Vertrouwen als sleutel voor succesvolle AI-implementatie

In deze aflevering hoor je Anna van den Breemer en haar collega Rosa Eggink, beide werken ze voor EY. Ze vertellen je over hoe vertrouwen de sleutel is voor succesvolle AI-implementaties in organisaties. Daarnaast delen Anna en Rosa concrete inzichten over de balans tussen innovatie en verantwoordelijkheid, waarbij ze uitleggen waarom de Europese soevereiniteit in AI steeds belangrijker wordt en hoe bedrijven we praktisch kunnen starten met Responsible AI zonder verstrikt te raken in perfectionisme. Dus blijf luisteren! Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Mijn naam is Joop Snijder, CTO bij Aigency. Mijn naam Niels Naglé en Area Lead Data & AI bij Info Support. Leuk, want we hebben vandaag twee gasten in de studio. Anna en Rosa. Anna van den Breemer, zou je jezelf eerst even willen voorstellen? Ja, zeker. Goedendag allemaal. Mijn naam is Anna van den Breemer. Ik werk bij EY als adviseur rondom AI en digitale transformatie. En heb een achtergrond bij Microsoft. Daar heb ik de afgelopen tien jaar gewerkt. En daar zat ik in het directieteam van de publieke sector. Mooi. En jij Rosa? Ja, ik werk eigenlijk net als Anna ook bij EY, maar dan binnen ons AI Lab. En daar ben ik eigenlijk een van onze adviseurs die klanten helpt om van idee naar volledige transformatie te gaan. En wat ik begrepen heb is, jullie hebben beide een passie voor Responsible AI ook. Zeker. Ja, ontzettend. En daar wilde ik eigenlijk meteen mee in huis vallen. Wat is eigenlijk Responsible AI? Volgens jullie. Ik denk daarbij dat je heel vaak hoort mensen die praten over AI for good. En dat vind ik een hele mooie term. Omdat je daarmee kijkt naar maatschappelijke impact maken. Maar ik denk als je kijkt naar de volledige term van Responsible AI. Is het niet alleen AI for good. Maar het gaat ook veel meer om hoe zorgen dat de AI die we maken. Verantwoord is en rekening houdt met iedereen. En zorgen dat het doel bereikt dat we willen bereiken zonder negatieve nevenconsequenties te hebben erbij. En hoe zorg je ervoor dat je geen negatieve neveneffecten hebt? Ja, ik denk dat het daarbij eigenlijk heel erg begint met wat is er nou voor je belangrijk als organisatie. En dat kan heel erg verschillend zijn ook per persoon. Maar het gaat eigenlijk terug naar de basis van welke waarden zijn er voor jou belangrijk. En daarom zie je heel veel organisaties tegenwoordig met responsable principes. En dat vormt wel echt het fundament. En daarbij is het denk ik wel essentieel. Als je kijkt naar oké, maar binnen onze organisatie. Wat is er nou voor ons echt belangrijk? En wat zijn nou echt die principes. Eigenlijk het fundament wat we willen borgen. Wanneer we gaan innoveren. En dat kan gaan van inclusiviteit naar security. Maar bijvoorbeeld ook zaken als sustainability. En ik denk als je echt naar responsable jij kijkt. Is het echt oké. Vanuit die principes. Hoe neem je dat nou mee in het hele proces van AI uiteindelijk? En daar ben ik bij jou Anna wel benieuwd. Met jouw ervaring van Microsoft. Wat heb je daarvan meegenomen? Vooral vanuit die functie die je daar had. Wat je nu aan het doen bent op dit gebied van Responsible AI. Ik denk dat het kernwoord vertrouwen is. En waar het gaat over innovatieve technologie. Als je wil dat dat. Ik denk dat we allemaal wel geloven in de potentie. De potentie van AI of andere innovatieve technologie. Maar het valt of staat bij gebruik. En als ik dan even terugval op het MIT-rapport van afgelopen maand. Waarin wordt aangegeven dat 95% van de investering in AI op dit moment nog niet resulteert in de juiste ROI. Dan heeft dat eigenlijk met twee dingen te maken. De eerste is schaal. Namelijk, er wordt heel veel aan PoCs gedaan als het gaat om AI. En er wordt heel veel geëxperimenteerd. Maar het lukt eigenlijk niet om het op schaal uit te rollen. En dat heeft onder andere te maken met vertrouwen. Want op het moment dat er geen vertrouwen is in de technologie, in de uitkomst van de technologie, in hoe je het gebruikt of je je medewerkers ermee kan vertrouwen, dan ga je het ook niet op grote schaal kunnen uitrollen. En ik heb dat ook vanuit Microsoft, meer dan tien jaar geleden kwam de opkomst van de cloud. Daar zijn we door dezelfde journey heen gegaan als dat je nu met AI zit en dat ging ook over vertrouwen. Ja, en dat ging over vertrouwen van het veiligstellen van je data of dat veilig genoeg is in de cloud. Ja, en dat heeft heel veel met transparantie te maken. Kan je als tech-organisatie goed uitleggen wat er precies gebeurt? Durf je daar ook heel transparant over te zijn? En ik denk dat dezelfde vraag ligt er nu bij AI. Ja, en vind je dat de grote tech-bedrijven daar op dit moment goed mee bezig zijn? Met het geven van die transparantie? Dat proberen ze zeker. Als je natuurlijk ziet wat er nu gebeurt met de veranderende wereldorde. En ook het sentiment ten aanzien van de big tech. En de grote druk die er komt om toch meer soeverein te ontwikkelen. Is het antwoord van de big tech. Om te zeggen van ja maar we willen heel transparant zijn. We willen garanties geven. En commitments geven om te zorgen dat de angst die er is. Ten aanzien van wat nou als Amerika toch in mijn data kijkt. Of wat nou als de stekker eruit trekken. Of dit gaan gebruiken als onderhandelingspositie. Om eigenlijk de waarborgen te geven dat men zich daar geen zorgen over hoeft te maken. Maar die harde commitments kunnen maar tot zover gaan, want we zitten gewoon met wettelijke kader. Ja, wat ik me dan afvraag is vertrouwen. Daar zitten verschillende aspecten aan. Ik hoor je er eentje zeggen voorspelbaarheid. Wat zijn nog meer aspecten die komen kijken bij zo'n transitie in vertrouwen? Voorspelbaarheid, maar zijn er nog andere karakteristieken waar we dan rekening mee kunnen houden? Ten aanzien van AI is het natuurlijk een hele belangrijke. Dat de uitkomst van de AI. Als het moment dat daar beslissingen mee worden genomen. Die heel belangrijk zijn in je proces. Bijvoorbeeld voor overheden. Maar ook voor financiële instellingen of andere zakelijke gebruikers. Dan moet je zeker weten dat wat er uit die AI, uit die black box gekomen is. Dat dat de juiste informatie is. Dus kwaliteit, voorspelbaarheid, dat