Wat leer je in deze aflevering?
Erik Klein Nagelvoort, Managing Partner van Blue Field Agency, ziet organisaties falen met AI omdat ze beginnen met technologie in plaats van processen. Hij ontwikkelde een intervaltraining-aanpak: korte AI-sprints met strategische rust ertussen om te evalueren wat werkt. Bij Transavia ontdekte hij dat 80% van winterse call center drukte kwam van pensionado's naar Spanje met medicijnvragen - specifiek inzicht dat een gerichte campagne mogelijk maakte.
In plaats van meer personeel aannemen voor pieken, losten ze het probleem op met vooraf communicatie. Klein Nagelvoort gebruikt zelf een WhatsApp-agent die zijn CRM bijwerkt na zakelijke gesprekken terwijl hij in de auto zit. Morgen kun je beginnen met drie processen scoren die jullie de meeste tijd kosten: kostprijs, AI-impact en implementatietijd.
Kernbegrippen
- Intervaltraining-methode
- AI-projecten in korte sprints uitvoeren met evaluatiemomenten ertussen in plaats van alles tegelijk implementeren.
- Gesloten taalmodellen
- AI-systemen getraind op alleen bedrijfseigen data voor merkspecifieke context zonder externe informatie.
- Proces-redesign
- Volledige workflow herontwerpen in plaats van losse taken automatiseren voor maximale efficiëntiewinst.
- AI-agents
- Geautomatiseerde systemen die als teamlid fungeren en repetitieve taken uitvoeren met menselijke controle.
- Adoptie door transparantie
- Gebruikers accepteren AI sneller wanneer output controleerbaar en begrijpelijk is en bezwaren serieus worden genomen.
Wat gasten zeiden
Als je denkt als een robot, werkt als een robot, dan ben je een robot.
Een directe uitdaging aan mensen om hun werk te heroverwegen en niet vast te blijven zitten in repetitieve taken.Als je een AI-project doet, dan moet je het niet zien als een marathon, maar dan moet je het zien als een intervaltraining.
Een diepgaande metafoor die de hele aanpak van AI — implementatie herdenkt.Wat kun je morgen doen?
- 1 Implementeer intervaltraining: klein beginnen, evalueren, doorpakken in plaats van grote AI-transformatie in één keer
- 2 Bouw verificatie in: maak AI-output altijd checkbaar en transparant voor gebruikers
- 3 Focus op proces-redesign: kijk naar hele workflow in plaats van losse taken automatiseren
Interview: Erik Klein Nagelvoort
Hoe komt de voorzitter van de Nederlandse hockeybond in de AI terecht?
Het is inderdaad een grappige combinatie. Ik ben oud-scheidsrechter en oud-hockeyer, en dat scheidsrechteren is eigenlijk een beetje uit de hand gelopen. Ik heb op het hoogste niveau in de wereld gefloten, dus ik ben in India en Pakistan geweest, heb Europese Kampioenschappen, Wereldkampioenschappen en Champion Trophies gedaan. Tot mijn eigen grote verrassing ben ik dus op het hoogste niveau gaan fluiten. Dat was een heel mooie ervaring. Daarna gingen mijn kinderen hockeyen en werd ik voorzitter van een club. Vier jaar geleden zei de bond tegen mij: "Joh, zou je niet voorzitter willen worden van de bond? Want je kent het internationale speelveld en je kent clubhockey, het verenigingsleven." Dus daar ben ik aan begonnen. Het is een vrijwilligerstaak, je moet het zien als een voorzitter van de Raad van Toezicht rol. Maar het is superleuk en heel eervol om te doen. Ik doe het nu al mijn vierde jaar en Parijs is natuurlijk achter de rug met een hele unieke prestatie van de mannen en vrouwen. Het is nog nooit voorgekomen in de teamsport dat mannen- en vrouwenteams beiden Olympisch goud halen. Dus ik viel met mijn neus in de boter.
Zit er ergens een combinatie tussen AI en hockey?
Zeker, absoluut. Ik heb toevallig gisteren bij het ABN AMRO tennistoernooi voor ondernemers een verhaal over AI en sport gehouden. Dat doe ik ook vaker, bijvoorbeeld bij NOC NSF voor bondscoaches. Je kunt natuurlijk met AI looplijnen analyseren. Neem bijvoorbeeld de strafcorner, dat is een groot ding in hockey. Hoe moet ik die verdedigen? Ik kan alle strafcorners van alle wedstrijden tegen, laat ik zeggen Argentinië, naar binnen halen. En wat zijn dan de looplijnen? Wie loopt als eerste? Hoe worden die verdedigd, hoe kan ik dat aanvallen? Dat kun je allemaal met AI natuurlijk analyseren. Voorheen moesten we dat met een expertsysteem bouwen, en nu kun je dat met patroonherkenning best wel makkelijk doen. Je ziet ook een ontwikkeling dat de kwaliteit van video heel belangrijk is. Net zoals altijd met AI is de kwaliteit van data belangrijk, anders wordt het niks met die output en processen. Dat zie je bij hockey dus ook. We moesten in het verleden altijd gebruikmaken van TV-beelden, maar nu kunnen we met AI-camera's, die een veel hogere kwaliteit opname hebben, onderscheiden: is dat Joop of is dat Erik? Je ziet dus ook de individuele spelers allemaal. Bij hockey hebben we natuurlijk de problematiek dat wij interchange hebben. Dus je kunt wisselen gedurende de wedstrijd, anders dan bij voetbal. We spelen vaak zes minuten en dan ben je eruit, je speelt maximaal uit en dan ga je op de bank zitten. Dus het wordt een heel snel spelletje. Maar ja, die camera of dat systeem moet wel die speler kunnen blijven volgen. Want als je denkt, waar is nummer zeven, en die zit op de bank, dan zou het een beetje slordig zijn als je dan zou zeggen dat het nummer zeven is die scoort.
Zijn dat analyses die vooral in de voorbereiding gebeuren of ook realtime tijdens wedstrijden?
Het is een combinatie. Je moet je voorstellen dat we nu onze bondscoaches en coaches wedstrijden in laten klikken. Dus je ziet die livebeelden en tijdens de wedstrijd wordt er geklikt op standaardsituaties. Dat is heel veel werk, al dat klikken tijdens de wedstrijd. En na de wedstrijd zitten we uren te analyseren om al die beelden, alle strafcorners, alle vrije slagen naar binnen te halen. En dat kun je nu met AI enorm versnellen. Dus kunnen de coaches eigenlijk veel meer tijd besteden aan creativiteit en strategie, in plaats van saai werk te doen. Wat ik nu met de internationale bond aan het doen ben, is kijken of we, net zoals bij Formule 1, statistieken kunnen aanbieden zodat het ook wat toegankelijker wordt voor niet-hockeyers. Dat je kunt zeggen: hoe hard gaat die bal er nu in, net zoals bij tennis? Hoe hard loopt een speler? Wat voor combinaties zie ik nu, wat zijn de ideale combinaties? Je kunt daar heel ver in gaan. Je kunt zelfs, en dat hebben we nog niet hoor, maar op basis van herkenning zou je kunnen kijken of er vermoeidheidsverschijnselen zijn bij spelers, aan de ene kant versus de andere kant. Want je weet natuurlijk, dat is bij voetbal ook zo, je kunt dan druk zetten op de kant die het moeilijk heeft. Dat zijn dingen waar we allemaal naar kijken, tot het maken van trainingsschema's toe. Het gaat heel ver door.
Zie je daar het spel ook echt door veranderen?
Dat is nog te vroeg om te zeggen. Wat ik wel zie is dat door de invloed van technologie die we hiervoor hebben ingezet, dat klikken en zo, het spelletje enorm is veranderd. Het spelletje is sneller geworden en tactischer geworden. Wat we in de regelgeving wel hebben gedaan, ik weet niet of jullie het kunnen herinneren, maar toen we in Beijing speelden was Mark Lammers bondscoach van de dames. Die heeft toen geprobeerd om oortjes in de oren van de dames te zetten en dan zo te coachen live. Dat is regeltechnisch natuurlijk tegengehouden, en dat is ook maar goed. Ze moeten, zoals Louis van Gaal het mooi zegt, nog steeds kunnen imagineren. Die vrijheid moet er wel zijn, anders komen we in het gemiddelde uit, dat weten we ook van statistiek. Dan worden het allemaal nul-nul potjes. Ook niet leuk om naar te kijken, dan kun je van tevoren al intekenen.
Wat vanuit de sport neem jij mee in je dagelijkse werk met AI?
Dat is wel leuk. Ik had in mijn voorbereiding daarover nagedacht, en ik heb het gisteren ook in Rotterdam verteld aan de ondernemers. Als je een AI-project doet, dan moet je het niet zien als een marathon, maar dan moet je het zien als een intervaltraining. Jullie kennen het begrip MVP, Minimal Viable Product. Als je dus start met een klein doel, haal je de juiste expert erbij en doe je een klein projectje. Doe dan, net als een topsporter, even strategische rust. Evalueer dat en ga dan weer naar het volgende projectje toe.
Waarom zeg je die strategische rust?
Om even hoog over te analyseren, zowel op mensengebied als op technologiegebied en procesorganisatie. Wat gaat er nou goed en wat gaat er niet goed? Want mensen zijn super belangrijk, die moeten we niet vergeten in die technologie. En dat neem ik steeds mee, omdat een topsporter dat ook doet. Die traint keihard, die probeert wat, die gaat soms over het randje. Dat proberen wij ook met technologie: even iets proberen, kijken of dit werkt. En dan moet je evalueren van ja, was dit nou wel een goed idee of niet. Dat is waarom ik zeg strategische rust.
Heb je een voorbeeld waarin die strategische rust ook tot iets heeft geleid die je anders niet zo zou hebben gehad?
Ja, er zijn wel meerdere voorbeelden eigenlijk. Ik zie dat dagelijks bij mijn klanten. Je begint met de expectations, de verwachting van de klant zelf. Dat herkennen jullie wel zeker. Er is de verwachting dat met technologie van alles kan, dat zie je bij sport ook. Je hebt hoge verwachtingen, maar je moet focussen op het proces in sport, maar ook in je werk. Je kunt niet gelijk alles winnen, het goud behalen. De reis moet ook goed zijn. En wat je ziet bij die verwachting aan de ene kant is dat je door die strategische rust de verwachtingen ook weer terug kunt managen. Dus dat je ook kunt zeggen van: ja, wacht even, maar realistisch gezien kan dit taalmodel het gewoon helemaal niet. Dus je hebt wel die verwachting dat het alles kan, maar het blijft gewoon statistiek, en dit is wat de stand van de techniek kan. En misschien over een half jaar kunnen we dat dan wel. Dit merk ik heel vaak: ik heb aan de ene kant een hele enthousiaste grote groep, gisteren had ik ook weer een hele enthousiaste groep, nou dan gooien we alles in het model, dan gaan we het gewoon doen. En dan zeg je: ja hoor, maar waar ben je wel bewust van dat het niet het doekje voor alles is. En zijn ze zich ook bewust dat dat taalmodel het gewoon negenennegentig keer goed kan doen en de honderdste keer niet?
Wat is precies een gesloten taalmodel en hoe verschilt dat van een open model?
ChatGPT is een open model, ook Gemini is een open model. Daar gooi ik alles in en het heeft de hele context van de hele wereld. Een gesloten model is anders. Bijvoorbeeld, we zetten in een Microsoft-omgeving een aparte omgeving op en het taalmodel kijkt alleen naar die data. Dus ik stop daar documenten in, PDF's, wat dan ook, en daar leert hij alleen van. Het model gebruikt alleen die data als context en voor de rest niet. Het mag niet naar buiten en mag niet naar buiten. Maar daar heeft het ook meteen de beperking meegekregen. Dat is een voordeel en een nadeel, omdat het kijkt naar die context. Maar tegelijk ook het nadeel: je weet niks anders. Dat kan ook wel eens op teleurstellingen uitmonden. Wat ik bedoel met langzaam leren is dat alles in het model moet komen, omdat er dus geen verbinding naar buiten zit.
Wanneer komt die teleurstelling dan?
Omdat mensen toch resultaatgedreven zijn. Dus even de analogie met de sport: mensen willen scoren. En dan zeg je: ja, dan valt het toch tegen wat daar dan uitkomt. En dan zeg je: oké, maar we kunnen wel een beetje extra context geven. En dan zie je dat we nog een sprintje kunnen doen met elkaar. En dan vervolgens komt er wel weer wat. Dus dat is het handje vasthouden met elkaar en geloof hebben, ook de analogie met sport, geloof hebben in een uitkomst. Als je blijft trainen, dan gaat dat tot een goed resultaat komen. En of dat nou goud, zilver of brons is, dat maakt niet uit. Dus je ziet bij alle sporters die geïnterviewd worden ook, daar kunnen we heel goed in verplaatsen, dat ze zeggen: ja, ik heb alles gegeven. Maar daar zit deze hele wereld achter, ze hebben gewoon vier jaar lang getraind. En vergelijk dat even met ons werk: we zijn gewoon heel lang met een project bezig. En trainen, de analogie daar is dat je dingen moet proberen en dat er ook dingen falen. En dat hoort er ook bij.
