Werk slimmer, niet harder: de stille revolutie op de werkvloer

7 trends die je werk slimmer, sneller en menselijker maken – of je nu beleidsmaker, secretaresse, HR-adviseur, teamleider of directeur bent

Ook de afgelopen weken regende het AI-nieuws van een nieuw google Gemini model tot OpenAI die een zogenaamd ‘open’ model lanceerde dat je zelf lokaal zou kunnen gebruiken. Interessant? Zeker. Maar het risico is dat we verdwalen in details terwijl de grote bewegingen vaak onopgemerkt blijven. In plaats van daarom je te overspoelen met losse berichten nemen we deze editie een stap terug om je vooruit te brengen. Want achter al dat nieuws schuilen grote bewegingen. Bewegingen die jouw werk en dat van je collega’s fundamenteel gaan veranderen.

We ontrafelen 7 AI-trends die in 2025 bepalend zijn voor jouw werk. Niet als hype, maar als richting zodat je een kompas hebt in het snel veranderende landschap. Op deze manier weet je wat er speelt, waar het heengaat, en hoe jij daar nú op kunt inspelen.

We maken het concreet: heldere uitleg, herkenbare voorbeelden en praktische toepassingen — voor ieder vakgebied. Van beleid tot projectmanagement. Van communicatie tot financiën. En voor onze betalende lezers hebben we extra verdieping: prompting-technieken deel 3, plus tientallen inspirerende prompts voor specifieke rollen en domeinen.

Waarom dit belangrijk is?
Omdat AI in 2025 volwassen wordt. Autonomer. Menselijker. Sneller. Het is veel dichterbij dan je denkt. Werk verandert fundamenteel. Niet morgen, maar nu al. En wie begrijpt waar het heengaat, kan vandaag al slimme stappen zetten.

Wat je kunt verwachten in deze editie:

• 7 AI Trends van 2025 en hoe ze jouw werk gaan veranderen

En in ons deel voor de betalende lezers onder meer

• Prompting technieken deel 3

• Prompts ter inspiratie voor onder meer:

  • Projectmanagement

  • Communicatie

  • Marketing

  • Sales

  • Secretarieel medewerkers

  • P&O / HRM (Personeel & Organisatie)

  • Learning & Development specialisten

  • Werving & Selectie medewerkers

  • Financiën & Budgetbeheer

  • Duurzaamheid & MVO

  • Management & leiderschap

  • Beleid

  • Risk Management

Heel veel plezier met het lezen.

De 7 AI-trends die je in 2025 moet begrijpen (en hoe ze jouw werk gaan veranderen)

AI is niet langer toekomstmuziek. Het zit nu al in je zoekmachine, je mailbox en misschien zelfs in de software die je dagelijks gebruikt. Maar wat er in 2025 op ons afkomt, is anders. Diepgaander. Autonomer. Slimmer. En als je niet weet wat er komt, loop je straks onbewust achter. Daarom leggen we je hier de 7 AI-trends van 2025 uit – in duidelijke taal, met herkenbare voorbeelden en praktische toepassingen. Voor elke functie.

1. Agentic AI: de digitale collega die zelf initiatief neemt

Tot nu toe wachtte AI op jouw input. Maar Agentic AI handelt zelf. Het is een systeem dat je processen kent, zelf stappen zet en taken afrondt zonder dat jij alles hoeft in te typen of te voorzien van instructies. We schreven er hier al eerder over dus behandelen dit punt hier niet heel uitgebreid.

Voorbeeld: Stel je voor dat je communicatieadviseur bent. Je AI ziet dat er een belangrijk evenement aankomt en stelt proactief een communicatieplan voor, inclusief contentplanning, posts en mails. Jij hoeft alleen maar akkoord te geven of aan te passen.

Impact:

• Meer werk verzetten met minder mensen: Werk zal veranderen, we kunnen meer werk verzetten met minder mensen.

• Een hogere kwaliteit: De collega’s die het werk verzetten kunnen de focus meer en meer verschuiven naar kwaliteitsverbetering. Doordat AI sneller toegang heeft tot meer historische en voorspellende kennis en we deze direct mee kunnen nemen is meer informatie meegewogen dan wij ooit zouden kunnen. Wanneer mensen de output vervolgens wegen zien we een toename van de kwaliteit van de output.

• Opvangen van Uitstroom: AI is een junior collega die een stuk van de vergrijzing op kan vangen.

• Een verandering van werk: Van uitvoerend werk naar regie en kwaliteitscontrole op onze junior collega’s.

• Slimmere workflows: AI koppelt signalen aan acties.

Je werk wordt minder repetitief, maar vraagt meer visie en regie op de AI. Dit betekend onder meer, meer technische kennis, meer proces kennis, Goede communicatie skills om je junior collega aan te kunnen sturen (Prompting Technieken) jij bepaalt het doel en coördineert, AI regelt het hoe.