soort aspecten. We zaten net van tevoren samen zitten te lunchen. Om het even duidelijk te maken voor de luisteraars. En hebben het gehad over de investering van ASML in Mistral. Hoe kijk jij daar Rosa naar? Gaat dat ook over vertrouwen denk je? Ik denk het zeker wel. Want eigenlijk wat je nu heel erg ziet vanuit ASML. Is dat ze een keuze maken juist voor Europese AI. In tegenstelling tot Amerikaans. En dat geeft natuurlijk wel een teken af. Het is ook geen kleine investering. Dus ik denk dat dat ook wel een teken afgeeft naar Europa. Dat grote organisaties binnen Nederland. Maar ik denk wel een van de grootste die we hier natuurlijk hebben ASML. Dat die toch ook wel echt bereid zijn om te investeren in de Europese AI. En wat betekent dat dan voor andere bedrijven? Gaan die dan daar ook involgen? Of gaan we dan toch nog verder met eventueel zelf ook echt Europese AI weer verder ontwikkelen. Vanuit de overheid bijvoorbeeld. Ik denk dat dat wel een hele hoop ook teweeg gaat brengen daarin. Ik ben even vergeten te zeggen, Mistral is het open source, zeg maar een variant van een ChatGPT of een Kloot, maar dan door de Fransen ontwikkeld. Dus het is echt een Europees initiatief. Ja, exact. En ik denk dat daarin dus ook echt de kern zit van wat eigenlijk deze investering zo bijzonder maakt. Ja. Wat we net ook bespraken, hij zit op een aantal vlakken, is hij mooi. Want het is inderdaad een duidelijk signaal van een Europees bedrijf Die zegt ik investeer in een open source Europees model. Maar als je een beetje gaat doordenken. Wat gaan ze daar nou mee doen? De essentie natuurlijk in de ontwikkeling van de nieuwe soort modellen. Zijn de chips. En ook de verschuiving van hardware naar software. En natuurlijk het pushen van wat zijn nou het bereik van die software. Doordat ze deze investering doen. Krijgen ze natuurlijk ook veel meer grip in hoe ziet die ontwikkeling eruit. En ze kunnen veel meer daarin gaan vormen en gaan ontwikkelen. Ze gaan dichter bij de bal zitten. Zonder dat we precies weten wat ze ermee willen doen. Maar hier zit natuurlijk een deel van de investering. En kan het ook helpen richting het verhaal wat jullie hebben met Responsible AI? Nou ja, iets wat je natuurlijk wel heel erg merkt is de hele soevereiniteitsdiscussie. Juist dat we binnen Nederland, binnen Europa, maar ik denk vooral binnen Nederland en binnen Duitsland merken. Ik had veel organisaties zeggen van joh, die big tech, die grote Amerikaanse technologiebedrijven, daar willen we niet meer afhankelijk van zijn. Wat zijn daarvoor de Europese of misschien wel zelfs Nederlandse alternatieven? En als je dus inderdaad zo'n investering ziet zoals van ASML in Mistral, dan geeft dat wellicht straks ook wel weer meer mogelijkheden om echt die Europese AI te gaan gebruiken. En dus ook eventueel een antwoord op wat zijn de mogelijkheden als we niet kijken naar die grote technologiepartijen. Dus ik denk vanuit verantwoord ook, hoe zorgen dat je als organisatie controle houdt over die data, vooral als je het over financiële data hebt. En is dan inderdaad dit soort Europees AI daar dan een oplossing wellicht voor om dat dan verantwoord te gaan doen? Ja, een vraag die bij mij opkomt is, EY zit wereldwijd? We hebben het hier met name over soevereiniteit, Europa. Zijn dat ook gesprekken die gevoerd worden met EY in Amerika of is die hele discussie daar niet van toepassing? Mijn beeld van de situatie is dat het echt een Europese uitdaging is. En zelfs in Europa dat er verschillen zijn. En ik was twee weken geleden op e-bestuurcongres samen met de CIO van Digitaal Vlaanderen. En het viel hem op hoe groot tijdens dit e-bestuurcongres en ook de lancering van de NDS, de nieuwe Nederlandse digitaliseringsstrategie, eigenlijk het topic soevereiniteit en anti-big tech is. En waar dat in Vlaanderen toch minder speelt. Maar we weten dat in landen als in Duitsland en Frankrijk het wel weer een belangrijk onderwerp is. Dus het is volgens mij een Europese uitdaging. Ook als ik een beetje uitzoom. We zitten natuurlijk tussen twee grootmachten in die heel erg hard gaan in de innovatie. Aan de ene kant natuurlijk Amerika, maar aan de andere kant ook China. De grote zorg die wij hebben ook rondom bijvoorbeeld productiviteit. We kunnen niet achterblijven. We moeten snel ook versnellen, maar willen dat doen op een manier die in lijn is met de privacy waarborgen. Maar ook het zelf ontwikkelen. En waar kunnen wij als Nederland en Europa nou nog het verschil maken? En de beweging die we in ieder geval zien. En ik denk dat ook deze beweging van ASML daar een vorm aan geeft. Is dat we ook ons hele datacentermodel veel meer federatief willen gaan inrichten in Europa. Dus veel meer dichter bij huis. Veel meer latency gaan inrichten. Kan je dat federatief wat uitleggen voor de luisteraar? Het idee is dat we eigenlijk veel meer lokale datacenters die er al zijn, dat we die gaan bundelen en op die manier eigenlijk onze eigen datacentercapaciteit gaan opbouwen in Europa. Want ik denk wel dat het een Europese uitdaging is die we niet alleen in Nederland kunnen oplossen. Ja, dus daarom heb je niet gigantische datacenters nodig, maar wat je zegt bundelen van de capaciteit die er is. En dat geeft ook een soort van antwoord van grote andere uitdagingen zoals de netcongestie. Hoe kunnen we dat soort gigantische datacenters nog optuigen? Hebben we daar plek voor? Dus op het moment dat we dat meer gaan doen met lokale datacenters federatief inrichten. Op Europees niveau. Investeren in open source modellen. Kunnen we eigenlijk langzamerhand. En ik zeg met nadruk langzaam. Want ik zou willen dat het veel sneller is. In ieder geval kijken of we een beetje een antwoord terug kunnen geven. Of op dat geweld wat er plaatsvindt in het oosten en in het westen van ons. Een andere grote beweging die op dit moment gaande is. Is het hele verhaal rondom AI agents en agentic AI. Heeft dat een positief of negatieve impact rondom responsible AI? Ik vind dat een hele mooie vraag. Ik moet er wel even over nadenken. Ja, snap ik. Ik denk op het moment dat je wil dat er autonome beslissingen gaan worden genomen door je AI, dat je dus nog zekerder moet zijn over dat je weet dat de uitkomst van je AI