Hoeveel sprints moeten jullie nog gaan in de praktijk met die verwachting? Worden mensen dan niet sprintmoe?
Ja, dat kan gebeuren zeker, omdat je snel resultaat wilt. En dan kun je sprintmoe worden. Dan betekent wel, wat jij net terecht zei, als je dat ene doel maar met elkaar heel scherp en SMART hebt staan, dan kom je er wel. Maar dat is wel wat ik neem, ik heb er een recent voorbeeld in mijn hoofd waar we bij een organisatie gesprekken uitluisteren van een callcenter. Om te ontdekken, daar zijn honderdduizend gesprekken per maand, en dan wil je weten wat zeggen mensen, wat vinden mensen. En eigenlijk komen daar in eerste instantie best wel lame resultaten uit. Dat had ik ook kunnen vertellen, waarom van die dure spraakherkenningssoftware. En dan moet je de volgende stap maken en zeggen: ja, maar daar zit achter nog veel meer, er zit nog emotie achter en allerlei dingen. En dan kun je nog naar segmenteren en allerlei andere data erover heen leggen. En dan kun je data verrijken met een RAG bijvoorbeeld, een Retrieval Augmented Generation. Retrieval Augmented Generation, oftewel RAG, is een techniek waarbij je een taalmodel verrijkt met externe databronnen. In plaats van alleen te vertrouwen op wat het model geleerd heeft tijdens training, kan het tijdens het genereren van antwoorden relevante informatie ophalen uit een database of documentencollectie. Dit maakt de antwoorden actueler en specifieker voor jouw situatie. En dan moet je wel, op jouw vraag, mensen meenemen naar het einddoel. En als je dat niet doet, merk ik wel vaak: oh ja, ik ben een beetje moe geworden en heeft het allemaal wel zin wat we doen, moeten we niet terug naar het oude?
Hoe hou je ze dan mee met dat einddoel?
Wat je zegt is ook: je hebt die datapunten nodig. Alleen de eerste zijn echt eigenlijk open deuren waar je tegenaan loopt, want dat zijn de eerste observaties die we allemaal eigenlijk zouden herkennen. Maar daarachter zit nog een hele wereld. En als je ze daar niet in meeneemt, gaan ze dus niet door de volgende deur heen, inderdaad. Dat zie je in de sport ook hoor. Bij verschillende sporten, bij wat rijkere bonden hebben ze embedded data scientists. En ja, er komen soms resultaten uit dat een coach allang weet. Wat ga je nu vertellen dan? Ik neem even het baanwielrennen als voorbeeld. Als je het volgende niveau bereikt, die jongens zitten hoog in de baan. Maar als je aan Harrie Lavreysen snel kunt vertellen: je kunt net acht centimeter en acht graden meer kantelen en dan val je niet naar beneden, is je effect tien keer meer of je hoeft minder hard te trappen. Maar dat weten mensen dan niet. Maar ja, goed, dat is pas het volgende level.
Koop je de spraakherkenningstechnologie in of maak je die zelf?
Wat wij doen is, we maken gebruik van best practice aan software die er is. En daarbovenop hebben we een laag gebouwd die van de best of both worlds gebruikmaakt. En daarmee eigenlijk een toepassing maakt om zowel op emotie als op wat wordt er gezegd informatie te bouwen.
Hoe zit dat met emotieherkenning en de AI-act? Wat mag wel en wat mag niet?
Kijk, wat wij doen is alleen maar, even twee dingen. Het is belangrijk als je gesprekken uitluistert. We hebben al heel lang software waarbij dit gesprek wordt opgenomen voor kwaliteitsdoeleinden. Het is helemaal AVG-proof. Dus je haalt het omhoog naar het abstracte niveau en het kan nooit aan jou gelinkt worden wat jij hebt gezegd. Er zitten ook cryptografische sleutels en dergelijke tussen. Dat is één ding. Dus het mag nooit aan mij gelinkt worden. En het andere ding is, er zijn twee dingen: tekst en emotie. En emotie kun je ook door toon eruit halen. En dat is eigenlijk wat we doen en dat mag weer wel. Dat is analyse, maar het kan ook realtime. Maar veelal gebruiken we het voor analyse. Want je moet vaak die hele gesprekken uitluisteren en daarna doorheen spoelen en dat weer naar een macroniveau halen. Dat is eigenlijk dus realtime. Om die verwarring weg te nemen: dat doe ik niet. Ik doe echt voor analyse. En dat is best een uitdaging, want daar zat ik in mijn voorbereiding over na te denken. De herkenning van woorden gaat best wel oké, maar die emotie, daar zitten een paar problemen mee. Ook omdat je in een callcentersituatie, in een realtime situatie, achtergrondgeluid hebt en mensen andere dingen noemen. En daardoor gaat de kwaliteit van de herkenning enorm omlaag. De intentieherkenning gaat omlaag.
Hoe ga je om met cynisme of sarcasme, waarbij de letterlijke woorden iets anders zeggen dan de betekenis?
Wat we hebben gedaan op jouw punt is eigenlijk gekeken of we meer contextual keywordspotting kunnen toepassen, in plaats van naar een hele zin kijken. Wat je normaal eigenlijk met een taalmodel doet, of hele blokken van zinnen. Maar we leren het model eigenlijk meer om trefwoorden perfect te begrijpen, welke trefwoorden nu belangrijk zijn, en daar het model op trainen in plaats van hele zinsneden. En daardoor wordt het contextuele begrip beter. En het andere deel, het probleem dat ik net opnoemde, dat zit meer aan de noise reduction layer eigenlijk. En daar hebben we eigenlijk het model getraind om specifiek achtergrondgeluid te filteren voordat het de spraakherkenningssoftware in gaat. Een filter bouwen, zeg maar. En daarin hebben we ook gebouwd: wie zegt wat? Als ik de agent ben, een agent is in dit geval een customer support medewerker, en jij bent de klant, kan ik ook wel eens na een dag best wel boos worden. Om vier uur 's middags, als ik alleen maar klachten heb gehad, dan kan ik ook wel eens moe worden, kan ik ook wel eens uitvallen. Dan moet je wel kunnen onderscheiden van wie is wie, wie is nou wie.
Wat is het verschil tussen de eerste AI-agent die je hebt gemaakt en de laatste waar je mee bezig bent? Wat heb je ertussen geleerd?
Oh ja, heel veel. Door frameworks toe te passen along the way, dus de modellen beter te maken, maar als ik een stapje terug maak: de eerste agent was heel simpel. Dingen aan elkaar knopen. Ik geef even een voorbeeld: mijn Garmin koppelen aan mijn agenda, bijvoorbeeld. En dat was een hele simpele, echt een agent eigenlijk. En toen dacht je: oké, ja, maar die data gaat allemaal naar en toe, dat is ook niet handig, dus dat wil ik helemaal niet. Dus dan zie je, dan leer je eigenlijk vrij snel: ik wil ontwikkelen bij design by transparancy en security natuurlijk. Dus denk je: oh ja, maar dat kan helemaal niet zo, dus ik moet het anders doen. Ik moet dan, toen kwam ik weer terug, je moet een gesloten systeem hebben, het moet veilig zijn, welke agents ga ik dan gebruiken, moet de context van de klant, welke tools zijn er dan? Dan ga je bij Microsoft kijken, bij andere leveranciers kijken, welke zijn er dan, wat kunnen die eigenlijk echt? En dan leer je eigenlijk, dan kom je terug bij oude automatiseringsprincipes: wat moet het proces eigenlijk zijn, wat is de logica? Dus dan ga je uitzoomen. En dan ga je kijken van: wat wil ik dan eigenlijk, kan ik een heel straatje automatiseren? Dus als ik het plat sla, we waren eigenlijk heel erg problemsolving gericht. En dan was de klant eigenlijk nog niet blij, want dan had je één klein resetje gedaan. En dan kom je daar achter: ja, maar als ik het gewoon qua design heel anders aanvlieg, dat is ook wel een van de redenen waarom ik design thinkers in mijn bedrijf heb, dan ga je tien keer de efficiëntie bereiken. En dan ga je het proces heel anders aanvliegen. En dat is waar ik nu ben, de endstate waar ik nu zit, dat ik het proces heel anders uitrol. Terwijl de klant mij dan wel probeert te duwen richting: kun je dit kleine dingetje doen? Maar ik zeg: ja, maar eigenlijk als je het verstandig doet, dan kijken we naar het hele redesign van het proces. Want anders ben je ouder, ja, het is toch weer het paard voor de T-Ford aan het zetten. Dat krijg je dan, voor de jonge luisteraars: de T-Ford was de uitvinding die de paarden verving. En dat is niet slim.
Heb je een concreet voorbeeld waar je dit proces hebt uitgevoerd?
Ja, bij de Verpleegkundigen en Verzorgenden Nederland, V&VN. Dat is die organisatie die honderdduizend calls langskrijgt. Die hebben heel veel mensen, ze hebben een training center waarbij ze verpleegkundigen trainen zodat ze naar de IC kunnen, kwaliteitsregister. En heel veel mensen, fysieke mensen nemen daar de telefoon op. En uiteindelijk hebben ze geen meta-informatie waar dit over ging. En waar moet ik dan op sturen en wat vinden en voelen verpleegkundigen nu in de dagelijkse praktijk en wat hebben ze nodig en in welke regio? Want hier heb je het over alle doelgroepen, dus alle specialisaties door heel Nederland, van alle ziekenhuizen en klinieken. Je hebt het over hartchirurgie tot en met IC, tot en met aan het bed. Het is heel erg divers. En dan moet je voorstellen dat juist een customer call agent, de echte agent, iemand aan de lijn, die gaat nooit aan het eind van de dag kunnen recappen van wat zijn de issues geweest die ik allemaal heb gehad. En dat halen we nu allemaal naar boven. En daardoor kunnen zij de strategie beter aanscherpen: waar moet ik me op richten, wat voor producten moet ik ontwikkelen, dat soort dingen. En aan de andere kant kunnen ze ook de communicatie beter inrichten. Dus ze kunnen ook, we hebben een andere agent gebouwd, een communicatie-agent, dat noemen wij de brandbuddy, specifiek communiceren waardoor er ook minder calls komen. Een ander voorbeeld wat we in het verleden hebben gedaan bij Transavia. Zij belden ons op en zeiden: we hebben in de winter heel veel calls, we moeten maar mensen aannemen tijdelijk om die calls af te handelen, kunnen jullie eens kijken waar die gesprekken over gaan? En dat bleek te gaan over pensionado's naar Spanje veelal. Dat was de tachtig procent van de calls. Die hadden vragen over medicijnen: mag ik die meenemen, komen die dan wel aan als ik ze in mijn koffer heb? En aan de andere kant zegt de medewerker natuurlijk: ja, ik kan nooit honderd procent garanderen dat die koffer aankomt. Die gesprekken duren langer. Als je dat dus weet, dan kun je weer naar boven kijken, dan kun je zeggen: oh, dan moeten we een communicatiecampagne aan de voorkant doen, specifiek op deze doelgroep. En dan gaan die callcenterkosten omlaag. Dat zijn twee mooie use cases.
Waar zou je AI-agents nou niet voor inzetten?
Nou ja, kijk, ik denk nog steeds, even generiek, ik denk dat emotionele intelligentie en creativiteit, die hoek, daar kunnen agents een heel stap in komen om een beetje een voorzetje te geven. Maar daar zou ik ze niet voor inzetten. Het is statistiek en dan eindigen we allemaal in het gemiddelde, waar we het net ook over hadden. En dan wordt het een hele saaie wereld. Dus ik zou ze niet inzetten op creativiteit. Daar zou ik de mens, ik neem mijn voorbeeld, ik heb creatieve designers in mijn bedrijf. Die gebruiken de agents als hulpmiddel, maar om zelf weer beter te worden, om geïnspireerd te worden. Maar vervolgens maken zij iets veel beters dan een agent zou kunnen maken. De angst die ik zie ook in de reclamewereld, over campagnes die allemaal vervangen worden, al die bureaus, ik denk dat dat anders kan werken. Dat kan werken dat je gewoon geïnspireerd wordt door al die data en al die campagnes, maar daarna iets heel tofs maakt wat je nooit had bedacht. Dus daarin denk ik, op jouw vraag: niet inzetten op creativiteit, maar wel gebruiken voor je inspiratie.