2. Multimodal AI: praten, typen, tekenen, rekenen, videos maken en meer

Multimodale AI is een geavanceerde vorm van kunstmatige intelligentie die meerdere soorten informatie zoals tekst, beeld, spraak en video tegelijkertijd kan verwerken vanuit het LLM of de Orkestrator. Waar traditionele AI (Expert modellen) vaak gespecialiseerd zijn in één inputvorm zoals tekst of audio combineert multimodale AI die verschillende datatypes tot één samenhangend geheel. De gedachten daar achter is dat dit zorgt voor beter begrip, rijkere analyses en meer mogelijkheden.

Wat maakt dit zo bijzonder?

Tot voor kort kon een AI maar één soort input tegelijk verwerken. Je moest bijvoorbeeld alles in tekst invoeren en liefst in correct geformuleerde prompts. Nu kun je gewoon iets inspreken, een foto toevoegen, of een video laten analyseren en de AI kan er in samenhang mee omgaan.

Daarmee bootst het menselijke waarneming na: we kijken, luisteren, praten en lezen tegelijk en nemen beslissingen op basis van die combinatie. Multimodale AI doet dat ook.

Enkele Voorbeelden

Wijverpleegkundige

Een wijkverpleegkundige toont via haar tablet een foto van een wond, beschrijft mondeling de situatie en de AI geeft direct een behandeladvies. Daarbij houdt het systeem rekening met het beeld, de gesproken toelichting én (door MCP wat we hierna bespreken) eerdere medische gegevens. Inclusief risicoschatting, documentatie en suggesties voor vervolgzorg.

Inspectiewerk

AI analyseert videobeelden van een inspectie, markeert automatisch opvallende momenten, maakt samenvattingen, en combineert dat met gesproken observaties.

Klantenservice

Een AI luistert mee tijdens een gesprek, herkent automatisch vragen, haalt antwoorden op uit eerdere interacties of kennisbanken, en helpt de medewerker het gesprek af te ronden en samen te vatten.

Administratie

AI leest documenten, combineert die met e-mails, formulieren en notities, en verwerkt dat in workflows of rapportages.

Nieuw: Orkestratie van experts en SLM’s

In plaats van één groot model dat alles moet kunnen, zie je nu een opkomst van gespecialiseerde kleine modellen (SLM’s) die elk expert zijn in een eigen taak of domein. Denk aan:

• Een model dat alleen vertalingen doet.

• Een model dat enkel (beleids)stukken samenvat.

• Een model dat vragen in B1-niveau herschrijft.

• Een model dat cijfers analyseert.

Bovenop die experts zit een orkestrator, een soort centrale regisseur, die weet welke expert wanneer ingeschakeld moet worden en hoe de informatie samengebracht moet worden. We bespraken deze al eerder.

De voordelen van deze architectuur:

• Duurzamer: kleinere modellen zijn minder energie-intensief dan één allesomvattend LLM. Dit zit hem in:

  • De keuze dat je ze zelf kan trainen en daarmee duurzaam kan trainen

  • De bevraging van het model, het hoeft namelijk niet helemaal doorgerekend te worden bij iedere vraag maar enkel die experts die nodig zijn worden aangesproken

  • Expert modellen kan je vaak lokaal draaien, daarmee kunnen meerdere digitale systemen in 1 kantooromgeving benut worden als het ‘datacenter’ door ze als 1 geheel samen te laten werken. Hierdoor hoeft er niet continu een datacenter te zoemen maar gebruik je de energie die je toch al gebruikt van je lokale hardware

• Kwalitatiever: experts kunnen specifiek worden getraind op jouw eigen domein of organisatiegegevens en leveren daarmee kwalitatievere output.

• Flexibeler: makkelijker aanpasbaar, uitbreidbaar en controleerbaar.

• Beter uitlegbaar: je ziet welke expert wat doet en kunt dus verantwoorden hoe een antwoord tot stand kwam.

Dit systeem is in ontwikkeling bij onze NL samenwerkingspartner. Ze geven jou als organisatie meer controle, meer maatwerk, en minder afhankelijkheid van één leverancier of cloudmodel.

Wat betekent dit concreet

• Je hoeft minder in “AI-taal” te denken

• Je werkt meer zoals jij het prettig vindt: visueel, verbaal, tekstueel

• De AI past zich aan aan jouw werkwijze, context en vaktaal

• Je krijgt beter onderbouwde antwoorden, sneller, en afgestemd op jouw situatie

• De AI gaat meer en meer lijken op jouw junior collega doordat met de komst van elk model de vaardigheden groeien

• Je werk verandert dus maar wat blijft zijn de keuzes, interpretaties en het toezicht

• Je rol verschuift van uitvoerder naar beoordelaar en regisseur van je eigen slimme assistenten.

3. Model Context Protocol: AI die je systemen direct begrijpt

Grote taalmodellen zoals ChatGPT, Claude of Gemini zijn indrukwekkend, maar ze hebben één fundamenteel probleem: ze weten niets over jouw organisatie. Ze kennen je interne processen, beleidsteksten, notulen of systemen niet. En wat ze wél weten, is vaak al maanden verouderd.

