AI-begrippen die iedere beginner moet kennen

Je hoeft geen techneut te zijn om met AI te werken, maar zonder basisbegrippen blijf je gokken waaróm een tool doet wat hij doet. Zeven termen dekken samen het grootste deel van de praktijk. Ze hangen bovendien logisch samen: machine learning is de techniek, generatieve AI de toepassing, een LLM het model, trainingsdata de brandstof, een prompt jouw sturing, een hallucinatie het typische risico en een AI-agent de volgende stap.

1. Machine learning
   Is software die patronen leert uit data in plaats van dat iemand elke regel vooraf vastlegt. Dat verklaart waarom AI zich soms onvoorspelbaar gedraagt: er zit geen lijstje instructies achter dat je even kunt nalezen.
2. Generatieve AI
   Is AI die nieuwe inhoud maakt: tekst, beeld, geluid of code. Dit is de categorie waar tools als ChatGPT en Copilot in vallen, en het is het deel van AI waar je in je dagelijkse werk het snelst mee te maken krijgt.
   
3. Een LLM (large language model)
   Is een groot taalmodel dat woord voor woord voorspelt wat waarschijnlijk volgt. Dat ene mechanisme verklaart zowel de kracht van de output als de fouten erin.
4. Trainingsdata
   Zijn de gegevens waarmee een model geleerd heeft. Ze bepalen wat een model kent, welke aannames erin zitten en tot welk moment die kennis loopt.
   
5. Een prompt
   Is de opdracht die je aan een AI-tool geeft, inclusief de context die je meestuurt. Het is de grootste knop waar je zelf aan kunt draaien en meestal belangrijker dan je toolkeuze.
   
6. Een hallucinatie
   Is een antwoord dat overtuigend klinkt maar feitelijk niet klopt. Het is de belangrijkste reden om AI-output altijd te controleren voordat je die gebruikt.
   
7. Een AI-agent
   Is AI die zelfstandig meerdere stappen uitvoert in plaats van alleen antwoord geeft. Daarmee verschuift de vraag van “wat kan de tool” naar “welke taken laat je zonder toezicht lopen”.

Machine learning is de onderliggende techniek: software leert patronen herkennen uit grote hoeveelheden voorbeelden, in plaats van dat een ontwikkelaar elke regel vooraf vastlegt. Generatieve AI is een toepassing daarvan die nieuwe inhoud maakt: tekst, beeld, geluid of code. Alle generatieve AI draait op machine learning, maar lang niet alle machine learning is generatief. Een spamfilter of een fraudedetectiesysteem leert ook, maar produceert geen nieuwe tekst. Wil je de bredere context van AI als vakgebied, dan vind je die in het artikel wat AI precies is.

Een LLM (large language model) is een taalmodel dat is getraind op enorme hoeveelheden tekst en dat steeds het meest waarschijnlijke volgende stukje tekst voorspelt. Doe dat duizenden keren achter elkaar en er rolt een compleet antwoord uit. Belangrijk om te snappen: een LLM raadpleegt geen database met feiten en heeft geen begrip van waarheid. Het rekent met waarschijnlijkheden. Dat verklaart tegelijk waarom de output zo vloeiend klinkt en waarom die soms pertinent onjuist is.

Trainingsdata zijn de teksten, beelden en andere gegevens waarmee een model geleerd heeft. Ze bepalen wat een model wel en niet kent, welke aannames erin zitten en tot welk moment de kennis loopt. Ontbreekt jouw onderwerp in die data, dan vult het model de gaten met iets dat plausibel klinkt. Daarom scoren AI-tools goed op algemene vragen en slecht op je interne werkinstructies of productdocumentatie. Wil je een AI wél laten antwoorden op je eigen documenten, dan lees je in de blog over RAG en chatbots op eigen documenten hoe dat werkt.

Een prompt is de opdracht of vraag die je aan een AI-tool geeft, inclusief alle context die je meestuurt. Het is de enige knop waar jij zelf direct aan draait, en het verschil tussen een vage en een goed opgebouwde prompt is meestal groter dan het verschil tussen twee AI-tools. Een bruikbare prompt bevat een duidelijke taak, relevante context, het gewenste format en de doelgroep. Prompten is een vaardigheid, geen trucje, en die leer je vooral door te oefenen met je eigen werk.

Een hallucinatie is een antwoord dat overtuigend en stellig klinkt, maar feitelijk onjuist of verzonnen is. Denk aan een niet-bestaande bron, een uit de lucht gegrepen cijfer of een citaat dat nergens vandaan komt. Het lastige is dat AI-output geen ingebouwde betrouwbaarheidsmeter heeft: een verzonnen zin klinkt precies zo zeker als een kloppende zin. Jij blijft verantwoordelijk voor wat je met de output doet. In de blog hoe je AI-antwoorden controleert staan de vaste stappen die je daarvoor kunt gebruiken.

Een AI-agent is een AI-toepassing die niet alleen antwoord geeft, maar zelfstandig meerdere stappen uitvoert om een doel te bereiken: informatie opzoeken, een tool aanroepen, een document bewerken en dan pas terugkoppelen. Waar een chatbot reageert, handelt een agent. Dat maakt agents interessant voor terugkerende taken, en tegelijk risicovoller: bij elke stap kan een fout doorrollen naar de volgende. De praktische vraag verschuift daarmee van “wat kan de AI” naar “welke taken laat je zonder toezicht lopen”.

Wie deze zeven termen kent, herkent sneller wat een AI-tool wél en niet kan, stelt scherpere vragen en controleert de juiste dingen. Dat is precies de basis die je legt in de training AI voor beginners: je maakt op een toegankelijke manier kennis met kunstmatige intelligentie en met tools als ChatGPT en Copilot, je oefent met toepassingen uit je eigen werk en je leert waar de risico’s zitten rond privacy en betrouwbaarheid. De training is geschikt voor iedereen met computerwerk, ongeacht functie of sector, en Startel begeleidt professionals inmiddels ruim 25 jaar bij dit soort stappen. Ben je al verder en wil je AI gerichter inzetten binnen je organisatie, dan sluit AI Verdieping voor Professionals beter aan.