Wat is generatieve AI?

Generatieve AI in het kort

Generatieve AI is kunstmatige intelligentie die zélf nieuwe inhoud maakt (tekst, beeld, geluid of code) op basis van patronen die het model uit grote hoeveelheden bestaande data heeft geleerd. Waar klassieke AI iets kiest of voorspelt uit wat er al is, schrijft generatieve AI het antwoord zelf.

Vier termen die hetzelfde betekenen:

Hieronder leest u wat generatieve AI precies is, hoe het onder de motorkap werkt, waarin het verschilt van "gewone" AI, waar het in de Nederlandse praktijk al echt werk doet, en, net zo belangrijk, waar het misgaat en wat u daaraan doet.

Wat is generatieve AI precies?

Generatieve AI gebruikt bestaande data om iets nieuws te maken dat lijkt op menselijk werk.

Dat "iets nieuws" kan van alles zijn: een concept-e-mail, een samenvatting van een jaarverslag, een risicoanalyse, een stuk broncode, een afbeelding, een gesproken tekst. Het model kopieert geen bestaande zin uit zijn trainingsdata; het construeert een nieuwe, op basis van de patronen die het heeft geleerd.

Twee dingen die generatieve AI níet is, en die in de praktijk de meeste verwarring geven:

• Het is geen zoekmachine. Een zoekmachine wijst u naar een document. Generatieve AI formuleert een antwoord. Dat antwoord kan kloppen zonder dat er één document achter zit, en het kan ook níet kloppen zonder dat u het aan de tekst ziet.
• Het is geen beslisser. Het model levert een voorstel. Wie het overneemt, is verantwoordelijk voor de inhoud. Dat is geen ethisch standpunt maar een praktische: het model kent uw dossier, uw afspraken en uw aansprakelijkheid niet.

Wat is het verschil tussen generatieve AI en gewone AI?

"Gewone" AI (ook wel klassieke, voorspellende of discriminatieve AI) bestaat al decennia en zit in uw spamfilter, uw kredietbeoordeling en het onderhoudsschema van een machinepark. Het verschil met generatieve AI zit niet in de techniek alleen, maar vooral in wat u ermee kunt en waar u op moet controleren.

Die laatste rij is de belangrijkste. Bij een spamfilter meet u de foutmarge over duizenden berichten en accepteert u een percentage. Bij generatieve AI helpt een gemiddelde u niet: één verzonnen verwijzing in één brief kan u een klacht of een reputatieprobleem opleveren. De controle verschuift daarmee van "hoe goed is het model gemiddeld" naar "waarop is dit ene antwoord gebaseerd".

Hoe werkt generatieve AI?

Onder de motorkap doet een taalmodel iets verrassend eenvoudigs: het voorspelt telkens het volgende stukje tekst. De schaal maakt dat revolutionair, niet het idee.

1. Tekst wordt opgeknipt in tokens. Een token is een woord of een stukje daarvan. "Huurovereenkomst" kan uiteenvallen in "huur", "overeen" en "komst". Het model rekent niet met letters of met begrippen, maar met die tokens.

2. Het model voorspelt het volgende token. Gegeven alles wat eraan voorafging, berekent het voor elk mogelijk volgend token een waarschijnlijkheid. Bij "De huurder heeft de woning op 1 maart …" zijn "opgeleverd" en "verlaten" waarschijnlijk, en "gefrituurd" niet.

3. Attention bepaalt wat meetelt. De transformer-architectuur waarop vrijwel alle moderne modellen draaien, weegt per token hoe zwaar elk eerder woord meeweegt. Zo blijft "de huurder" ook twintig zinnen later nog het onderwerp waar "hij" naar verwijst.

4. Het antwoord groeit token voor token. Elk gekozen token gaat terug de invoer in, en het model voorspelt het volgende. Daarom ziet u het antwoord ontstaan, en daarom krijgt u op dezelfde vraag niet twee keer exact hetzelfde antwoord: er zit bewust een beetje toeval in de keuze.

Die vier stappen verklaren zowel de kracht als het gevaar. Het model rekent geen waarheid uit, het rekent waarschijnlijkheid uit. Een antwoord dat vloeiend en overtuigend klinkt, is precies wat het optimaliseert, of het nu klopt of niet.

De patronen zelf zitten in de parameters: miljarden getallen die verbanden tussen woorden, concepten en stijlen coderen. Die parameters ontstaan in twee fasen. Eerst leest het model enorme hoeveelheden tekst en leert het taal (voortraining). Daarna wordt het bijgestuurd op voorbeelden van goede antwoorden en op menselijke voorkeuren, zodat het instructies opvolgt in plaats van alleen maar door te schrijven.

Wat zijn Large Language Models (LLM's)?