Met Model Context Protocol (MCP) verandert dat.

MCP is een open standaard die het mogelijk maakt om AI-assistenten op een veilige, betrouwbare en herbruikbare manier toegang te geven tot je eigen systemen, documenten en data. Net zoals HTTP een universele standaard is voor hoe browsers en websites met elkaar praten, is MCP dé standaard voor hoe AI-modellen met jouw digitale omgeving kunnen werken.

Waarom is MCP handig?

AI-modellen hebben vandaag drie grote beperkingen:

1. Verouderde kennis
   AI modellen hebben een cut-off datum, een datum waarna er geen nieuwe informatie meer in het model gaat. Een nieuw groot model (LLM) trainen kost maanden en behoorlijk wat geld en tijd. We weten al hoe dit anders is met SLMs (Expert modellen) maar bij alle modellen komt het er eigenlijk vrijwel altijd op neer dat de trainingsinformatie verouderd en dus achterhaald is.

2. Gebrek aan domein /expertkennis
   De grote taalmodellen zijn getraind op publiek beschikbare data. De kleine Expert modellen overigens niet. Maar de LLMs zijn niet getraind op jouw beleidsstukken, CRM, vergadernotulen of medische dossiers. Die context mist dus volledig en daar heb je bij de keuze voor LLMs pleisters voor nodig om te zorgen dat de informatie mee komt.

3. Geen uniforme integratie
   Wil je AI laten samenwerken met je systemen, dan heb je nu maatwerk nodig. Elke tool, elke bron, elk AI-model vereist zijn eigen technische koppeling. Dat is kostbaar, tijdrovend en onhoudbaar op schaal.

MCP is voor al deze punten een stuk van de oplossing.

Wat doet MCP precies?

MCP biedt een universele manier waarop AI toegang krijgt tot externe informatie(systemen). Denk aan bijvoorbeeld toepassingen zoals je agenda, e-mail, SAP, Slack, Notion, Google Maps, SharePoint, PostgreSQL-databases, GitHub, lokale documenten of kennisbanken. Via MCP kan AI die bronnen aanspreken alsof het je collega is – direct, veilig en contextbewust. We schreven er al eerder over (link) waarbij we je de onderstaande afbeelding toonden. MCP zit in de hulpmiddelen.

Door de inzet van MCP hoef je niet een AI te bouwen per systeem of per AI-model. De infrastructuur blijft hetzelfde, ook als je wisselt van modellen. Dat maakt het werken met NL / EU partijen waarmee wij ook veel samenwerken flexibel en toekomstbestendig. Een klein beetje technische uitleg .

Hoe werkt het?

MCP werkt met drie onderdelen:

• MCP Server: de laag die toegang geeft tot systemen of databronnen (bijv. een kennisbank of database). Je kunt deze lokaal draaien of centraal hosten.

• MCP Client: zit ingebouwd in de AI en verzorgt de communicatie tussen model en server.

• MCP Host: de NL / EU applicatie (tool) waarin jij met de AI werkt een AI-toepassing binnen je organisatie.

De uitwisseling verloopt via een lichtgewicht, gestandaardiseerd formaat: JSON-RPC 2.0.

Wat is er recent gebeurd?

Anthropic heeft MCP als open standaard gelanceerd. Na de lancering is het door ontwikkelaars en bedrijven, waaronder Block, Apollo, Replit en Sourcegraph breed omarmt.

Begin deze maand (april 2025) kondigde OpenAI aan dat zij MCP ook ondersteunen in alle producten, zoals de ChatGPT desktopapplicatie, de Agents SDK en de Responses API. Het omarmen door OpenAI betekent dat deze standaard heel snel mainstream wordt. Dit is interessant omdat normaliter er tussen belangrijke spelers heel lang onderhandeld wordt over standaarden en laat ons inziens zien dat in deze onder andere de innovatie snelheid belangrijker is dan gekibbel over wiens standaard het moet worden en wat die dan precies in zal houden.

Waarom dit zo krachtig is in de praktijk

Stel je bent beleidsadviseur en vraagt AI om een beleidsvoorstel. Zonder MCP krijg je algemene input. Met MCP haalt de AI direct eerder beleid, wet- en regelgeving, verslagen, kaders en stakeholdernotities op en gebruikt die in het voorstel. Jij hoeft niets extra’s aan te leveren: de AI weet welke systemen aan te roepen.

Of je bent IT’er en wilt weten welke servers vorige maand onregelmatigheden vertoonden. De AI gebruikt MCP om direct de monitoringtools, changelogs en incidentregistraties te raadplegen – en geeft een overzicht dat klopt.

Beveiliging: hoe zit dat?

Toegang via MCP wordt geregeld met persoonlijke toegangstokens (PAT’s), zonder gebruikersnamen of wachtwoorden. Je bepaalt via rollen en rechten (RBAC) precies wat een AI mag doen of zien. Dat maakt het geschikt voor gevoelige omgevingen, zoals zorg, overheid of finance.

