Het AI-landschap ontrafeld: wat ondernemers in 2025 moeten weten

Een gids in AI-terminologie en haar mogelijkheden gebaseerd op de huidige technologische realiteit

De afgelopen maanden kreeg ik heel wat vragen van ondernemers en studenten over enkele begrippen uit de AI-wereld.

“Wat is het verschil tussen AI en AGI?”

“Is generatieve AI hetzelfde als een AI-agent?”

“Zou mijn business al in Agentic AI moeten investeren?”

Deze termen duiken tegenwoordig vaak op in allerlei mediakanalen. En als jij je soms ook wat overdonderd voelt door die overvloed aan termen, wees gerust: je bent zeker niet de enige. Vandaar mijn idee voor deze blogpost: een poging om deze termen in eenvoudig Nederlands uit te leggen.

Traditionele Machine Learning (ML): waar het allemaal begon

Vooraleer ik de nieuwere termen bespreek, wil ik graag even teruggaan naar het begin: traditionele machine learning. Denk aan een systeem dat patronen herkent en verbetert naarmate het meer ervaring opdoet. In tegenstelling tot klassieke software, die expliciete instructies volgt (het klassieke programmeren), probeert machine learning patronen te ontdekken in data. Die patronen worden dan gebruikt om voorspellingen te doen, zonder dat elk mogelijk scenario vooraf geprogrammeerd is.

Wanneer je in je mailbox meldingen krijgt zoals “Deze e-mail zou belangrijk kunnen zijn”, dan is dat een voorbeeld van traditionele machine learning in actie. Het systeem heeft jouw e-mailgedrag geanalyseerd om te voorspellen op welke berichten je doorgaans snel reageert.

Andere voorbeelden zijn:

• Credit scoring modellen die inschatten of een lening zal worden terugbetaald.

• Weersystemen die de temperatuur van morgen voorspellen.

• Medische toepassingen die analyseren of een tumor kwaadaardig is.

• Aanbevelingssystemen op webshops die producten voorstellen op basis van aankoopgeschiedenis.

Traditionele machine learning blinkt uit in specifieke, afgelijnde taken waarbij het systeem leert voorspellen. Wel is er meestal gestructureerde data én menselijke begeleiding nodig om te bepalen wat een “goed” resultaat is. Bijvoorbeeld: wat is de temperatuur morgen? Is een tumor kwaadaardig of niet?

Artificiële Intelligentie (AI): het bredere plaatje

Artificiële intelligentie is de overkoepelende term die alle technologieën omvat die computers in staat stellen om menselijk gedrag na te bootsen. Waar machine learning vooral draait rond voorspellingen, is AI veel ruimer. Het omvat ook redeneren, problemen oplossen, taal begrijpen en perceptie.

Kort gezegd: AI zijn computers die dingen doen waarvoor je normaal gezien menselijke intelligentie nodig hebt. Denk aan:

• Taal begrijpen (zoals wanneer je jouw GPS mondeling instructies geeft)

• Objecten herkennen in foto’s (zoals je smartphone die automatisch mensen en locaties tagt)

• Complexe beslissingen nemen met meerdere variabelen (zoals je navigatie-app files vermijdt)

De meeste AI-systemen waarmee we vandaag in contact komen, zijn voorbeelden van zogenaamde “enge AI” (narrow AI): ze doen het uitstekend in één specifieke taak, maar missen het bredere menselijke denkvermogen.

Generatieve AI: de creatieve revolutie

Sinds een tweetal jaar maken we een explosieve groei mee van generatieve AI: systemen die niet alleen data analyseren, maar ook volledig nieuwe content kunnen creëren.

Toen ik in 2022 voor het eerst ChatGPT gebruikte, was ik meteen onder de indruk van hoe vlot en samenhangend het teksten kon schrijven over eender welk onderwerp. Idem met DALL-E: beelden creëren op basis van een eenvoudige tekstbeschrijving – in een handomdraai.

Hoe werkt generatieve AI? Door gigantische hoeveelheden data te analyseren, leert het patronen herkennen. Daarna genereert het nieuwe content die deze patronen volgt, zonder de oorspronkelijke data letterlijk te kopiëren. Vergelijk het met een chef die duizenden recepten heeft doorgenomen en nu zelf nieuwe gerechtjes maakt op basis van geleerde smaakcombinaties.

Toepassingen van generatieve AI zijn onder andere:

• Artikels, e-mails of marketingteksten schrijven

• Beelden creëren op basis van tekstomschrijvingen

• Nieuwe popsongs in verschillende stijlen maken

• Video’s genereren

Wat generatieve AI zo krachtig maakt, is haar vermogen om menselijke creativiteit te versterken.

