De Toekomst van Werk: Hoe Technologie Jouw Baan en Bedrijf Verandert

Van slimme AI-tools tot robots op de werkvloer – ontdek wat de laatste ontwikkelingen betekenen voor jouw dagelijkse werk en hoe je hierop kunt inspelen.

AI Ontwikkelingen, Van AGI tot Robotica - De Impact op Organisaties

Zoals elke week staan de ontwikkeling in AI niet stil. In deze uitgebreide nieuwsbrief duiken we diep in de laatste ontwikkelingen, van de explosieve groei in AI-adoptie (65% van de organisaties gebruikt nu generatieve AI) tot de nieuwste doorbraken in robotica. We analyseren niet alleen het nieuws met de technische vooruitgang, maar vooral ook wat dit betekent voor jou en jouw organisatie.

Van de opkomst van AI-agents en de introductie van OpenAI's Tasks-functionaliteit tot baanbrekende ontwikkelingen in betaalbare AI-modellen - we behandelen de belangrijkste trends en hun praktische implicaties. Plus: exclusieve inzichten in de arbeidsmarktimpact en concrete stappenplannen voor implementatie van AI Agents.

Wat je kunt verwachten in deze editie:

• Laatste MIT Technology Review inzichten over AI-adoptie

• Diepgaande analyse van de verschuiving naar AI-agents

• Praktische implementatiestrategieën voor organisaties

• Impact op de arbeidsmarkt richting 2030

• Doorbraken in betaalbare AI-modelontwikkeling

• En in ons deel voor de betalende lezers onder meer

  • Concrete use-cases en toepassingen

  • Aanvullende nieuwsitems

  • Prompts

Generatieve AI Adoptie: Cijfers en Trends

We beginnen met een stuk van MIT Technologie Review Insights om de voortuigang in de ontwikkelingen te laten zien want in 2024 is het aantal organisaties dat generatieve AI gebruikt gestegen tot t 65%, bijna het dubbele van 2023. Wat betekend dit voor 2025? 91% van de organisaties verwacht dat het de productiviteit zal gaan verhogen in onder meer Cybersecurity, marketing en klantenservice.

Maar zoals gewoonlijk is er wel er wel een klein addertje onder het gras want, slechts 5% van de organisaties heeft AI volledig draaiende in productie. Waarom? Hierin spelen onder meer de hoge kosten in de inferentie met het model (het gebruik), rommelige (niet goed begeleide) integraties, complicaties bij het integreren met infrastructuur en de kwaliteit van de output door bijvoorbeeld hallucinaties.

Problemen die veelal eenvoudig voorkomen kunnen worden door je goed te laten begeleiden en te werken met experts gevoed met goede data die zelfs geregeld zelfstandig kunnen draaien op een een eigen laptop. Het geheime wapen is daarmee eigenlijk datgene waar we in onze afgelopen nieuwsbrief al mee kwamen een AI-Agent die je met specialistische modellen en acties kan helpen te komen tot efficiëntere workflows.

De toepassingen waar mij mee werken met Nederlandse en EU leveranciers kunnen niet alleen dat maar zijn ook in staat Retreival-Augmented Generation (RAG) in te zetten om kennis uit de echte wereld te halen om accuraat te blijven.

Wat nog meer opvalt in het artikel is dat 67% van de onderzochte bedrijven juist gebruik maakt van de closed-source modellen zoals die van OpenAI, Microsoft, Anthropic of Google , 42% is overgestapt op open-source cloud AI en nog eens 32% is van plan dat te doen. Een andere trend die echter ook in het onderzoek gezien wordt is dat er toch, zoals we hier ook al vaker aangeven, organisaties overstappen naar de Eigendom gebonden Expert AI-modellen. Reden dat dit wat trager gaat is voornamelijk de initiële investering die hiermee gemoeid is. Een investering die je overigens in de gemiddelde businesscase met een jaar vaak al terug verdiend kan hebben er vanuitgaande van een initiële investering gelijk aan die van kosten van een Senior medewerker voor 2 jaar. We kunnen dus wel stellen dat ondanks berichten in sommige media AI niet vertraagt, het evolueert naar slimmere, flexibere systemen. Het draait dus ook al lang niet meer om flitsende demo’s, het moet werken in de echte wereld.
Bron: wp.technologyreview.com