Wat dit betekent voor jouw werk

• Je AI-assistent weet wat jij weet zonder dat je alles hoeft te herhalen. De assistent weet welke systemen te benaderen en kan daar informatie ophalen en wegschrijven al naar gelang de rechten die de AI krijgt

• Je kunt AI inzetten binnen jouw context, op jouw data.

• Je hoeft niet te kiezen voor één leverancier of model. MCP werkt modelonafhankelijk.

• Je bouwt geen losse proefballonnetjes meer, maar werkt toe naar schaalbare toepassingen.

MCP maakt AI van een losstaande tool tot een volwaardig onderdeel van je digitale werkomgeving en echt je junior collega. Geen AI die iets denkt te weten, maar een assistent die echt begrijpt wat er speelt en waarom dat ertoe doet.

4. Vibe Coding: bouwen zonder code

Stel je voor: je hebt een idee voor een digitale oplossing. Een dashboard, een vragenlijst, een app of een geautomatiseerde workflow. Tot voor kort moest je dan aankloppen bij een ontwikkelaar of ICT-afdeling. Nu niet meer.

Met Vibe Coding beschrijf je in gewone taal wat je wilt en AI bouwt het. Zonder dat je hoeft te programmeren. Zonder technische voorkennis. Gewoon op basis van intentie, taal en feedback.

Wat is vibe coding?

Vibe Coding is een nieuwe manier van softwareontwikkeling waarbij je in natuurlijke taal je idee beschrijft, en AI dat vertaalt naar werkende code of applicaties. De naam zegt het al: je bouwt niet vanuit code, maar vanuit je vibe, je bedoeling, gevoel, context en gebruiksdoel.

De werkwijze is simpel:

1. Je beschrijft je idee.

2. De AI maakt een eerste versie.

3. Jij test, verfijnt, en stuurt bij in samenwerking met de AI.

Net als bij prompten doet de context er toe. Hoe duidelijker je bent hoe beter het coderen gaat. Het idee is niet nieuw, maar de uitvoering is dat wel. Sinds begin 2025 is Vibe Coding doorgegroeid van concept tot werkbare praktijk, mede aangejaagd door tools als Replit Agent, Cursor, Bolt.new, Figma en Lovable. De snelheid en kwaliteit zijn nu zó goed, dat niet-technische gebruikers echt zelf software kunnen bouwen.

Voorbeeld: HR zonder IT-afhankelijkheid

Een HR-medewerker wil een tool die automatisch signalen van werkdruk oppikt uit gespreksverslagen en dat vertaalt naar een dashboard per team. De medewerker typt het idee in gewone taal in een Vibe Coding-tool inclusief wat de tool moet doen, hoe die zou moeten werken, de functionele structuur etc.. AI stelt een datastructuur voor, bedenkt hoe werkdruktaal te herkennen is, en bouwt een werkend prototype. Binnen een uur heeft de medewerker iets tastbaars zonder hulp van een ontwikkelaar.

De impact

Vibe Coding democratiseert digitale ontwikkeling. Iedereen die iets wil kleins wil verbeteren, bouwen of automatiseren kan nu zelf aan de slag. Dat betekent:

• Minder barrières voor innovatie. Bijvoorbeeld

  • Snel een checklist app voor beleidsadvies

  • Workflow automatisering

  • Een overhoor APP voor je kind

• Directe vertaling van ideeën naar prototypes

• Creativiteit en intuïtie als startpunt in plaats van technische haalbaarheid

• De business wordt de maken. Niet alleen ITers maar ook beleidsadviseurs, communicatiemedewerkers, HR, administratie en managers kunnen zelf naar hun werk(processen) kijken op een ‘meta niveau’ wat doe je wanneer, waarom, hoe en kunnen daarvoor zelf oplossingen realiseren.

  • Waar je wel voor moet waken is weer een nieuwe ‘Excel hel’ . Als iedereen zomaar zaken gaat maken hoe onderhoud je het? Waar gaat het draaien? Hoe zorg je dat de ene applicatie met de andere praat? Hoe zorg je dat het volgens de standaard organisatie afspraken gemaakt is? etc.
    Kortom ga niet zomaar voor je werk zelf aan de slag met Cursor, Lovable, Figma e.d. voor iets dat je echt in wilt zetten. Experimenteren en ervan leren moedigen we wel aan. Doe dat vooral eerst eens in je privé omgeving.

• Ontwikkelingen worden iteratief. Je hoeft niet meer in 1x je hele idee voor een toepassing te hebben. Je begint met een ruwe beschrijving en bouwt, samen met AI, stap voor stap (het prototype van) je oplossing.

De kansen?

• Prototypes in een dag in plaats van maanden.

• Kostenbesparing op standaardontwikkeling.

• Kwaliteitswinst doordat makers hun vakkennis direct vertalen in de oplossing.

• Snelle validatie van ideeën in de praktijk.

• Meer digitale autonomie voor teams.

