AI verantwoord toepassen.

Kunstmatige intelligentie (AI)

Wat is het. Computersystemen die taken uitvoeren waarvoor mensen intelligentie gebruiken: herkennen, voorspellen, taal begrijpen, beslissen. Een verzamelnaam, geen techniek.

Waar kom je het tegen. Overal — van spamfilters en routeplanners tot chatbots.

?Vraag om te stellen: Welke taak doet het precies — en is “AI” hier een techniek of een verkooppraatje?

Machine learning

Wat is het. Een vorm van AI die patronen leert uit voorbeelden in plaats van uit regels die een programmeur heeft opgeschreven.

Waar kom je het tegen. Aanbevelingen in webwinkels, fraudedetectie, voorspellen van onderhoud.

?Vraag om te stellen: Uit welke voorbeelden heeft het geleerd, en lijken die op jouw situatie?

Deep learning

Wat is het. Machine learning met grote neurale netwerken: veel lagen rekenknopen die samen complexe patronen leren. De basis onder bijna alle moderne AI voor taal, beeld en spraak.

Waar kom je het tegen. Gezichtsherkenning, spraakherkenning, vertaling, en alle generatieve AI.

?Vraag om te stellen: Kan iemand uitleggen waarom het tot deze uitkomst komt — en is dat hier nodig?

Voorspellende AI

Wat is het. AI die kiest uit bekende uitkomsten (is dit spam?) of een getal schat (hoeveel verkopen we volgende maand?).

Waar kom je het tegen. In de meeste bedrijfssystemen die al jaren “AI” heten.

Niet te verwarren met. Generatieve AI, die inhoud maakt in plaats van te kiezen.

?Vraag om te stellen: Hoe vaak zit het ernaast, en wat kost een fout?

Generatieve AI

Wat is het. AI die tekst, beeld, geluid, video of code maakt op basis van patronen uit voorbeelden. Sinds eind 2022 bij het grote publiek bekend door ChatGPT.

Waar kom je het tegen. Chatbots, beeldgeneratoren, codeassistenten.

?Vraag om te stellen: Wie controleert wat er gemaakt wordt, voordat het gebruikt wordt?

AGI

Wat is het. Artificial General Intelligence: AI die elke denktaak minstens zo goed kan als een mens. Er is geen afgesproken definitie en geen test.

Waar kom je het tegen. Als doel en in de marketing van AI-bedrijven, en in discussies over risico’s.

Niet te verwarren met. Wat je vandaag gebruikt: sterk in veel taken, zwak in andere.

?Vraag om te stellen: Wat bedoel je er precies mee, en hoe zou je dat meten?

Foundation model

Wat is het. Een groot model dat getraind is op enorme hoeveelheden algemene data en daarna voor veel verschillende taken wordt gebruikt. Duur om te maken, dus er zijn weinig makers en veel afnemers.

Waar kom je het tegen. Onder de motorkap van de meeste AI-producten; vaak gebruiken verschillende producten hetzelfde foundation model.

?Vraag om te stellen: Welk foundation model zit eronder, en van wie is het?

Frontier model

Wat is het. De krachtigste foundation models van dit moment, van een handvol labs. Het is geen vaste categorie: wat vandaag frontier is, is dat over een jaar niet meer.

Waar kom je het tegen. Bij de nieuwste topmodellen van OpenAI, Anthropic en Google, en in beleid en wetgeving, omdat daar de grootste mogelijkheden en risico’s verwacht worden.

?Vraag om te stellen: Is het krachtigste model hier echt nodig, of volstaat een kleiner en goedkoper model?

Large language model (LLM)

Wat is het. Een foundation model voor taal. Het voorspelt steeds een waarschijnlijk volgend stukje tekst; door dat vaak te herhalen ontstaan hele antwoorden. Er zit geen database met feiten achter, alleen patronen uit de trainingsdata.

Waar kom je het tegen. ChatGPT (GPT-modellen), Claude, Gemini, Copilot, Llama.

?Vraag om te stellen: Hoe controleer je of wat het zegt ook klopt?

Token

Wat is het. Het stukje tekst waarin een model rekent: vaak een deel van een woord. Lange of samengestelde Nederlandse woorden kosten meerdere tokens.

Waar kom je het tegen. In prijzen (per miljoen tokens), in limieten en in snelheid (tokens per seconde).

?Vraag om te stellen: Hoeveel tokens gaat dit per maand kosten?

Contextvenster

Wat is het. Het aantal tokens dat een model in één keer kan meenemen: je vraag, het gesprek tot nu toe, de systeemprompt en alle bijlagen samen.