AGI en Superintelligence: Verwachtingen voor 2025-2030

Als we dit leggen naast een van de zaken die we aanhaalden in het deel voor betaalde subscribers dan is dit zeer relevant. Want ongangs begonnen onderzoekers meer en meer te spreken over de komst van AGI - Artificial Super Intelligence in plaats van Artificial General Intelligence. De algehele teneur van het afgelopen jaar was dat we Artificial General Intelligence ergens tussen einde 2025 en 2030 zouden hebben maar langzaam kwam daar een verandering in. Uit de communicatie vanuit nauw betrokkenen uit deze wereld wordt meer en meer duidelijk dat er op relatief korte termijn een vloedgolf van intelligentie op ons af zou moeten komen. Daar waar bij Artificial General Intelligence, vaak verwezen wordt naar machines die deskundige mensen kunnen overtreffen in de meest intellectuele taken omdat ze informatie op een zelfde manier kunnen verwerken als wij mensen. Een definitie overigens die nog altijd ook nog rekbaar lijkt. Horen we nu meer en meer dat de beschikbaarheid van deze intelligentie onze maatschappij al behoorlijk snel, met een behoorlijke impact zal gaan veranderen. We schreven afgelopen week ook al, je hoeft ze niet te geloven, maar het wordt meer en meer duidelijk dat de mensen zo dicht op het vuur dit zelf wel geloven. Zie ook de screenshots hieronder zoals Ethan Mollick deze ook communiceerde.

Blogs van Sam en Dario na te lezen op: https://darioamodei.com/machines-of-loving-grace ; https://blog.samaltman.com/reflections.

Dan was er ook nog een meer dan opmerkelijke discussie tussen OpenAI-onderzoekers heeft nieuwe vragen opgeroepen over de ontwikkeling van kunstmatige intelligentie. Stephen McAleer, AI-onderzoeker bij OpenAI, en Emmett Shear, die kort interim-CEO was bij OpenAI tijdens de recente bestuurlijke crisis, voerden begin januari een publiek debat over de toekomst van AI.

McAleer opende de discussie met een nostalgische opmerking over het doen van AI-onderzoek "in de tijd dat we nog niet wisten hoe we superintelligentie konden creëren." Hij vervolgde met de observatie dat veel onderzoekers in vooraanstaande AI-labs de mogelijkheid van korte tijdlijnen zeer serieus nemen, terwijl er buiten deze labs te weinig wordt gesproken over de veiligheidsimplicaties.

Het gesprek nam een opmerkelijke wending toen Shear reageerde met de waarschuwing "stop alsjeblieft met het proberen de machinegod tot slaaf te maken." McAleer antwoordde hierop dat "een god tot slaaf maken de enige goede toekomst is." Dit leidde tot een diepgaande discussie over de risico's: ofwel slaagt men erin en maakt een feilbare mens een god tot slaaf met het risico op catastrofale fouten, ofwel men faalt en creëert een vijandige superintelligentie.

De discussie eindigde met McAleer's erkenning dat er veel soorten AI-onderzoek zijn die commercieel waardevol en niet bijzonder gevaarlijk zijn, maar dat hij voorstander is van het pauzeren van onderzoek naar AGI-capaciteiten die wel gevaarlijk kunnen zijn.

Er zijn natuurlijk genoeg ook redenen zijn om mensen die zo dicht op het vuur zitten niet te geloven, ze hebben immers er belang bij het vuurtje warm te houden.

Benchmarks en diverse demo’s laten zien dat het niet enkel en alleen hype is. Het 03 model van OpenAI als nieuwe generatie ‘denkend’ model doet het echt heel goed in de benchmarks. in de GPQA haalde o3 een goed percentage van 87% ten opzichte PhDers die met toegang tot het internet buiten hun specialisme 34% goed hadden en daarbinnen 81%. Wij horen er links en rechts nog wel wat wisselende geluiden maar feit blijft dat het model ons geregeld verbluffende resultaten geeft.

En dan wat als het wel zo snel komt? Wat is dan onze snelheid van adoptie? Hoe snel kunnen we ons aanpassen als AGI er in de komende 2 jaar dus rond eind 2026 in plaats van 2027 zoals wij in onze trainingen voorspelden. Veranderingen in organisaties duren lang, veranderingen in systemen van werken, leven en in ons onderwijssysteem gaan nog langzamer. We krijgen dan waarschijnlijk te maken met tal van uitdagingen zoals:

1. De adoptie en aanpassing: De snelheid van adoptie zal zeer waarschijnlijk sterk variëren tussen sectoren en organisaties. Sommige bedrijven, vooral in de technologiesector, zullen waarschijnlijk sneller reageren, anderen zullen langzamer zijn. Wat doet dit met de snelle reageerders? Wat doet dit met de werkgelegenheid en hoe vangen we eventuele klappen op?

