Wat is generatieve AI? Uitleg in gewone taal

Wat is generatieve AI?

Generatieve AI is software die nieuwe content maakt. Je typt een vraag of opdracht, de prompt, en je krijgt een tekst of beeld terug. Bekende voorbeelden zijn de AI-assistenten waarmee je een mail laat schrijven of een rapport laat samenvatten.

De meeste tekstgerichte tools draaien op een groot taalmodel, in het Engels een large language model of LLM. Anthropic beschrijft een LLM als een taalmodel met veel parameters, getraind op enorme hoeveelheden tekst. Zo'n model kan tekst schrijven die menselijk klinkt en vragen beantwoorden.

Je ziet sinds kort ook de term SI, van Super Intelligence. De Amerikaanse federale overheid gebruikt die term sinds een executive order van 29 september 2026 voor wat wij AI noemen. In Nederland is generatieve AI nog de gangbare naam.

Hoe voorspelt een taalmodel tekst?

Een taalmodel leest geen hele woorden zoals jij. Het knipt tekst op in tokens. Een token kan een heel woord zijn of een stukje ervan. Bij Claude is een token gemiddeld ongeveer 3,5 Engelse tekens, volgens de documentatie van Anthropic.

De eerste trainingsfase heet pretraining. Het model krijgt dan een grote hoeveelheid tekst en leert steeds het volgende woord te voorspellen op basis van de tekst ervoor. Wat eruit komt is een model dat goed taal aanvult. Het volgt nog slecht instructies en beantwoordt vragen niet vanzelf netjes.

Daarom volgt een tweede fase. Met fine-tuning trainen ontwikkelaars het model verder op extra voorbeelden. Met RLHF (reinforcement learning from human feedback) rangschikken mensen verschillende antwoorden van het model. Het model leert daarna de voorkeur te geven aan antwoorden die op de hoogst gewaardeerde lijken. Zo wordt een tekstaanvuller een assistent die doet wat je vraagt.

Wat is het contextvenster?

Het contextvenster is de hoeveelheid tekst waar het model tijdens een gesprek naar kan kijken. Anthropic noemt het het werkgeheugen van het model. Het staat los van de trainingsdata. Alles wat je in je prompt plakt, zoals een document of eerdere berichten, valt binnen dat venster.

Dit verklaart waarom een model over jouw bedrijf weinig weet tot je het informatie geeft. Plak je je productbeschrijving in de prompt, dan kan het daar wel mee werken.

Waarom krijg je elke keer een ander antwoord?

Een model kiest niet altijd het meest waarschijnlijke volgende woord. De instelling temperature bepaalt hoeveel willekeur erin zit. Een hoge waarde geeft gevarieerdere tekst, een lage waarde houdt het model bij de meest waarschijnlijke formulering. Volgens Anthropic zijn de uitkomsten ook bij temperature 0 niet volledig voorspelbaar. Twee keer dezelfde vraag kan dus twee verschillende antwoorden opleveren.

Wat kan generatieve AI goed?

Taalmodellen zijn sterk in taken waarbij de informatie al voor ze ligt of waar taalgevoel telt. Denk aan:

• een lang document samenvatten of de belangrijkste punten eruit halen;
• een eerste versie schrijven van een mail, post of offerte-intro;
• een tekst herschrijven voor een andere doelgroep of toon;
• brainstormen over titels, invalshoeken of vragen;
• data of notities ordenen in een tabel of opsomming.

Het resultaat hangt sterk af van wat je vraagt. Een vage opdracht geeft een algemeen antwoord. Hoe je dat verbetert, lees je in betere prompts schrijven.

Waar maakt generatieve AI fouten?

Een taalmodel kan tekst produceren die feitelijk onjuist is of die niet klopt met de informatie die je zelf gaf. Dit heet hallucineren. Het antwoord klinkt vaak net zo zeker als een correct antwoord, en daardoor valt de fout niet direct op.

Het gebeurt vooral als het model iets moet weten dat niet in je prompt staat. Een bronvermelding, een wetsartikel, een cijfer of een citaat zijn de bekende risicoplekken. Het model vult dan aan wat waarschijnlijk klinkt.

Hoe verklein je de kans op verzinsels?

Anthropic geeft in de documentatie een aantal praktische technieken:

• Geef toestemming om "ik weet het niet" te zeggen. Zet in je prompt dat het model dat mag zeggen als de informatie ontbreekt.
• Laat eerst citeren. Vraag bij lange documenten om letterlijke citaten en laat het antwoord alleen daarop baseren.
• Laat elke bewering onderbouwen. Vraag om bij elke claim een bron of citaat te geven, en claims zonder onderbouwing te schrappen.
• Beperk de kennis. Zeg expliciet dat het model alleen de aangeleverde documenten mag gebruiken.
• Vergelijk meerdere antwoorden. Stel dezelfde vraag een paar keer. Verschillen tussen de antwoorden wijzen op een mogelijk verzinsel.

Anthropic zegt er zelf bij dat deze technieken hallucinaties verminderen en ze niet helemaal wegnemen. Controleer belangrijke informatie dus altijd zelf, zeker als je er een beslissing op baseert.

Hoe geef je een model actuele of eigen kennis?

De techniek heet RAG, retrieval augmented generation. Relevante documenten worden opgezocht en samen met je vraag in het contextvenster gezet. Het model baseert zijn antwoord dan op die documenten. Volgens Anthropic verbetert dat de feitelijke juistheid, maar alleen zo goed als de documenten zelf.

In de praktijk doe je dit vaak al zonder het zo te noemen. Je uploadt een pdf of plakt een tekst en stelt er een vraag over. Het model werkt dan met jouw bron, en jij kunt controleren of het antwoord daarin terug te vinden is.

Hoe begin je zelf met generatieve AI?

Kies één taak die je elke week doet en die vooral uit tekst bestaat. Probeer die met een AI-tool, geef de nodige context mee en lees het resultaat kritisch na. Zo leer je snel waar het model je tijd bespaart en waar je moet bijsturen.

Wil je dit met begeleiding leren op je eigen werk? In een 1-op-1 training generatieve AI oefen je drie uur met je eigen taken en tools. Voor teksten, beelden en video lees je ook generatieve AI voor content.