Heb je zelf agents in je eigen werk lopen?
Zeker. Wat wij eigenlijk doen, een voorbeeld: ik ben hier geweest, ik doe een intake. Ik moest dat dan eind van de week in mijn CRM stoppen. Stel, we hebben samen een zakelijk idee bedacht tijdens deze podcast en dan moet ik aan het eind van de week denken: oh ja, wat was het ook alweer allemaal? En dan moet ik al die leads en die funnels en zo allemaal bijhouden. Dat doe ik nu met een agent. Ik zit in de auto, ik roep tegen mijn agent, het is gewoon een WhatsApp-integratie. En die stelt aan mij vragen van: Erik, wat was het idee, wat was de klant, wat is de doorlooptijd, wat is ongeveer de dealwaarde? Deal zit erin. Eind van de week hoef ik dat saaie werk niet meer te doen. En al dat soort dingen, daar kijken we als bureau wel naar: heb ik robotmatig werk wat ik kan automatiseren? Want als je denkt als een robot en werkt als een robot, dan ben je een robot. Dan maakt het je werk gewoon een stukje makkelijker. Dus zo kijken we elke week wel naar dingetjes die we kunnen automatiseren.
Is die agent dan voor jou een teamlid, een speler in het team, een coach of een scheidsrechter?
Het is wel een teamlid, het is wel een buddy. Zo voelen wij hem wel. Het is geen coach, hij is niet, soms wel, maar meer een buddy. Echt een buddy. Het is ook geen scheidsrechter, hij bepaalt niks. In de zin van, ja, hij bepaalt natuurlijk wel wat de output kan zijn. Maar ik vind het wel leuk dat je dat vraagt. Ik vind het wel belangrijk dat een agent uiteindelijk een support is voor de mens. Ik denk toch weer zeventig-dertig, mens zeventig procent en dertig procent ondersteund door technologie. En we zitten natuurlijk in een tijd van de hype van AI, maar uiteindelijk gaat het daar gewoon weer op neerkomen. Ik heb in tweeduizendendrie onderzoek mogen doen vanuit PwC voor het Ministerie van Economische Zaken. Toen werd de vraag gesteld, dus de onderzoeksvraag was: wat is het verband tussen technologie, toen kun je niet voorstellen, en arbeidsproductiviteit en economische groei? Toen onderzocht ik dat en heb ik wereldwijd allemaal interviews gedaan. En uiteindelijk kom je tot een correlatie dat die er is. Er is geen productiviteitsparadox in organisaties. De productiviteitsparadox verwijst naar het fenomeen dat massale investeringen in technologie in de jaren tachtig en negentig niet leidden tot meetbare productiviteitsgroei. Het leek alsof we overal computers zagen behalve in de productiviteitscijfers. Later bleek dat er wel degelijk groei was, maar dat het tijd kostte voordat organisaties leerden hoe ze de technologie effectief moesten inzetten. Maar het leidt ook tot nieuwe bedrijven, het leidt tot nieuwe arbeidsvormen, alle dingen. En dat zie ik nu weer, dus dat gebeurt nu weer. Maar tegelijkertijd, ik zie de automatisering twee punt nul zitten, of drie punt nul, wie het wil noemen, maar tegelijkertijd gaat de mens gewoon anders werken. En dat is het. En we moeten het gewoon omarmen. Maar technologie gaat niet vertellen wat ik moet gaan doen. Dat gaat me heel ver helpen. En ik ken ook alle, ik volg ook alle verhalen over robots die mij kunnen helpen als ik wat ouder ben, dat is super gaaf. Maar tegelijkertijd blijf ik wel in de driving seat zitten, hoop ik.
Je zegt: we moeten het omarmen. Maar veel bedrijven hebben toch nog best wel een worsteling met AI-adoptie. Wat zijn gedragingen die de adoptie versterken of juist verzwakken?
Ik denk dat belangrijk is transparantie en vertrouwen. Dat je vanaf het begin laat zien dat wat uit die agents komt checkbaar is. En dat nog steeds de mensen aan het stuur zitten, waar we het net over hadden.
Maar dat neemt niet helemaal weg dat mensen denken: ja, maar mijn werk wordt overgenomen. Hoe beter die agent wordt, hoe groter misschien de bedreiging?
Ja, ik denk dat je daarin moet focussen op dat je niet in de efficiëntieparadox trapt, of trap eigenlijk. Dat je meteen gaat denken: ja, ga alles wegautomatiseren en jij bent niet meer nodig. Ik denk juist: de mens op de empathiekant moet meenemen. Ik neem jou mee, maar je werk wordt leuker en beter, wordt relevanter. Dus we gaan in productiviteit omhoog, in plaats van ik ga jouw werk vervangen. Dat is in automatisering ook zo gebeurd. Dat is waarom die productiviteitsparadox zo relevant is. We gaan gewoon in output vooruit, denk ik, is mijn geloof. Dus efficiëntie gaat hoger worden, maar we gaan gewoon andere dingen doen. En ja, er zullen beroepen straks niet meer bestaan, maar die mensen gaan ook andere dingen doen en leukere dingen doen. En zo stuur ik mijn bedrijf ook aan, dat ik zeg: ja, je doet nu sommige hele saaie dingen die ik echt kan automatiseren, maar denk er eens over na wat je zou kunnen doen met een agent.
Wat is iets wat jij nu nog doet, wat je over twee jaar niet meer doet omdat dat is overgenomen?
Ja, PowerPoints maken. Wat ik echt mijn hele leven bij PwC gedaan heb. Dat was core business. Alles op een juist lijntje zetten, dat is toch super saai. Het is ook wel creatief werk, maar het is super saai. Dat ga ik echt, dat maak ik nu voor een deel al niet meer.
Maar betekent dat ook dat ik over twee jaar geen presentaties meer hoef aan te horen?
Ja, ik denk dat wat je gaat verwachten van iemand die een presentatie geeft, is dat die jou gaat verrassen met creatieve invalshoeken. En dan ondersteund met de data die we met z'n allen weten. Want Einstein zei: knowledge is limited, imagination is limitless. En ik denk, daar moeten we ons aan vasthouden. Dus die imagination, als ik presentator ben voor jou, ga ik jou verrassen. En die knowledge, dat zeggen we in de onderbalk in zo'n presentatie van: dat weten we allemaal en dit kunnen we ermee, is de volgende stap. En ik denk ook dat er een andere trend aan de gang is, als ik zo nadenk. We zoeken, kijk maar naar de festivals, we zoeken naar meer verbindingen. Het is iets heel aparts aan de hand in de wereld. We zijn aan de ene kant, we zien een megatrend qua technologie, tegelijkertijd een enorme drang om te verbinden. Dus waarom zijn die festivals en dergelijke offline events, noem ik het maar even, zo? Hierom: we zoeken verbinding. We zoeken weer de kroegen, de restaurants in steden en dorpen zijn nog nooit zo druk geweest. Dat moet je meenemen in wat ik bedoel met empathisch ontwerpen en mensgericht ontwerpen van je organisatie.
Dit klinkt best wel ideologisch. Zijn er ook subtiele gedragingen van mensen die de adoptie tegenhouden?
Ja, neem de CIO in een organisatie die zeggen: Erik, super leuk allemaal, maar het moet wel planbaar, continuï, wat doe je met mijn data en garbage in, garbage out, dus alle dingen die we allemaal weten die oplosbaar zijn. Of er wordt verwezen naar governance, niet goed geregeld van data en dergelijke. En als we dat niet zo goed regelen, dan hebben we groot risico met deze organisatie. En al dat soort tegenwerpingen zie ik veel. We zitten in een tijd wat dat betreft in een soort van tijdsgewricht waar je nu de innovators nog mee hebt. En zo meteen, we zitten niet in die curve, die hypecurve, en dat zal ook wel een grote ramp ontstaan waardoor we allemaal even een setback hebben. En daarna gaat dat gewoon echt groeien vanuit een goede governance, goed systeemdenken. Maar goed, terug, ik zie die tegenwerpingen veel waar we net over hadden: banen weg, bezuinigen, oh wat doet het met mij, of kwaliteit van de data, die hebben we nog niet op orde, dus we kunnen nog niet beginnen. Allemaal dat soort subtiele dingen. Waarbij de innovators, die probeer ik dan wel te omarmen en te zeggen: ja, maar zullen we dan alvast gewoon klein beginnen met dat, weer die kleine intervaltraining? Want we komen er wel, we gaan wel dat goud halen. En dan krijg je langzamerhand die anderen ook wel mee. Dus degenen die op de rem staan, een vriend van mij noemt dat de remmers in dienst, om die toch wel mee te nemen. Wat wel belangrijk is, want als je die niet meeneemt, dan komt er een hele harde rem.
Hoe neem je die remmers dan mee?
Ja, door ze vanaf het begin te betrekken. Dus ik had het net over een goed doel stellen, experts nemen en dan intervaltraining doen. Die experts die je meeneemt, moet je ook meteen vertellen: dit is het doel, dit ga ik doen, ik hou rekening met jouw zorgen, maar geloof nou in het proces en dat er dan goede output komt.
Hoe geef je die pessimisten een rol in het proces?
Ja, en juist ook ze de rol geven van: je mag inderdaad de pessimist zijn in plaats van de optimist. Want de pessimisten hebben we ook nodig om ons scherp te houden. En als je ze daarmee een rol geeft en ook grumpy mag zijn, dat het waarde heeft, dat helpt wel om ze uiteindelijk mee te kunnen laten sprinten, of in ieder geval te kijken naar de sprint om op een duur ook een stapje te zetten. Ik vind het wel leuk dat je dat zegt. Ik kijk even terug naar mijn rol in het bestuur van de hockeybond. Ik heb bewust een heel divers bestuur. We kunnen heel goed met elkaar omgaan, maar tegelijkertijd zijn we heel verschillend en zijn we heel scherp op de inhoud. En daardoor mag je best af en toe zwart kijken op een bepaald thema zijn. Dat maakt alleen maar het proces beter. En daardoor kun je vanuit andere kanten kijken. En als we dat bereiken met elkaar, dan ga je gewoon hard vooruit en innoveer je ook tegelijkertijd. We hebben allemaal maar oogkleppen op, zoals mensen zoals we zijn, we hebben een bepaalde context zelf ook meegekregen. En dat is wat het is, denk ik, dat is wat het beter maakt. Dus ik vind het wel leuk dat je zegt: je mag een pessimist zijn, zeker. Ja, die hebben we ook nodig. We hebben ze nodig om ons scherp te houden en inderdaad kritisch te kunnen blijven.
Wat is het verschil tussen een remmer en een saboteur?
Er is wel een verschil vind ik tussen een pessimist of remmer zijn, of ben je bewust of onbewust obstakels op de weg aan het gooien om tegen te houden? Dat noem ik een saboteur. Dus dat gaat nog net iets anders inderdaad. Dat is doelbewust iets creëren waardoor je nooit naar dat einddoel zou kunnen gaan. Dus inderdaad, daar zit wel echt een verschil tussen een remmer die gewoon kritisch kijkt en een saboteur die er alles aan doet om ervoor te zorgen dat je daar niet gaat komen op de route. Wat daar interessant is qua leiderschap is om te ontdekken: wat zijn de conversaties boven tafel, maar vooral wat we zeggen hier, maar wat zijn de conversaties onder tafel? Wat denken mensen? Want ze kunnen dingen zeggen en toch dingen anders doen. En dat, als je het hebt over de onderlaag, is echt lastig, en dat vereist ervaring.
Maak je je zorgen over de nieuwe generatie die deze ervaring misschien niet opdoet?
Als je het hebt over waar maak ik naar de toekomst zorgen over, volgens mij opgedaan in de loop der jaren door gewoon vallen en opstaan, trainen en weer vallen en weer opstaan, ik maak me wel zorgen over dat de nieuwe generatie door alles wat ze aan tools meekrijgen, die ervaring nog niet hebben en nog niet snel gaan opdoen. Je moet hier doorheen om die conversaties onder tafel te herkennen. En dan te weten van: oh ja, maar wacht even, jij bent nu dit aan het doen, maar ik zie wel wat je doet, maar ik kan je ook helpen. Maar je moet het eerst even boven tafel krijgen en dan even vertrouwen. En dan kunnen we weer door met elkaar. En daardoor maken we het beter waar we het net over hadden. Maar als je dat niet ziet, dan ga je, vroeger kwam ik heel vaak teleurgesteld naar kantoor terug als consultant en als interim manager, met een hele andere agenda's dan ik had als consultant. En dat ik dacht: ja, het ligt aan mij en ik ben toch inhoudelijk goed bezig. Maar er was iets heel anders aan de hand.
