Inleiding + Basis + Prompts
Gebruik van AI in communicatie & advies (Word, Outlook)
Gebruik van AI in data analyse Excel (Copilot ChatGPT)
Dit is de AI die we vandaag de dag gebruiken.Â
Het is geprogrammeerd om één specifieke taak heel goed uit te voeren.
Toepassingen:
Spamfilters, gezichtsherkenning op je telefoon, schaken.
Verder nog :
De "heilige graal". AI die net zo slim is als een mens over de gehele breedte en zelfstandig nieuwe vaardigheden kan leren.
- Status: Bestaat nog niet (hypothetisch).
AI die het menselijk brein op elk vlak ver overtreft.
- Status: Toekomstmuziek/Science fiction.
Procedural learning
Vroeger had je procedural learning.
In de jaren 60 dachten we dat we een computer alles konden leren door heel specifiek te zijn.
Menselijke definitie: Een programmeur schrijft handmatig alle kenmerken van een object op.
Het voorbeeld van de kat: Om de computer een kat te laten herkennen, vertel je hem: "Een kat is een dier, heeft 4 poten, 2 oren, heeft een vacht van bont en houdt van wol."
Het probleem: Als de computer een foto ziet van een kat die achter een bank zit (waarbij je maar 2 poten ziet) of een kat zonder staart, dan zegt de computer: "NEEN, dit is geen kat".
Het systeem is namelijk niet flexibel; het volgt alleen de strikte lijst met regels.
Machine learning
Er werd meer verwacht van machine learning.
De theorie ervan is al even oud als procedural learning (1960 - 1980 - 2000)
De definitie: In plaats van regels te schrijven, geef je de computer een algoritme en heel veel voorbeelden (data) waaruit hij zelf patronen moet afleiden.
Het voorbeeld van de kat: Je voert de computer 10.000 foto's van katten en zegt: "Dit zijn katten, zoek zelf maar uit wat de overeenkomsten zijn tussen deze plaatjes."
De verbetering: De computer herkent nu ook een kat die ligt of van de zijkant gefotografeerd is, omdat hij heeft geleerd dat 'kat-zijn' een combinatie is van statistische kansen.
Het systeem: Het systeem is gebaseerd op statistiek; het herkent patronen in data die een menselijke programmeur nooit allemaal in regels had kunnen vangen.
Bij machine learning moet de mens wel nog vertellen waar de computer moet op letten.Bijv. Een auto heeft wielen, ramen een nummerplaat,...
De revolutie die nu bezig is, noemt deep learning
De definitie: Dit is een geavanceerde vorm van Machine Learning die werkt met
"neurale netwerken" (gebaseerd op het menselijk brein) om extreem complexe verbanden te leggen.
Het voorbeeld van de kat: De computer kijkt in verschillende lagen naar de foto: de eerste laag ziet lijnen, de tweede ziet vormen (ogen/oren), en de diepere lagen begrijpen het volledige "concept" van een kat.
De doorbraak: Zelfs als de foto wazig is, de kat achter een bank zit of alleen een staart zichtbaar is, begrijpt het systeem de context en zegt het: "Met 99% zekerheid is dit een kat."
Het systeem: Het systeem is intuïtief en autonoom; het leert zo diepgaand dat het zelfs subtiele kenmerken herkent die wij als mensen niet eens onder woorden kunnen brengen.
Deep learning
Input: Je voert data in (bijvoorbeeld de pixels van een foto). Elke "neuron" in de eerste laag krijgt een getalwaarde.
Gewichten & Biases: De verbindingen tussen neuronen hebben gewichten (weights). Deze bepalen hoe zwaar een bepaald stukje informatie meetelt. Er wordt ook een bias (een soort drempelwaarde) toegevoegd.
Activatie: Een wiskundige functie (zoals ReLU of Sigmoid) bepaalt of een neuron "vuurt" en informatie doorgeeft aan de volgende laag.
Output: De laatste laag geeft een resultaat, bijvoorbeeld een kansberekening: "98% kans dat dit een kat is."