Een Large Language Model is generatieve AI die gespecialiseerd is in taal: getraind op boeken, nieuws, encyclopedieën, wetteksten, fora en broncode. Door die training leert het zinsbouw, betekenis, context en nuance, en daarmee ook vakjargon, juridische formuleringen en ambtelijke taal.

Bekende modelfamilies zijn GPT (OpenAI), Claude (Anthropic), Gemini (Google), Llama (Meta), Mistral (Frankrijk) en DeepSeek en Qwen uit China. Een deel daarvan heeft open gewichten: de parameters zijn vrij te downloaden en zelf te draaien. Dat is iets anders dan open source: de trainingsdata en het volledige trainingsrecept zijn meestal niet openbaar. Voor organisaties die hun data niet buiten de deur willen brengen is het onderscheid wel relevant: open gewichten kunt u op eigen infrastructuur draaien.

Moderne modellen zijn bovendien vaak multimodaal: ze verwerken niet alleen tekst, maar ook afbeeldingen, pdf's met tabellen, tekeningen en audio. Voor een bouwtekening, een gescande akte of een ingesproken rapportage maakt dat het verschil tussen "onbruikbaar" en "meteen verwerkbaar".

Wat is GenAI, en hoe verhoudt het zich tot AI, machine learning en AI-agents?

GenAI is simpelweg de afkorting van generative AI. De termen die eromheen zweven, zijn geen synoniemen maar lagen die in elkaar passen:

• Kunstmatige intelligentie (AI): het hele vakgebied, van schaakcomputers tot spraakherkenning.
• Machine learning: systemen die hun gedrag uit data afleiden in plaats van uit geprogrammeerde regels.
• Deep learning: machine learning met neurale netwerken van vele lagen.
• Generatieve AI (GenAI): deep learning die nieuwe inhoud produceert. Hier zitten de LLM's.
• AI-agents / agentic AI: generatieve AI die gereedschap mag gebruiken en een doel nastreeft: opzoeken in een systeem, rekenen, een concept opstellen, het eigen tussenresultaat beoordelen en doorgaan.

Die laatste stap is waar het de afgelopen jaren naartoe is bewogen. Een chatbot beantwoordt een vraag; een agent voert een taak uit en verantwoordt wat hij onderweg heeft geraadpleegd. Dat verandert ook de controlevraag: niet alleen "klopt dit antwoord", maar "welke stappen zijn gezet en welke bronnen zijn geraadpleegd".

Waar doet generatieve AI in Nederland al echt werk?

De sterkste toepassingen hebben één ding gemeen: het model is verbonden met échte, gecontroleerde bronnen in plaats van dat het uit het geheugen praat.

Juridisch werk. Uitspraken zoeken op rechtsgebied, instantie en datum, de volledige tekst per ECLI ophalen en de formele relaties tussen uitspraken zien: conclusie, cassatie, vindplaatsen. PrudAI publiceerde de connector die dit mogelijk maakt als open source (MIT): rechtspraak-mcp haalt uitspraken rechtstreeks uit de Open Data van de Rechtspraak, zodat elke AI-assistent met echte uitspraken kan werken in plaats van met verzonnen verwijzingen. U kunt het zelf uitproberen op prudai.com/jurisprudentie.

Openbaar bestuur. Bij een Woo-verzoek moeten honderden pagina's worden doorgenomen op persoonsgegevens en andere uitzonderingsgronden. Generatieve AI markeert de passages en stelt een lakvoorstel op; de behandelaar beslist. Het zware, foutgevoelige zoekwerk verdwijnt, het besluit blijft bij de mens.

Bouw en vergunningen. Een bouwplan tegen het Besluit bouwwerken leefomgeving en de kwaliteitsborging onder de Wkb leggen, en de punten benoemen waar de onderbouwing ontbreekt. De toetser krijgt een gestructureerde lijst in plaats van een leeg formulier.

Zorg. Rapportages en overdrachten opstellen uit wat een zorgverlener inspreekt, gekoppeld aan het cliëntdossier. Administratie die anders aan het toetsenbord opgaat, mits de logging op orde is, want inzage in een patiëntendossier is aan strikte eisen gebonden.

Interne kennis ontsluiten. Veel organisaties hebben hun werkinstructies, processen, contracten en video-uitleg wel staan, maar medewerkers vinden ze niet terug. Generatieve AI gekoppeld aan SharePoint, het zaaksysteem en de financiële administratie geeft een pasklaar antwoord met een verwijzing naar het document, in plaats van een zoekopdracht. Dat scheelt zoekwerk, en het scheelt vooral het soort zoekwerk waar niemand vrolijk van wordt.

Waar gaat generatieve AI mis?

Generatieve AI is krachtig, maar niet feilloos. De risico's zijn bekend en grotendeels beheersbaar, zolang u ze kent.