Is dit niet een terugkerend patroon? Zeiden onze ouders dit ook niet tegen ons?
Ja, misschien is het wel, dat je echt inderdaad van, wat ik tegen mijn ouders zei, dat dat zich gewoon herhaalt. Grumpy old man ben ik nu. Maar zie je dat in sport ook niet? De sporters zijn ook niet verdwenen, het is ook anders hoe ze nu starten in de hockey, denk ik, dan jaren terug. Ja, honderd procent. Ja, de hockeyers van nu versus de hockeyers van vroeger in mijn tijd, nu zijn het echt atleten die honderd procent voor gaan, die je geen biertjes ziet drinken na een overwinning bij de Olympische Spelen, die gewoon vol voor het einddoel gaan. En in mijn tijd stonden ze gewoon nog wel een biertje te drinken. Dus dat is heel anders en de trainingsinspanning is anders. En even terug naar mezelf als scheidsrechter, als ik kijk wat scheidsrechters nu meekrijgen en wat ik meekreeg, ik heb het allemaal zelf uitgevonden en ik stond in het stadion met veertigduizend man in Delhi en ik moest allemaal uitvinden hoe ik omga met spanning en focus en concentratie en conflictmanagement, etcetera. Het heeft wel een mens gemaakt wat niet bevreesd is voor groepen te staan, maar ik heb het wel moeten leren en met vallen en opstaan. Nu geven ze dat allemaal mee. Dus we geven ze nu allemaal trainingen mee met anger management en communicatie. En als je dit doet, dan gebeurt er dat. En als je dat doet, dan gebeurt het dit. En dan maken ze die fouten nog, maar ze herkennen direct door fout maken: oh, je had het verteld, oh, wacht even. Het is niet zo dat ze geen fouten maken, ze hebben veel meer tools in handen. Veel meer tools in handen. Dus ik denk wel dat je inderdaad, je zult toch vallen en leren opstaan, maar die tools zorgen ervoor dat je wel sneller leert. Ik zie aan mijn kinderen dat ze wel sneller leren, dat is alleen maar leuk. Dus we gaan alleen harder vooruit. Dus dat geeft mij het geloof wat ik net zei: die economische groei en die productiviteit, die komt er gewoon aan. Ze gaan gewoon weer door, dankzij technologie. Als ik er zo over nadenk, dat is toch wel, dat gaat er gebeuren, maar anders, anders.
Wie of wat heeft jou geïnspireerd om juist deze technologie verder in te duiken?
Ja, aan de technologiekant Eric Schmidt en Jensen Huang van NVIDIA. En Eric Schmidt, oud Google-directeur of CEO, die volg ik, ik volg zijn video's nog dagelijks op YouTube. Waarin hij zegt: negentig procent van de beste scientists en de beste medische man, etcetera, etcetera, dat gaat straks AI worden. Dus zorg ervoor. En ook de warning van: we moeten niet zorgen dat we een nucleair wapen ontwikkelen wat de wereld gaat vernietigen. Dat inspireert mij omdat die denkt zoals Einstein dacht: kennis is beperkt, imagination is limitless. Dus dat vind ik mooi, vind ik inspiratief. De Chinese, Don Norman, zeg je dat wat? Die inspireert mij op het gebied van hoe je human centric kunt ontwerpen. Luisteraars kunnen hem maar eens opzoeken. Maar dat inspireert mij op dat vlak. Hij heeft het al twintig jaar geleden aan gedragsmethode ontwikkeld en ik denk: dat is nu van toepassing. Dus als je die twee combineert, dan zijn dat de twee inspiratiebronnen van mij en ook van mijn bureau, waarbij ik die designkant, dus human centric ontwerpen versus wat kan er allemaal met technologie, combineer.
Is er nog iets wat je niet gevraagd hebben maar wat je wel gezegd wilt hebben?
Nou, ik denk dat ik alles wel, ik denk wel belangrijk is dat, wat we niet heel erg hebben, we hebben zorgwekkende kanten onderstreept, maar die data privacy en veiligheid is wel super belangrijk als design principle. We hebben het wel kort over gehad, maar het risico op data lekken en het misbruik van gegevens gaat exponentieel omhoog. Dus we moeten daarin met z'n allen als vakbroeders goed blijven werken.
Zie je daar niet een contradictie? Want aan de ene kant zeggen we: doe voorzichtig, maar aan de andere kant duiken we massaal op open-source modellen zoals DeepSeek?
Ja, ik denk dat je moet experimenteren in het lab. En dan als je het naar buiten brengt, dan moet het gewoon wel veilig zijn. En ook afhankelijk van de context. Als je in een bank iets gebruikt of in een overheidsinstelling, dan moet het gewoon veilig zijn bij design. Maar als het voor mij privé is, zal het mij niet uitmaken. Dus ik heb niks te verbergen, meer op mijn gedrag, ik geef al jaren weg. Hadden van de week nog de discussie met mensen: ja, ik vind het moeilijk hoe Google en Meta mijn data traint. Ik zeg: ja, maar dan heb je de afslag tien jaar geleden al gemist, want die trainen al jaren op deze data. Dus we zijn al het product als mens. Het gebruik is alleen veranderd en versneld en verbreed. Maar context is wel belangrijk, denk ik. Dus op dat punt wat jij net zegt, je moet wel uitproberen. Ik ga binnenkort naar China om te kijken, want ik zie dat China heel ver is. En we vinden van alles van data en privacy, maar ga daar bewust heen en kijken naar: hoe ver zijn ze nou op technologisch gebied? En wat zou ik er dan in deze context mee kunnen, wel vanuit Secure Design, waar gaan ze op af? Ook vanuit sport is het interessant. Ik wil weten van: hoe ver pushen zij het al? Want ik wil bij LA of Brisbane, de Olympische Spelen daarna, niet verrast worden door een Chinees team wat iets heeft uitgevonden met technologie waarbij we dachten: oh, daar hadden we naar moeten kijken, of dat hadden we niet gewild, dat willen we niet.
Dus je gaat ook een beetje afkijken?
Ja, ga een beetje afkijken. Wat vroeger andersom ging: Chinezen kwamen bij ons afkijken, nu gaan we andersom afkijken. Want ik wil ook het IOC kunnen adviseren op: dit mag wel en dit mag niet, tenminste qua gedrag. Dus nieuwsgierigheid en toch kijken inderdaad waar de grenzen zijn, waar de scheidsrechter in je zit die kijkt waar de grenzen zijn. Dat is mooi om te horen, inderdaad. Dat is wat Erik is, inderdaad. Erik is nieuwsgierig, innovatief, maar ik kan dan wel een streep trekken van: oké, maar dit vind ik, dit is de grens.
Over de gast
Erik Klein Nagelvoort bouwt bij Blue Field Agency praktische AI-systemen voor bedrijven, van CRM-systemen die zichzelf bijwerken tot spraakherkenning die call center data analyseert. Daarnaast is hij voorzitter van de Nederlandse hockeybond, een rol die hem unieke inzichten geeft over mensen, processen en technologie. Deze combinatie van AI-expertise en sportbestuur zorgt voor een bijzondere benadering waarbij hij technologie altijd vanuit menselijk perspectief benadert.
Bekijk gastprofielTranscript
Je CRM dat zichzelf bijwerkt, terwijl je rijdt. Call center data, die onthuld dat 80% van je winterpiek over medicijnen naar Spanje gaat, en dan strafcorners automatisch herkennen om tegenstanders te lezen. Erik Klein Nagelvoort, bouwt bij Blue Field Agency, dit soort praktische AI-systemen voor bedrijven. Daarnaast is hij voorzitter van de Nederlandse hockeybond. Een combinatie die hem unieke inzichte geeft over mensen, processe en technologie. Joop: Kijk, je stond er al op. Joop: Heel erg leuk. Joop: Je zit er inderdaad in ons hoekje. Joop: Leuk dat je luistert naar AIToday Live. Joop: Ik ben Joop Snijder, Head of AI bij Info Support. Niels: Mijn naam Niels Naglé, Area Lead Data&AI bij Info Support. Joop: En in de studio, je hoorden hem al even, hebben we Erik Klein Nagelvoort. Joop: Erik, zou je jezelf eerst even willen voorstellen? Erik: Ik ben Erik Klein Nagelvoort, Managing Partner van Blue Field Agency, AI in Design een onderzoeksbedrijf in Amsterdam. Erik: En daarnaast voorzitter van de Nederlandse hockeybond. Joop: Ja, dat is natuurlijk wel een hele grappige combinatie, waar ik wel meteen mee wil beginnen, eigenlijk. Joop: Want hoe komt de voorzitter van de Nederlandse hockeybond in de AI terecht? Erik: Ja, precies. Erik: Ik ben oud scheidsrechter oud hockey. Erik: En dat scheidsrechters uit de hand gelopen. Erik: Dus ik ben op het best hoogste niveau in de wereld gezeten, dus India, Pakistan geweest, EK's, WK's, Champion Trophy's gedaan. Erik: Dus tot mijn eigen grote verrassing op het hoogste niveau gefloten. Erik: Suuk hele mooie ervaring. Erik: Daarna gingen mijn kinderen hockeyen voorzitter van een club geworden. Erik: En vier jaar geleden zei de bond tegen mij van joh, zou je niet voorzitter willen worden van de bond. Erik: Want je kent het internationale speelveld en je kent clubhockey, verenigingsleven. Erik: Dus zou je dat willen doen. Erik: Dus dat doe ik dat is een vrijwilligerstaak. Erik: Je moet het voorzien als een voorzitter RVT rol. Erik: Maar superleuk, heel eervol om te doen. Erik: En ik heb natuurlijk een hele mooie doe het nu al mijn vierde jaar. Erik: En Parijs is natuurlijk achter de rug met een hele unieke prestatie van de mannen en vrouwen. Erik: Het is nog nooit voorgekomen überhaupt in teamsport dat mannen en vrouwenteams Olympisch goud halen. Erik: Dus ik viel met mijn neus in de boven. Joop: Kijk, we gaan ze direct in op wat je dagelijks doet, maar toch nog wel heel interessant. Joop: Zit er ergens een combinatie tussen AI en hockey? Erik: Zeker. Erik: Ja, zeker. Erik: Ik heb toevallig gisteren bij de ABN Amro tennis toernooi, heb ik voor ondernemers een verhaal over AI en sport gehouden. Erik: En dat doe ik ook vaker bij NOC NSF voor bondscoaches. Erik: En om in beeld te geven. Erik: Je kunt natuurlijk met de AI analyseren. Erik: Looplijnen. Erik: Hoe loop ik een strafcorner? Erik: Ik weet niet of jullie ook hier zijn, maar strafcorner wil, is een groot ding in hockey. Erik: Hoe moet ik dat verdedigen? Erik: Ik haal alle strafcorners van alle wedstrijden tegen ik noem maar wat Argentinië naar binnen. Erik: En wat zijn dan de looplijnen? Erik: Wie loopt als eerste? Erik: Hoe worden die verdedigd, hoe ik dat aanvallen kun je allemaal met AI natuur. Erik: Analyseren. Erik: Waarbij we dat voorheen met een expert systeem bouwen. Erik: En nu kun je dat met een patroonherkenning best wel makkelijk doen. Erik: En je ziet ook wel daar een ontwikkeling dat de ontwikkeling van video. Erik: Dus de kwaliteit van video heel belangrijk is. Erik: Net zoals altijd met AI, kwaliteit van data is belangrijk. Erik: Anders wordt het niks met die outprocessen. Erik: En dat zie je bij hockey dus ook. Erik: Waarbij we in het verleden altijd gebruik moest maken van tv-beelden, kun je nu met AI-camera's, die al hogere kwaliteit opname hebben, kunnen we onderscheiden. Erik: Is dat Joop of is dat Erik? Joop: Dat je ook de individuele spelers allemaal ziet. Erik: En bij hockey hebben we natuurlijk de problematiek dat wij hebben interchange. Erik: Dus je kunt wisselen gedurende de wedstrijd, anders dan bij voetballen. Erik: We spelen zes minuten vaak en dan ben je er weer uit, je speel maximaal uit en dan ga je op de bank zitten. Erik: Dus daar wordt het een heel snel spelletje. Erik: Maar ja, die camera moet natuurlijk wel, of dat systeem, moet ik wel die speler kunnen blijven volgen. Erik: Want als je denkt, waar is hij nummer 7, die zit op de bank. Erik: Het zou een beetje slordig zijn als je dan zou zeggen van het is de nummer 7 die scoort. Erik: Dus daar kan je veel mee. Erik: Dus wat ik nu mee bezig ben met de internationale bond, is om te kijken van kunnen wij net zoals bij Formule 1 statistics aanbieden, zodat het ook wat toegankelijker wordt voor niet-hockeyers. Erik: Dat je kan zeggen, hoe hard gaat die bal er nu in, net zoals bij tennis? Erik: Hoe hard loopt een spelen? Erik: Wat voor combinaties zie ik nu tussen wat zijn de ideale combinaties. Erik: Je kunt daar hier heel ver in gaan. Erik: Je kunt zelf zeggen dat hebben we nog niet hoor je zo. Erik: Op basis van herkenning, zou je kunnen kijken: zijn er vermoeidheidsverschijnselen bij spelers. Erik: En aan de ene kant versus de andere kant. Erik: Want je weet natuurlijk dat is bij voetbal ook. Erik: Je kunt dan druk zetten op de kant die het moeilijk is. Erik: Dat zijn dingen waar we allemaal naar kijken, ja, tot het maken van trainingsschema's gaat heel ver door. Niels: Dat is wel realtime. Niels: Dus tijdens de wedstrijd, als veel in de voorbereiding. Erik: Dus een combinatie van moet je voorstellen dat we nu onze bondscoaches en überhaupt coaches wedstrijden inklikken. Erik: Dus je ziet die live beelden en tijdens de wedstrijd wordt geklikt op standaard situaties. Erik: Dat is heel veel werk, los zo al tijdens de wedstrijd. 