de juiste uitkomst is. Dus dat heeft een positief impact in die zin dat je volgens mij agentic gaat inrichten op het moment dat je grip hebt op je data. Wat we wel steeds meer zien is dat we ook modellen gaan ontwikkelen om AI te gaan controleren. Dus om frameworks om AI in te gaan zetten. Om te kijken dat het juist is. Dat het compliant is. Om te voldoen aan de juiste wet en regelgeving. Om die zekerheden te geven. Ja en een voorbeeld daarvan zijn bijvoorbeeld ook de beleidsagents. Die je eigenlijk als het ware op ziet komen. Dus je hebt dit soort dingen zoals multi-agent architectures. Zoals ze dat dan noemen. Nou ja, meerdere van die AI agents. Zoals Joop dat net noemde. Die eigenlijk met elkaar gaan interacteren. En dan kan dus ook de ene agent de ander gaan controleren. En dat is iets wat je dus daarin heel erg ziet opkomen. En ik denk wat Anna aangeeft. Eerst moet je controle hebben over je data voordat je überhaupt ernaar zo gaat bewegen. Dus het vraagt iets van je responsable evenement. Maar als je dat hebt, dan kan je bijvoorbeeld ook dus dat soort agents gaan opzetten. En dat hebben we ook al gezien bij verschillende organisaties. Die eigenlijk beleid gaan toetsen op de output van een andere agent. Maar hoe geef je dan een agent dat mee wat het beleid is? Dat kan je op verschillende manieren doen. De meest simpele manier is dat je de kaders voor gaat vastleggen. En dat je hem gaat instrueren van dit zijn onze beleidsstukken. Of bepaalde wetgevingscontrols, zoals we dat dan noemen. Waarop je moet gaan controleren of het daaraan voldoet. Dus je moet ten eerste wel heel duidelijk je eigen beleid en je kaders inzichtelijk hebben. En dat ook echt gaan vastleggen met elkaar. Anders is dat ook niet mogelijk. Wat ik me afvraag. Misschien is het een beetje een rare vraag. Maar goed, ik ga hem toch even stellen. Dan zijn we compliance agents aan het maken. om te controleren of een ander agent goed doet. Hoe kunnen we ervoor zorgen dat de agent zelf responsible acteert en dat eigenlijk niet die oversight extra nodig is? Ja, ik denk dat er twee verschillende dingen zijn. De eerste is namelijk dat je bij je ontwikkeling al je responsable-heidsprincipes gaat in bedden in alles wat je doet. Zorg dat je vanaf dag één het op de juiste manier doet binnen de juiste kaders, guardrails. En daar zijn natuurlijk gewoon prachtige frameworks voor en ook wet- en regelgeving. De tweede is veel meer dat je aantoonbaar compliant kan zijn. En dat is volgens mij veel meer van belang voor bijvoorbeeld gereguleerde markten. Om te laten zien hoe ze omgaan met aspecten zoals data en privacy. En het is denk ik, als ik er wat aan mag toevoegen, ook een designkeuze. Een agent is vaak heel goed in heel gespecialiseerde taak. Als aan jou wordt gevraagd bij je opdrachtgever waar je zit. Je moet compliant werken, doe je dat zo goed mogelijk. Maar er is nog steeds een compliance afdeling die dat controleert. Dat is ook niet waarom ik ze helemaal weg wil hebben. Maar ik zou het ook gewoon zoveel mogelijk wel willen hebben. En dan hebben we het misschien meer over guardrails dan beleid. Maar die guardrails zo goed neerzetten. Zodat die agent van zichzelf al genoeg responsible acteert. In het hart van je ontwikkeling. Maar ik wil er misschien toch nog iets dieper op in als dat mag. Want zo'n compliance agent is ook niet deterministisch. Dus die heeft het niet altijd bij het juiste eind. Dat lijkt me best wel lastig dan. Maar Joop, zijn wij mensen dat dan wel? Nee, gegarandeerd niet. Dus ik denk dat daarbij ook dan de vraag is, wat proberen we überhaupt na te maken? En als je het in een agentformat doet, dan gaat hij inderdaad niet deterministisch zijn. Maar dan zou je bijvoorbeeld veel meer ook echt deterministische kaders voor dat compliance stuk moeten gaan neerzetten als organisatie. En wellicht is een agent daar dan niet de juiste oplossing voor, maar ga je veel meer naar klassieke AI-systemen kijken. Ja, of gewoon regelgebaseerd. Ik vind de cirkel wel rond. Want we komen nu toch ook alweer op het punt van vertrouwen. Waarbij we dus wel accepteren dat er menselijke fouten worden gemaakt. Maar niet accepteren dat er fouten kunnen worden gemaakt in agent-technologie of in AI-technologie. En hoe moet zich dat tot elkaar verhouden? Dat is een vraag, dit is wel leuk, want die stellen we wel vaker. Mag een AI fouten maken? Mag hij ook net zoveel fouten maken als de mens? Volgens mij is het antwoord daar nee op. Dat accepteren we niet. Nee. Dat denk ik ook. Hoe kijk jij daarnaar, Rosa? Ik denk dat er een verschil is tussen wat we accepteren en wat we zouden moeten accepteren. Dus ik denk dat wij minder van AI accepteren dan wat wij eigenlijk van mensen accepteren qua fouten. Maar dat we daar niet altijd bij stilstaan dat dat misschien wat oneerlijk is richting een AI-systeem. En als je dan toch fouten gaat maken, want die zullen er nou eenmaal gaan zijn. Dat kunnen we denk ik niet, eigenlijk nooit 100% gaan afdichten. Ook al gaat de innovatie straks nog verder. Gaat het er echt om wat Anne ook aangeeft als stuk vertrouwen? En essentieel daarvoor is dat je inzicht hebt in de fouten die gemaakt worden. Dus het blijven monitoren, maar ook het transparant maken van welke keuzes worden er nu gemaakt. En als je dus verschillende agents hebt die ook verschillende beslissingen maken. Zorgen dat we dat ook inzichtelijk houden. En dat we ook terug kunnen gaan in het systeem. Maar waarom is deze keuze nou gemaakt? Waarom heeft deze fout plaatsgevonden? En hoe kunnen we het systeem ook verbeteren? Dat is misschien volgende keer niet gebeurd. En het vier ogen principe toepassen, sorry. Essentieel. Zeker. Dus uiteindelijk zullen we in ieder geval tot aan een periode dat we zeker weten dat we echt op AI kunnen vertrouwen. Altijd de human in de loop houden. En altijd tot een bepaald punt kunnen zeggen, oké deze output is nu vanuit de systemen gekomen. En nu gaan we als mens ernaar kijken en zeggen of het goed is of niet goed is. Ja en het fijne is bij het vastleggen wat jullie zeggen. En het terug kunnen kijken. Bij menselijke besluiten is dat heel veel lastiger. En rationaliseren we natuurlijk naar het besluit toe. En dat wil niet zeggen dat wat daar gelogd is