Hallucinatie. Het model verzint iets dat logisch klinkt maar niet bestaat. Het scherpste voorbeeld uit de Nederlandse praktijk: vraag een AI-assistent zonder bronkoppeling naar een uitspraak van de Hoge Raad, en de kans is groot dat u een keurig opgemaakt ECLI-nummer terugkrijgt dat nergens naar verwijst. Dat is geen storing maar een direct gevolg van hoe het model werkt: het is getraind om plausibele taal te produceren, niet om waarheid te controleren. Een verzonnen bronverwijzing ziet er daarom net zo overtuigend uit als een echte.

Bronvermelding die er niet is, of niet klopt. Zonder koppeling aan een bronsysteem kan een model geen vindplaats geven. Vraagt u er toch om, dan construeert het er een. Een antwoord zónder doorklikbare bron is in professioneel werk onbruikbaar.

Verouderde kennis. Een model kent de wereld tot het moment waarop het getraind is. Een wetswijziging van vorige maand, een uitspraak van vorige week of uw interne procedure van gisteren zitten er niet in, tenzij het model die live kan ophalen.

Bias en stereotypering. Wat in de trainingsdata oververtegenwoordigd is, komt terug in de uitvoer. Bij tekst over mensen (sollicitaties, dossierbeschrijvingen, beoordelingen) is dat een reëel risico.

Vertrouwelijkheid. De vraag is niet alleen "wat komt eruit" maar "wat gaat erin": waar staat uw data, wordt er op getraind, hoe lang wordt het bewaard, en wie kan erbij.

Automatische overname. Het subtielste risico. Een vloeiend, zelfverzekerd geformuleerd antwoord nodigt niet uit tot controle. Juist omdat de vorm altijd goed is, moet de controle op de inhoud georganiseerd zijn en niet aan het moment worden overgelaten.

Hoe houdt u generatieve AI betrouwbaar?

Er is geen knop waarmee hallucinatie verdwijnt. Wel een reeks maatregelen die elkaar versterken.

Verbind het model met bronnen. Dit is verreweg de belangrijkste. Twee vormen, met een wezenlijk verschil:

• RAG (retrieval-augmented generation): relevante passages uit een ingelezen kennisbank worden bij de vraag meegegeven, zodat het antwoord op documenten stoelt in plaats van op geheugen.
• Live koppelingen: het model bevraagt de bron op het moment van de vraag, via een gestandaardiseerd protocol zoals het Model Context Protocol. Geen kopie die veroudert, maar de stand van vandaag.

De AI-collega's van PrudAI werken op één gedeelde bronnenregistry met meer dan honderd gevalideerde bronnen, in beide vormen. Welke bron een antwoord heeft gedragen, staat onder het antwoord.

Citeer, en laat doorklikken. Een bronvermelding die u niet kunt openen, is geen bronvermelding. De controle moet in één klik kunnen.

Zet een mens in de keten (vier ogen). Laat een vakinhoudelijk expert het resultaat beoordelen vóór het naar buiten gaat. Voor gereguleerde beroepen is dat geen luxe: beroepsregels en de EU AI Act vragen om menselijke controle, om transparantie over AI-gegenereerde uitvoer, en om vastlegging daarvan.

Laat AI AI controleren. Het vierogenprincipe kan deels door een tweede model worden uitgevoerd, dat het eerste antwoord toetst op onderbouwing en op bronnen die daadwerkelijk bestaan.

Laat het model doorredeneren. Een model dat zijn antwoord in meerdere stappen opbouwt en zichzelf corrigeert, komt betrouwbaarder uit. Het duurt langer: een bewuste afweging per type vraag.

Leg vast wat er is gebeurd. Welke vraag, welk model, welke bronnen, wie heeft het geaccordeerd. Dat is wat een toezichthouder, een deken of een auditor wil zien, en het is achteraf niet te reconstrueren.

Wat betekent generatieve AI voor uw organisatie?

De kans is groot dat er in uw organisatie al met generatieve AI wordt gewerkt, of dat nu is afgesproken of niet. De vraag is dus niet óf, maar onder welke voorwaarden.

Begin bij het werk, niet bij de tool. Drie vragen brengen u verder dan een proefabonnement:

1. Welk werk kost nu de meeste tijd zonder dat er vakmanschap in zit? Zoeken, samenvatten, overtypen, doorspitten: daar zit de winst, niet in het oordeel zelf.
2. Op welke bron moet het antwoord staan? Geen bron, geen toepassing. Dit is meteen het scherpste selectiecriterium.
3. Wie controleert, en hoe leggen we dat vast? Als daar geen antwoord op is, is de toepassing niet af.