87 Erik: En na de wedstrijd zitten we uren te analyseren om al die beelden, alle strafcorners, alle vrijeslagen naar binnen te halen. 88 Erik: En dat kan je nu met AI enorm versnellen. 89 Erik: Dus kunnen de coaches eigenlijk veel meer tijd besteden aan de creativiteit aan strategie, in plaats van saai werk te doen. 90 Niels: En zie je daar het spel ook echt te veranderen. 91 Erik: Dat is nog te vroeg om te zeggen. 92 Erik: Wat ik wel zie, is dat door de invloed van technologie die we hiervoor hebben ingezet, dat klikken en dat het spelletje enorm is verandert. 93 Erik: Het spelletje sneller geworden, tactisch geworden. 94 Erik: Wat we in de regelgeving wel hebben gedaan, ik weet niet of jullie kunnen herinneren, maar toen we in Beijing speelde, was Mark Lammers, bondscoach van de dames, die heeft toen geprobeerd om oortjes in de oren van dames te zetten en dan zo te coachen live. 95 Erik: Dat is regeltechnisch natuurlijk tegengehouden. 96 Erik: En dat is ook maar goed. 97 Joop: Geen robot. 98 Erik: Ze moeten een stukje van creativiteit, zoals Louis van Gael het mooi zegt, imagineren nog steeds zijn. 99 Erik: Dat die vrijheid er wel is. 100 Erik: En anders komen we in het gemiddelde uit, dat weten we ook, statistiek. 101 Erik: Ja, dan komen we nergens worden allemaal 0-0 potjes. 102 Joop: Ook niet leuk om te kijken, je van tevoren al intekenen. 103 Joop: Wat vanuit de sport neem jij nou mee in je dagelijkse werk rondomheen? 104 Erik: Ja, is wel leuk. 105 Erik: Ik had in mijn voorbereiding zat ik daarover na te denken, ik heb het gisteren ook in Rotterdam verteld, aan de ondernemers. 106 Erik: Als je een AI-project doet, dan moet je het niet zien als een marathon, maar dan moet je het zien als een intervaltraining. 107 Joop: Dat moet je even uitleggen. 108 Erik: Jullie kennen het begrip MVP, minimal viable product. 109 Erik: En als je dus start met een klein doel, haal de juiste expert erbij. 110 Erik: En doe dan een klein projectje. 111 Erik: Doe net als een topsporter dan, neem dan even strategische rust, evalueer dat. 112 Erik: En gaan dan weer naar het volgend projectje toe. 113 Joop: Waarom zeg je die strategische rust? 114 Erik: Om even hoog over te analyseren, zowel op mensengebied als op technologiegebied als procesorganisatie. 115 Erik: Wat gaat er nou goed en wat gaat er niet goed? 116 Erik: Want mensen is super belangrijk, die moeten we niet vergeten in die technologie. 117 Erik: En dat neem ik steeds in mee. 118 Erik: Omdat het doet een topsporter ook. 119 Erik: Die traint keihard. 120 Erik: Die probeert wat, die gaat over het randje soms. 121 Erik: Proberen wij ook met technologie. 122 Erik: Even iets proberen kijken of dit werkt. 123 Erik: En dan moet je evalueren van ja, was dit nou wel een goed idee of niet. 124 Erik: Dat is waarom ik zeg strategische rust. 125 Joop: En heb je een voorbeeld waarin die strategische rust ook tot iets heeft geleid die je anders niet zo hebben gehad. 126 Erik: Ja, ik denk, ja, er zijn wel meerdere voorbeelden, eigenlijk zie ik dat bij dagelijks wel bij mijn klanten dat je even weer, laat ik zo zeggen, je begint met al de expectations, de verwachting van de klant zelf. 127 Erik: Dat herkennen jullie wel. 128 Erik: Zeker. 129 Erik: En dan dat het met technologie van alles kan, zie je bij sport ook, daar heb je hoge verwachtingen, maar je moet focus op proces in sport, maar ook in je werk. 130 Erik: Je kunt niet allemaal niet allemaal goud winnen, het gelijk de reis moet ook goed zijn. 131 Erik: En wat je ziet bij die verwachting aan de ene kant is dat je dat door die strategische rust ook weer terug kan managen. 132 Erik: Dus dat je ook kan zeggen van ja, wacht even, maar realistisch gezien kan dit taalmodel het gewoon helemaal nog. 133 Erik: Dus je hebt wel die verwachting dat het alles kan, maar het blijft gewoon statistiek, en dit is wat de stand van de techniek kan. 134 Erik: En misschien over een half jaar kunnen we dat dan wel. 135 Erik: En dit merk ik dus heel vaak dat ik aan de ene kant een hele enthousiaste grote, gisteren had ik ook weer hele enthousiaste groepen, nou dan gooien we alles in het model. 136 Erik: Dan gaan we het gewoon doen. 137 Erik: En dan zeg je ja, hoor, waar ben je wel bewust van dat het niet het doekje voor alles is. 138 Joop: En zijn ze zich ook bewust dat dat taalmodel kan het gewoon 99 keer goed doen en de honderdste keer. 139 Erik: En dan even voorbeeld te geven, in een gesloten taalmodellen. 140 Erik: Ik bouw veel modellen dan in de Customer Intelligence hoek in de marketinghoek in, gesloten taalmodellen. 141 Erik: Met als voordeel dat het vanuit een merk kan redeneren, vanuit een bepaalde context kan redeneren, met als nadeel dat het heel langzaam leert. 142 Erik: En wat zie je dan als teleurstelling of die 99%? 143 Niels: Kan je iets meer toelichten over het gesloten model? 144 Erik: Dus ChatGPT is een open model, ook Gemini is open model. 145 Erik: Daar gooi ik alles in en het heeft de hele context van de hele wereld. 146 Erik: Gesloten model, bijvoorbeeld, we zetten in een Microsoft omgeving zetten een aparte omgeving op. 147 Erik: En het taalmodel kijkt alleen naar die data. 148 Erik: Dus ik stop daar documenten in, PDF's, whatever. 149 Erik: En daar leert hij alleen van. 150 Erik: Dat is alleen maar het model als context gebruikt. 151 Erik: En voor de rest niet, dan mag niet naar buiten. 152 Erik: En mag niet naar buiten. 153 Erik: Maar daar heeft hij ook meteen de beperking meegekregen. 154 Erik: Dat is een voordeel en een nadeel, omdat hij kijkt naar die context. 155 Erik: Maar tegelijk het nadeel ook, je weet niks anders. 156 Erik: Dat kan ook wel eens op teleurstellingen uitmonden. Joop: Ja, en dat bedoel je met langzaam leren, want dan moet het IS het model inkomen, omdat er dus geen verbinding naar buiten zit. Joop: En wat levert dan die teleurstelling op? Joop: Wanneer komt die? Erik: Ja, omdat mensen toch dan, dan zie je dat mensen resultaat gedreven zijn. Erik: Dus even de analogie met de sport. Erik: Zie je dat mensen die willen scoren. Erik: En dan zei ja, dan valt me toch tegen wat daar dan uitkomt. Erik: En dan zeg je oké, maar we kunnen wel een beetje extra context geven. Erik: En dan en dan zie je en dan betekent laten we nog een sprintje doen met elkaar. Erik: En dan vervolgens komt er wel weer wat. Erik: Dus dat is het handje vasthouden met elkaar. Erik: En dan geloof hebben, wel, dat ze ook analogie met sport geloven hebben in een uitkomst. Erik: Als je blijft trainen, dat dat tot een goed resultaat uiteindelijk gaat komen. Erik: En of dat nou goud, zilver of brons is, dat maakt niet uit. Erik: Dus je ziet bij alle sporters die geïnterviewd worden ook, daar kan we ook heel goed in verplaatsen. Erik: Dat ze, ja, ik heb alles gegeven, maar daar zit deze hele wereld achter. Erik: Ze hebben gewoon vier jaar lang getraind. Erik: En vergelijk even met ons werk, we zijn gewoon heel lang met een project bezig. Erik: En dan trainen. Erik: Analogie daar anders op dat train is ook dat je dingen moet proberen. Erik: En dat er ook dingen falen. Erik: En dat hoort er ook bij. Niels: Dus even voor mij dan nog even de analogie, want ik was er nog steeds over nadenken, want ik zeg inderdaad vaak voor data en datavolwassenheid is echt een marathon. Niels: Dat is niet even een sprintje. Niels: Maar je traint wel voor het einddoel. Niels: Maar je doet dat door in te val te trainen. Niels: Dus je weet daarop snel te schakelen. Niels: Maar je hebt wel het langere doel, heb je nog steeds voor ogen, dat kan ook een beetje naar links of naar rechts gaan, maar je traint wel met korte intervals voor het langere stuk. Erik: Exact, exact. Niels: En hoe kom je in de praktijk er dan tegenaan? Niels: Hoeveel sprints moeten we nog gaan met die verwachting van hoe werkt dat binnen een organisatie? Niels: Zijn ze dan sprintmoe? Erik: Ja, dat kan gebeuren zeker, omdat je snel het resultaat wil. Erik: En dan kan je sprint moe worden. Erik: Dan betekent wel wat jij net terecht zei. Erik: Als je dat ene doel maar met elkaar heel scherp en smart hebt staat. Erik: Dan kom je er wel. Erik: Maar dat is wel het wat ik neem, ik heb er een recent voorbeeld in mijn hoofd. Erik: Waar we bij een organisatie gesprekken uit luisteren van een call center. Erik: Om te ontdekken, daar zijn 100.000 gesprekken per maand. Erik: En dan wil je weten wat zeggen mensen, wat vinden mensen en eigenlijk komen daar dan in eerste instantie best wel lame resultaten uit. Erik: Dat had ik ook kunnen vertellen waarom van die dure spraakherkenningssoftware op zit. Erik: En dan moet je dan daar de volgende stap maken en zeg, ja, maar daar zit achter nog veel meer, en er zit nog emotie achter en zit allerlei dingen. Erik: En dan kun je kunt nog naar segmenteren en allerlei andere data overheen. Erik: En dan kun je data verrijken met een RAG bijvoorbeeld. Erik: Dus een retrieval Augmented Generation. Erik: En waardoor je. Erik: En dan moet je wel op jouw vraag moet je wel mensen meenemen naar het einddoel. Erik: En als je dat niet doet, merk ik wel vaak van oh ja, ik ben een beetje moe geworden en heeft het allemaal wel zin wat we doen, moeten we niet terug naar het oude. Niels: Ja, hou je ze mee met het einddoel in zich. Niels: En dat wat je zegt, is ook je hebt die datapunten nodig. Niels: Alleen de eerste zijn echt eigenlijk open deuren waar je tegenaan loopt, want dat zijn de eerste observatie die we allemaal eigenlijk zouden herkennen. Niels: Maar daarachter zit nog een hele wereld. Niels: En om ze daar niet in mee te nemen, gaan ze dus niet door de volgende deur heen, inderdaad. Erik: Het ziek in het sport ook hoor, als ik bij verschillende