ook precies is zoals het gegaan is. Maar heb je in ieder geval meer kans om het een beetje bij te sturen. Dat is nog een hele leuke Joop. Je begint over die agent technologie. Wat ik zo fascinerend vind is het principe. En ik probeer me dan te denken wat daar de impact van wordt. Is dat voor heel veel organisaties zo meteen hun klanten agents zullen zijn. Ja. En dat ze heel vaak dus niet weten of ze te maken gaan krijgen met een mens of met een agent die een aanvraag gaat doen. Ja. Ik probeer me dan te bedenken hoe die wereld eruit gaat zien en hoe je je daar moet inrichten. Dat is toch fascinerend. Dat is zeker fascinerend en dat gaat er komen. Dus je ziet nu al dat mensen met ChatGPT zoekacties doen. Volgens mij had jij daar een mooi voorbeeld van, toch? Ja, ik heb twee leuke voorbeelden. De ene is dat ik sprak iemand bij de Belastingdienst en die vertelde hoeveel bezwaarschriften zij nu krijgen die AI gegenereerd zijn. En die dus precies weten op welke punten zij hun argumenten moeten aanvoeren, perfect opgesteld. En wat voor een enorme last dat geeft op een organisatie die al die bezwaren moet gaan beantwoorden. Die adminlast is nu al heel actueel en dat is echt een uitdaging. En de tweede, van een hele andere orde, ik was gisteren bij een grote retailorganisatie, een digitale retailer, zeg maar even. En daar werd onder andere het verhaal verteld dat het menselijk gedrag nu al zo wordt beïnvloed door GPT of door AI, dat wij op het moment dat we een nieuw product gaan kopen, noem maar even een nieuw paar skis, dat we via AI of GPT bijvoorbeeld al ons onderzoek doen over wat we moeten hebben, voor wat voor een type skiër je bent, Voor wanneer je graag skiet. En op het moment dat je dan naar een website gaat. Dan zie je dat de hit rate vele malen groter is. Dus de bounce rate vele malen lager. En dat we in duizenden procenten groter kansen. Dat je dus op die website je aankoop gaat doen. Dat is bizar. Toch? Ja. Het is wel grappig. Want dat volume. Ik heb dan gisteren een webinar gegeven. Voor het verbond voor verzekeraars. En daar hebben zij daar ook mee te maken. dus de aangesloten leden, dat de schadeclaims worden natuurlijk steeds makkelijker om die te geven. Dus hoe moet je daar dan weer mee omgaan, dat je niet alleen die volumes aan kan, maar ook dat je dat op een goede, en in dit geval denk ik ook een responsible manier, weer afhandelt. En dat is wel een uitdaging. Maar dat betekent dat je opnieuw naar je processen moet gaan kijken. En die processen zijn veranderd, je data verandert. Dus je moet opnieuw naar je processen gaan kijken. Dat gaat gewoon veranderen. En processen misschien nog wel hoger. businessstrategie je zelfs misschien wel moet gaan heroverwegen en hoe je daar tegenaan gaat kijken. Dat is spot on. Dus ik denk wat we nu heel veel denken is dat we onze handmatige processen gaan automatiseren en daar dan AI op gaan inzetten. Zelfs op een hele gestructureerde manier, een beetje RPA-achtig. Waar we echt moeten gaan herdefiniëren van hoe een proces er moet uitzien. En dat is de grote slag die we met elkaar moeten maken. Waar zit de waarde in de value chain? En dat vraagt natuurlijk wel weer ook een hele hoop vertrouwen, omdat je juist dan wel echt de grote AI-veranderingen gaat doen. Dat zijn geen kleine proof of concept die je dan gaat rijden, of kleine experimenten, of kleine blokjes van een proces wat je gaat veranderen. Nee, je gaat wel echt in één keer een volledig proces opnieuw inrichten met AI. En dat vraagt wel iets van een organisatie. Wat vraagt dat van een organisatie? Ik denk een hele hoop verschillende overwegingen. Dus nou ja, als je het hebt over beleid, vertrouwen, communicatie, training aan je mensen, maar ook echt denk ik heel erg, omtrent je eigen je IT-strategie. Dus hoe wil je dit straks gaan inrichten? Als je het hebt over kleine use cases of onderdelen van een proces, kan je nog makkelijker zeggen van joh, we gebruiken deze keer, gebruiken we deze software, de volgende keer gebruiken we daar een andere omgeving voor. Maar als je grote processen gaat transformeren, heb je het ook over grotere architecturen die je gaat neerzetten. Dat vraagt ook meer van wat voor AI-omgeving je daarvoor nodig hebt. Ga je dat dan lokaal doen of ga je dat dan bijvoorbeeld toch wel weer in de cloud zetten? Of zijn er dan alternatieven voor? en ik denk juist als we dat dan even weer terugbrengen naar dat ASML voorbeeld dat we eerder noemden. Zij doen een grote investering en dat zegt mij ook wel iets, dat ze waarschijnlijk ook echt gaan kijken naar hoe ze grote processen daarmee gaan transformeren schans. En zij zijn daar dus mee bezig, met wat wordt onze AI-strategie ervoor, als we echt gaan investeren. Zie je dan ook al de beweging van bedrijven die toch zeggen nou kunnen we die grote AI-modellen toch niet gewoon meer on-premise gaan creëren of zelf ontwikkelen? Ik denk vooral in het kader van die soevereiniteitsdiscussie. Wij zien zelf grote bewegingen binnen de gereguleerde markten. Dat ze zeggen, om overwegingen als soevereiniteit, maar ook security en compliance. Hoe weet ik zeker dat ik het op de juiste manier doe. Maar ook het houden van controle. Dat ze steeds vaker heel graag lokaal AI willen draaien. Nou, dat is ook iets wat we kunnen faciliteren, waar we klanten mee helpen. Maar wat wel tot hele andere overwegingen leidt. En dat is heel geestig. Want zo'n keuze is snel gemaakt van, nee, wij doen het niet in de cloud, maar we willen dat heel graag lokaal doen. En wat je dan ziet, dus wij helpen ze daarbij om dat te doen. Dat het vraagt om andere capabilities. Het vraagt om een andere OPEX-CAPEX model. Het vraagt... OPEX-CAPEX moet je misschien even uitleggen. Dus waar je in de cloud betaalt per gebruik... is op het moment dat je met lokale AI wil werken... zal je toch in hardware en chips moeten investeren. Dus dat betekent dat je eigenlijk vooraf in je aanschaf... de investering moet doen. Waarbij sizing een grote uitdaging is. We hebben een heel leuk voorbeeld. We zijn met een mooie opdracht bezig... om lokale AI in te richten voor een organisatie. En we hebben er eigenlijk in ons lab een server voor aangeschaft. En dat was best wel een mooie lering. En Rosa, vertel daar eens