En wat zijn de risico’s?

• Kwaliteit en veiligheid van code: AI kan fouten maken of kwetsbare logica genereren.

• Shadow IT: als teams buiten zicht van ICT toepassingen bouwen, ontstaat risico op versnippering.

• Gebrek aan toetsing: niet alles wat werkt is ook wenselijk, houd rekening met privacy, toegankelijkheid, beheer en onderhoud, bedrijfsbeleid en overige wet- en regelgeving.

Hype of structurele verschuiving?

Vibe Coding lijkt misschien een hype, iets voor early adopters en technerds, maar dat is het niet. Het raakt een fundamenteel punt: het monopolie op bouwen verdwijnt. Net zoals Canva het ontwerpen democratiseerde en ChatGPT schrijven toegankelijk maakte, doet Vibe Coding dat met softwareontwikkeling.

Organisaties die dit omarmen krijgen waarschijnlijk een innovatieve voorsprong, mits ze zorgen voor:

• Begeleiding bij gebruik (bijv. kaders, toetsing, coaching).

• Goede samenwerking tussen vakafdelingen en IT.

• Borging van kwaliteit, beheer en beveiliging.

Wie alleen denkt in 'code schrijven' mist de beweging. Vibe Coding is een nieuwe toevoeging aan digitale geletterdheid. Niet iedereen wordt developer, je blijft ook gewoon software inkopen maar iedereen kan wel beter laten zien wat ze willen en hoe. Ook kan iedereen zelf ‘wegwerp’ apps ontwikkelen voor 1 malig gebruik, prototypering, marketingdoeleinden (even snel een website) etc.

5. Edge AI: AI draait lokaal, veilig en supersnel

De meeste AI-toepassingen werken vandaag nog in de cloud. Je stelt een vraag, jouw data gaat het internet op, een model verwerkt het, en je krijgt een antwoord terug. Dat lijkt logisch, maar is absoluut niet altijd wenselijk. Zeker niet wanneer je werkt met gevoelige data of in een omgeving waar privacy, veiligheid en autonomie cruciaal zijn.

Edge AI doorbreekt dit patroon. Hierbij draait de AI lokaal, direct op je eigen apparaat zonder dat er iets wordt verstuurd naar externe servers. Je behoudt controle over je data én kunt AI inzetten waar internet ontbreekt of niet is toegestaan. Het Nederlands kabinet bekijkt de mogelijkheden of AI modellen lokaal te draaien zijn, Egde AI lijkt daarop een belangrijk deel van het antwoord. Zie ook hier weer de afbeelding onder MCP die we hierboven uitgewerkt hebben met (wanneer gewenst) lokale expert modellen.

Wat is Edge AI precies?

Edge AI betekent dat de kunstmatige intelligentie draait aan de rand van het netwerk –dus op de plek daar waar data ontstaat: op je laptop, telefoon, sensor, scanner of andere lokale hardware. De verwerking vindt daar ook plaats. De cloud wordt hiermee dus overgeslagen.

Het overslaan van de cloud maakt Edge AI fundamenteel anders dan traditionele, cloudgebaseerde AI. Niet alleen in architectuur, maar vooral in gebruik en betekenis.

Voorbeeld en concrete toepassingen

Een medewerker werkt met vertrouwelijke documenten. De medewerker wil de vertrouwelijke documenten laten transcriberen en samenvatten met behulp van AI. Omdat uploaden naar de cloud geen optie is (wegens AVG, BIO of bijvoorbeeld beleidsregels), gebruikt de medewerker een Edge AI-oplossing die volledig op de eigen laptop draait. De data verlaat het apparaat nooit, en toch krijgt ze slimme, bruikbare ondersteuning.

• Overheid
  AI die beleidsdocumenten samenvat, vergadernotulen analyseert of besluitvormingsprocessen ondersteunt, zonder dat vertrouwelijke info naar buiten gaat.

• Zorg
  Medische AI-toepassingen die op het apparaat van de zorgverlener draaien zoals diagnose-ondersteuning, monitoring of patiëntendossiers.

• Industrie
  Sensoren die zelf afwijkingen detecteren, onderhoud voorspellen of processen optimaliseren.

• Retail
  Winkels die klantgedrag lokaal analyseren om directe feedback te geven of voorraad te beheren, zonder continu contact met de cloud.

• Autonome systemen
  Zelfrijdende voertuigen of drones die direct beslissingen nemen zonder externe verbindingen.

Nu denk je vaak dat dit onmogelijk is omdat je een niet al te beste laptop (of ander digitaal apparaat) hebt, maar veel organisaties kopen uitstekende laptops. Probleem is vaak dat de capaciteiten van de lokale hardware in die laptop amper gebruikt wordt omdat er een centrale Citrix of andere cloud oplossing is waar alle het werk gebeurt.

Wat maakt Edge AI zo krachtig?

1. Volledige datacontrole
   Data blijft waar het is. Dat is essentieel voor (semi-)overheden, zorginstellingen, financiële organisaties en andere privacygevoelige domeinen.

