Wat is Artificial Intelligence (AI)?
Artificial Intelligence, oftewel kunstmatige intelligentie, is de verzamelnaam voor systemen die taken uitvoeren waarvoor normaal gesproken menselijke intelligentie nodig is. Denk aan taal verwerken, patronen herkennen en voorspellingen maken.
Machine Learning en Data Science horen bij dat verhaal, maar betekenen niet hetzelfde. Machine Learning is een onderdeel van AI waarbij modellen leren uit voorbeelden. Data Science is het vakgebied waarin die modellen en analyses worden gemaakt, samen met kennis van jouw organisatie. Op deze pagina lees je wat de begrippen betekenen, hoe ze samenhangen en wat je er in de praktijk mee kunt.
Begrippen
Drie begrippen, helder uitgelegd
Artificial Intelligence
Het brede vakgebied van systemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is: taal begrijpen, patronen herkennen, keuzes voorstellen en voorspellingen maken.
Voorbeeld: een assistent die inkomende e-mails leest en automatisch aan de juiste afdeling toewijst.
Machine Learning
Een onderdeel van AI waarbij een model patronen leert uit voorbeelden uit het verleden, in plaats van dat iedere beslisregel vooraf wordt geprogrammeerd.
Voorbeeld: op basis van drie jaar verkoophistorie voorspellen hoeveel je volgende maand van een artikel nodig hebt.
Data Science
Het vakgebied waarin data, statistiek, programmeerkennis en kennis van jouw sector worden gecombineerd om vragen te beantwoorden en modellen te ontwikkelen.
Voorbeeld: onderzoeken welke factoren de marge per project bepalen en dat vertalen naar een stuurmiddel.
Wat is het verschil?
De begrippen worden vaak door elkaar gebruikt, maar ze dekken verschillende dingen. Machine Learning valt binnen AI. Data Science overlapt met beide, maar omvat ook analyses waar geen AI aan te pas komt.
| Begrip | Wat houdt het in? | Voorbeeld in je organisatie |
|---|---|---|
| Artificial Intelligence | Verzamelnaam voor systemen die intelligente taken uitvoeren. | Een assistent die klantvragen beantwoordt op basis van je eigen documenten. |
| Machine Learning | Modellen die patronen leren uit historische voorbeelden. | Een voorspelling van de vraag per artikel voor de komende weken. |
| Data Science | Analyses en modellen bouwen met data, statistiek en domeinkennis. Niet elke analyse is AI. | Onderzoek naar de oorzaken van uitval, met of zonder model. |
Hoe het samenhangt
Artificial Intelligence
Machine Learning
Leert patronen uit voorbeelden.
Data Science
Overlapt met AI en Machine Learning, en omvat daarnaast analyses en rapportages zonder AI.
Toepassingen
Praktische toepassingen
Dit zijn mogelijke toepassingen, bedoeld als voorbeeld. Of ze in jouw situatie werken hangt af van je vraag en je data.
Vraag voorspellen voor voorraadplanning
Hoeveel hebben we volgende maand nodig?
Een model gebruikt verkoop-, order- en seizoenspatronen om per artikel een verwachting te geven.
Mogelijke waarde: Minder nee-verkoop en minder overtollige voorraad.
Afwijkende transacties signaleren
Zitten er fouten of risico's in onze boekingen?
Het model leert wat normaal is en markeert transacties die daarvan afwijken voor controle.
Mogelijke waarde: Eerder fouten vinden en gerichter controleren.
Klantvragen ondersteunen met een AI-assistent
Hoe houden we de servicedruk hanteerbaar?
Een assistent beantwoordt veelgestelde vragen op basis van je eigen handleidingen en afspraken, met doorzetten naar een medewerker.
Mogelijke waarde: Sneller antwoord en meer tijd voor complexe vragen.
Documenten classificeren en informatie eruit halen
Hoeveel tijd kost handmatig overtypen ons?
Facturen, contracten of formulieren worden herkend en de relevante velden worden automatisch uitgelezen.
Mogelijke waarde: Minder handwerk en consistenter vastgelegde gegevens.
Mogelijk klantverloop voorspellen
Welke klanten dreigen we te verliezen?
Een model combineert gedrag, contactmomenten en historie tot een signaal per klant.
Mogelijke waarde: Gerichter opvolgen voordat een klant vertrekt.
Zakelijke gegevens doorzoekbaar maken
Waar vind ik dit ook alweer?
Medewerkers stellen een vraag in gewone taal en krijgen antwoord uit documenten en databronnen, met bronvermelding.
