De kracht van generatieve AI voor je bedrijf

We kunnen er niet omheen: 2023 was een baanbrekend jaar waarin generatieve AI-tools zich stevig nestelden in de samenleving en het bedrijfsleven. Toch krijgen we nog vaak de vraag hoe generatieve AI werkt en waarin ze verschilt van “gewone” AI, een buzzwoord dat intussen al enkele decennia meegaat. In deze blog leggen we uit hoe deze technologie werkt, hoe ze zich verhoudt tot artificiële intelligentie en waar de kansen liggen voor je bedrijf. Technisch onderbouwd, maar begrijpelijk.

Wat is generatieve AI?

Eerst de basis. Om goed te begrijpen hoe generatieve AI werkt, vertrekken we van de definitie. Generatieve AI is technologie waarmee je nieuwe content maakt: teksten, audiofragmenten, video's, beelden of code. Ze leert uit grote hoeveelheden data en genereert daarna uiteenlopende output. ChatGPT (tekst), Midjourney (beeld) en Microsoft Copilot (ondersteuning in de Office-suite) behoren tot de bekendste generatieve AI-tools van het moment. Let wel: generatieve AI is maar een fractie van het grotere geheel.

AI, machine learning, deep learning en generatieve AI

Artificiële intelligentie (AI) is een overkoepelend begrip dat verschillende technologieën omvat. Concreet gaat het over machines die vaardigheden nabootsen waar eigenlijk menselijke intelligentie voor nodig is.

Eén van die boeiende technologieën is machine learning (ML). Die richt zich op één specifieke taak en voert die bijzonder intelligent uit. We voeden het machine learning-model met data en regels, waarna het zelfstandig analyses en voorspellingen maakt. Denk aan spraak- en beeldherkenning, of aan aanbevelingssystemen zoals Netflix, dat suggesties doet op basis van je kijkgedrag. De grootste beperking van machine learning is wel dat er menselijke tussenkomst nodig is bij het toevoegen van nieuwe datasets, om fouten recht te zetten.

Net daarom ontstond later deep learning (DL), een methode die resultaten bijstuurt via een eigen neuraal netwerk, zonder menselijke tussenkomst, om de output nauwkeuriger te maken. Verderop in deze blog leggen we uit hoe die neurale netwerken precies werken. Deep learning werkt bovendien met miljoenen neuronen of datapunten, veel meer dan bij machine learning. Zelfrijdende auto's zijn een voorbeeld van deep learning: ze gebruiken neurale netwerken voor objectherkenning of het volgen van voetgangers om zich in hun omgeving te oriënteren.

Op basis van de deep learning-techniek en die miljoenen datapunten ontstond uiteindelijk generatieve AI. Deze technologie kan volledig nieuwe content maken op basis van historische data.

Kort samengevat: machine learning herkent patronen en vertelt wat het uit datasets geleerd heeft, deep learning doet dat met enorme hoeveelheden data zonder menselijke tussenkomst, en generatieve AI maakt daarbovenop volledig nieuwe content.

Generatieve AI: neurale netwerken

Nu we weten hoe de verschillende AI-technologieën zich tot elkaar verhouden, bekijken we hoe generatieve AI werkt. Daarvoor moeten we eerst begrijpen wat neurale netwerken zijn.

Neurale netwerken zijn gebaseerd op de werking van neuronen in ons brein, waar talloze neuronen met elkaar verbonden zijn. Elk neuron reageert met een bepaalde intensiteit, sterk of zwak, op een prikkel die het ontvangt. Door verschillende neuronen te verbinden komen we uiteindelijk tot een bepaalde uitkomst, zoals het onderscheiden van letters.

Een neuraal netwerk is in feite een complexe berekening van invoer, verwerking en uitvoer. Die verwerking gebeurt via één of meerdere lagen neuronen.

Om die wat abstracte theorie concreet te maken, een voorbeeld: gezichtsherkenning op je smartphone. Het neurale netwerk is getraind om de unieke kenmerken van je gezicht te herkennen, zoals de afstand tussen je ogen en de vorm van je neus. Dat gebeurt doordat het pixels doorstuurt naar de invoerlaag. Elke pixel krijgt afzonderlijk een score van 0 tot 1, die aangeeft hoe goed die overeenkomt met een specifieke pixel in jouw gezicht. Door duizenden pixels door duizenden lagen te sturen, identificeert het model een gezicht. Die wegingen kunnen bijgesteld worden om het model via verdere training nauwkeuriger te maken.

Foundation models en generatieve AI

Foundation models vormen de kern van generatieve AI en worden getraind op enorme hoeveelheden generieke data. Ze voeren algemene taken uit, zoals taal begrijpen, teksten en beelden genereren, en zelfs communiceren via taal. Deze modellen vormen de basis voor generatieve AI en zijn onmisbaar om nieuwe content te maken.

Een voorbeeld van zo'n foundation model is een taalmodel, of large language model, getraind op allerlei tekstbronnen die je op het internet vindt. Boeken, websites, blogs en fora, om er maar enkele te noemen. Het bekende ChatGPT van OpenAI is zo'n large language model. Dat model leert statistisch welk woord vaak op een ander woord volgt in een bepaalde taal, waardoor het volledige en samenhangende zinnen kan vormen.