sporten zie, bij wat rijkere bonden hebben, embedded data scientists. Erik: En ja, er komen soms resultaat uit dat je dat weet een coach al lang. Erik: Wat ga ik nu vertellen dan. Erik: Ik neem even het baanwielrennen en als voorbeeld, als je dan het volgend niveau is. Erik: Die jongens zitten hoog in de baan. Erik: Maar als je Harrie Lafrij snel kan vertellen, van je kan net acht centimeter 8 graden meer kantelen. Erik: En dan val je niet naar beneden. Erik: Is je effect tien keer meer. Erik: Of je minder hard te trappen. Erik: Maar dat weet je als mensen dan niet. Erik: Maar ja, goed, dat is pas het volgend level. Unknown: Snap ik. Joop: Je had het over de spraakherkenningstechnologie. Joop: Koop je die software in, maak je dat zelf, wat doe je daarmee? Erik: Wat wij doen is, we maken gebruik van best practice aan software die er is. Erik: En daarbovenop hebben we een laag gebouwd die van de best of both worlds gebruik maakt. Erik: En daarmee eigenlijk een toepassing maakt om zowel op emotie als op wat wordt er gezegd informatiebouw te hebben. Joop: En dat van het emotie, ik heb het zelf niet helemaal scherp, ik weet niet of jij dat hebt, maar iets in de AI-act geeft aan rondom emotieherkenning. Joop: Wat we wel mogen, wat we niet mogen. Joop: Hoe zit dat, weet je dat? Erik: Ja, kijk, wat wij doen is alleen maar even twee dingen. Erik: Het is belangrijk als je gesprekken uitluistert. Erik: We hebben al heel lang zijn wij ook software die achter dit gesprek wordt opgenomen voor kwaliteitsdoeleinden. Erik: Het is helemaal AVG-proef. Erik: Dus je gaat je haalt het omhoog naar het abstract niveau en ik kan jou niet aanraken wat jij hebt gezegd, er zitten ook cryptografische sleutels en dergelijke tussen. Erik: Dat is één ding. Erik: Dus ik mag nooit nooit aan mij gelinkt worden. Erik: En het andere ding is, er zijn twee dingen. Erik: Dus tekst en emotie en emotie kan je ook door toon eruit halen. Erik: En dat is eigenlijk wat we doen en dat mag weer wel. Joop Snijder: En is dat analyse of realtime. Erik: Dat is analyse, maar kan ook realtime. Erik: Maar veelal gebruik het voor analyse. Erik: Om je vaak die hele gesprekken moet uitluisteren en daarna doorheen moet spoelen. Erik: En dat weer naar een macroniveau moet halen. Erik: Dat is eigenlijk dus realtime, om dat verwarring weg te nemen, dat doe ik niet. Erik: Ik doe echt voor analyse. Erik: En dat is best een uitdaging, want daar zat ik in mijn voorbereiding over na te denken, dat herkenning van woorden gaat best wel oké. Erik: Maar die emotie. Erik: Er zitten een paar problemen mee. Erik: Ook omdat je in een call center situatie in een realtime situatie, achtergrondgeluid, mensen noemen andere dingen. Erik: En daardoor gaat het de kwaliteit van de herkenning enorm omlaag. Erik: De intentieherkenning gaat in omlaag. Joop Snijder: Want ik kan me iets voorstellen dat als ik iets heel cynisch zeg, dat ik dus iets de letterlijke woorden zeggen iets anders dan wat de betekenis is. Erik: Ja, wat we hebben een paar dingen hebben daarop. Erik: Dus op jouw punt hebben we eigenlijk gekeken van kunnen we meer contextual keywordspotting toepassen, in plaats van naar een hele zin kijken. Erik: Wat je normaal eigenlijk met een taalmodel doet, of hele blokken van zinnen. Erik: Maar het model eigenlijk meer leren van perfecte leren begrijpen van welke trefwoorden zijn nu belangrijk en daar het model op trainen, in plaats van hele zinsneden. Erik: En daardoor wordt de contextuele begrip beter. Erik: En het andere deel wat ik net het probleem heb opnoemde, dat zit meer aan de noise reduction layer eigenlijk. Erik: En daar hebben we eigenlijk het model getraind om specifiek achtergrondgeluid te filteren voordat hij het spraakherkenningssoftware in. Joop Snijder: Dus ook weer kwaliteitsverbetering van de data. Erik: Ja, exact. Erik: Een filter bouwen, zeg maar. Erik: En daarin hebben we ook gebouwd, wie zegt wat. Erik: Als ik de agent ben, dat jij bent de klant, kan ik ook wel eens na een dag best wel boos worden. Joop Snijder: En een agent is dit in dit geval een customer support medewerker. Joop Snijder: Ik ben de mens. Erik: En nou, om vier uur 's middags als ik alleen maar klachten over nodig gehad heb. Erik: Dan kan ik ook wel eens moe worden van kan ik ook wel eens uitvallen. Erik: Dan moet je wel kunnen onderscheiden van wie is wie is nou wie. Joop Snijder: Volgens mij wat ik gelezen had, je bouwt met je bedrijf ook AI agents, toch? Joop Snijder: En dan hebben we het nu wel over de machines. Joop Snijder: Ik ben wel benieuwd. Joop Snijder: Welke reis heb je doorgemaakt en wat is nou het verschil tussen de eerste agent die je hebben gemaakt en de laatste waar je mee bezig bent, wat heb je ertussen geleerd. Erik: Oh, ja, heel veel. Erik: Even kijken door frameworks toe te passen, along the way, dus de modellen beter meten te maken, maar als een stapje terug maakt. Erik: De eerste agent was heel simpel. Erik: Dingen aan elkaar knopen. Erik: Ik geef even voorbeeld die in mijn Garmin wat koppelen aan mijn agenda, bewijs van. Erik: En dat was een hele simpele en echt een agent eigenlijk. Erik: En toen dacht je, oké, ja, maar die data gaat allemaal naar en het en toe, dat is ook niet handig, dus dat wil ik helemaal niet. Erik: Dus dan zie je dan leer je eigenlijk vrij snel. Erik: Ik wil ontwikkelen, bij design by transparantie en security natuurlijk. Erik: Dus denk je, oh ja, maar dat kan helemaal niet zo. Erik: Dus ik moet het anders doen. Erik: Ik moet dan kwam ik weer terug, je moet een gesloten systeem, het moet veilig zijn, welke agents ga ik dan gebruiken, moet de context van de klant, welke tools zijn er dan? Erik: Dan ga je bij Microsoft kijken, bij andere leveranciers kijken, welke zijn er dan? Erik: Wat kan je die eigenlijk echt. Erik: En dan leer je eigenlijk dan terug naar oude automatiseringsprincipes. Erik: Wat moet het proces eigenlijk zijn, wat is de logica. Erik: Dus dan ga je uitzoomen. Erik: En dan ga je dan kijken van wat wil ik dan eigenlijk, kan ik een heel straatje automatiseren. Erik: Dus als ik het plat sla, we waren eigenlijk heel erg problemsolving gericht. Erik: En dan was de klant eigenlijk nog niet blij, want dan had je één klein resetje gedaan. Erik: En dan kom je daarna achter, ja, maar als ik het gewoon qua design heel anders aanvlieg. Erik: Dat is ook wel een van de redenen waarom ik design thinkers in mijn bedrijf heb. Erik: Dan ga je tien keer de efficiëntie bereiken. Erik: En dan ga je dan ga je het proces heel anders aanvliegen. Erik: En dat is waar ik nu de endstate waar ik nu zit dat ik dat ik het proces heel anders uit. Erik: Terwijl de klant mij dan wel probeert te duwen richting kun je dit kleine dingetje doen, maar ik zeg ja, maar eigenlijk als je de verstandig aan doet, dan kijken we naar het hele redesign van het proces. Erik: Want anders ben je ouder, ja, het is toch weer die het paard voor de T-fort aan het zetten. Erik: Dat krijg je dan voor de jonge luisteraars. Erik: De T-fort was de uitvinding. Erik: Die de paarden vervangen. Erik: En dat is niet slim. Joop Snijder: Dat zie je nu wel weer. Joop Snijder: Heb je hier een concreet voorbeeld van waar je dit hebt uitgevoerd? Erik: Ja, ik heb bij vereniging van verpleegkundigen Nederland. Erik: Heb ik dat is die organisatie die 100.000 calls langs krijgt. Erik: En die hebben heel veel mensen die hebben dus wat ze hebben, ze hebben een training center. Erik: Waarbij ze verpleegkundige trainen, zodat ze naar de IC kunnen kwaliteitsregister. Erik: En heel veel mensen, fysieke mensen nemen daar de telefoon op. Erik: En uiteindelijk hebben ze geen meta-informatie waar dit over ging. Erik: En waar moet ik dan op sturen en wat vinden en voelen verpleegkundigen nu in de dagelijks praktijk en wat hebben ze nodig en in welke regio? Erik: Want hier heb je het over alle doelgroepen, dus alle specialisaties door heel Nederland, van alle ziekenhuizen en klinieken. Erik: Je hebt het over hartchirurgie, tot en met IC, tot en met aan het bed. Niels Naglé: Heel erg divers. Erik: En dan moet je voorstellen dat juist Customer Call agent, de echte agent. Erik: Iemand aan de lijn, dan ga je nooit aan het eind van de dag kunnen recappen van wat zijn de issues geweest die ik allemaal en dat halen we nu allemaal naar boven. Erik: En daardoor kunnen zij de strategie beter aanscherpen. Erik: Waar moet ik me op richten? Erik: Wat voor producten moet ik ontwikkelen, dat soort dingen. Erik: En de andere kant is, ze kunnen ook een communicatie beter inrichten. Erik: Dus ze kunnen ook weer met een andere agent hebben gebouwd om een communicatie-agent, dat noemen wij de brandbuddy. Erik: Specifiek te kunnen communiceren, waardoor er ook minder calls komen. Erik: Een ander voorbeeld wat we het verleden hebben gedaan bij Transavia is zij belden ons op en zeiden van we hebben in de winter heel veel calls. Erik: We moeten maar mensen aannemen tijdelijk om die calls af te handelen, kunnen eens kijken waar die gesprekken over gaan. Erik: En dat bleek te gaan over pensionado's naar Spanje. Erik: veel al. Erik: Dat was de 80% van de calls. Erik: Die hadden de vragen over medicijnen. Erik: Mag ik die meenemen? Erik: Ja, dan komen die dan wel aan als ik ze in mijn koffer heb en de andere kant vragen. Erik: Aan andere kant zegt natuurlijk, ja, ik kan nooit 100% garanderen dat die koffer aan komt, die gesprekken langer. Erik: Als je dat dus weet. Erik: Dan kun je geen riek weer naar boven, dan kun je zeggen, oh, dan moeten we communicatiecampagne aan de voorkant doen. Erik: Specifiek op deze doelgroep. Erik: En dan gaan die call center kosten omlaag. Erik: Dat zijn twee nieuws kees. Niels Naglé: Mooie inzicht inderdaad, door eigenlijk even meer het strategisch stilstaan. Niels Naglé: Wat willen we bereiken? Niels Naglé: Wat hebben we al? Niels Naglé: En wat moeten we misschien dus creëren? Niels Naglé: Welke data hebben we dan nodig om opnieuw te kunnen kijken waar zit het nou eigenlijk in de diepte? Erik: Ja, precies. Joop Snijder: Waar zou je AI agents nou niet voor inzetten? Erik: Nou ja, kijk, ik denk nog steeds, even generiek. Erik: Ik denk dat je emotie, emotionele intelligentie, creativiteit. Erik: Die hoek. Erik: Daar kunnen agents een heel stap in komen om een beetje een voorzetje te geven. Erik: Maar daar zou ik ze niet voor inzetten het is statistiek. Erik: En dan eindigen we allemaal in de gemiddelde waar we het net ook over hadden, op het gemiddelde. Erik: En dan wordt het een hele saaie wereld. Erik: Dus ik zou ze niet inzetten op creativiteit, daar zou ik de mens. Erik: Ik zou de voorbeeld bij mij, ik heb creatieven, de creatief designers in mijn. Erik: Die gebruiken de agents als hulpmiddel. Erik: Maar om zelf weer beter te worden om geïnspireerd te worden, maar vervolgens maken zij iets veel beters van dan een agent zou kunnen maken. Erik: De angst die ik zie ook in de reclamewereld. Erik: Over de campagnes al vervangen, al die bureaus van ik denk dat dat anders kan werken. Erik: Dat kan werken dat je gewoon geïnspireerd wordt door al die data en al die campagnes, maar daarna iets heel tofs maakt wat je nooit had bedacht. Erik: Dus daarin denk ik op jouw vraag niet inzetten op creativiteit. Erik: Maar wel als gebruiken voor je inspiratie. Joop Snijder: En heb je zelf agents in je eigen werk lopen? Erik: Zeker. Erik: Wat wij eigenlijk voorbeeld, ik ben hier geweest, ik doe een ID op. Erik: Ik moest dat dan eind van de week in mijn CRM stoppen. Erik: Stel, we hebben samen een zakelijk idee bedacht tijdens deze podcast. Erik: En dan moet ik aan het eind van de week denken, oh ja, wat was het ook alweer allemaal en dan moet ik al die leads en die funnels en zo allemaal bijhouden, dat doe ik nu met een agent. Erik: Ik zit in de auto, ik roep tegen mijn agent. Erik: Het is gewoon een WhatsApp integratie. Erik: En die stelt aan mij vragen van Erik, wat was het idee? Erik: Wat was de klant? Erik: Wat is de doorlooptijd? Erik: Wat is ongeveer de dealwaarde. Erik: Deal zit erin. Erik: Eind van de week hoef ik dat saaie werk. Erik: En al dat soort dingen kijken wel als bureau wel naar van heb ik robotmatig werk, wat ik kan automatiseren. Erik: Want als je denkt als een robot, werkt als een robot, dan ben je een robot. Erik: Dan maakt je werk gewoon een stukje makkelijker. Erik: Dus zo kijken we elke week wel naar dingetjes die we kunnen die we kunnen automatiseren. Niels Naglé: Dat was van nieuwsgierig, is de agent dan van jou een teamlid. Niels Naglé: Een speler in het team. Niels Naglé: Is het de coach, is het de scheidsrechter. Erik: Het is wel een teamlid. 