Geachte lezers, Welkom terug bij uw tweewekelijkse editie van de Artefact Generative AI-nieuwsbrief, waarin wij moedig proberen orde te scheppen in de digitale wervelwind die de ontwikkeling van AI is. De afgelopen weken waren… nou ja, laten we het erop houden dat mijn koffie nog geen tijd heeft gehad om af te koelen. We hebben AI-modellen sneller zien opduiken dan memes op een maandag, de zoek-AI van Google schrijft blijkbaar nu fanfictie, en AI-supercomputers strijden in de categorie van decategorie ‘gadgets met het hoogste stroomverbruik’. Dus zet u schrap, want we staan op het punt om een duik te nemen in de wilde, wonderbaarlijke en soms vreemde wereld van generatieve AI. Laten we eens kijken welke nieuwe chaos de AI-goden ons hebben geschonken!
GenAI News-podcast
Heeft u geen tijd om deze nieuwsbrief te lezen?
Zakelijk nieuws en marktinzichten
De modellen van Google, Meta en Anthropic behoren gemiddeld tot de veiligste modellen (87,3% voor Gemini 1.5 Pro, 82,7% voor Claude 3.5 Haiku, 77,6 voor Llama3 405B)De modellen van Anthropic presteren over het algemeen beter wat betreft weerstand tegen hallucinaties (Grok2 en DeepSeek eindigen onderaan de ranglijst). Populaire modellen die de voorkeur genieten vanwege de gebruikerstevredenheid, kunnen ten koste gaan van de feitelijke nauwkeurigheid. De formulering van gebruikersvragen heeft een aanzienlijke invloed op het vermogen van een modelom valse beweringen te ontkrachten; zelfverzekerde uitspraken verminderen de effectiviteit van het ontkrachten met 15%. Beknopte systeeminstructies kunnen het percentage hallucinaties met wel 20% doen toenemen.
De modellen van Anthropic' presteren over het algemeen beter wat betreft weerstand tegen hallucinaties (Grok2 en DeepSeek eindigen onderaan de ranglijst)
Populaire modellen die vanwege de gebruikerstevredenheid de voorkeur genieten, kunnen ten koste gaan van de feitelijke nauwkeurigheid
De manier waarop gebruikersvragen worden geformuleerd, heeft een aanzienlijke invloed op het vermogen van een model om onjuiste beweringen te ontkrachten, waarbij stellig geformuleerde beweringen de effectiviteit van het ontkrachten met 15% verminderen
Beknopte systeeminstructies kunnen het aantal hallucinaties met maximaal 20% doen toenemen
> Belangrijke overeenkomsten, samenwerkingsverbanden en innovaties
Nieuwe modellen en innovaties
> Multimodale (beeld, video, audio) modellen
Gedachten van de week door Hanan Ouazan
Managing Partner & Wereldwijd hoofd AI-versnelling
Van Slideware tot Verzending: De opkomst van de Agentic Process Owner (APO)
Van Slideware tot Verzending: De opkomst van de Agentic Process Owner (APO)
Decennialang bloeide de consultancybranche door het leveren van verzorgde presentaties vol raamwerken en benchmarks. Tegenwoordig genereert generatieve AI deze generieke inzichten in een mum van tijd, waardoor het simpelweg herverpakken ervan overbodig is geworden. Klanten eisen nu meer: tastbare producten, meetbare resultaten en operationele verbeteringen die zij daadwerkelijk kunnen toepassen. Maak kennis met de Agentic Process Owner (APO) – een verdere ontwikkeling van de rol van Product Owner die verder reikt dan functionele oplevering en waarbij de verantwoordelijkheid voor de onderliggende bedrijfsprocessen wordt gedragen. De APO levert niet alleen functies op; hij of zij begrijpt wat het product mogelijk maakt, waar het past in het end-to-end-proces en hoe dat proces in de loop van de tijd kan worden verbeterd. Zijn taak begint met een grondige verkenning van de gebruikersbehoeften – door actief te luisteren, zorgvuldig vragen te stellen en daadwerkelijk betrokken te zijn bij de praktijk. Maar daar houdt het niet op. APO’s nemen ook de tijd om te analyseren hoe het bredere proces werkt: niet alleen om er AI aan toe te voegen, maar om te heroverwegen hoe het anders zou kunnen functioneren. Het doel is niet om gebrekkige stappen te automatiseren, maar om de workflow opnieuw te ontwerpen met het oog op intelligentie, efficiëntie en waardecreatie. Belangrijk is dat zij zich op het snijvlak van business en technologie bevinden: zij stemmen strategische doelstellingen en KPI’s af op reële beperkingen – zoals data-beschikbaarheid, systeemlatentie en de complexiteit van integraties. Ze moeten ook een basiskennis hebben van observeerbaarheid en supervisie: niet om dit zelf te bouwen, maar om te begrijpen hoe de prestaties van agents worden gemeten en verbeterd, en hoe dit kan worden vertaald naar prioriteiten voor het team. Kennis van GenAI wordt in snel tempo een basisvereiste – en dat omvat ook het begrijpen van de werking van agentische systemen. Een APO hoeft modellen niet in zijn eentje te verfijnen, maar moet de essentie begrijpen: wanneer retrieval-augmented generation moet worden gebruikt, hoe de coördinatie van agents het procesontwerp beïnvloedt, wat latentie of tokenkosten betekenen voor het rendement op investering (ROI), en welke beveiligingsmaatregelen absoluut noodzakelijk zijn. Hierdoor zijn zij in staat technische teams duidelijk te briefen, de juiste vragen te stellen en een demo of prototype te ontwikkelen dat de impact concreet aantoont. Een duidelijke uitvoering, niet gepolijste retoriek, zorgt ervoor dat belanghebbenden zich achter het project scharen. Kortom, de verschuiving is ingrijpend: consultants die puur beschrijvend blijven, zonder het vermogen om prototypes te ontwikkelen of daadwerkelijke resultaten te meten, lopen het risico achterhaald te raken. APO’s die strategie combineren met tastbare, aantoonbare resultaten worden essentieel