2. Werkt zonder internet
   Edge AI draait offline. Dit is ideaal voor omgevingen met beperkte of onbetrouwbare verbinding, zoals inspectielocaties, beveiligde werkplekken of landelijke gebieden. Ook is het ideaal wanneer er een land besluit onze zeekabels door te knippen of op een andere manier ons internet te verstoren. We kunnen dan in ieder geval lokaal of binnen ons netwerk doorwerken. Kortom, een hogere betrouwbaarheid.

3. Snelle respons, geen vertraging
   Je merkt het met de snelheid van ons internet vaak niet, maar data legt een behoorlijke afstand af. Omdat data niet eerst heen en weer hoeft naar de cloud, is Edge AI razendsnel. Daar waar miliseconden kunnen tellen is Edge AI absoluut het overwegen waard. Denk aan medische monitoring, productiecontrole of crisissituaties.

4. Privacy en compliance
   Geen dataverkeer naar de cloud betekent minder risico op datalekken, eenvoudiger voldoen aan wet- en regelgeving en hogere vertrouwelijkheid. Ook is de algehele naleving van AVG, BIO, NIS2 en interne regels eenvoudiger wanneer data niet naar buiten hoeft.

5. Duurzamer
   Lokale verwerking vraagt minder van grote datacenters en netwerken. Het verbruikt minder energie en is dus milieuvriendelijker. Door Edge AI (SLMs / Expertmodellen) in harmonie samen te laten werken vanuit de eerder beschreven orkestrator kunnen ze samen de capaciteit, kennis en kunde beslaan van een LLM zonder als één geheel te zoemen in een groot datacenter.

6. Kosten efficiënter

   Minder data-opslag en netwerkgebruik maakt het goedkoper. Een server die je niet meer hoeft te laten draaien, data die over kortere afstanden getransporteerd wordt, beveiliging die eenvoudiger is omdat het intern draait etc.

7. Combinatie met andere AI-Trends

   Edge AI laat zich uitstekend combineren met Agentic AI (lokale agenten die zelfstandig taken uitvoeren), Vibe Coding (bouw je eigen AI-apps lokaal) en MCP (standaardkoppelingen met je lokale systemen).

En wat zijn de uitdagingen?

• Beperkte rekenkracht
  Grote taalmodellen passen nog niet op de gemiddelde laptop. Apple heeft met zijn Mac Mini een krachtige PC gemaakt waarmee je ook echt de grote modellen kan draaien. Vraag is ook of je de grote modellen lokaal moet kunnen draaien. Edge AI is logischer voor slankere, efficiëntere modellen in een architectuur met meerdere kleine expertmodellen.

• Hardware
  Lokale verwerking vraagt meer van je apparaat. Niet elke organisatie heeft daar nu al de infrastructuur voor. Ook vergt het een andere architectuur waar in veel organisaties de IT architecten en IT leveranciers (nog) niet mee bezig zijn.

• Complexere integratie
  Je moet lokale tools koppelen aan je bestaande systemen zonder hulp van de cloud. Dat vraagt iets van je IT en ontwikkelstrategie en daarmee van kennis en kunde bij medewerkers en bestuurders.

• Nieuwe verantwoordelijkheden
  Wie AI lokaal draait, moet ook zorgen voor updates, ethiek, logging, auditability e.d.. Dat betekent dat er ook weer de juiste kennis in huis moet zijn.

Deel dus deze nieuwsbrief en kennis zodat nog meer mensen hier over na gaan denken.

Wat betekent Edge AI voor jouw werkpraktijk?

De autonomie komt terug.
In plaats van afhankelijk te zijn van Amerikaanse (of Chinese) (cloud)leveranciers en verbindingen, kun je AI gebruiken binnen je eigen beveiligde omgeving. Dat opent nieuwe deuren:

• De Human blijft in de loop.

  • Doordat het lokaal draait bij jouw medewerkers zijn de medewerkers in de loop met de AI processen. Zij kunnen onder meer meekijken en bijsturen. Ook kunnen ze doorgaan zelfs wanneer het internet er uit ligt.

• Een compleet nieuwe manier van werken, sneller, veiliger en zelfstandiger

Reflectie: de opkomst van 'Sovereign AI'

Edge AI raakt met dit alles aan iets groters. Het sluit aan bij een bredere beweging richting 'Sovereign AI' – AI die:

• Werkt op jouw voorwaarden

• Draait op jouw infrastructuur

• Gebruikmaakt van jouw data, zonder dat die naar buiten hoeft.

Met Edge AI kun je AI inzetten zonder concessies te doen aan veiligheid, eigenaarschap of publieke waarden. Het past bij organisaties die grip willen houden op hun digitale fundament.

6. Synthetic Data: nepdata die werkt als echte

Hoe kun je nieuwe AI-oplossingen testen, trainen of simuleren zonder dat je echte, privacygevoelige data nodig hebt? Het antwoord: synthetische data. Dit zijn datasets die door AI gegenereerd zijn, maar die niet herleidbaar zijn naar echte personen. Toch lijken ze qua structuur, patronen en variatie sterk op de echte wereld.