382 Erik: Het is wel een buddy. 383 Erik: Zo voelen wij hem wel. 384 Erik: Het is geen coach. 385 Erik: Hij is niet ja, soms wel, maar meer een buddy. 386 Unknown: Maar echt een buddy. 387 Erik: Het is ook geen scheidsrechter, hij bepaalt niks. 388 Erik: In de zin van ja, bepaalt niks. 389 Erik: Hij bepaalt natuurlijk wel van wat de output kan zijn. 390 Erik: Maar ik vind het wel leuk dat je dat vraag. 391 Erik: Ik vind het wel belangrijk dat een agent uiteindelijk een support is voor de mens. 392 Erik: Ik denk toch weer 70, 30, mens, 70%. 393 Erik: En 30% ondersteund door technologie. 394 Erik: En we zitten natuurlijk in een tijd van hype van de AI. 395 Erik: Maar uiteindelijk gaat het daar gewoon weer op neerkomen. 396 Erik: Ik heb in 2003 onderzoek mogen doen vanuit PwC voor de ministerie Economische Zaken. 397 Erik: Toen de vraag gesteld. 398 Erik: Dus de onderzoeksvraag was, wat is de verband tussen technologie toen kun je niet voorstellen. 399 Erik: En arbeidsproductiviteit en economische groei. 400 Erik: Toen onderzocht. 401 Erik: En dan heb ik wereldwijd allemaal interviews gedaan en uiteindelijk kom je dat tot een correlatie. 402 Erik: Dat dat er is. 403 Erik: Er is geen productiviteitsparadox in organisaties. 404 Erik: Maar het leidt ook tot nieuwe bedrijven, het leidt tot nieuwe arbeids alle dingen. 405 Erik: En dat zie ik nu weer. 406 Erik: Dus dat gebeurt nu weer. 407 Erik: Maar tegelijkertijd, ik zie de automatiserings 2.0 zitten wij of 3.0, wie het wil noemen, zit het in. 408 Erik: Maar tegelijkertijd. 409 Erik: De mens gaat gewoon anders werken. 410 Erik: En dat is het. 411 Erik: En we moeten het gewoon omarmen. 412 Erik: Maar technologie gaat niet vertellen wat ik moet gaan doen. 413 Erik: Dat gaat me heel ver helpen. 414 Erik: En ik ken ook alle, ik volg ook alle verhalen over robots en mij kunnen helpen als ik wat ouder ben, dat ze dat super gaaf. 415 Erik: Maar tegelijkertijd blijf ik wel in de driving seat zitten, hoop ik. 416 Joop Snijder: Je zegt dan, we moeten het omarmen. 417 Joop Snijder: Maar een hele hoop bedrijven hebben toch nog best wel een worsteling met AI adoptie. 418 Joop Snijder: Want je komt natuurlijk wel iets met iets nieuws. 419 Joop Snijder: Maar mensen soms bang voor zijn dat ze vervangen worden. 420 Joop Snijder: Wat zijn nou een aantal gedragingen die je ziet die de adoptie of versterken of juist verzwakken? 421 Erik: Ik denk dat belangrijk is transparantie en vertrouwen. 422 Erik: Dat je dat vanaf het begin laat zien, dat wat uit die agents komt. 423 Erik: Dat dat checkbaar is. 424 Erik: En dat nog steeds de mensen aan het stuur zit, waar we het net over hadden. 425 Joop Snijder: Maar dat neem niet helemaal weg dat je dan denk van ja, maar mijn werk wordt overgenomen. 426 Joop Snijder: Want hoe beter die agent worden, hoe groter misschien de bedreiging. 427 Erik: Ja, ik denk dat je daarin moet focussen op dat je niet gaat gaat de efficiëntieparadox eigenlijk of trap eigenlijk. 428 Erik: Dat je meteen gaat denken, ja, ga alles wegautomatiseren en jij bent niet meer nodig. 429 Erik: Ik denk, juist de mens op de empathiekant moet meenemen ik neem jou mee. 430 Erik: Maar je werk wordt leuker en beter, wordt relevanter. 431 Erik: Dus we gaan in productiviteit omhoog. 432 Erik: In plaats van ik ga jouw werk vervangen. 433 Erik: Dat is in automatisering ook zo gebeurd. 434 Erik: Dat is waarom die productiviteitsparadox zo relevant is. 435 Erik: We gaan gewoon in output vooruit, denk ik, is mijn geloof. 436 Erik: Dus efficiëntie gaat hoger worden. 437 Erik: Maar we gaan gewoon andere dingen doen. 438 Erik: En ja, er zullen beroepen straks niet meer bestaan. 439 Erik: Maar die mensen zijn ook andere dingen gaan doen en leukere dingen gaan doen. 440 Erik: En zo stuur ik mijn bedrijf ook aan. 441 Erik: Dat ik zeg, ja, je doet nu sommige hele saaie dingen die ik echt kan automatiseren. 442 Erik: Maar denk er eens over na wat je zou kunnen doen met een agent. 443 Joop Snijder: Wat is iets wat jij nu nog doet, wat je over twee jaar niet meer doet, dat dat is overgenomen. 444 Erik: Ja, PowerPoints maken. 445 Erik: Wat ik echt mijn hele leven bij PwC's zal. 446 Joop Snijder: Dat is je core business. 447 Erik: Alles op een juist lijntje zetten, dat is toch super saai. 448 Erik: Het is ook wel creatief werk, maar het is super zijn. 449 Erik: Dat ga je echt ga ik echt maak nu voor een deel. 450 Joop Snijder: Maar betekent dat ook dat over twee jaar dat ik dan ook geen presentaties meer hoef aan te horen. 451 Erik: Ja, ik denk dat je wat je gaat verwachten van iemand die een presentatie geeft. 452 Erik: Dat hij daarin jou gaat verrassen met creatieve invalshoeken. 453 Erik: En dan ondersteunt we die data die we met z'n allen weten. 454 Erik: Want Einstein zei knowledge is limited, imaginations limitless. 455 Erik: En ik denk, daar moet we ons aan vasthouden. 456 Erik: Dus die imagination, dat ga ik jou als ik presentator ben voor jou, ga ik jou verven. 457 Erik: En die knowledge. 458 Erik: Dat is een daar zeggen we in de onderbalk in zo'n presentatie van dat weten we allemaal en dit kunnen we ermee. 459 Erik: Is de volgende stap. 460 Joop Snijder: Zeker in converseren. 461 Erik: En ik denk ook dat er een andere trend aan de gang is, als ik zo over nadenken. 462 Erik: We zoeken, kijk maar nu naar de festivals. 463 Erik: We zoeken naar meer verbindingen. 464 Erik: Het is iets heel apart aan de hand in de wereld. 465 Erik: We zijn aan de ene kant zien we een mega trend qua technologie. 466 Erik: Ten gelijkertijd een enorme drang om te verbinden. 467 Erik: Dus we waarom zijn die festivals en dergelijke offline events noem ik het maar even. 468 Erik: Zo hierom, we zoeken verbinding. 469 Erik: We zoeken weer de kroegen, de restaurants in steden dorpen zijn nog nooit zo druk 470 Erik: Dat moet je meenemen in het wat ik bedoel, met empathisch ontwerpen en mensgericht ontwerpen van je organisatie. 471 Joop Snijder: Dit klinkt best wel heel erg ideologisch. 472 Joop Snijder: Toch zijn er ook gedragingen van mensen die het heel subtiel eigenlijk de adoptie tegenhouden. 473 Joop Snijder: Heb je daar voorbeelden van? 474 Erik: Ja, neem de CIO in een organisatie die zeggen, Erik, super leuk allemaal, maar het moet wel planbaar continu en wat doe je met mijn data en garbage in, garbage out, dus alle dingen die je allemaal dat we allemaal weten die oplosbaar zijn. 475 Erik: Of er wordt verwezen naar governance. 476 Erik: Niet goed geregeld van data en dergelijken. 477 Erik: En als we dat niet zo goed regelen, dan hebben we groot risico met deze organisatie. 478 Erik: En al dat soort tegenwerpingen zie ik veel. 479 Erik: We zitten in een tijd wat dat betreft in een soort van tijdsgewricht waar je nu de innovators nog mee hebt. 480 Erik: En zo meteen we zitten niet in die curve die hypecurve en dat zal ook wel een grote ramp ontstaan, waardoor we allemaal even een setback hebben. 481 Erik: En daarna gaat dat gewoon echt groeien vanuit een goede governance goede systeem denken. 482 Erik: Maar goed terug, ik zie die zie die tegenwerpingen veel. 483 Erik: Waar we net over hadden, banenweg bezuinigen. 484 Erik: O wat doet het met mij, of kwaliteit van de data. 485 Erik: Die hebben we nog niet op orde. 486 Erik: Dus we kunnen nog niet beginnen. 487 Erik: Allemaal dat soort subtiele dingen. 488 Erik: Waarbij de innovators, die probeer ik dan wel te omarmen en te zeggen, ja, maar zullen we dan alvast gewoon klein beginnen met dat weer die kleine intervaltraining. 489 Erik: Want we komen er wel, we gaan wel dat goud halen. 490 Erik: En dan krijg je langzo en maar die anderen ook wel blijven meenemen. 491 Erik: Dus degene die op de rem staan. 492 Erik: Vriend van mij noemt dat de remmers in dienst. 493 Erik: Om die toch wel mee te nemen. 494 Erik: Wat is wel belangrijk. 495 Erik: Want als je die niet meeneemt, dan komt er een hele harde rem. 496 Niels Naglé: En hoe neem je die mee? 497 Erik: Ja, door ze vanaf het begin te betrekken. 498 Erik: Dus ik had het net over een goed doel stellen, experts neemen en dan intervaltraining doen. 499 Erik: Die experts neem meenemen, moet je ook meteen vertellen. 500 Erik: Dit is het doel. 501 Erik: Dit ga ik doen. 502 Erik: Ik hou rekening met jouw zorgen. 503 Erik: Maar geloof nou in het proces. 504 Erik: En dat er dan goede output komt. 505 Niels Naglé: Lijkt me wel lastig, inderdaad. 506 Erik: Zie jullie dat ook? 507 Niels Naglé: Ja, en juist ook ze de rol geven van je mag inderdaad de pessimist in plaats van de optimist zijn. 508 Niels Naglé: Want de pessimisten hebben we ook nodig om ons scherp te houden. 509 Niels Naglé: En als je ze daarmee een rol geeft, en ook grumpy old mag zijn, dat het waarde heeft, dat helpt wel onze op den duur mee te kunnen laten sprinten, of in ieder geval te kijken naar de sprint om op een duur ook een stapje te zetten. 510 Erik: Ik vind het wel leuk dat je dat zegt. 511 Erik: Ik kijk even terug naar mijn rol in besturen van de hockeyboek. 512 Erik: Ik heb bewust een heel divers bestuur. 513 Erik: We kunnen heel goed met elkaar omgaan, maar tegelijkertijd zijn we heel verschillend en zijn we heel scherp op de inhoud. 514 Erik: En daardoor mag je best af en toe een zwart kijken op een bepaald thema zijn. 515 Erik: Dat maakt alleen maar een proces beter. 516 Erik: En daardoor kun je vanuit andere kanten kijken. 