Mogelijke waarde: Minder zoektijd en minder afhankelijkheid van individuen.
Wat heb je nodig om AI toe te passen?
Een duidelijke vraag
Benoem welke beslissing beter moet worden en wie de uitkomst gaat gebruiken. Zonder ontvanger blijft een model een experiment.
Betrouwbare data
Een model is zo goed als de gegevens eronder. Dubbele klanten, ontbrekende velden of afwijkende definities leiden tot uitkomsten waar niemand op stuurt.
Passende toegangsrechten
Leg vast wie welke gegevens mag zien. Een AI-toepassing mag geen informatie tonen die iemand anders normaal ook niet zou zien.
Controle op de uitkomsten
Toets uitkomsten tegen de praktijk en houd bij hoe vaak ze kloppen. Zo weet je wanneer je erop kunt vertrouwen en wanneer bijsturen nodig is.
Een dashboard is niet automatisch AI
Een dashboard laat zien wat er is gebeurd en hoe je er nu voor staat. Dat is inzicht, geen AI. AI voegt daar iets aan toe: bijvoorbeeld een voorspelling van wat er waarschijnlijk gaat gebeuren, of het verwerken van tekst uit documenten en e-mails. Beide werken het beste op dezelfde onderliggende data.
Hoe helpt Data Analytics?
We werken stap voor stap, van vraag naar werkende toepassing. Data-integratie, datamodellen, dashboards en AI-toepassingen horen daarbij bij elkaar.
01
Vraag en resultaat bepalen
We scherpen de zakelijke vraag aan en spreken af wat een bruikbaar resultaat is.
02
Databronnen onderzoeken
We brengen in kaart welke bronnen beschikbaar zijn en hoe betrouwbaar ze zijn.
03
Gegevens verbinden
Bronnen worden gekoppeld en samengebracht in een datamodel met eenduidige definities.
04
Toepassing bouwen en toetsen
We bouwen een werkende versie en toetsen die op juistheid en bruikbaarheid.
05
In gebruik nemen en verbeteren
De oplossing landt in de dagelijkse werkwijze en wordt op basis van gebruik verder verbeterd.
Veelgestelde vragen
Wat is het verschil tussen AI en Machine Learning?
AI is de brede verzamelnaam voor systemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is. Machine Learning is een onderdeel daarvan: het model leert patronen uit voorbeelden, in plaats van dat iemand elke beslisregel vooraf programmeert. Alle Machine Learning is AI, maar niet alle AI is Machine Learning.
Wat doet een data scientist?
Een data scientist vertaalt een zakelijke vraag naar een analyse of model. Dat betekent data verzamelen en opschonen, patronen onderzoeken, een model bouwen en toetsen, en de uitkomst zo presenteren dat er een beslissing op genomen kan worden.
Wat is generatieve AI?
Generatieve AI maakt zelf nieuwe inhoud: tekst, samenvattingen, code of afbeeldingen. In een zakelijke context gebruik je het vooral om documenten samen te vatten, concepten op te stellen of vragen in gewone taal te beantwoorden op basis van je eigen documenten en data.
Heb ik veel data nodig voor AI?
Niet altijd. Voor een voorspelmodel helpt historie, bijvoorbeeld een paar jaar aan verkoop- of ordergegevens. Voor tekstverwerking of zoeken in documenten is de kwaliteit en vindbaarheid van je data belangrijker dan de hoeveelheid. Betrouwbare data weegt zwaarder dan veel data.
Kan AI werken met gegevens uit mijn bestaande systemen?
Ja. Gegevens uit ERP, CRM, financiële pakketten, HR-systemen en Excel worden via koppelingen samengebracht in een datamodel. Dat model is de basis voor zowel dashboards als AI-toepassingen, zodat iedereen met dezelfde cijfers werkt.
Hoe begin ik met AI binnen mijn organisatie?
Begin bij één concrete vraag met een duidelijke ontvanger, bijvoorbeeld een betere voorraadvoorspelling of sneller documenten verwerken. Controleer welke data daarvoor beschikbaar is, bouw een kleine versie en toets of de uitkomst klopt en gebruikt wordt. Van daaruit breid je uit.
Wat kan AI voor jouw organisatie betekenen?
Heb je een concreet vraagstuk in gedachten? We denken graag mee over wat haalbaar is met de data die je al hebt.
Even sparren over uw datavraagstuk?
Geen verkooppraatje: een kort gesprek van 15 minuten met een van onze specialisten. Bel direct of laat uw nummer achter.