2. Organisatorische veranderingen: We schreven al eerder dat het wat gaat doen met de organisatiecultuur, mens en machine moeten leren in harmonie te werken. Maar organisaties zullen moeite hebben zich snel aan te passen. Agile transformaties die vergelijkbaar zijn van omvang duren doorgaans meerdere jaren om goed te implementeren.

3. Systemen van werken en leven: Dit zijn veranderingen die zo mogelijk nog langzamer gaan. Maatschappelijke systemen hebben doorgaans meer tijd nodig om zich aan te passen aan radicale technologische veranderingen.

4. Onderwijs: we zien nu al dat net als veel MKB bedrijven en (Semi) overheden het onderwijs nog sterk achterblijft. Het onderwijs is waarschijnlijk een van de langzaamste systemen om zich aan te passen gezien de hoge mate van complexiteit en belangen.

5. Barrières voor adoptie zijn ook een uitdaging want er zullen er diverse zijn zoals wrijving in regelgeving, gevestigde belangen en inertie.

Kortom in ieder geval heel veel redenen om te starten met bewustwording, trainingen en opleidingen en Proof of Concepts binnen je eigen team, afdeling en organisatie.

Impact op de arbeidsmarkt

Een belangrijke oproep is wel om niet te wachten tot er vanaf de top bewogen wordt maar vraag er ook actief bottom-up om. Als we het rapport over de toekomst van banen van het World Economic Forum voor 2025 er namelijk bij pakken zien we dat AI een impact heeft en gaat hebben. Het rapport analyseert hoe automatisering, bijscholing en economische verschuivingen het werk gaan veranderen.

Wij worden vaak bottom-up uitgenodigd maar proberen dan ook om samen met jullie bij de management en directielagen aan tafel te komen. Ook proberen we gesprekken samen met jullie te voeren met HR(M) of P&O (net hoe je wilt) om de impact te laten zien. Want als we het grote plaatje pakken dan zien we dat er 92 miljoen banen naar verwachting zullen gaan verdwijnen in 2030. Verwachtin is echter dat er 170 miljoen nieuwe banen worden gecreëerd. Een netto winst dus van 78 miljoen banen maar daarvoor moet je wel de juiste vaardigheden bezitten. Vaardigheden die je alleen gaat leren vanuit de trainingen, opleidingen en door het actief toe te gaan passen in je werk zonder dat je zo direct in 1 big bang over moet.

Wat gaat er veranderen? De verwachting is dat 41% van alle organisaties banen zal gaan schrappen vanwegen AI. Je kan denken aan automatisering van klerken, kassiers, en data-invoerfuncties. 39% van de huidige vaardigheden zal verouderd zijn en de meest gevraagde nieuwe vaardigheden zijn AI-Geletterdheid / AI-Literacy, probleemoplossing en cyberbeveiliging. Ook vaardigheden rondom processen, data, datakwaliteit, data mangement maar ook bijvoorbeeld duurzaamheid zijn van belang.

Dit betekend dat groei sectoren bijvoorbeeld zijn: AI-Engineers, data-analisten, UI en UX designers, IoT specialisten en experts in groene energie. En aflopende functies zijn die in administratief werk, postdiensten, administratief assistenten, accounting, bookkeeping and payroll clerks.

ChatGPT Tasks: De Eerste Generatie Persoonlijke AI Assistenten

OpenAI heeft een belangrijke nieuwe functie gelanceerd genaamd "Tasks" voor ChatGPT Plus, Team en Pro abonnees. Deze functionaliteit markeert een verschuiving van pure reactieve AI naar meer proactieve systemen. Voor het eerst kunnen gebruikers ChatGPT zelfstandig taken laten uitvoeren, zonder dat ze steeds zelf vragen hoeven te stellen.

Gebruikers kunnen nu bijvoorbeeld:

• Dagelijks sluitkoersen van aandelen laten analyseren

• Persoonlijke trainingsschema's laten samenstellen

• Herinneringen voor water drinken instellen

• Wekelijkse nieuwsoverzichten laten maken

• Dagelijkse quizzen instellen voor sollicitatievoorbereiding

• Taalleerprogramma's opzetten met dagelijkse nieuwe woorden en uitspraakoefeningen

• Persoonlijke ontwikkelingsdoelen monitoren

• Financiële markten volgen met gepersonaliseerde updates

Hoewel dit technisch gezien vergelijkbaar is met een traditionele "cron job" (een geplande computertaak), vertegenwoordigt deze functie een belangrijke stap richting autonome AI-agents die zelfstandig kunnen opereren.