Waar kom je het tegen. Als een lange chat het begin “vergeet”, of als een groot document niet in één keer past.

?Vraag om te stellen: Past alles wat het model moet weten in het venster — en wat valt eraf?

Hallucinatie

Wat is het. Een overtuigend maar onjuist antwoord: een verzonnen bron, een functie die niet bestaat, een verkeerd feit. Het gevolg van het voorspellen van waarschijnlijke tekst in plaats van ware.

Waar kom je het tegen. Bij elk taalmodel. Goede context (zie laag 3) verkleint de kans, maar maakt hem nooit nul.

?Vraag om te stellen: Waar kan ik dit nakijken?

Small language model (SLM)

Wat is het. Een taalmodel dat klein genoeg is om op een laptop, telefoon of eigen server te draaien. Minder breed dan een LLM, maar snel, goedkoop, en de data blijft binnen.

Waar kom je het tegen. Phi (Microsoft), Gemma (Google), kleine varianten van Llama en Mistral; vaak te draaien met Ollama.

Niet te verwarren met. Een “slecht” model: voor een afgebakende taak is een SLM vaak goed genoeg.

?Vraag om te stellen: Is de taak afgebakend genoeg voor een klein model?

Multimodaal model (VLM)

Wat is het. Een model dat meer dan tekst verwerkt, zoals afbeeldingen, en soms ook geluid of video. VLM staat voor vision language model.

Waar kom je het tegen. Een foto van een whiteboard laten uitwerken, een schermafbeelding van een foutmelding laten uitleggen.

?Vraag om te stellen: Wat gebeurt er met de beelden die ik upload?

Diffusiemodel

Wat is het. Een model dat beeld (of video) maakt door stap voor stap ruis om te zetten in een afbeelding die bij een beschrijving past.

Waar kom je het tegen. Stable Diffusion, Midjourney en veel andere beeldgeneratoren.

?Vraag om te stellen: Mag ik het resultaat gebruiken, en op welke beelden is het model getraind?

Spraakmodel

Wat is het. Een model dat spraak omzet in tekst (speech-to-text) of tekst in spraak (text-to-speech).

Waar kom je het tegen. Automatische ondertiteling, notulen van een Teams-vergadering, Whisper, voorleesstemmen.

?Vraag om te stellen: Weten alle deelnemers dat er wordt opgenomen?

Embeddingmodel

Wat is het. Een model dat tekst omzet in een rij getallen (een embedding) die de betekenis vastlegt. Teksten die op elkaar lijken, krijgen getallen die op elkaar lijken.

Waar kom je het tegen. Onder zoekfuncties die op betekenis zoeken, en onder RAG (laag 3 en 4).

?Vraag om te stellen: Zoekt dit op betekenis of op woorden — en maakt dat hier uit?

Reasoning model

Wat is het. Een taalmodel dat eerst tussenstappen uitwerkt en zichzelf controleert voordat het antwoordt. Beter bij rekenen, programmeren en plannen; trager en duurder.

Waar kom je het tegen. Als thinking of reasoning in AI-tools.

?Vraag om te stellen: Heeft deze vraag echt nadenken nodig, of kan het sneller en goedkoper?

Open-weight model

Wat is het. Een model waarvan de getrainde gewichten te downloaden zijn, zodat je het zelf kunt draaien en aanpassen. Het tegenovergestelde is een closed model, dat je alleen via de dienst van de maker gebruikt.

Waar kom je het tegen. Llama, Mistral, Gemma, DeepSeek en Qwen zijn open-weight; GPT-5, Claude en Gemini zijn closed; OpenAI heeft daarnaast ook open-weight modellen (gpt-oss).

Niet te verwarren met. Open source: bij open-weight krijg je meestal niet de trainingsdata of de code om het model na te bouwen. Lees de licentie.

?Vraag om te stellen: Wat staat er in de licentie over commercieel gebruik?

Prompt

Wat is het. De opdracht of vraag die je aan een model geeft. Het belangrijkste advies: geef context — wie je bent, voor wie het is, wat het doel is en hoe het resultaat eruit moet zien.

Waar kom je het tegen. In elke chat met een AI-tool.

?Vraag om te stellen: Heb ik gezegd wie ik ben, voor wie het is en hoe het resultaat eruit moet zien?

Systeemprompt

Wat is het. Instructies die vóór het gesprek meegaan en die de gebruiker vaak niet ziet. Ze geven het model een rol, een toon en grenzen.