Zoekt u een leverancier van generatieve AI-diensten, dan zijn dit de vragen die het kaf van het koren scheiden:

• Waarop is dit antwoord gebaseerd, en kan ik naar de bron doorklikken?
• Wat gebeurt er met onze data: waar staat die, wordt erop getraind, hoe lang wordt die bewaard, en wie heeft er toegang?
• Hoe is de menselijke controle ingericht, en wat wordt er gelogd?
• Wat gebeurt er als het onderliggende model wordt vervangen? Verandert de uitvoer dan stilzwijgend?
• Wat kost het per gebruiker per maand, en wat zit daar wel en niet bij in?

Een leverancier die de eerste twee vragen niet concreet kan beantwoorden, verkoopt u een demo en geen oplossing.

Veelgestelde vragen over generatieve AI

Wat is generatieve AI in één zin?

Generatieve AI is kunstmatige intelligentie die zelf nieuwe inhoud maakt (tekst, beeld, geluid of code) op basis van patronen die zijn geleerd uit grote hoeveelheden bestaande data.

Wat is het verschil tussen generatieve AI en generative AI?

Niets. Generative AI is de Engelse term voor hetzelfde begrip. In het Nederlands schrijven we generatieve AI, voluit generatieve kunstmatige intelligentie.

Wat betekent GenAI?

GenAI is de gangbare afkorting van generative artificial intelligence. Het betekent precies hetzelfde als generatieve AI en wordt vooral in vakliteratuur en productnamen gebruikt.

Hoe werkt generatieve AI?

Een generatief model knipt tekst op in tokens en voorspelt telkens het meest waarschijnlijke volgende token, gegeven alles wat eraan voorafging. Door die stap miljarden keren te herhalen op enorme hoeveelheden tekst leert het grammatica, betekenis en vakjargon. Het rekent daarbij waarschijnlijkheid uit, geen waarheid.

Wat is het verschil tussen generatieve AI en gewone AI?

Klassieke AI kiest of voorspelt iets uit bestaande opties: een label, een getal, een kans. Generatieve AI maakt nieuwe inhoud. Daardoor verschuift ook de controle: bij klassieke AI meet u de foutmarge over veel gevallen, bij generatieve AI controleert u elk antwoord afzonderlijk op zijn bron.

Is generatieve AI hetzelfde als ChatGPT?

Nee. ChatGPT is één toepassing, gebouwd op een generatief taalmodel. Generatieve AI is de onderliggende technologie, die net zo goed in een vergunningentoets, een zorgrapportage of een ontwikkelomgeving kan zitten.

Waarom verzint generatieve AI soms dingen?

Omdat het model is getraind om plausibele taal te produceren, niet om feiten te verifiëren. Ontbreekt de kennis, dan levert het alsnog het meest waarschijnlijke antwoord, inclusief een overtuigend ogende bronverwijzing die niet bestaat. Dat heet hallucinatie en het is te beperken door het model aan echte bronnen te koppelen en elk antwoord naar zijn vindplaats te laten verwijzen.

Is generatieve AI veilig voor vertrouwelijke gegevens?

Dat hangt volledig af van de inrichting, niet van de technologie. Bepalend zijn: waar de data staat, of er op uw gegevens wordt getraind, hoe lang er iets wordt bewaard, wie toegang heeft en wat er gelogd wordt. Vraag dit expliciet uit en leg het vast; een algemene belofte over veiligheid zegt niets.

Vervangt generatieve AI banen?

In de praktijk verschuift het vooral werk: het zoeken, samenvatten en doorspitten gaat naar het model, het oordeel en de verantwoordelijkheid blijven bij de mens. Voor functies die grotendeels uit dat voorwerk bestaan, verandert de inhoud van het werk wel wezenlijk.

Waar begint een organisatie met generatieve AI?

Bij één concreet proces met een duidelijke bron en een duidelijke controleur, niet bij een organisatiebrede uitrol. Kies werk waar veel tijd in zoeken gaat zitten, koppel het aan het systeem waar het antwoord echt in staat, en spreek af wie tekent voordat er iets naar buiten gaat.

Tot slot

Generatieve AI is geen orakel en geen speelgoed. Het is een uitzonderlijk goede taalmachine die pas betrouwbaar wordt als u hem verbindt met bronnen die kloppen, en als u organiseert wie controleert. Met die twee voorwaarden op orde verdwijnt er tijd uit precies het werk waar niemand zijn vak voor heeft geleerd: zoeken, doorspitten en overtypen.

Bij PrudAI bouwen we AI-collega's die mensen versterken in plaats van vervangen, met bronvermelding, met een mens in de keten en met vastlegging van wat er is gebeurd. Meer weten over wat dat voor uw organisatie betekent? Neem contact op of bekijk onze kennisbronnen.