De taskfunctie kan worden gezien als een voorloper van meer geavanceerde toepassingen. Ethan Mollick en anderen suggereren dat dit systeem in de toekomst zou kunnen evolueren naar onder meer agents die:

1. Je herinneren aan verjaardagen

   1. Je voorkeuren leert kennen

   2. Zelfstandig cadeau suggesties doet

   3. Uiteindelijk zelfs aankopen kan doen

2. Agents die direct kunnen communiceren met de AI-assistenten van andere mensen en dan bijvoorbeeld een afspraak in kunnen plannen

3. Een nog breder pallet aan acties voor je uit kunnen voeren
   

AI Agents in 2025: Praktische Toepassingen en Implementatie

De ontwikkeling van AI-agents gaat verder dan alleen tijdgebonden taken. Toekomstige systemen zullen waarschijnlijk:

• Toegang krijgen tot verschillende databronnen

• Reageren op contextuele triggers in plaats van alleen tijdschema's

  • Denk daarbij aan bijvoorbeeld het weer, een bepaalde gebeurtenis (bv wijziging van een beurskoers oid)

• Integreren met bestaande systemen zoals agenda's en berichten-apps

• Proactief suggesties doen gebaseerd op gedragspatronen

Experts voorzien een convergentie tussen verschillende technologieën, zoals:

• Slimme brillen (zoals Ray-Ban en Vision Pro)

• Spraakgestuurde assistenten

• Persoonlijke AI-agents

Ontwikkelingen die weer vragen oproepen over onder andere: :

• De rol van grote technologiebedrijven versus nieuwkomers

• Privacy en gegevensbescherming

• De balans tussen innovatie en veiligheid

• De mate van menselijke controle die wenselijk is

AI Implementatie Gids: Stappenplan voor Organisaties

Zoals gewoonlijk is de grote vraag natuurlijk: wanneer moet je als organisatie instappen? Thuis experimenteren met een taak is leuk maar de echte winst zit natuurlijk in de organisaties en jouw werk. Op basis van onze ervaringen en de inzichten van partijen als Anthropic zien we dat succesvolle implementaties vooral draaien om eenvoud en gefaseerde aanpak.

Begin klein, denk groot De meest succesvolle organisaties beginnen niet met complexe autonome systemen, maar met wat we 'workflows' noemen - vooraf gedefinieerde processen waarbij AI-tools op specifieke momenten worden ingezet in een bepaald deel van het proces worden ingezet. Denk bijvoorbeeld aan:

• Het automatisch classificeren en routeren van binnenkomende e-mails

• Het genereren van eerste concepten voor bepaalde documenten

• Het analyseren van van informatie en het destilleren en presenteren van actionable insights

De juiste use-case kiezen Niet elk proces leent zich voor AI-agents. Je wilt beginnen waar:

• De taken repeterend zijn maar wel enige flexibiliteit vereisen

• De risico's beheersbaar zijn

• De impact direct meetbaar is

• Er duidelijke succescriteria zijn

Lessons learned uit de praktijk Uit onze ervaring met tientallen implementaties blijkt dat organisaties die succesvol zijn met AI-agents zich op hoofdlijnen kenmerken door:

1. Een duidelijke governance structuur,

   1. Uiteraard kunnen onze consultants je hierbij helpen deze op te zetten.

2. Nauwe samenwerking tussen business en IT (intern of externe dienstverlener)

3. Continue monitoring en bijsturing vanuit een meer ‘agile’ werkwijze

   1. Dit is in de trajecten die wij ondersteunen vrijwel de standaard.

4. Gefaseerde uitrol met duidelijke evaluatiemomenten

Impact op je organisatie Het implementeren van AI-agents heeft niet alleen technische, maar ook organisatorische implicaties. Je moet rekening houden met:

• Veranderende rollen en verantwoordelijkheden

• Nieuwe benodigde competenties in je teams

• Aangepaste werkprocessen

• Privacy en security vraagstukken

Concrete vervolgstappen Voor organisaties die willen starten met AI-agents adviseren wij:

1. Begin met een AI readiness assessment van je huidige processen nn

2. Identificeer 2-3 concrete use-cases met relatief lage complexiteit

3. Start een pilot met een multidisciplinair team

4. Meet en evalueer de resultaten

5. Schaal succesvol gebleken toepassingen geleidelijk op

Want hoewel de technologie zich razendsnel ontwikkelt, blijft het succes van implementatie vooral afhangen van een gedegen voorbereiding en realistische verwachtingen. De organisaties die nu al experimenteren en leren, bouwen een voorsprong op die in de komende jaren van onschatbare waarde zal blijken. Uiteraard helpen wij in dit hele traject graag.

