AI-begrippen uitgelegd

#Agent: Een AI-systeem dat zelfstandig meerdere stappen uitvoert om een taak af te ronden: bestanden openen, zoeken, code draaien, resultaten controleren. Een chatbot beantwoordt je vraag; een agent boekt bij wijze van spreken ook meteen de vergaderruimte.
#AI-geletterdheid: De basiskennis die medewerkers nodig hebben om AI-tools verantwoord te gebruiken: begrijpen wat een model wel en niet kan, wanneer je output moet controleren, en welke risico's er zijn. Artikel 4 van de EU AI-verordening verplicht werkgevers dit actief te bevorderen.
#AI-governance: De interne afspraken, rollen en processen waarmee jouw organisatie regelt wie AI mag inzetten, waarvoor, en wie daarop toeziet. Denk aan een kort beleid over welke tools zijn toegestaan, wie een nieuwe AI-toepassing goedkeurt, en hoe je fouten of klachten opvangt. Zonder governance ontstaat al snel schaduw-AI: medewerkers die zelf tools kiezen zonder dat iemand weet welke bedrijfs- of klantdata daarin terechtkomt. Voor het MKB hoeft dit geen zwaar apparaat te zijn — één pagina met wie beslist, welke tools zijn goedgekeurd en hoe je een incident meldt is al een werkbare start.
#AI-verordening: De officiële Nederlandse naam van de EU AI Act: de Europese wet die regels stelt aan het ontwikkelen en gebruiken van AI, met zwaardere eisen naarmate het risico groter is. Gebruik je als bedrijf alleen ChatGPT of Copilot, dan raakt vooral de AI-geletterdheidsplicht (artikel 4) je direct.
#API: De technische aansluiting waarmee software met andere software praat. Wie AI "via de API" gebruikt, betaalt per verbruik (zie token) in plaats van een vast bedrag per maand, zoals bij een chat-abonnement.
#Automatisering (AI): Het vervangen of ondersteunen van herhalende taken door AI: facturen verwerken, e-mails categoriseren, afspraken plannen. Anders dan klassieke automatisering (vaste regels) kan AI-automatisering omgaan met variatie in tekst, toon en context.
#Bias: Systematische vertekening in AI-uitvoer, meestal veroorzaakt door eenzijdige trainingsdata. Een model dat hoofdzakelijk op Engelstalige tekst is getraind, presteert slechter in het Nederlands. Relevant als je AI inzet voor werving, kredietbeoordeling of klantcontact.
#Chatbot: Een programma dat via chat met mensen praat. Oudere chatbots volgden vaste beslisbomen; moderne AI-chatbots (zoals ChatGPT of een eigen klantenservice-bot op basis van een LLM) begrijpen vrije tekst en kunnen contextueel antwoorden.
#Compute: Verzamelterm voor rekenkracht: de servers, chips en datacenters die nodig zijn om AI-modellen te trainen en te draaien. Als een land of bedrijf "geen eigen compute" heeft, moet het die capaciteit bij anderen inkopen.
#Context-window: De hoeveelheid tekst die een model in één gesprek kan "onthouden", gemeten in tokens. Stop je er meer in dan past, dan valt het begin van het gesprek buiten beeld en gaat het model dingen vergeten of verzinnen.
#Copilot: Microsoft's merknaam voor AI-assistentie ingebouwd in Word, Excel, Teams en Outlook. Breder wordt "copilot" gebruikt voor elke AI die naast je werkt en suggesties geeft, zonder zelfstandig te handelen — vergelijk het met een ervaren collega die meekijkt.
#Custom GPT: Een eigen versie van ChatGPT die je vult met je eigen instructies, toon en documenten, en daarna kunt delen — eventueel publiek in de GPT Store. Handig als meerdere collega's dezelfde geconfigureerde assistent nodig hebben, bijvoorbeeld een "offerte-assistent" die jouw sjablonen kent. Let op: zet er geen klantgegevens in als je hem deelt, want die data reist dan mee.
#DPIA: Data Protection Impact Assessment, in goed Nederlands een gegevensbeschermingseffectbeoordeling: een verplichte risico-analyse vóórdat je persoonsgegevens verwerkt op een manier die een hoog risico voor betrokkenen oplevert. Zet je AI in voor werving, kredietbeoordeling of een andere ingrijpende beslissing over mensen, dan schrijft de AVG een DPIA voor: wat je verzamelt, waarom, welke risico's daarbij horen en hoe je die beperkt. Sla je deze stap over bij zo'n hoog-risico toepassing, dan riskeer je een boete en sta je zwakker als een toezichthouder langskomt.