Verlies (Loss Calculation): Het netwerk vergelijkt zijn gok met het juiste antwoord. Het verschil hiertussen is de loss (foutmarge).
Optimalisatie (Backpropagation): Het netwerk werkt achterwaarts terug en past de gewichten aan om de fout de volgende keer kleiner te maken. Dit is het eigenlijke "leren".
Dus hoe meer gegevens er aan zo'n model gegeven worden, hoe kleiner de kansDat er de volgende keer een fout gemaakt wordt. Â Zo zal input op den duur steeds dezelfde weg volgen op basis van hetgeen geleerd is.
We hebben zelf Google leren lezen
We leren Google hoe het verkeer er uit ziet.
Deep learning is de motor achter veel dagelijkse technologieën die we vaak als vanzelfsprekend beschouwen:
Door simpele taken uit te voeren, zoals het identificeren van objecten in foto's, trainen we onbewust AI-modellen.
Siri, Alexa en Google Assistant gebruiken deep learning om menselijke spraak te herkennen, te begrijpen en hierop te reageren.
Diensten zoals Netflix en Spotify analyseren je gedrag om nauwkeurige aanbevelingen te doen die je waarschijnlijk leuk vindt.
Google Translate en vergelijkbare tools gebruiken deep learning om bijna direct en steeds nauwkeuriger talen te vertalen.
Herkennen & voorspellen
- Aanbevelingen: De algoritmes van Netflix, Spotify, TikTok.
- Fraudedetectie: Systemen bij banken die ongebruikelijk betaalgedrag herkennen.
- Medische diagnoses: AI die op röntgenfoto's tumoren herkent.
Creëren
- Tekst: GPT-4 (OpenAI), CoPilot (Microsoft), Claude (Anthropic), Gemini (Google), GROK
- Beeld: Midjourney, DALL-E 3, Stable Diffusion.
- Video: Sora (OpenAI), Runway Gen-3.
- Audio/Muziek: Suno AI, Udio.
(Creëren)
GenAI werkt met een computeralgoritme dat getraind is om vragen te begrijpen en antwoorden te genereren
(LARGE LANGUAGE MODEL)
De training met data loopt soms achter op de actualiteit.
Dus soms  is de informatie gedateerd.
Ook daar zijn nu evoluties aan de gang om recentere data constant toe te voegen.
ChatGPT en Gemini kunnen al probleemloos het nieuws van vorige week vertellen.
Vorig jaar kon dit nog niet.
(Creëren)
GenAI werkt begrijpt geen zinnen en woorden. Â Deze worden omgezet naar "Tokens"
Dus je krijgt eigenlijk ook geen antwoorden
maar voorspellingen van een patroon dat het meest waarschijnlijk zal volgen.
het zijn dus eigenlijk de getalletjes rechts die voorspeld kunnen worden.
Een LLM (Large Language Model) zoals ChatGPT = "super-geavanceerde autocomplete".
Berekent razendsnel welk woord fragment het meest logisch volgt op het vorige, gebaseerd op miljarden teksten die hij heeft "gelezen".
Je kunt tokens zien als de legostenen van taal. Computers begrijpen namelijk geen letters of woorden, maar alleen getallen.
Niet altijd één woord: Een kort, veelvoorkomend woord als "kat" is meestal 1 token. Een lang of ingewikkeld woord als "hottentottententententoonstelling" wordt door de AI opgehakt in wel 10 tokens.
Gemiddelde: Een handige vuistregel is dat 1.000 tokens ongeveer gelijk staan aan 750 woorden.
Efficiëntie: De AI zet elk brokje tekst om in een unieke numerieke code (een vector). Hierdoor kan hij rekenen met taal.
Kortom: Een LLM voorspelt het volgende fiche (token) in een gigantisch kansberekeningsspel.
Hallucinaties:
Verkoopt onzin met totale zelfverzekerdheid.