Betaalbare AI Modellen: Democratisering van AI Technologie

Zoals gewoonlijk zorgt de snelle ontwikkeling in AI weer voor verrassende wendingen. Recent heeft het NovaSky-team van UC Berkeley aangetoond dat het trainen van krachtige AI-modellen niet per se de miljarden hoeft te kosten waar grote techbedrijven vaak over spreken. Ze ontwikkelden het Sky-T1-32B-Preview model dat kan concurreren met geavanceerde modellen als o1-preview - en dat voor een fractie van de gebruikelijke kosten.

Belangrijkste informatie uit het bericht:

• Het team gebruikte het open-source Qwen2.5-32B-Instruct als basismodel

• Training gebeurde op 8 H100 GPU's in slechts 19 uur

• De pure computekosten bedroegen $450 (op basis van Lambda Cloud-prijzen)

• Het model presteert vergelijkbaar met commerciële alternatieven op het gebied van redeneren en coderen

Waarom dit relevant is De werkelijke kosten liggen natuurlijk hoger als je kijkt naar de salarissen van engineers en andere operationele kosten. Maar zelfs dan blijkt het ontwikkelen van eigen AI-modellen veel haalbaarder dan vaak wordt gesuggereerd. Dit biedt interessante perspectieven voor Nederlandse en Europese organisaties:

1. Kosteneffectieve ontwikkeling: Door lagere arbeidskosten in Europa en Azië (vergeleken met Silicon Valley) wordt eigen AI-ontwikkeling nog haalbaarder.

2. Controle over AI: Organisaties kunnen zelf bepalen welke data ze gebruiken voor training, waardoor ze grip krijgen op:

   • Bias en kwaliteit

   • Culturele afstemming

   • Ethische overwegingen

   • Duurzaamheidsaspecten

3. Transparantie: In tegenstelling tot 'black box' modellen van grote techbedrijven, kan men volledig inzicht hebben in het trainingsproces en de gebruikte data.

Kanttekeningen Er zijn wel enkele belangrijke aandachtspunten:

• Het gebruikte Qwen-basismodel heeft Chinees als primaire taal, wat invloed kan hebben op de prestaties en hallicunaties zoals hieronder te zien. Hoewel de Chinese tekens kloppen staan er ineens 2 bijzondere tekens tussen de tekst.

  

  

• De genoemde 450 betreft alleen computekosten voor een model, niet de totale ontwikkelingskosten. Voor totale ontwikkeling is x 335 geen gek aantal. Daarmee kom je voor een kleiner expert model aan de prijs van een senior medewerker voor 1,5 jaar. Zoals eerder gezegd is dit niet ondenkbaar dat je dit in minder dan een jaar terug kan verdienen als je zaken als onderhoud, beheer e.d. niet meerekent.

• Expertise en infrastructuur blijven noodzakelijk

Wat betekent dit voor organisaties? Deze ontwikkeling laat zien dat het zelf ontwikkelen van AI-modellen bereik is van organisaties ondanks dat vaak anders gedacht wordt. Dit biedt kansen voor:

• Bedrijven die specifieke, domeingerichte AI-modellen willen ontwikkelen

• Organisaties die volledige controle willen over hun AI-systemen

• Samenwerkingsverbanden die gezamenlijk kunnen investeren in AI-ontwikkeling

Want hoewel de grote techbedrijven suggereren dat AI-ontwikkeling alleen weggelegd is voor organisaties met miljarden dollars aan budget, bewijst dit initiatief het tegendeel. Voor organisaties die serieus nadenken over AI-implementatie, ontstaan er nieuwe mogelijkheden om meer controle te krijgen over hun AI-toekomst.

Om met onze collega’s en AI deze nieuwsbrief vol waardevolle inzichten te blijven maken, hebben we jouw steun nodig. Als betalende abonnee krijg je daarom exclusieve toegang tot extra content, zoals inspirerende prompts voor diverse thema’s, diepgaande analyses en het allerlaatste nieuws over AI-ontwikkelingen. Wil je een bepaald thema uitgelicht of heb je een specifieke vraag die breed relevant kan zijn? Dan behandelen we die daar voor je.

Sluit je aan bij onze community van vooruitstrevende professionals en krijg niet alleen een voorsprong in kennis, maar help ons ook om deze updates mogelijk te blijven maken. Scroll verder en ontdek de bonusinhoud die speciaal voor onze abonnees is samengesteld. Doe mee en haal alles uit het tijdperk van AI!