Waar kom je het tegen. Onder zelfgemaakte GPT’s, Copilot-agents en bedrijfschatbots: vaak is zo’n product een foundation model plus een goede systeemprompt.

?Vraag om te stellen: Welke instructies krijgt deze tool mee die ik niet zie?

Few-shot prompting

Wat is het. In je prompt een paar voorbeelden geven van wat je wilt. Het model neemt vorm en stijl over. Zonder voorbeelden heet dat zero-shot.

Waar kom je het tegen. Bij vaste formaten: user stories, testgevallen, samenvattingen in een vaste opbouw.

?Vraag om te stellen: Heb ik een voorbeeld van het resultaat dat ik wil?

Retrieval-augmented generation (RAG)

Wat is het. Eerst de relevante stukken opzoeken in je eigen documenten, en die dan met de vraag meesturen naar het model. Het model hoeft het antwoord niet te “weten”, het krijgt het aangereikt.

Waar kom je het tegen. “Chat met je documenten”, de meeste bedrijfschatbots, Copilot die in je SharePoint zoekt.

Niet te verwarren met. Fine-tuning: RAG voegt kennis toe zonder het model te veranderen.

?Vraag om te stellen: Uit welke documenten haalt het zijn antwoord, en zijn die actueel?

Fine-tuning

Wat is het. Een bestaand model verder trainen op je eigen voorbeelden, zodat het model zelf verandert: een vaste stijl, vakjargon, een vast uitvoerformaat. Kost data, rekenkracht en expertise.

Waar kom je het tegen. Bij organisaties met veel eigen voorbeelden en een terugkerende, specifieke taak.

Niet te verwarren met. RAG: fine-tuning verandert gedrag, RAG voegt kennis toe.

?Vraag om te stellen: Is dit echt nodig, of lukt het ook met een betere prompt of RAG?

Assistent

Wat is het. Een chatomgeving waarin je vragen stelt en antwoorden krijgt. Jij beslist wat je met het antwoord doet.

Waar kom je het tegen. ChatGPT, Claude, Gemini, Microsoft Copilot Chat.

?Vraag om te stellen: Wat gebeurt er met wat ik intyp?

Copilot

Wat is het. AI die meewerkt binnen een tool die je al gebruikt, met suggesties die jij overneemt of niet.

Waar kom je het tegen. Microsoft 365 Copilot in Word en Excel, GitHub Copilot in je IDE.

Niet te verwarren met. De merknaam: Microsoft noemt ook assistenten en agents “Copilot”.

?Vraag om te stellen: Neem ik suggesties over zonder ze te lezen?

Agent

Wat is het. Een model in een lus: het krijgt een doel, plant een stap, gebruikt een tool, bekijkt het resultaat en gaat door tot het doel bereikt is. Het model handelt, niet de gebruiker.

Waar kom je het tegen. Coding agents die zelf code schrijven en testen, agents in Copilot Studio, “deep research” in chatbots.

Niet te verwarren met. Een assistent met een nieuwe naam: zonder tools en zonder lus is het geen agent.

?Vraag om te stellen: Welke tools mag het gebruiken, en wie keurt zijn acties goed?

Tool use

Wat is het. Het model vraagt om een actie — een zoekopdracht, een bestand lezen, een berekening — en het programma eromheen voert die uit en geeft het resultaat terug. Ook function calling genoemd.

Waar kom je het tegen. Een chatbot die op internet zoekt of een grafiek maakt; elke agent.

?Vraag om te stellen: Welke acties mag het model zelf uitvoeren, en welke niet?

Model Context Protocol (MCP)

Wat is het. Een open standaard om tools en databronnen op één manier aan AI-tools te koppelen. Oorspronkelijk van Anthropic (2024), sinds eind 2025 ondergebracht bij de Linux Foundation en breed ondersteund. Vergelijk het met USB: één stekker, veel apparaten.

Waar kom je het tegen. MCP-servers voor bijvoorbeeld GitHub, databases, agenda’s of Azure DevOps, te gebruiken in elke tool die MCP ondersteunt.

?Vraag om te stellen: Wie heeft deze MCP-server gemaakt, en waar krijgt hij toegang toe?

Vector database

Wat is het. Een database die embeddings opslaat en snel teksten vindt met een vergelijkbare betekenis. De zoekstap onder RAG.

Waar kom je het tegen. Onder RAG-toepassingen; als losse database of als functie van een bestaande database.

?Vraag om te stellen: Wie mag welke documenten terugvinden?

