AI-termen in gewone taal.

Software die taken doet waar je normaal menselijk denkwerk voor nodig hebt, zoals tekst begrijpen, beelden herkennen of een voorspelling doen. AI leert dat niet uit regels die iemand opschrijft, maar uit voorbeelden.

Zie ook: Machine learning, Generatieve AI

AI die niet alleen antwoord geeft, maar zelf stappen zet om een doel te halen: iets opzoeken, een bestand openen, een formulier invullen of een ander programma aanroepen. Hoe meer een agent zelf mag, hoe belangrijker toezicht en grenzen zijn.

Voorbeeld: Een agent die binnenkomende facturen leest, controleert en klaarzet in je boekhoudpakket.

Zie ook: Mens aan het stuur (human in the loop), MCP (Model Context Protocol), Workflow en automatisering

AI die afbeeldingen maakt op basis van een beschrijving, zoals Midjourney, DALL-E of Stable Diffusion. Er bestaan ook generatoren voor video, muziek en stemmen.

Zie ook: Generatieve AI, Deepfake

Een programma waarmee je in gewone taal een gesprek voert. Moderne chatbots draaien op een taalmodel. Een chatbot voor klantenservice kent vaak alleen de informatie van dat ene bedrijf.

Zie ook: Taalmodel (LLM), RAG (zoeken en dan antwoorden)

AI die meekijkt en helpt binnen een programma dat je al gebruikt, zoals in je mail, tekstverwerker of code-editor. Jij blijft aan het stuur. Microsoft Copilot en GitHub Copilot zijn bekende voorbeelden.

Zie ook: AI-agent

AI die iets nieuws maakt: tekst, beeld, geluid, video of code. ChatGPT, Claude, Gemini en Midjourney zijn voorbeelden.

Voorbeeld: Een eerste versie van een offerte laten schrijven, of tien varianten van een productfoto laten maken.

Zie ook: Taalmodel (LLM), Beeldgenerator

Het getrainde AI-systeem zelf: het 'brein' dat je aanroept. Er zijn grote en kleine modellen, snelle en grondige, voor tekst, beeld of allebei.

Zie ook: Training, Multimodaal

Een model dat meer soorten invoer of uitvoer aankan dan alleen tekst, bijvoorbeeld ook foto's, pdf's, geluid of video.

Voorbeeld: Een foto van een whiteboard laten omzetten in een nette takenlijst.

Een groot AI-model dat getraind is op heel veel tekst en daardoor tekst kan lezen en schrijven. LLM staat voor large language model. Het voorspelt steeds het meest waarschijnlijke vervolg, en kan zo vragen beantwoorden, samenvatten, vertalen en code schrijven.

Zie ook: Token, Hallucinatie, Redeneermodel

Weten wat AI kan en niet kan, hoe je er verstandig mee werkt en waar de risico's zitten. Organisaties die AI inzetten moeten volgens de Europese AI-verordening zorgen dat hun mensen daar genoeg van weten.

Zie ook: AI-verordening (AI Act)

Hoeveel tekst een model in één keer kan overzien: je vraag, de bijlagen en het gesprek tot nu toe. Wat er niet in past, 'vergeet' het model. Het wordt gemeten in tokens.

Zie ook: Token

Als een AI-model iets zeker klinkend beweert dat niet klopt, zoals een bron die niet bestaat of een verkeerd getal. Het gebeurt omdat het model voorspelt wat aannemelijk klinkt, niet wat waar is. Controleren blijft daarom mensenwerk.

Zie ook: Mens aan het stuur (human in the loop), RAG (zoeken en dan antwoorden)

Een werkwijze waarbij een mens de uitkomst van AI controleert en goedkeurt voordat er iets gebeurt. Verstandig bij alles wat gevolgen heeft voor mensen, geld of reputatie.

Voorbeeld: De AI schrijft een antwoord op een klacht, een medewerker leest het en verstuurt het.

Zie ook: Hallucinatie, AI-agent

Software bouwen met blokken, formulieren en slepen in plaats van met code. Low-code betekent dat er af en toe een stukje code bij komt. Met AI erbij kunnen ook niet-programmeurs werkende tools maken.

