Wat zijn de echte mogelijkheden en beperkingen van generatieve AI?

Hoe het werkt, eerlijk gezegd

Generatieve modellen leren van enorme hoeveelheden teksten om te voorspellen hoe een gesprek verder gaat. Uit deze ogenschijnlijk eenvoudige vaardigheid ontstaan verrassende capaciteiten: schrijven, samenvatten, vertalen, programmeren, redeneren over problemen. Maar de aard blijft dezelfde: het model produceert het meest plausibele vervolg, niet de gegarandeerde waarheid. Plausibel en waar vallen vaak samen — maar niet altijd. Al het professionele gebruik van AI vloeit voort uit dit onderscheid.

Waar het echt uitblinkt

Transformeren: een document van vijftig pagina's samenvatten, herschrijven voor een ander publiek, vertalen, structuur aanbrengen in chaos. Verkennen: tien alternatieven genereren waar je er twee zou hebben gezien, de advocaat van de duivel spelen, een bezwaar simuleren. Versnellen: eerste concepten, startcode, consistentiecontroles. Bij al deze taken zijn de kosten van een fout laag, omdat er een mens is die nakijkt — en precies daar vermenigvuldigt de AI de productiviteit zonder risico.

Waar het stelselmatig de fout ingaat

Hallucinaties: feiten, cijfers en citaten die met volmaakt zelfvertrouwen worden verzonnen — vertrouw nooit op een verifieerbaar gegeven zonder het te verifiëren. Vooroordelen: het model weerspiegelt de onevenwichtigheden in de teksten waarop het is getraind, en kan die onevenwichtigheden overnemen in zijn suggesties. Actualiteit: de kennis stopt bij de trainingsdatum, tenzij er zoektools zijn aangesloten. Precieze wiskunde en impactberekeningen: daarvoor zijn gedeclareerde methoden en coëfficiënten nodig, geen plausibele tekst — dat is de reden waarom op Simbial de scores worden berekend door de server met publieke formules, nooit door de AI.

De kunst van het goed vragen

De kwaliteit van de antwoorden hangt sterk af van de kwaliteit van de vragen. De regels die altijd gelden: geef context (wie je bent, wat er nodig is, voor wie het bestemd is); vraag om het formaat dat je wilt; werk stap voor stap in plaats van met één enorme aanvraag; vraag het model om zijn redenering en aannames te laten zien; en als het antwoord ertoe doet, vraag dan ook: «wat zou er onjuist kunnen zijn in dit antwoord?». Behandel het als een briljante maar onervaren medewerker: heldere instructies, eindcontrole.

De gezonde taakverdeling

Aan de AI: volume, snelheid, alternatieven, eerste versies, consistentiecontroles. Aan de mens: doelstellingen, criteria, keuzes, verificatie van de feiten die ertoe doen, ondertekening. Deze taakverdeling is geen concessie aan nostalgici: het is wat de gegevens over de toekomst van werk laten zien — de professionals die groeien zijn degenen die AI gebruiken om hun eigen oordeelsvermogen te versterken, niet degenen die het gebruiken om niet te hoeven nadenken.

Volgende stap: in een echt project

Nu je weet wat je van het instrument kunt verwachten, brengt de volgende module het naar de praktijk: hoe gebruik je AI in elk van de 4 fasen van een impactproject — van ideevorming tot meting — met concrete voorbeelden van de Simbial-methode.