AI-agents: jouw digitale specialisten

AI-agents zijn AI-systemen die ontworpen zijn om met een zekere mate van autonomie specifieke taken of functies uit te voeren. Je kan ze zien als digitale specialisten met duidelijke verantwoordelijkheden.

Een voorbeeld uit de praktijk: AI-agents die klantenvragen behandelen buiten de kantooruren. Ze kunnen veelvoorkomende vragen beantwoorden, afspraken boeken of – indien nodig – complexe vragen doorsturen naar een mens. Een bekend voorbeeld is de Kate-assistent van KBC.

Andere voorbeelden zijn:

• Automatische trading-systemen op financiële markten

• Customer service chatbots die routinetaken op zich nemen

AI-agents hebben duidelijke grenzen: ze doen wat hen is aangeleerd, binnen vooraf gedefinieerde scenario’s.

Agentic AI: nog autonomer, maar binnen kaders

Als AI-agents specialisten zijn met een afgebakende rol, dan gaat Agentic AI een stap verder. Deze systemen kunnen plannen maken over meerdere stappen heen, zich aanpassen aan veranderende omstandigheden en acties ondernemen in functie van vooraf bepaalde doelstellingen. Er is weinig directe menselijke tussenkomst nodig, al blijft menselijke controle cruciaal – onder andere om doelen te bepalen en ethische grenzen af te bakenen.

Ik testte recent “Manus”, een Agentic AI-systeem uit China. Het helpt je bij allerlei taken. Bijvoorbeeld: je wil marktonderzoek doen naar huisprijzen in jouw buurt. Het systeem verzamelt info uit verschillende bronnen, bouwt een dashboard en schrijft een analyse. Best indrukwekkend – maar het blijft nodig om de output na te kijken en eventueel bijkomende context aan te brengen.

Agentic AI combineert meerdere vaardigheden:

• Omgevingsinzicht (via data-inputs)

• Redeneervermogen binnen gestelde grenzen

• Actieplanning over meerdere stappen heen

• Lerend vermogen: het verbetert zichzelf over de tijd

Het grote verschil met traditionele AI? Agentic AI kan complexe processen uitvoeren in verschillende stappen, terwijl klassieke AI zich beperkt tot één afgebakende taak.

Artificial General Intelligence (AGI): de heilige graal

AGI is het theoretische einddoel: een vorm van machine-intelligentie die menselijke intelligentie evenaart of overstijgt op nagenoeg elk vlak. De AI-systemen van vandaag zijn nog altijd narrow AI – enorm sterk binnen één domein, maar beperkt in flexibiliteit, creativiteit en gezond verstand.

Een echte AGI zou:

• Kennis uit verschillende domeinen combineren (bijv. lessen uit schaken toepassen op ondernemingsstrategie)

• Impliciete context en nuances begrijpen in communicatie

• Zich moeiteloos aanpassen aan compleet nieuwe situaties zonder bijkomende training

• Problemen oplossen met creativiteit en innovatie

Hoewel sommige krantenkoppen anders suggereren, zijn we nog lang niet aan AGI toe. Zelfs de meest geavanceerde modellen blijven domeinspecifiek denken.

Wat betekent dit nu voor jouw onderneming?

Als ondernemer is het belangrijk om deze termen te kunnen onderscheiden. Het helpt je om AI-tools correct in te schatten en realistische verwachtingen te vormen.

Kort samengevat:

• Machine learning helpt je om klantengedrag te voorspellen of prijzen te optimaliseren.

• Generatieve AI kan je ondersteunen bij het creëren van tekst of visuele content.

• AI-agents kunnen repetitieve taken automatiseren.

• Agentic AI ondersteunt bij meerledige processen met meerdere stappen en beslissingen, maar vraagt nog altijd jouw sturing.

De kunst is om het juiste type AI te kiezen voor jouw uitdaging – niet om AI in te zetten omdat het ‘moet’, en zeker niet om de mogelijkheden te overschatten.

Mijn ervaring bij bedrijven leert: begin met de basics. Start met traditionele machine learning en generatieve AI. Bouw een goede datastructuur uit. AI heeft data nodig. Zonder kwaliteitsvolle data is het “garbage in, garbage out” – ook bij AI.

En misschien wel de belangrijkste les: alle huidige AI-technologieën hebben hun beperkingen. Ze werken het best in samenwerking met menselijke expertise.

Dennis Houthoofd