Voorbeeld: Stel, je werkt op een beleidsafdeling en wilt een AI laten testen die aanvragen automatisch beoordeelt. Je mag de echte aanvragen vanwege privacywetgeving niet gebruiken. Met synthetische data kun je toch aan de slag – zonder juridische drempels.

Wat is synthetische data precies?

Synthetische data is volledig kunstmatig gegenereerde data op basis van echte datasets. Denk aan een "digitale tweeling" van jouw data die eruitziet als echt, zich gedraagt als echt, maar geen enkel echt gegeven bevat.

Er bestaan verschillende soorten synthetische data:

• Volledig gegenereerde datasets via AI-modellen

• Op regels gebaseerde data (bijv. ‘iedereen onder de 18 is scholier’)

• Mockdata voor simpele tests en demo’s

Je kunt er complete klantprofielen mee bouwen, medische dossiers simuleren of zelfs synthetische gesprekken, artikelen, memo’s, nota’s, onderzoeken, transacties of foto’s mee genereren. Je ziet dus veel verschillende vormen zoals:

• Tabulaire data: spreadsheets, klant- of patiëntgegevens

• Tekstdata: documenten, chatberichten of gespreksverslagen

• Afbeeldingen en video: bijvoorbeeld medische scans of bewakingsbeelden

• Audio: spraakfragmenten of omgevingsgeluiden

• Sensor- of IoT-data: bijvoorbeeld uit een productieketen of slim gebouw.

Hoe werkt het genereren van synthetische data – en waarom lijkt het op hoe mensen denken?

Stel je voor: jij leest een paar rapporten over hoe mensen omgaan met energieverbruik en hebt kennis vanuit je opleiding op dit vakgebied. Daarna schrijf je zelf een nieuw artikel. Je gebruikt geen letterlijke zinnen, maar je herkent patronen, verbanden en typische situaties. Wat je schrijft is nieuw met ook mogelijk nieuwe inzichten en dergelijke maar het lijkt inhoudelijk op wat je eerder gelezen en ooit geleerd hebt.

Dat is precies wat synthetische data ook doet.

Een AI-model “leest” echte data, leert de structuren en relaties tussen gegevens (bijv. leeftijd, inkomen, gedrag) en genereert vervolgens compleet nieuwe datapunten die lijken op het origineel. Echter lijkt het ook weer niet zo dat iemand het herkent of kan herleiden.

Het verschil?

• Jij doet dit bewust, creatief en met context

• De AI doet het statistisch en op grote schaal snel, systematisch en reproduceerbaar.

Synthetische data is dus geen kopie, maar een nieuw verzonnen verhaal op basis van wat eerder geleerd is – net als bij mensen.

Waarom is dit krachtig?
Omdat het betekent dat we AI kunnen laten ‘redeneren als een mens’ – en dat gebruiken om veilige, privacyvriendelijke datasets te bouwen die net zo bruikbaar zijn als echte data.

Waarom zou je synthetische data willen gebruiken in jouw organisatie?

Synthetische data is niet alleen een manier om veilig en AVG-proof te werken. Het is ook een strategisch instrument om onafhankelijk te worden van generieke, vaak buitenlandse AI-modellen die geen rekening houden met jouw context, waarden en doelen. Juist met synthetische data kun je:

• Eigen Small Language Models (SLMs) trainen, afgestemd op jouw domein, vaktaal en proceslogica zonder dat je daar extreem veel data voor nodig hebt. Dat kan zolang je maar een bepaalde set met hoogwaardige trainingsdata hebt

• AI ontwikkelen die wél snapt hoe jouw organisatie denkt, werkt en besluit

• Systemen bouwen die transparant, uitlegbaar en controleerbaar zijn – cruciaal voor publieke verantwoording

• Onafhankelijk blijven van techreuzen en voldoen aan eisen rondom digitale soevereiniteit.

Ook helpt het met zaken als

• Privacy by design: Er worden geen persoonsgegevens verwerkt. Je werkt veilig, binnen de regels van AVG en BIO

• Dataschaarste oplossen: Geen tijdrovende dataverzameling nodig. Je maakt zelf wat je nodig hebt

• Zeldzame scenario’s simuleren: Denk aan fraudegevallen, storingen of medische uitzonderingen. In echte data zeldzaam, in synthetische data eenvoudig te genereren

• Bias verminderen: Jouw dataset bevat een oververtegenwoordiging van één groep. Met synthetische data kun je de set balanceren of aanvullen, en zo eerlijkere AI-modellen bouwen die minder vooroordelen bevatten en voldoen aan jouw normen, waarden, ethiek etc.

• Snellere ontwikkeling: Een synthetische dataset maken duurt vaak een uur. Anonimiseren kan weken duren.