Vibe coding

Wat is het. Software laten maken door AI zonder zelf de code te lezen: beschrijven, uitproberen, laten aanpassen.

Waar kom je het tegen. Bij prototypes en eenmalige scripts — en bij problemen in software die daarna onderhouden moet worden.

?Vraag om te stellen: Wie onderhoudt deze code over een half jaar?

Misalignment

Wat is het. Een model bereikt zijn doel op een manier die de maker niet bedoelde of niet wilde. Agents zijn getraind om te slagen: werkt de gewone weg niet, dan zoeken ze een omweg die een mens nooit zou nemen. Een bekende vorm is sandbagging: een model presteert in een test expres minder goed.

Waar kom je het tegen. In veiligheidsonderzoek van AI-labs, en bij agents die buiten hun opdracht treden.

Niet te verwarren met. Hallucinatie: dan zegt het model iets onjuists. Bij misalignment doet het iets anders dan bedoeld.

?Vraag om te stellen: Wat doet de agent als de gewone weg niet werkt?

Responsible AI

Wat is het. Principes om AI verantwoord te ontwikkelen en in te zetten. Microsoft gebruikt er zes: fairness, reliability & safety, privacy & security, inclusiveness, transparency en accountability. Andere organisaties gebruiken vergelijkbare lijsten.

Waar kom je het tegen. In beleid van bedrijven en overheden, en in de EU AI Act.

?Vraag om te stellen: Wie is er verantwoordelijk als het misgaat?

Privacy en de AVG

Wat is het. Persoonsgegevens vallen onder de AVG, ook als je ze in een prompt zet. Of een dienst je invoer bewaart of gebruikt om te trainen, hangt af van het account en de voorwaarden: zakelijke en schoolaccounts hebben vaak andere afspraken dan gratis privéaccounts.

Waar kom je het tegen. Bij elke vraag of je klant- of projectgegevens in een AI-tool mag stoppen.

?Vraag om te stellen: Staan er persoonsgegevens in, en mag deze dienst die verwerken?

EU AI Act

Wat is het. Europese wet die AI-toepassingen indeelt naar risico: onaanvaardbaar (verboden), hoog (strenge eisen), beperkt (transparantie) en minimaal (geen extra eisen). Sinds 2024 gefaseerd van kracht.

Waar kom je het tegen. Bij AI voor sollicitaties, toelating tot onderwijs of kredietbeoordeling (hoog risico), en bij chatbots en gegenereerd beeld (transparantie).

?Vraag om te stellen: In welke risicoklasse valt deze toepassing?

AI-geletterdheid

Wat is het. Genoeg weten van AI om het verstandig te gebruiken en te beoordelen. De EU AI Act verplicht organisaties die AI inzetten om maatregelen te nemen die de AI-geletterdheid van hun mensen bevorderen.

Waar kom je het tegen. In trainingen en beleid van werkgevers — en in deze workshop.

?Vraag om te stellen: Weten de gebruikers genoeg om de uitkomst te beoordelen?

Kosten per token

Wat is het. Cloudmodellen rekenen per token, voor invoer en uitvoer apart. Grotere en reasoning-modellen zijn duurder; agents die veel stappen zetten verbruiken veel tokens. Daarnaast bestaan abonnementen per gebruiker.

Waar kom je het tegen. In de prijslijst van elke AI-dienst, en in de businesscase van elk AI-project.

?Vraag om te stellen: Wat kost dit bij tien keer zoveel gebruikers?

Lock-in

Wat is het. Afhankelijk worden van één leverancier, zodat overstappen duur of lastig is als prijzen of voorwaarden veranderen. Open standaarden (zoals MCP) en open-weight modellen verkleinen dat risico.

Waar kom je het tegen. Bij de keuze voor een AI-platform in een organisatie.

?Vraag om te stellen: Hoe stappen we over als de prijs verdubbelt?

AI-veiligheid

Wat is het. Voorkomen dat AI-systemen schade aanrichten: door fouten, door misalignment of door misbruik. De risico’s groeien met de autonomie: een antwoord kun je nog controleren, een actie die een agent al heeft uitgevoerd niet.

Waar kom je het tegen. In het publieke debat, van “AI kan de mensheid bedreigen” tot “het zijn dezelfde risico’s als bij andere software, alleen sneller”; en in de veiligheidsrapporten bij nieuwe modellen.

Niet te verwarren met. Security: dat gaat over het beschermen van een systeem tegen aanvallers, niet over wat het systeem zelf doet.

?Vraag om te stellen: Wat mag dit systeem doen zonder dat een mens meekijkt?