over waar wij allemaal tegenaan liepen. Ja, en ik denk dat het eigenlijk de les is die we zelf nu ook proberen mee te geven aan mensen. Want dit hadden we vooraf denk ik ook niet ingeschat. Dat het zo toch wel een opgave zou zijn om die neer te zetten. Dus die server werd geleverd en we hadden er een hele mooie serverkast ook voor klaarstaan. De AI-fabriek, hè? Ja, de AI-fabriek inderdaad. En die staat dan echt lokaal bij ons. Die draait echt lokaal en hebben dan verschillende containers opstaan met verschillende mogelijke software om verschillende modellen te runnen. Zodat je al die verschillende mogelijkheden ook kan laten zien aan een klant of organisatie die daarna aan het kijken zijn. Maar wat wij dus merkten is dat die ten eerste te groot bleek voor de serverkast die we bedacht hadden. Ten tweede bleek de stroomaansluiting niet voldoende te zijn, dus die moest omgegooid. En ten derde, het is natuurlijk ook een stukje brandveiligheid. Dus hoe ga je ermee om dat die machine straks heel erg warm gaat worden? Dus hij staat nu in een ruimte die we ook voor andere zaken gebruiken. Maar daar staat de airco nu constant vrij hoog. En die mag ook niet meer naar beneden. Dus we hadden gisteren ook weer een sessie en dat was wel vrij fris. Dat was toch dat je continu nu in de uitnodiging moet zetten van jongens neem toch maar even een trui mee naar kantoor. Wat normaal gesproken bij ons niet nodig is. Maar dat is alleen nog maar de uitdaging die je eigenlijk hebt voor zo'n kleine AI fabriek die wij daar nu hebben neergezet. Wat eigenlijk alleen een testomgeving is. Waar je alleen maar proof of concept op draait. Laat staan wat dat dus betekent als je echt gewoon voor een productieomgeving dit lokaal wil gaan neerzetten. Waar ik dan gelijk aan denk ik, is het het best te belangrijker dat we dit soort kennis in Nederland, in Europa gaan hebben. Want dit is natuurlijk gewoon data center knowledge, kennis die we hebben. maar die nu allemaal bij de big tech zitten en gelukkig nog wel bedrijven zijn in Europa en Nederland die die kennis hebben maar die moeten we gaan uitbreiden laat staan als we gaan schalen en hoe gaan we dat federatief schalen allemaal hele mooie uitdagingen wat ik me dan afvraag is dat gaat wel richting de inrichting wat betekent dit nou voor bedrijven wat moeten zij met hun strategie waar moeten zij rekening mee houden als ze dit horen ja mooie vraag misschien nog even echt rondom dit voorbeeld waar wij ook achter kwamen ...het patchen van deze machine echt vele malen complexer is... ...dan het opspinnen van een omgeving in Azure of in Amazon. Maar wat het betekent... ...want wij hebben helemaal geen bepaalde voorkeur... ...welke kant het op moet gaan. En ik denk dat je als organisatie op het moment dat je... ...een AI-strategie ontwikkelt... ...met een bijbehorende datastrategie... ...dat het heel belangrijk is dat je vooral grip krijgt op je data. Wat voor data heb ik in huis? Wat zijn mijn kroonjuwelen? Wat wil ik kost wat kost altijd beschermen en toegankelijk hebben? En op welke data kan ik wat vrijer bewegen? Dat is één. En vervolgens maak je je keuze in een cloudstrategie. Rondom waar zet ik dan mijn data neer? En waarbij het essentieel is dat je dat operabel hebt. Dus dat je kan schuiven in je modellen. Dat je het kan bewegen van de ene naar de andere leverancier. Of van cloud naar on-prem. En dat zijn fundamentele keuzes die we klanten aanraden. De uitdaging zit natuurlijk alleen dat we met heel veel lekkers hier te maken hebben. En dat het al heel vaak hartstikke vast zit. Ik kan me daar wat bij voorstellen. Ik doe mijn data hard goed hoor. Dit ook. Allemaal deze strategie. Heel goed. We hebben een vast onderdeel in deze podcast. En dat is het kaartspel wat wij ontwikkeld hebben. Om juist ook qua strategie met elkaar dingen te bespreken. Van hoe wil je met bepaalde zaken omgaan. Dus we willen ook zo'n stelling aan jullie voorleggen. Je ziet een hele mysterieuze glimlach. Ik ben heel bang voor deze kaart. Ik ben heel nerveus. Het hoeft niet. Maar het komt erop neer dat we inderdaad zoveel mooie stellingen hebben. Maar dat die altijd heel mooi past in het verhaal. Dus dat betekent dat we de goede stellingen hebben. Maar we beginnen met het thema. Risico's en uitdagingen. En de stelling luidt als volgt. Generatieve AI-systemen zijn vatbaar voor hacks. En kunnen grote veiligheidsrisico's vormen als ze niet goed worden beveiligd. Zeker heel passend. Heb je hem niet specifiek uitgekozen? Je zag hem net schudden toch? Ik denk dat het heel erg terugkomt op wat Anna net ook al zei. Als je voornamelijk generatieve AI, dan zou ik hem toch wel weer even binnen die infrastructuur voor AI willen plaatsen. als je dat on-prem bijvoorbeeld wil gaan doen dus je wilt echt zelf in je datacenter gaan neerzetten dan moet je dus ook zelf compleet dat beheer gaan inrichten en je security daaromheen dus ook en in dat geval als je dat niet met de juiste kennis binnen je organisatie kan doen en dus ook niet op tijd kan gaan patchen en updates kan gaan doorvoeren dan wordt het wel heel vatbaar voor hacks en dat zijn dus denk ik ook juiste overwegingen die je mee moet nemen als je gaat kijken naar oké willen we dat we ons dan misschien toch in een cloud gaan inrichten? Of zijn er dan hybride mogelijkheden, zodat we echt de confidentiële of gevoelige data dan toch extra goed beveiligd kunnen houden? Maar ik denk zeker dat het heel erg vatbaar is, al helemaal als je dat dus zelf wil gaan beheren. Maar ja, dat vraagt dus ook wel wat van de kennis en het talent wat je intern in huis hebt daarvoor. Zeker. Maar ik benieuwd naar Benne. Ik wil nog even terug naar die AI agents die straks gaan praten. Dat is mijn persoonlijke AI agent. Die gaat praten met de AI agent van een bedrijf. Die AI agent van het bedrijf. Die moet voldoen aan de AI Act. Moet er straks ook kaders regelgeving zijn. Voor mijn AI agent. Mijn privé AI agent. In het kader van Responsible AI. Zo. Dit is een uitdagende vraag. Ik denk zelf dat we vooral niet, zeker wij niet, komend vanuit het bedrijfsleven met elkaar hier moeten gaan prediken dat er nog meer regelgeving moet komen. Ik denk dat het enige wat we nu niet moeten doen is elkaar helemaal vast gaan