Zie ook: Vibe coding, Workflow en automatisering

De opdracht of vraag die je aan een AI-model geeft. Hoe duidelijker je zegt wat je wilt, voor wie, in welke vorm en met welke achtergrond, hoe beter het resultaat.

Voorbeeld: Niet 'schrijf een mail', maar 'schrijf een korte, vriendelijke mail aan een klant die te laat betaalt, met de factuurgegevens hieronder'.

Zie ook: Prompt engineering, Systeemprompt

Het vak van goede prompts schrijven en testen: context meegeven, voorbeelden geven, de vorm van het antwoord vastleggen en stap voor stap laten werken. Steeds vaker onderdeel van gewoon werk in plaats van een aparte functie.

Zie ook: Prompt

Een werkwijze waarbij de AI eerst zoekt in jouw eigen documenten of een database, en pas daarna antwoordt op basis van wat het vond. Zo krijg je antwoorden die kloppen met jouw informatie, met verwijzing naar de bron. RAG staat voor retrieval-augmented generation.

Voorbeeld: Een interne assistent die vragen van medewerkers beantwoordt uit het personeelshandboek.

Zie ook: Embedding, Hallucinatie

Vaste instructies die vóór elk gesprek meegaan en die de gebruiker meestal niet ziet. Daarin staat bijvoorbeeld de rol, de toon en wat het model wel en niet mag.

Voorbeeld: Een klantenservicebot met als systeemprompt: 'Je helpt klanten van webshop X, in het Nederlands, en je geeft nooit medisch advies.'

Software maken door in gewone taal te beschrijven wat je wilt en de AI de code te laten schrijven, zonder dat je zelf elke regel leest. Snel voor prototypes. Voor iets wat echt moet blijven werken zijn controle, tests en beveiliging nog steeds nodig.

Zie ook: No-code en low-code, Mens aan het stuur (human in the loop)

Een reeks stappen die automatisch na elkaar gebeurt, vaak tussen verschillende programma's. Met tools als n8n, Make of Zapier koppel je AI aan je mail, agenda, CRM of boekhouding, vaak zonder te programmeren.

Voorbeeld: Elke nieuwe aanvraag via het contactformulier wordt samengevat, gelabeld en als taak in je planning gezet.

Zie ook: AI-agent, API, No-code en low-code

Een vaste manier waarop programma's met elkaar praten. Via de API van OpenAI, Anthropic of Google bouw je AI in je eigen software of workflow, zonder het chatvenster.

Zie ook: Workflow en automatisering, Inferentie

Een tekst of beeld omgezet in een reeks getallen die de betekenis vastlegt. Teksten die over hetzelfde gaan, krijgen getallen die op elkaar lijken. Zo kan software zoeken op betekenis in plaats van op precies dezelfde woorden.

Zie ook: RAG (zoeken en dan antwoorden)

Een bestaand model nog wat extra trainen met eigen voorbeelden, zodat het beter wordt in één taak of één stijl. Vaak is een goede prompt of RAG eenvoudiger en goedkoper.

Zie ook: Training, RAG (zoeken en dan antwoorden)

Het gebruiken van een getraind model: jij stelt een vraag, het model rekent een antwoord uit. Daar betaal je meestal voor bij een API, per hoeveelheid tokens.

Zie ook: API, Token

Een AI-model op je eigen computer of server gebruiken in plaats van via een dienst op internet. Meer controle over je gegevens, maar je hebt goede hardware nodig en de kleinere modellen zijn minder sterk.

Zie ook: Open modellen (open weights), AVG en AI

De manier waarop de meeste AI leert: een computer zoekt zelf patronen in veel voorbeelden, in plaats van dat iemand alle regels opschrijft.

Voorbeeld: Een model dat uit duizenden oude transacties leert welke betalingen verdacht zijn.

Zie ook: Training, Neuraal netwerk en deep learning

Een open standaard waarmee AI-assistenten veilig kunnen werken met andere programma's en gegevensbronnen, zoals je bestanden, agenda of een database. Een soort universele stekker tussen AI en je tools.

Zie ook: AI-agent, API

Een neuraal netwerk is een rekenmodel met vele lagen verbonden 'knooppunten', losjes geïnspireerd op hersenen. Deep learning is machine learning met zulke netwerken van vele lagen. Taalmodellen en beeldgeneratoren zijn zo gebouwd.

