. het zijn degene die het beste uit hun tools weten te halen. In de show notes vind je nog vijf aanvullende afleveringen die uitdiepen hoe je het maximale uit je huidige modellen haalt. En bedenk, AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past. Dankjewel weer voor het luisteren. Tot de volgende keer!