• Democratisering van werk: Omdat synthetische data geen risico vormt, kun je datasets breder delen in je organisatie of zelfs tussen organisaties. Denk aan van Rijksoverheid naar lokale overheden, de ene energiemaatschappij naar de andere, HR, beleid, innovatie of communicatie. Iedereen kan oefenen, experimenteren en leren – zonder zorgen over privacy of compliance

• Veilige testomgeving: Je wilt weten hoe een algoritme reageert op variatie in leeftijd, inkomen of opleidingsniveau. Met synthetische data kun je oneindig veel variaties maken zonder risico op datalekken en met kansen om heel zeldzame of extremen te genereren. Perfect voor simulaties, stresstests of scenarioplanning.

Met synthetische data leg je dus de basis voor ethische, duurzame en strategisch verantwoorde AI. Je creëert een eigen kennisinfrastructuur zonder dat je vertrouwelijke data hoeft te delen of te anonimiseren. Dat betekent: sneller bouwen, beter trainen, veiliger innoveren.

Wat betekent dit voor jou?

• Versnelt innovatie. Geen belemmeringen bij data-analyse of AI-training

• Stimuleert experimenteren. Data beschikbaar wanneer jij dat nodig hebt

• Maakt AI toegankelijker. Teams zonder datatoegang kunnen tóch trainen en bouwen

• Verbetert besluitvorming. Meer scenario’s kunnen worden doorgerekend.

Let wel: synthetische data is geen magische vervanging van echte data. Het vereist validatie, begrip van context en zorgvuldig gebruik. Maar als je het goed inzet, biedt het een enorme versnelling van digitale vernieuwing.

7. Contextual Reasoning: AI die écht begrijpt wat je bedoelt

Stel je voor, je stelt een complexe vraag over beleid, waarbij meerdere documenten, afspraken en overwegingen relevant zijn. De AI herkent de bedoeling achter je vraag, legt verbanden tussen verschillende bronnen, haalt relevante fragmenten aan en doet een inhoudelijk sterk voorstel compleet met bronvermelding.

Contextueel redeneren is het vermogen van AI om niet alleen te reageren op woorden of commando’s, maar om de achterliggende bedoeling te snappen. De AI herkent relaties tussen onderwerpen, herinnert eerdere interacties en redeneert actief mee en stelt vragen over jouw werk of beleid.

In plaats van één enkel antwoord op basis van één prompt, kijkt deze AI naar het bredere geheel: “Waar gaat dit écht over?” Dat maakt het verschil tussen een chatbot en een digitale collega.

Impact en relevantie

Waarom dit relevant is? omdat dit het moment is waarop AI echt gaat helpen bij complexe vraagstukken.

• AI wordt van tool tot sparringpartner. Je krijgt inhoudelijke feedback, suggesties en onderbouwde analyses

• Minder tijd kwijt aan checken, meer ruimte voor besluitvorming. Je komt sneller tot de kern, het zijn geen brokken informatie meer maar een gestructureerde bundel.

• Hogere kwaliteit van analyses en adviezen. Dit betekent minder controles en checks want de AI kijkt zelf mee en kan over het eigen werk ook weer analyses doen.

Hoe werkt het?

Contextueel redeneren bouwt voort op taalmodellen, maar voegt een extra laag toe om:

1. Begrip te krijgen van de bedoeling. De AI begrijpt niet alleen wát je zegt, maar ook waarom.

2. Verbanden te leggen tussen je vraag, eerdere context, documenten en beleid.

3. Redeneerlijnen op te bouwen. De AI overziet de situatie en stelt logische vervolgstappen of aanbevelingen voor.

4. Bronnen toe te voegen voor het onderbouwen het antwoord. Je krijgt geen gok of vaag antwoord, maar een onderbouwd voorstel waar je in de tekst terug kan lezen waarop het gebaseerd is.

Het lijkt op hoe een collega je ondersteunt met niet zomaar losse weetjes, maar met inzicht, overzicht en verstand van zaken. Je krijgt dus eindelijk het gevoel dat AI meedenkt én begrijpt waar je echt op doelt.

---

Tot slot: AI verandert je werk – maar jij blijft de regisseur

Deze trends gaan niet alleen over technologie. Ze gaan over jouw rol in een nieuwe werkelijkheid. Waarin AI werk overneemt, aanvult of versnelt – maar waarin jij de koers bepaalt.

Begin klein. Kies een van de 7 trends en zoek een toepassing in jouw werk. Werk je met gevoelige data? Verken Edge AI. Heb je veel repeterend werk? Kijk naar Agentic AI. Denk in kansen, leer door te doen en wees degene die anderen meeneemt in de verandering.

Wie AI nu leert gebruiken, bouwt aan relevantie voor morgen.

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.

Schrijf je hier in of pas je abonnement aan voor verdere verdieping.

In het betaalde lezersdeel gaan we nog dieper in op de ontwikkelingen bij Google, We gaan in op Manus AI en ook hebben we deze week alweer het 3e deel van prompting technieken en ook hebben we weer een heel aantal prompts ter inspiratie.

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!