leggen in allerlei angst. Die we dan probeerden te kaderen in wet en regelgeving om te zorgen dat we met z'n allen vooral niet vooruit gaan. Dus mijn antwoord zal nee zijn. Ik denk wel dat we nu niet overzien hoe deze ontwikkeling gaat. En dat er mogelijk wel regulering in de toekomst nodig zou kunnen zijn. Oh ja. Ben je het er mee eens? Ja, zeker. En ik denk dan wel, Joop, als het echt jouw persoonlijke agent blijft. Dan denk ik dat we voor nu wel goed zitten met de regulering. Maar ik zou je wel aanraden om hem niet zomaar als een product aan te gaan bieden voor andere mensen. Ik denk dat je dan wel echt in de regulering wel aan meer vereisten moet gaan voelen. Dan val je er ook onder, toch? Ja, exact. Want dan ben ik leverancier van deze technologie. Oké, misschien toch nog een klein stapje verder. Vind je dat ik transparant zou moeten zijn? Dus dat mijn agent transparant zou moeten zijn? Dat het een agent is als hij met het bedrijf praat? Ja, dat is mijn inschatting van wel. Jij? Ja, en dan helemaal wanneer er ook natuurlijk weer het menselijk aspect in naar voren gaat komen. Dus de mensen die uiteindelijk met jouw AI agent weer dicht aan het praten zijn, dan vind ik wel dat jij een verantwoordelijkheid hebt om wel te uiten dat dat vanuit een agent komt. Dus wat je nu bijvoorbeeld ook heel erg ziet, en dat triggert mij toch ook wel een beetje, is heel veel mensen die op LinkedIn nu agents gebruiken. Dat ze automatisch gegenereerd AI posts eigenlijk op LinkedIn hebben staan. En dan zie je opeens mensen die dus voorheen niks posten. En die nu gewoon om de dag een nieuwe post online hebben staan. Allemaal in hetzelfde format. Heel veel koppelstreepjes. Heel veel aanhalingstekens. Exact. Mooie layout er ook bij. Er is wel vaak een aantal enters. Dat valt me wel op. Dus dat gaat nog niet helemaal goed. Maar ik vind daarbij wel dat je een maatschappelijke verantwoordelijkheid hebt. Om er transparant over te zijn. Want je vormt ook de mensen die dat lezen. En dit is dan niet een agent die dan met andere bedrijven direct communiceren. Dus we hebben het niet over jouw persoonlijke agent die dan een formulier invult om te schaden of iets dergelijks. Maar ik denk juist wanneer je het richting mensen hebt en maatschappelijke impact die jouw agent kan hebben, ook al is hij persoonlijk en is het geen dienst, dan denk je dat je daar echt wel een verantwoordelijkheid in hebt om transparant te zijn. Ik vind het zelf, merk ik dat het me enorm irriteert, bijvoorbeeld op Instagram, op van die reels, dat ik niet meer weet wat echt een nep is. Dus dan zit ik te kijken naar dat filmpje en dan denk ik... Het is zo moeilijk om dan te achterhalen van is dit nou AI gegenereerd of niet. Heb je meer wantrouwen gekregen? Zeker, zeker. En het irriteert me ook. En ik mocht laatst een mooie keynote van Alexander Klubbing bijwonen. En hij vertelde ook een beetje een vergezicht, een toekomstvisie waarin hij zei... ik verwacht dat wij gaan betalen voor echtheid. Echte muziek, echte gesprekken. Echte belevingen. En dat heeft me wel aan denken gezet. Eerlijk gezegd denk ik dat het namelijk al gebeurt. Want namelijk de leveranciers van die taalmodellen. Die zijn natuurlijk op zoek naar. Echt. Echt geschreven. Dus die krijgen allerlei contracten. Zo direct met mediabedrijven. Want daar zit dan nog een soort van. Gegarandeerde echtheid. Ja. Dan komen we toch weer terug op een stukje vertrouwen. Ja. Maar ik vind het wel ironisch. Wat je noemt hoor Joop. Want juist dat grote techpartijen nu eigenlijk aan het betalen zijn voor echte data. Ik heb nog nooit zoveel procent van de recruiters in mijn inbox gehad. Die een baan aanbieden over het content creëren waar je AI op kan gaan treden. Het is echt de afgelopen drie maanden denk ik. Ongeveer 90% van de mails die ik daarover krijg. De berichten. En wat doet dat je? Ja, ik vind het bijzonder ergens. En ik vraag me af ook wat de impact gaat zijn op mensen die dat dus ook echt gaan doen als werk. Wat voor impact heeft het op hun dat zij content moeten gaan genereren voor AI? Wat doet dat met je als mens en hoe je denkt en hoe je leert? En dat is wel iets waar ik me soms wat zorgen over kan maken. En in het verlengde daarvan, we zijn natuurlijk ook bijna door onze nieuwe data heen. Dus het is natuurlijk ook wel zoeken van, ja, hoe gaan we nou, hoe gaat een GPT-model, of echt een groot large language model, waar komt nu de nieuwe data nog vandaan? Of gaan we nu doortrainen op alles wat we weten? En met een groot risico dat daar juist over training in ontstaat en biases door gaan ontstaan waar we niet willen. Dus ik denk dat de rol van research, van universiteiten, van nieuwe onderzoek eigenlijk veel groter gaat worden. Ja, en dat zou wel heel erg mooi zijn. En hopelijk ook toch wel, de media, de auteurs, die zitten nu in de hoek waar de klappen vallen. Die zijn misschien zo direct wel de producenten van nieuwe data, dat zij er misschien toch wel voor een deel een winnaar van worden. Echtheid en nieuwe data, dat hoop ik. Wij hebben onze data geprobeerd om beschikbaar te stellen aan GPTNL trouwens, Maar onze data was niet groot genoeg. Dus alle transcripties wilden wij wel. Wat interessant. Want ja, dit is uiteindelijk ook open, publiek. Maar daarvoor zijn wij nog niet een groot genoegen bron. Er is een soort van threshold om je data terug te geven. Als ik feedback geef aan het model, pakt hij hem wel. Ja, maar dit gaat echt over bedrijven die bereid zijn om data te leveren aan GPT-NL. En daarvan moesten ze, ze hebben zoveel keus. Dat ze eerst zeiden van, we gaan eerst voor de hele grote brokken. En daar kan ik me iets bij voorstellen ook. Maar Joop, ik vraag me dan wel af. Jullie werken natuurlijk ook met confidentiële klantgegevens en klantdata. Wat zou je daarin dan eigenlijk wel en niet beschikbaar stellen? Oh nee, we hebben de transcripties van het podcast. Dus alles wat uitgezonden is, dat is dan natuurlijk getranscribeerd. Dus hopelijk zeg maar, wat jij mij nu verteld hebt, is niet AI gegenereerd. Daarmee hebben we authentieke data. Die wilden we dan beschikbaar stellen. Nee, we gaan zeker geen klantdata beschikbaar stellen. Maar dan kan ik me voorstellen dat je wellicht te klein bent voor de database. Dat