517 Erik: En als we dat bereiken met elkaar, dan ga je gewoon hard vooruit en innoveer je ook tegelijkertijd. 518 Erik: We hebben allemaal maar oogkleppen op, zoals we mensen zoals we zijn, we hebben een bepaalde context zelf ook meegekregen. 519 Erik: En dat is wat het is, denk ik, dat is wat het beter maakt. 520 Erik: Dus ik vind het wel leuk dat je zegt, je mag een pessimist zijn, zeker. 521 Niels Naglé: Ja, die hebben we ook nodig. 522 Niels Naglé: We hebben ze nodig om onscherp te houden. 523 Niels Naglé: En inderdaad kritisch te kunnen blijven. 524 Joop Snijder: Er is wel een verschil vind ik tussen een pessimist of remmer zijn. 525 Joop Snijder: Of ben je bewust of onbewust obstakels op de weg aan het gooien om tegen te houden? 526 Niels Naglé: Dat noem ik een saboteur. 527 Niels Naglé: Dus dat gaat bij mij nog net iets anders inderdaad. 528 Niels Naglé: Dat is doelbewust iets creëren waardoor je nooit naar dat einddoel zou kunnen gaan. 529 Niels Naglé: Dus inderdaad, daar zit wel echt een verschil tussen een remmer die gewoon kritisch kijkt. 530 Niels Naglé: En een saboteur die er alles aan doet om ervoor te zorgen dat je daar niet gaat komen op de route die. 531 Erik: Wat daar interessant is qua leiderschap, is om te ontdekken. 532 Erik: Wat zijn de conversaties boven tafel, maar vooral wat we zeggen hier. 533 Erik: Maar wat zijn de conversaties onder tafel? 534 Erik: Wat denken mensen. 535 Erik: Want ze kunnen dingen zeggen en toch dingen anders doen. 536 Erik: En dat maken we natuurlijk als je het hebt over de onderlaag, wat echt lastig is, en dat vereist ervaring. 537 Erik: Als je het hebt over waar maak ik nou naar de toekomst zorgen over. 538 Erik: Volgens mij opgedaan in de loop de jaren door gewoon vallen en opstaan trainen en weer vallen en weer opstaan. 539 Erik: Ik maak me wel zorgen over dat we dat de nieuwe generatie door alles wat ze aan het tools die ze meekrijgen. 540 Erik: Die ervaring nog niet hebben en nog niet snel gaan op doen. 541 Erik: Om je moet hier doorheen om die conversaties onder tafel te herkennen. 542 Erik: En dan te weten van oh ja, maar wacht even, jij bent nu dit aan het doen. 543 Erik: Maar ik zie dat wel wat je doet, maar ik kan je ook helpen. Erik: Maar je moet het eerst even boven tafel krijgen. Erik: En dan even vertrouwen. Erik: En dan kunnen we weer door met elkaar. Erik: En daardoor maken we het beter waar we het net over hadden. Erik: Maar als je dat niet ziet, dan ga je vroeger heel vaak teleurgesteld naar kantoor teruggekomen als consultant. Erik: En dat ze een interim manager met een hele andere agenda's had dan ik had als consultant. Erik: En dat ik dacht, ja, het ligt aan mij en ik ben toch inhoudelijk goed bezig. Erik: Maar er was iets heel anders aan de hand. Joop: Zij moeten zich gaan bewegen door een andere wereld dan waar wij in begonnen, maar daar gaan ze ook natuurlijk gewoon in vallen en opstaan. Joop: En zeggen dan naar een x-aantal jaren van ja, dit is de ervaring die ik heb opgedaan. Joop: En degene achter mij, weet je, die missen deze ervaring. Joop: Is het niet een terugkeren patroon? Erik: Ja, misschien is het wel misschien is het wel. Erik: Dat je echt inderdaad van, wat ik tegen mijn ouders zeggen, dat dat zich gewoon herhaald. Erik: Grumpy old man ben ik nu. Niels: Maar zie je dat in sport ook niet. Niels: De sporters ook niet verdwenen. Niels: Het is ook anders hoe ze nu starten in de hockey, denk ik dan dat je dat jaren terugdenken. Niels: Ja, 100%. Erik: Ja, de hockeyers van nu versus de hockeyers van vroeger in mijn tijd, nu zijn het echt atleten die de 100% voor gaan, die ze geen biertjes ziet drinken na een winst. Erik: Olympische spelen, die gewoon vol voor het einddoel gaan. Erik: En in mijn tijd stonden ze gewoon nog wel een biertje aan het hebben. Erik: Dus dat is heel anders en de trainingsinspanning is anders. Erik: En even terug naar mezelf als scheidsrechter, als ik kijken wat scheidsrechters nu meekrijgen. Erik: Over en wat ik meekrijg, ik heb het allemaal zelf uitgevonden en ik stond in de stadion met 40.000 man in Delhi. Erik: En ik moet allemaal uitvinden hoe ik omga met spanning en focus en concentratie en conflictmanagement, etcetera. Erik: He wel een mens gemaakt, wat niet bevrees is voor groepen te staan. Erik: Maar ik heb het wel moeten leren en met vallen en opstaan. Erik: Dat is wel een nu geven ze dat allemaal mee. Erik: Dus we geven ze nu allemaal trainingen mee met anger management en communicatie. Erik: En als je dit doet, dan gebeurt er dat. Erik: En als je dat doet, dan gebeurt het dit. Erik: En dan maken ze die fouten nog, maar ze herkennen direct door je fout maken. Erik: Oh, je had het verteld, oh, wacht even. Erik: Het is niet zo dat ze geen fouten maken, ze hebben veel meer tools dan in handen. Erik: Veel meer tools in handen. Erik: Dus ik denk wel dat je net inderdaad van je zult toch vallen en leren opstaan, maar die tools zijn, daardoor ga je wel sneller. Erik: Ik zie aan mijn kinderen die wel sneller leren, dat is alleen maar leuk. Erik: Dus we gaan alleen harder vooruit. Erik: Dus dat geeft mij het geloof wat ik net zei dat die economische groei en die projecta die komt er gewoon aan. Erik: Ze gaan gewoon weer door, dankzij technologie. Erik: Als ik er zo over nadenk, dat is toch wel dat gaat er gebeuren. Erik: Maar anders anders. Joop: Wat is er iemand iemand of iets geweest wat jou geïnspireerd heeft om juist deze technologie verder in te duiken? Erik: Ja, aan de technologiekant Eric Smith en Jensen Wang van NVIDIA. Erik: En Eric Smit oud Google directeur of CEO. Erik: En die nu vol ik volg zijn video's nog dagelijks zeg maar op YouTube. Erik: waarin hij zegt 90% van de best scientist en de best medische man, et cetera, et cetera, dat gaat straks AI worden. Erik: Dus zorgt ervoor. Erik: En ook de warning van we moeten niet zorgen dat we dat we een nucleair wapen ontwikkelen, wat de wereld gaat vernietigen. Erik: Dat inspireert mij omdat die denkt zoals Einstein dacht, van kennis is beperkt. Erik: In Imagination is limitless. Erik: Dus dat vind ik mooi, vind ik inspiratief. Erik: De Chinese Lei zeg je dat wat. Erik: Die inspireert mij op het gebied van hoe je human centric kan ontwerpen. Erik: De luisteraars maar eens opzoeken. Erik: Maar dat is inspireert mij op dat vlak is even. Erik: Je heeft het al twintig jaar geleden aan gedragsmethode en ontwikkeld. Erik: En ik denk, dat is nu van toepassing. Erik: Dus als je die twee combineert, dan zijn de twee inspiratiebronnen van mij en ook van mijn bureau, waarbij ik die design kant. Erik: Dus Human Centric ontwerpen versus. Erik: Wat kan er allemaal met technologie gebruiken zeker? Joop: Is er een vraag die wij niet gesteld hebben, maar waarvan je wel in je voorberein zeggen. Joop: Dit wil ik nog wel even gezegd hebben. Erik: Nou, ik denk dat ik alles wel, ik denk wel belangrijk is dat wat we niet heel erg hebben. Erik: We hebben zorgwekkende kanten onderstreept. Erik: Maar die data privacy en veiligheid is wel super belangrijk als design principle hebben we het wel kort over gehad. Erik: Maar het risico op data lekken en het misbruik van gegevens is, gaat exponentieel omhoog. Erik: Dus we moeten daarin met z'n allen als vakbroeders goed blijven werken. Joop: Maar zie je daar niet eigenlijk een hele rare contradictie. Joop: Want jij zegt dit, het wordt wat later uitgezonden dan dat we het nu opnemen, maar in de afgelopen week anderhalve week is het alleen maar gaan over open klol. Joop: Een beveiligingsnachtmerk. Joop: Dus aan de ene kant zeggen we, doe voorzichtig, iedereen is beleid aan het maken. Joop: En aan de andere kant, weet je, hebben we ook een vreemde kronkel of zo. Joop: We zeggen van ja, maar zo'n open klor, dat duiken we met z'n allen op en we laten zien, zeg maar dat we alle deuren open kunnen zetten en heel onveilig bezig zijn. Joop: Hoe kijk je daarna? Erik: Ja, ik denk dat je moet experimenteren in het lab. Erik: En dan als je het naar buiten brengt, dan moet het gewoon wel veilig zijn. Erik: En ook afhankelijk van de context. Erik: Als je in een bank iets gebruikt of in een overheidsinstelling, dan moet het gewoon veilig zijn bij design. Erik: Maar als het voor mij privé, ik zal mij niet uitmaken. Erik: Dus dat is ik heb niks te verbergen. Joop: Mijn creditkaartgegevens? Erik: Nee, maar meer op mijn gedrag, ik geef al jaren weg. Erik: Hadden van de week nog de discussie. Erik: Met mensen, ja, ik vind het moeilijk hoe Google en Meta, mijn data traint. Erik: Ik zeg, ja, maar dan heb je de afslag tien jaar geleden al gemist. Erik: Want die trainen al jaren op deze data. Erik: Dus dat is we zijn al het product als mens. Niels: Het gebruik is alleen veranderd en versneld en verbreed. Erik: Ja, maar context is wel belangrijk, denk ik. Erik: Dus op dat punt wat jij net zegt. Erik: Je moet wel uitproberen. Erik: Ik ga binnenkort naar China. Erik: Om uit te zien, want ik zie dat China is heel ver. Erik: En we vinden van alles van data en privacy. Erik: Maar ga daar bewust heen en kijken naar hoe ver zijn ze nou op technologisch gebied. Erik: En wat zou ik er dan in deze context mee kunnen? Erik: Wel vanuit de Secure Design. Erik: waar gaan ze op af. Erik: Ook vanuit sport is het interessant. Erik: Ik wil weten van hoe ver pushen zij het al. Erik: Want ik wil een LA of een Brisbane, de Olympisch Spelen daarna, niet verrast worden door een Chinees team wat iets heeft uitgevonden met technologie. Erik: Waarbij dachten, oh, daar hadden we naar moeten kijken. Erik: Of dat hadden we niet willen, dat willen we niet. Joop: Dus je gaat ook een beetje afkijken. Erik: Ja, ga een beetje afkijken. Erik: Wat vroeger andersom ging. Erik: Geen Chinezen bij ons afkijken, nu gaan we andersom afkijken. Erik: Want je wil niet dat ik wil ook het IOC kunnen adviseren op dit mag wel en dit mag niet. Erik: Want ik tenminste qua gedrag. Niels: Dus nieuwsgierigheid en toch kijken, inderdaad, waar zit de scheidsrechter in je kijken waar de grenzen zijn. Niels: Dat is mooi om te horen, inderdaad. Erik: Dat is wat Erik is, inderdaad. Erik: Dat is wel Erik is nieuwsgierig innovatief. Erik: Maar ik kan dan wel een streep trekken van oké, maar dit vind ik dit is de grens. Joop: Ik denk dat belangrijk is. Joop: Ik denk dat het ook een mooi beeld is om mee te geven aan de luisteraar toch? Joop: Als je je zo opstelt, dan kom je een stuk verder. Joop: Ik denk dat we een geweldige inkijk hebben gekregen in wat je doet. Joop: Terwijl qua alles rond de sport, maar ook met AI en hoe je dat combineert. Joop: Heel erg leuk, dank daarvoor. Joop: Dank dat je naar de studio wilde komen en voor dit prettige gesprek. Erik: Leuk jullie te spreken, jongens. Joop: Leuk dat je weer luisterde naar deze aflevering. Joop: Zorg dat je je abonneert op onze nieuwsbrief, want daar zitten hele leuke dingen achter de schermen, we gaan namelijk Erik ook een vraag stellen vraag van de maand, en die lees je daarom terug, bijvoorbeeld volgende keer.