Module 1Academie

AI-basis voor teams

Wat een taalmodel doet, waar het fout gaat, en wat er in mag. Voor het hele team, niet alleen voor de techneuten.

AI-basis voor teams is een halve dag voor iedereen die met AI gaat werken. Het team leert hoe een taalmodel tot een antwoord komt, waarom het soms overtuigend onjuist is, en welke gegevens er niet in horen. Na de module schrijft elke deelnemer een opdracht voor eigen werk en controleert het resultaat.

Na deze module kan het team
  • 01Het team beschrijft in eigen woorden hoe een taalmodel een antwoord samenstelt, en waarom dat soms onjuist is
  • 02Elke deelnemer schrijft een opdracht voor eigen werk en beoordeelt het antwoord met een vaste controlestap
  • 03Het team noemt de gegevens die niet in een AI-tool horen, per categorie
  • 04Het team maakt een lijst van eigen taken die AI kan helpen, en van taken die dat niet kunnen
Agenda
  1. 01

    Wat een taalmodel is

    Voorspellen, geen weten. We laten zien waarom een model een zin afmaakt zoals hij waarschijnlijk klinkt, en wat dat betekent voor feiten, bedragen en namen.

  2. 02

    Waar het fout gaat

    Verzonnen bronnen, verkeerde getallen en te zekere toon. Elke deelnemer probeert zelf een fout uit te lokken en leert de controlestap die hem vangt.

  3. 03

    Welke gegevens erin mogen

    Persoonsgegevens, klantdossiers, contracten en bedrijfsgeheimen: per categorie, met de vraag wat de zakelijke versie van de tool er mee doet.

  4. 04

    Oefenen op eigen werk

    Elke deelnemer brengt één taak mee. We schrijven samen de opdracht, lezen het antwoord kritisch en noteren wat er ontbreekt.

Waarom dit de eerste module is

De meeste problemen met AI in een team beginnen niet bij de techniek maar bij de verwachting. Iemand vraagt een taalmodel om een cijfer, het krijgt een cijfer dat klinkt als een antwoord, en het cijfer gaat de deur uit. Die fout is niet dramatisch als iemand hem vangt, maar er is niemand die hem vangt als het team niet weet waar het model vaak misgaat.

Daarom begint de Academie hier, voordat het gesprek over tools of automatisering. Een team dat weet hoe een taalmodel werkt, kiest betere opdrachten, controleert sneller en stelt de juiste vragen aan de leverancier. Het team heeft die basis nodig voordat het een systeem laat draaien dat zonder mens antwoord geeft.

Hoe een taalmodel tot een antwoord komt

Een taalmodel schat, woord voor woord, welk woord het meest waarschijnlijk volgt op wat er al staat. Daardoor leest het soepel en klinkt het zeker. Het model heeft geen database met feiten die het naslaat; het heeft patronen uit een enorme hoeveelheid tekst geleerd. Dat maakt het sterk in formuleren, samenvatten en structureren, en zwak in precieze feiten, getallen en bronnen die het niet voor zich heeft.

Voor een team betekent dat een simpele regel: laat het model werken met materiaal dat u zelf aanlevert, en controleer alles wat later gebruikt wordt in een besluit, een factuur of een brief aan een klant. Die regel is de kern van de module, en we oefenen hem tot hij vanzelf gaat.

Waar het fout gaat, en hoe u dat vangt

Er zijn drie veelvoorkomende fouten. Het model verzint een bron die bestaat in vorm maar niet in werkelijkheid. Het rekent een bedrag verkeerd terwijl de redenering netjes klinkt. En het geeft een antwoord in een stellige toon, ook als de vraag onduidelijk was. Die drie zijn in de vakliteratuur bekend onder de naam hallucinaties.

De controlestap is in elke oefening hetzelfde: haal de claims uit het antwoord, zoek ze op in de bron die u vertrouwt, en stop als een claim niet te vinden is. Voor getallen geldt de extra regel dat de berekening zichtbaar moet zijn. Een team dat dit twintig keer gedaan heeft, wordt er snel in.

Welke gegevens er niet in horen

Het grootste risico is niet de fout in het antwoord, maar de informatie die in de prompt verdwijnt. Persoonsgegevens van klanten of medewerkers, dossiers met gevoelige inhoud, onderhandelingsstukken en bedrijfsgeheimen horen niet zomaar in een tool. Of dat wel mag, hangt af van het account waarmee u werkt en van wat de leverancier contractueel belooft. Dat verschilt per tool en per abonnement.

We behandelen per categorie wat u kunt doen: anonimiseren, een zakelijk account met een verwerkersovereenkomst, of de taak helemaal niet met een taalmodel doen. De details over de AI-verordening en de AVG komen in module vijf terug. Hier leert het team alleen de vraag die het altijd moet stellen: wat gebeurt er met deze tekst, en wie heeft dat op papier gezet?

Wat het team daarna doet

De module eindigt met twee lijsten die het team meeneemt. De eerste bevat taken die AI goed kan ondersteunen, met de controlestap erbij. De tweede bevat taken die AI niet moet doen, zoals een besluit over een persoon of een juridisch oordeel zonder menselijke toets. Die twee lijsten zijn het startpunt voor module drie, waarin we bepalen welk werk het waard is om aan een systeem te geven.

Veelgestelde vragen

  • Is dit een training over één specifieke tool?

    Nee. We gebruiken de tool die uw team al heeft of wil kiezen, maar de module gaat over het werken met taalmodellen in het algemeen. Die kennis blijft als de tool verandert.

  • Moeten deelnemers vooraf iets voorbereiden?

    Ja, één taak uit het eigen werk die elke week of elke dag terugkomt. Zonder die taak is de oefening te abstract.

  • Is de module ook voor leidinggevenden?

    Ja, en zij krijgen dezelfde oefeningen. Een beslissing over AI is pas verstandig als degene die beslist de fouten zelf heeft gezien.

Welk team heeft deze module nodig?

Voor halve dag €2.450 excl. btw. In het gesprek zeggen we of de module past, of dat een bouwdag of het adoptieprogramma beter is.