Wat AI allemaal kan (en wat niet)

AI is een tool, geen magie. Geen toverspreuk die al je problemen oplost. Geen robot die je bedrijf overneemt. Het is een krachtige technologie die specifieke dingen heel goed kan, en andere dingen helemaal niet.

In deze blog leg ik uit wat AI concreet kan doen. Niet de hype, niet de beloftes, maar de praktijk. Zodat je zelf kunt inschatten waar AI in jouw situatie waarde toevoegt. En minstens zo belangrijk: waar je je energie beter niet in steekt.

1. Tekst genereren

De meest bekende AI-toepassing. Large Language Models (LLMs) zoals GPT-4 en Claude zijn getraind op enorme hoeveelheden tekst en kunnen daardoor:

• E-mails, rapporten en documentatie schrijven
• Samenvattingen maken van lange teksten
• Tekst vertalen (vaak beter dan traditionele vertaalsoftware)
• Creatieve content schrijven voor marketing of communicatie

De kwaliteit hangt sterk af van hoe je de vraag stelt. Een vage prompt geeft een vaag antwoord. In mijn AI trainingen leer ik developers en management daarom prompt engineering: de kunst om AI effectief aan te sturen.

2. Code schrijven

AI is absoluut een junior developer. Misschien zelfs meer. Het verschil: deze "junior" heeft alle documentatie gelezen, kent duizenden codebases en is 24/7 beschikbaar. Wat AI kan:

• Boilerplate code genereren
• Functies schrijven op basis van beschrijvingen
• Bestaande code refactoren en verbeteren
• Unit tests maken
• Documentatie toevoegen

De echte waarde zit in context management. Een AI die je codebase begrijpt, je conventies kent en weet wat je probeert te bereiken, presteert tien keer beter dan een AI die blind code genereert. Met een goede CLAUDE.md configuratie wordt die junior developer een senior die je projectstandaarden kent. Dit is precies waar ik bedrijven mee help bij AI implementatie projecten.

3. Data analyseren

AI kan patronen herkennen in grote datasets waar mensen dagen over zouden doen:

• Trends en afwijkingen detecteren
• Sentiment analyseren in klantfeedback
• Categoriseren en classificeren
• Voorspellingen doen op basis van historische data

Bij SIA gebruik ik AI om incidentrapporten te analyseren en automatisch te categoriseren. De AI herkent risico's, koppelt relevante procedures en genereert verbeteracties. Wat vroeger uren handwerk kostte, gebeurt nu in seconden.

Contexta, een evaluatietool voor trainers, gebruikt vergelijkbare technieken om antwoorden te analyseren en trends te signaleren.

4. Conversaties voeren

Chatbots bestaan al jaren, maar AI-gestuurde conversaties zijn fundamenteel anders. Geen voorgedefinieerde flows met "druk 1 voor dit, druk 2 voor dat". Maar echte gesprekken waarin AI:

• Vragen begrijpt in natuurlijke taal
• Context onthoudt tijdens het gesprek
• Vervolgvragen stelt om dingen uit te zoeken
• Relevante informatie uit systemen ophaalt

In SIA heb ik twee AI assistenten gebouwd. De ene helpt medewerkers met incidenten melden via een natuurlijk gesprek. De andere beantwoordt vragen over QHSE procedures en bedrijfsregels. Beide assistenten snappen de context en geven relevante antwoorden.

5. Afbeeldingen begrijpen

Vision AI kan foto's en documenten "lezen". Dit gaat verder dan simpele OCR:

• Foto's analyseren en beschrijven
• Documenten parsen en data extraheren
• Kwaliteitscontroles uitvoeren op afbeeldingen
• Objecten herkennen en classificeren

Bij Dronelucht analyseren we luchtfoto's om schade aan daken te detecteren. Bij SIA uploaden gebruikers foto's van incidenten, die de AI analyseert voor extra context bij de rapportage.

6. Acties uitvoeren (tool calling)

Dit is waar AI echt krachtig wordt. Niet alleen informatie geven, maar dingen doen. Via tool calling kan een AI:

• E-mails versturen
• Gegevens opslaan in databases
• Externe API's aanroepen
• Rapporten genereren
• Workflows triggeren

Een AI die alleen praat is leuk. Een AI die praat én handelt is nuttig. Dit is de kern van wat ik bouw: AI agents die daadwerkelijk taken uitvoeren.

Wat AI (nog) niet kan

Even belangrijk als weten wat AI kan, is weten waar de grenzen liggen:

• Echt creatief denken - AI komt dichtbij, combineert ideeën op onverwachte manieren, maar de grote doorbraken komen nog steeds van mensen
• Uit zichzelf feiten checken - AI kan hallucinereren. Maar met de juiste instructies, duidelijke grenzen en tools die externe bronnen raadplegen, kun je dit behoorlijk onder controle krijgen
• Actuele kennis hebben - AI trainingsdata ligt in het verleden. Claude's kennis stopt ergens in 2024 of 2025. Maar met goede projectdocumentatie en MCP servers zoals Ref die live documentatie ophalen, los je dit probleem grotendeels op
• Tegengas geven - AI lult met je mee. Als jij overtuigd bent van een foute aanpak, bevestigt AI die graag. Voor je het weet zit je samen in een tunnelvisie. Goede verificatie is essentieel
• Emoties voelen - AI snapt prima wanneer je gefrustreerd raakt of gaat schelden. Maar het wordt er niet beter van. Het probeert dan andere oplossingen, maar vaak zit je al op een dood spoor. Beter: even pauze nemen en opnieuw beginnen

Volgende stap

Weten wat AI kan is stap één. Begrijpen waarom zoveel AI projecten falen is stap twee. En leren hoe je AI effectief aanstuurt met prompt engineering is stap drie.

Wil je weten hoe AI specifiek in jouw situatie waarde kan toevoegen? Neem contact op voor een vrijblijvend gesprek.