#Embeddings: De manier waarop een AI-model tekst omzet naar getallen (vectoren) om betekenis vast te leggen. "Hond" en "puppy" liggen dicht bij elkaar in die ruimte; "hond" en "factuur" niet. De basis van zoeksystemen die op betekenis zoeken in plaats van op letterlijke woorden.
#Fine-tuning: Het bijtrainen van een bestaand model op eigen materiaal, bijvoorbeeld je klantenservice-gesprekken, zodat het jouw toon en vakgebied beter aanvoelt. Lichter en goedkoper dan een model vanaf nul trainen.
#Frontier-model: De zwaarste, nieuwste generatie AI-modellen van labs als OpenAI, Anthropic en Google. Het knapst, maar ook het duurst in geld en energie. Voor een samenvatting of e-mailcorrectie volstaat vaak een kleiner, sneller model.
#Generatieve AI: AI die nieuwe inhoud maakt: tekst, afbeeldingen, audio of video. ChatGPT schrijft tekst, Midjourney maakt plaatjes, Suno genereert muziek. De tegenhanger is discriminatieve AI, die classificeert of voorspelt maar niets aanmaakt.
#GPU: De chip waarop vrijwel alle AI draait, oorspronkelijk ontworpen voor videogames. Nvidia is veruit de grootste leverancier. De vraag naar GPU's bepaalt voor een groot deel waar nieuwe datacenters komen en wat AI kost.
#Hallucinatie: Een antwoord dat overtuigend klinkt maar feitelijk onjuist is, zoals een verzonnen bron of niet-bestaand jurisprudentienummer. Geen storing, maar een eigenschap van hoe taalmodellen werken: controleer feiten dus altijd zelf.
#Hyperscaler: Een techreus met wereldwijde datacenters die cloud- en AI-capaciteit verhuurt: Microsoft (Azure), Amazon (AWS) en Google (Cloud) zijn de drie grootste. Vrijwel alle AI-diensten die jij gebruikt draaien op hun infrastructuur.
#Inference: Het dagelijkse gebruik van een getraind model: elke prompt die je stelt, elke afbeelding die je genereert. Training haalt de krantenkoppen, maar inference slokt 80 tot 90% van alle AI-energie op, simpelweg omdat het nooit stopt.
#Integratie: Het koppelen van een AI-tool aan bestaande bedrijfssoftware, zoals je CRM, boekhouding of e-mailplatform. Zonder integratie typ je handmatig over; mét integratie stroomt data automatisch van en naar de AI. Vaak via een API of kant-en-klare connectoren (Zapier, Make).
#LLM (groot taalmodel): Large Language Model: het type AI-model achter ChatGPT, Claude en Gemini. Getraind op enorme hoeveelheden tekst om telkens het meest waarschijnlijke volgende woord te voorspellen, en daardoor verrassend goed in schrijven, samenvatten en redeneren.
#MCP (Model Context Protocol): Een open standaard waarmee AI-modellen veilig verbinding kunnen maken met externe tools, bestanden en diensten — denk aan je agenda, CRM of interne kennisbank. Vergelijk het met een universeel stopcontact: één protocol, veel apparaten.
#Multimodaal: Een AI-model dat meerdere soorten invoer begrijpt: tekst, afbeeldingen, audio of video tegelijk. Je kunt een foto van een kapot apparaat sturen en vragen wat er mis is, of een spreadsheet uploaden en in gewone taal laten samenvatten.
#No-code AI: AI-tools die je instelt en verbindt zonder zelf te programmeren, via visuele interfaces en dropdowns. Voorbeelden: Zapier, Make, Notion AI. Verlaagt de drempel enorm voor MKB dat geen ontwikkelaar in huis heeft.
#Open model: Een AI-model waarvan de "gewichten" vrij te downloaden zijn, zoals Llama of Mistral, zodat je het op eigen servers kunt draaien. Je betaalt geen licentie per gebruik, maar regelt zelf de hardware, het onderhoud en de veiligheid.
#Prompt: De opdracht of vraag die je aan een AI-model geeft. Hoe concreter de prompt (doel, doelgroep, voorbeeld erbij), hoe bruikbaarder het antwoord. ChatGPT alleen al verwerkt er zo'n 2,5 miljard per dag.