Transformers en vectoren

Nog een stap dieper, om de basis van generatieve AI echt te vatten. Generatieve AI steunt op een nieuwe architectuur voor neurale netwerken, uitgevonden in 2017. Die technologie zet woorden om in vectoren, oftewel reeksen getallen, om zo een wiskundige voorstelling van een woord te krijgen.

Een vector krijgt een plaats op een specifieke dimensie in een matrix, zodat zowel de betekenis als de context van een woord meegenomen wordt, en zichtbaar wordt hoe dicht een woord bij een ander woord ligt.

Bij zinnen als “het is warm in de zomer” en “het is koud in de winter” liggen “warm” en “zomer”, en “koud” en “winter”, dicht bij elkaar op de dimensie “temperatuur in een seizoen”, terwijl “zomer” en “winter” dicht bij elkaar liggen op de dimensie “seizoenen”. Zo kan het model correcte zinnen vormen met woorden die statistisch vaak in elkaars buurt voorkomen.

Waarom gaat het nu zo snel?

De technologie rond neurale netwerken en machine learning bestaat al sinds de jaren zestig, maar toen was er onvoldoende rekenkracht en te weinig beschikbare data om modellen te trainen. Dat is het voorbije decennium enorm veranderd, waardoor het AI-landschap nu snel vooruitgaat. Bovendien is de architectuur waarop generatieve AI steunt pas recent ontwikkeld, en is nu al duidelijk dat die veel nieuwe mogelijkheden opent.

Hoe zit het met mijn privacy?

Eén van de vragen die we het vaakst krijgen, gaat over privacy en de terughoudendheid om eigen bedrijfsinformatie te delen. Bedrijfsdocumenten delen met large language models, zoals ChatGPT van OpenAI, is geen goed idee. Die data zou immers gebruikt kunnen worden om hun eigen model te verbeteren. Toch is er geen reden tot paniek. Deze generatieve AI-tools bieden namelijk licentiemodellen die gegevensbescherming en veiligheid garanderen. OpenAI heeft bijvoorbeeld een afgeschermde omgeving, specifiek voor bedrijven, waar de data beschermd en niet extern toegankelijk is. Ook andere grote spelers zoals Google, Microsoft en Amazon bieden privéservers via hun cloudplatformen, waar derden geen toegang hebben tot je data, net zoals bij het bewaren van documenten in hun cloudopslag.

Twijfel je toch? Kijk dan zeker het bedrijfsbeleid na. Daarin staat meestal wat wel en niet mag rond het uitwisselen van data. Als bedrijfsleider laat je je hierover het best informeren door gespecialiseerde organisaties met expertise in regelgeving en in de kansen voor je bedrijf.

Wat brengt de toekomst?

Generatieve AI opent deuren naar talloze nieuwe mogelijkheden die vroeger ondenkbaar waren, zoals inzicht krijgen in ongestructureerde data. Denk aan informatie die verstopt zit in Word- of Excel-bestanden, PowerPoints, pdf's, mails en chatberichten, en die niet rechtstreeks in een database, CRM of ERP-systeem staat. Dankzij generatieve AI en de opkomst van foundation models kan die data nu geïnterpreteerd en inzichtelijk gemaakt worden.

Er zijn heel wat manieren waarop bedrijven generatieve AI in hun processen kunnen inzetten. Enkele voorbeelden van use cases:

• Offertes opmaken op basis van eerdere offertes
• Een bestek samenvatten en analyseren, en vervolgens beoordelen of dat bestek meerwaarde biedt voor je bedrijf
• Software op een andere manier benaderen, bijvoorbeeld door dashboards te maken op basis van chatprompts zoals “geef me een margevergelijking voor onze top 10 klanten tussen het eerste kwartaal van vorig jaar en dit jaar”
• Een eigen bedrijfs-GPT opzetten om het bedrijfsbeleid toegankelijk te maken voor medewerkers, bijvoorbeeld “wat moet ik doen bij een ongeval met mijn bedrijfswagen?”
• Gepersonaliseerde mails naar klanten sturen, op basis van de CRM-gegevens van die klant

De technologie staat wel nog in haar kinderschoenen en wordt beschouwd als de grootste technologische omwenteling sinds de opkomst van het internet en de mobiele telefoon. Waar 2023 vooral in het teken stond van experimenteren en proofs of concept bouwen, zien we in 2024 vooral adoptie van deze technologie, gestimuleerd door nieuwe mogelijkheden binnen bestaande bedrijfssoftware. Daarnaast ervaren we veel interesse en beweging bij bedrijven die hands-on aan de slag willen met die nieuwe mogelijkheden, op zoek naar een voorsprong.

Wil je zelf een voorsprong opbouwen en generatieve AI inzetten in je bedrijfsprocessen, maar weet je niet waar te beginnen? Vraag ons gerust alles. Plan snel een gratis kennismakingsgesprek in, dan bekijken we samen de mogelijkheden.