is niet gek. Ik moet nog steeds over jouw agent nadenken. Wat we daar technisch mee zouden moeten gaan loggen. Hoe ga je daarmee om? Zouden jullie aanbevelen, of tenminste ik neem aan dat je dat regelmatig doet, als mensen willen beginnen met AI, maar ook meteen die responsibility, dat ze die vanaf dag één eigenlijk meenemen? Mijn grootste aanbeveling is vooral, ga beginnen. Ga het gewoon doen. Dat kan een hele kleine use case zijn. Dat kan als persoon, als gebruiker, gaat het echt over gewoon elke dag zorgen dat je gaat trainen met de modellen. Voor jezelf gaat begrijpen wat het voor je kan doen. Heel kritisch gaat kijken naar de output. Maar bijvoorbeeld ook kijken naar... In mijn huidige baan, een onderwerp die deze weken heel actueel is... hoe gaat nou echt het werk van de toekomst eruit zien? Er wordt heel veel nu over gesproken. We zien ook heel veel in de media over... deze beroepsgroepen worden de juniors niet meer aangenomen. Dat is echt wel een onderwerp die nu top of mind is. En wat dat voor jezelf betekent is denk ik dat je heel goed moet kijken naar wat voor werk doe ik. Hoe gaat dat mogelijk in de toekomst vervangen worden door AI? Of kan ik daarbij ondersteund worden of gaat het gewijzigd worden? En heel veel met AI gaan zorgen dat je je eigen baan gaat ontwikkelen. Dus dat is denk ik het eerste wat ik zal doen als individu. Als organisatie zou ik echt gaan kijken naar ervaring opbouwen. Dus gewoon beginnen met kleine use cases, met kleine PoCs. Een ervaring die we hebben is dat heel veel bedrijven zeggen van ja, ik kan dit nu wel bedenken. Maar voordat ik mijn IT-organisatie mee heb, voordat ik het door de juridische afdeling heen krijg. Voordat ik die gebruikers getraind heb, joh, dat kost me een jaar. Dus ik weet niet waar ik moet beginnen. En dan is mijn antwoord altijd, dat betekent dat je nu moet beginnen. Je moet nu die eerste use case door dat hele proces heen trekken. Om over zes weken die tweede use case er doorheen te trekken. Dan kost het misschien een jaar, min een maand. En over vijf maanden heb je misschien een voorbrengingsmodel staan. Waarbij je echt gewoon gaat bedenken. Hoe gaat AI voor mijn organisatie een verandering teweeg brengen? Dus zowel als individu als organisatie. Ga gewoon van start. Mooi. Ik ben nog wel benieuwd. Maar dat is heel persoonlijk voor jullie. Je hebt voor je eigen baan en je eigen werk ook AI ingezet. Waar heb je het weer weggelegd? Ik denk juist dat ik door AI te gebruiken... nu vaker in creatieve sessies ga zitten met mijn collega's. Dus iets wat we voorheen heel erg hadden is... we hadden heel veel korte meetings. Stel ik als een kort overleg om even snel ergens naar te kijken. En wat ik nu merk is dat die korte overleggen niet meer per se nodig zijn. Want daarbij krijgen we eigenlijk de juiste ondersteuning van AI... om af en toe vastzit er verder te komen. Maar dat je daardoor ook makkelijker grote blokken inplant... om toch even met elkaar te zitten. Even te sparren en op basis daarvan eigenlijk te modelleren... wat je dan daarna wellicht weer verder met AI-ondersteuning gaat uitwerken. Ik durf dat wel echt te zeggen dat ik dat nu veel meer doe. Veel meer met mijn collega's gewoon in sessies van misschien wel twee... soms vier uur zit. Om gewoon te brainstormen. Om het goed om te doen. Mooi om te horen. Ik heb er wel eentje in de categorie blunders. Ik weet niet of dat ook een deel is. Ja, leuk. Zeker. Dus waar gebruik ik het niet meer? Ik heb een aantal keer gedacht. Ik moet morgen op het podium. Ik moet een grote groep mensen toespreken. Ik ben er nog niet aan voorgekomen om voor te bereiden. En ik laat AI mijn tekst schrijven. En daar komt toch een tekst uit. Zo mooi. Prachtig Engels. Ik kan het zelf niet bedenken. En ik ga dat een paar keer doorlezen. In een soort van veronderstelling dat dat wel beklijft. Nou, dat doet het niet. Dat is echt een grote kans voor mislukking. Of je moet een heel ander soort hersens hebben. dat ik heb. Maar ik stond vervolgens op dat podium met die tekst zo'n soort van in mijn achterzak. Die zinnen, die kreeg ik er niet uit, want die waren veel te mooi opgebouwd. Het waren niet jouw zinnen. Het waren niet mijn zinnen. De context kwam niet uit mezelf. Het is niet door mijn systeem gegaan. Het is niet uit mijn eigen pen gekomen. Nou, dat werd helemaal niks. Dus dat doe ik niet meer. Je hebt het niet doorleefd, dus daarom is het niet beklijfd. Het is niet van jezelf. Ja, een heel herkenbaar. Ja, heb je dat ook gehad, Niels? Ja, zeker. als je dan een sessie toch nog eventjes al heb je me vijf keer gegeven wil je toch weer even nieuw ernaar kijken dan laat je toch even proberen te inspireren oh dat is een mooie die wil ik ook op het podium en dan sta je daar en denk je wat was het ook ja terwijl ik ben wel tegenwoordig en dat is er wel ingebleven is quotes de quotes uit de tekst die haal ik eruit ik vraag specifieker om quotes eruit te laten halen en die quote die staat op de slide en daar gaat mijn verhaal dan heb je toch de quote en dan de eigen context eromheen Dus dan word je toch geholpen. Maar volledig de teksten, nee. Maar Niels, geef je die quote dan wel de credits aan AI? Of zet je dan je eigen naam eronder? Ik zet sowieso nooit mijn eigen naam onder een quote. Tenzij ik hem echt zelf verzonnen heb. Maar ik betwijfel of ik zelf ooit iets verzond. Ik denk dat de quotes altijd wel gemaakt zijn. Ik denk dat de quotes altijd al gemaakt zijn. Maar nee, ik zoek dan ook nog wel wie heeft de quote dan alweer. Dat werd eigenlijk gezegd. Want meestal komt het uit een film of uit een boeken en dat soort zaken. Dus ik probeer dan ook nog wel te achterhalen wie is het. Dat moet je niet altijd aan AI vragen. Maar dat zoek ik wel op inderdaad. Want credit is by credit is Jill. Mooi om te horen dat je wel die human in the loop houdt. Zal ik er ook eentje delen dan? Ja, ja, ja, kom. Voor de donderdag editie. Dan heb ik een korte column. Dat schrijf ik. Want ik wil de structuur goed hebben. Dat vergt altijd een hele hoop voorbereiding. En daarvan had ik gedacht van. Kan die kwaliteit daarvan nog omhoog? Dus ik had een agent gebouwd die controles doet op toon, begrijpelijkheid. Of er geen jargon in zit. Allemaal dat soort