#Prompt-engineering: Het systematisch verbeteren van prompts om betere AI-uitvoer te krijgen: rolbeschrijving toevoegen ("schrijf als een ervaren accountant"), format opgeven, voorbeelden meegeven. Geen programmeerkennis nodig, wel een goed begrip van wat het model verwacht.
#RAG (kennisbank-AI): Retrieval-Augmented Generation: een techniek waarbij een AI eerst zoekt in een eigen documentenset (jouw handleidingen, contracten, FAQ) voordat hij antwoord geeft. Zo blijft het antwoord actueel en verifieerbaar, in plaats van gebaseerd op verouderde trainingsdata.
#Redeneermodel: Een LLM dat expliciet stap voor stap "nadenkt" voor het antwoord geeft, zichtbaar als een interne redeneertrein. Beter in wiskunde, juridische analyse en complexe planningen dan gewone chatmodellen — maar ook langzamer en duurder per vraag.
#ROI: Return on investment: wat een investering oplevert ten opzichte van wat ze kost. Bij AI is dit de hamvraag vóór je een tool uitrolt — niet "is het indrukwekkend", maar "verdient het zichzelf terug". Reken het concreet: bespaart een AI-assistent je medewerker vijf uur per week, zet dat dan af tegen de licentiekosten plus de uren om hem in te richten. Veel mislukte AI-pilots stranden juist omdat niemand de ROI vooraf meetbaar maakte.
#Systeem-prompt: Verborgen instructies die een ontwikkelaar of beheerder vóór jouw vraag aan het model meegeeft: de toon, het domein, wat het model wel en niet mag zeggen. De chatbot van een bank heeft een andere systeem-prompt dan de creatieve schrijfassistent ernaast.
#Token: Het stukje tekst waarin een model rekent, ruwweg drie kwart woord in het Nederlands. AI-diensten rekenen er vaak in af: je betaalt per miljoen tokens in- en uitvoer. Daarom kan intensief gebruik flink duurder uitpakken dan de licentieprijs suggereert.
#Training: De eenmalige, zeer energie-intensieve fase waarin een model leert van enorme datasets. GPT-4 kostte naar schatting 50 tot 70 gigawattuur aan trainingsstroom. Daarna neemt inference het stokje over.
#Use case: Een concreet bedrijfsscenario waarin AI waarde toevoegt: "AI controleert binnengekomen facturen op afwijkingen" is een use case. Zonder heldere use case loop je het risico dat een tool wordt aangeschaft zonder dat duidelijk is wat het probleem is dat het oplost.
#Verwerkersovereenkomst: Een verplicht contract tussen jou (verwerkingsverantwoordelijke) en een leverancier die persoonsgegevens namens jou verwerkt, zoals een AI-tool. De AVG eist dat hierin staat wat de leverancier met de data mag doen, hoe hij ze beveiligt en dat hij ze niet voor eigen doeleinden gebruikt. Zet je klant- of personeelsgegevens in een AI-dienst, vraag dan eerst of die een verwerkersovereenkomst aanbiedt — geen overeenkomst betekent meestal: niet doen. Let extra op bij Amerikaanse platforms, waar de juridische route via de VS loopt.
#Vibe coding: Programmacode schrijven door in gewone taal aan een AI te beschrijven wat je wilt, zonder zelf de technische details te kennen. De term is door AI-onderzoeker Andrej Karpathy gemunt in 2025. Handig voor prototypes en kleine tools; voor productiesoftware is codebeoordeling door een ontwikkelaar nog steeds noodzakelijk.
#Webhook: Een automatisch seintje dat de ene app naar de andere stuurt zodra er iets gebeurt, zodat jij geen knop hoeft in te drukken. Komt er een nieuw contactformulier binnen? Dan tikt een webhook je automatiseringstool (zoals Make of n8n) op de schouder, die er een AI-samenvatting van maakt en 'm in je CRM zet. Het is de lijm onder de meeste no-code-koppelingen.
#Workflow-automatisering: Het koppelen van meerdere stappen en tools zodat een taak automatisch van A naar Z loopt. Bijvoorbeeld: klant vult formulier in → AI vat samen → CRM wordt bijgewerkt → bevestigingsmail gaat uit. Tools als Make of Zapier verbinden de losse schakels.