Zie ook: Transformer

Modellen waarvan de makers de getrainde 'gewichten' vrijgeven, zodat je ze zelf kunt draaien, ook op een eigen server. Llama, Mistral en Qwen zijn voorbeelden. Handig als gegevens je eigen omgeving niet mogen verlaten.

Zie ook: Lokaal draaien

Een taalmodel dat eerst 'nadenkt' in tussenstappen voordat het antwoordt. Trager en duurder, maar beter in rekenen, plannen, code en lastige afwegingen.

Zie ook: Taalmodel (LLM)

Een instelling die bepaalt hoe voorspelbaar of hoe gevarieerd een model antwoordt. Laag geeft steeds ongeveer hetzelfde antwoord, hoog geeft meer variatie en creativiteit, maar ook meer kans op onzin.

Het stukje tekst waarin een taalmodel rekent: een woord, een deel van een woord of een leesteken. Een Nederlandse tekst van 100 woorden is ruwweg 130 tot 180 tokens. Prijzen en limieten van AI-diensten worden vaak in tokens uitgedrukt.

Zie ook: Contextvenster

Het proces waarin een model leert van data. Een groot taalmodel trainen kost veel rekenkracht, tijd en geld en gebeurt bij de makers van het model. Als gebruiker train je het model meestal niet zelf.

Zie ook: Fine-tunen, Inferentie

De bouwtekening onder vrijwel alle moderne taalmodellen, voorgesteld in 2017. Een transformer kijkt bij elk woord naar alle andere woorden in de tekst en weegt hoe belangrijk ze voor elkaar zijn. De T in GPT staat ervoor.

Zie ook: Taalmodel (LLM)

De Europese wet voor AI. Hoe groter het risico van een toepassing, hoe strenger de regels. Sommige toepassingen zijn verboden, zoals 'social scoring'. Hoog-risico-toepassingen, zoals AI bij werving en selectie of bij toegang tot onderwijs, krijgen strenge eisen. De wet gaat stap voor stap in: de verboden en de plicht tot AI-geletterdheid gelden sinds februari 2025.

Zie ook: AI-geletterdheid, Hoog-risico-AI

Over auteursrecht en AI is nog veel onzeker. Twee vragen spelen: mochten makers van modellen het werk van anderen gebruiken om te trainen, en wie is eigenaar van wat AI maakt? Werk dat zonder menselijke creatieve keuzes door AI is gemaakt, is volgens veel juristen niet beschermd. Leg bij opdrachten vast wie wat mag.

Zie ook: Generatieve AI

De privacywet geldt ook als je AI gebruikt. Stop je persoonsgegevens in een AI-dienst, dan moet je weten waar die gegevens blijven, of ze gebruikt worden om het model te trainen, en of je daar een goede reden voor hebt. Zakelijke abonnementen bieden hier vaak meer garanties dan gratis versies.

Zie ook: Lokaal draaien

Een scheefheid in de uitkomsten van AI, vaak omdat de trainingsdata scheef was. Het model neemt dan vooroordelen over, bijvoorbeeld over geslacht, afkomst of leeftijd. De toeslagenaffaire liet zien hoe zwaar de gevolgen van een scheef systeem kunnen zijn.

Zie ook: Hoog-risico-AI, Mens aan het stuur (human in the loop)

Beeld, geluid of video die met AI is gemaakt of bewerkt en echt lijkt, bijvoorbeeld iemand die iets zegt wat hij nooit zei. Onder de AI-verordening moet zulke inhoud als AI-gemaakt herkenbaar zijn.

Zie ook: Beeldgenerator, AI-verordening (AI Act)

Grenzen die je om een AI-toepassing heen bouwt: wat het model niet mag zeggen of doen, welke gegevens het niet mag zien, en wanneer een mens moet ingrijpen.

Zie ook: Systeemprompt, Mens aan het stuur (human in the loop)

AI die grote gevolgen kan hebben voor mensen, bijvoorbeeld bij het beoordelen van sollicitanten, kredietwaardigheid of toegang tot zorg en uitkeringen. Daarvoor gelden onder de AI-verordening extra eisen aan data, documentatie, toezicht door mensen en transparantie.

Zie ook: AI-verordening (AI Act), Bias (vooringenomenheid)