zaken. Dus een heel x-aantal criteria. En die agent mocht dan in verschillende iteraties dat script verbeteren. Tot een bepaald niveau. En net als jij, de eerste keer dat ik dat las, dacht ik... Echt goed. Het is echt goed. Het is echt beter dan misschien dat ik dat zelf schrijf of zo. maar toen ik daar toch wat langer over nadacht ja maar daar is nu wel een deel van mij uitgehaald misschien ook juist dat in de perfectie de imperfectie hoort ofzo dus het werd te zielloos ja maar uiteindelijk ben ik dit niet en dan zeg ik het misschien maar net wat anders maar dan zeg ik het wel op mijn manier zoals ik het wil en het heeft me echt al best wel wat tijd gekost om die agent te bouwen Dus dan heb je misschien ook de neiging. Omdat je zegt. Ik heb er nou zoveel tijd en energie in zitten. Ik zal het gebruiken. Maar ik heb hem weggegooid. Mooie keuze. Lastige keuze. Maar goed. Dat hoort erbij. Wat zijn nou over lastige keuzes te hebben. Waar gaan in jullie belevenis. AI projecten of experimenten. Jij begon met de percentage van MIT. Wat zijn nou moeilijke keuzes die sommige bedrijven niet durven maken, waardoor je eerder het AI-project laat falen? Ik heb eentje die is eigenlijk best wel simpel, maar toch merkt het, ja je merkt dat het voor ontzettend grote blokken kan gaan zorgen, terwijl je het eigenlijk niet verwacht. En dat is eigenlijk hoe je hem noemt. Hoe ga je je use case noemen? Kan je een voorbeeld noemen? Hoe die exact heet, dat ga ik niet aanhalen. Maar je hebt het natuurlijk ook vanuit de AI. Je hebt het over verschillende risicocategorieën. En wat je toch heel erg merkt, is dat iedereen een andere perceptie heeft... van wat een titel van een use case kan betekenen. Dus het kan een hele kleine nuance zijn. Het zijn eigenlijk twee synoniemen. Waarbij je eigenlijk gewoon twee kampen krijgt. Waarbij het ene kamp zegt, nee, wat gaan we niet doen? Want het is een hoog risico use case. Dat willen we helemaal niet. En het andere kant heeft het is van ja, maar we weten toch wat het gaat doen. Dat valt toch wel mee. En dan kan het gewoon puur gaan om hoe die genoemd is. En hoe die dan bijvoorbeeld ergens op een slide staat of in een register zegt komt. Dat daardoor er geen go gaat komen op eigenlijk de implementatie. En dan heb ik ook af en toe zoiets van, oké laten we hem dan eigenlijk versimpelen. Dat we hem heel plat maken. Geen mooie buzzwords erin. Heel plat maken van wat doet het nou eigenlijk. En dus noem je het een werktitel. En dan ga je nog bijvoorbeeld een hackathon organiseren. of een challenge om de echte titel te gaan vinden. Maar het verbaast me hoe erg een proces van AI-BOC naar echt productimplementatie vast kan lopen, doordat er eigenlijk verschil van perceptie is op wat het doet door eigenlijk de naam die het heeft. De naam, wat een goede. Dat is een goede tip. Jij, Anne? Ja, een hele andere invalshoek. Maar wat we zien is dat 80% van waar de echte waarde van AI zit, dat dat vaak helemaal niet in de fancy processen zit. En de vernielde toepassingen waar nieuwe data wordt gecombineerd en een fantastisch nieuw businessmodel wordt uitgevonden. Maar 80% zit hem echt in het bulkwerk, in grof administratief werk. Helemaal niet sexy. Helemaal niet sexy. Het handmatige processen van het vullen van een vakje ergens in een systeem, automatiseer je dat soort dingen. En wat we veel horen is dat daar nieuwe toepassingen worden, Op worden ingericht. Dat het vaak ook wel is voor gebruikers. Die van oudsher niet heel digitaal savy zijn. Dus niet per definitie. Altijd maar met de laatste apps voor handen willen werken. Maar gewend zijn aan dat oude systeem. Hoe ze het altijd deden. En dan wordt adoptie wel heel belangrijk. En dan is de grote uitdaging. Dus gewoon een hele simpele valkuil. Het weghalen van de oude manier. Gewoon echt weghalen. Want anders blijven mensen toch op de oude manier vaak loggen of administreren. Maar echt alleen maar de nieuwe manier aanbieden. En dan heel veel consistentie. Heel veel communicatie. Heel veel doordrukken. Om te zorgen dat mensen de nieuwe manier gaan gebruiken. Want die adoptie. Die blijft enorm achter. En dat is echt het harde werk. Dat is echt het groundwork. Ja zeker weten. Dus radicale keuzes kunnen maken. Om die voortgang voor elkaar te maken. En niet te lang in het oude blijven handelen. Voordat we hem afsluiten. Is er een vraag die wij niet gesteld hebben? Ja, daar valt in ieder geval een goede stilte. Dat is in ieder geval een goede dag. Zullen we hem dan rondmaken? Want we begonnen met het vertrouwen en het Responsible AI. Nou, daar is best wel denk ik heel veel voor nodig. Maar jij zegt denk ik heel terecht, start. Want dat is eigenlijk de enige manier om en ervaring op te doen. Maar ook om te werken aan het vertrouwen en aan de adoptie. Mis ik dan iets? je had op een gegeven moment stel je natuurlijk de vraag, wat zou een bedrijf nou echt als allereerste moeten doen om dus te gaan starten en ik denk dat ik daar nog één ding mee kan geven en waarvan ik ook echt heb ervaren dat het heel veel doet met mensen is ga niet nadenken over hoe je iedereen op één lijn krijgt voordat je begint maar zet gewoon iedereen in dezelfde ruimte, ga een halve dag of een hele dag samen zitten, laat dat desnoods faciliteren door iemand die daar ervaring mee heeft. Maar neem die verschillende perspectieven mee. Dus ga niet multidisciplinair eerst teams proberen op te zetten. Maar breng ze samen in één ruimte en ga dan hebben over wat je met AI kan gaan doen. Want dan merk je ook dat mensen toch, ja, ze gaan met elkaar in gesprek. Ze inspireren elkaar. Ze praten met elkaar als ze dat eigenlijk zelfs normaal gesproken nooit zouden doen. En ik denk dat dat wel heel erg helpt om gewoon die eerste start te gaan maken. En echt bezig te gaan. Het lijkt me een hele mooie afsluiter. Dank je wel. Dank je wel dat jullie wilde komen. Vergeet je niet te abonneren als luisteraar voor... Tjonge zeg. Ik begin even op... Voor de volgende aflevering. Vergeet je niet te abonneren via je favoriete podcast app. Dan mis je geen aflevering. We hebben ook een hele leuke nieuwsbrief met allerlei leuke dingen van achter de schermen. Dus kijk daar eens even naar. Tot de volgende keer. Tot de volgende keer.