Bias & Vooroordelen:
Weerspiegelt de schaduwkanten van het internet.
Privacyrisico's:
Je input kan trainingsdata worden.
Milieu-impact:
Enorm verbruik van stroom en koelwater.
Geen "Echt" Begrip:
Werkt op statistiek, niet op feitelijke logica.
De "Pleaser":
Praat te vaak met de gebruiker mee in plaats van kritisch te zijn.
Woorddiarree:
Veel te langdradig als het ook kort kan.
Zelfverzekerd bluffen:
Geeft zelden toe dat hij het antwoord niet weet.
Wispelturig:
Eén ander woord in de vraag geeft soms een totaal ander resultaat.
Contextverlies:
Raakt bij lange gesprekken uiteindelijk de draad kwijt.moet zijn.
Lange-termijn geheugenverlies:
Hoewel contextvensters (de hoeveelheid tekst die we kunnen onthouden) steeds groter worden, raken we bij heel lange gesprekken uiteindelijk de draad kwijt.
Gebruik Google Zoeken voor het:
- Direct vinden van specifieke bronnen of websites
- Opzoeken van real-time feiten en actuele nieuwsberichten
- Vinden van contactgegevens
- Verifiëren van specifieke data of citaten
Gebruik een AI-toepassing voor:
- Uitleg van moeilijke concepten
- Creatieve hulp, zoals het genereren van ideeën
- Samenvatten of herschrijven van lange documenten
- Analyseren en synthetiseren van complexe informatie
Google Gemini is getraind met data tot januari 2025.
Sinds oktober heeft Google Gemini internet toegang en kan het actuele informatie ophalen uit verschillende bronnen. => Deze info kan dus fouten bevatten.
Als AI-modellen info zoeken op het internet, maken ze daar zelf een (nieuwe) tekst mee.
De info zelf onthouden ze niet.
- AI Overviews geïntroduceerd
- Grootschalige uitrol AI-modus naar België
- Standaard samenvattingen in het Nederlands
- Featured snippets ("positie nul")
- AI-modus in apart venster beschikbaar
- Nog niet standaard, wel toegankelijk
- Gebruikt Gemini Flash 3.0
Vergelijking met een smartphone. Â Je kan met elke smartphone bellen, maar elk heeft zijn voorkeuren en details waar het beter scoort dan de andere.
Favoriet voor 'menselijke' toon en uitgebreide mogelijkheden voor afbeeldingen en video's in één interface.
Geprezen om precisie, minder 'spraakzaam' en volgt complexe instructies beter op zonder fouten.
Onverslaanbaar voor het samenvatten van e-mails en sterk in combinatie met Google zoeken + ecosysteem
AI-zoekmachine gericht op wetenschappelijk onderzoek die ook bronvermeldingen geeft.
De meeste aanbieders hanteren een "freemium" model. Je kunt de basismodellen gratis gebruiken, maar voor de krachtigste modellen (zoals GPT-5.2 of Claude 4.5) betaal je een maandelijks bedrag. Hieronder een overzicht van de verschillende abonnementsvormen.
- Gratis gebruik van basismodellen
- Beperkte functionaliteit en snelheid
- Geschikt voor eenvoudige taken
- Gemiddeld €20 tot €23 per maand
- Toegang tot krachtigste modellen (bijv. GPT-5.2, Claude 4.5)
- Snellere respons, hogere limieten
- Gemiddeld €25 tot €35 per gebruiker per maand
- Extra privacy, data niet gebruikt voor training
- Beheerdersopties, samenwerkingsfuncties
- Tot €200/maand
- Onbeperkt gebruik van de allernieuwste rekenmodellen
- Voor zeer intensief gebruik, vaak overkill voor gemiddelde gebruiker
De meeste aanbieders hanteren dit model, waarbij de prijs stijgt met functionaliteit en rekenkracht.
2015-2018: De Ideologische Start
- 2015: OpenAI wordt opgericht als een non-profit door Sam Altman en Elon Musk, met als doel AI te ontwikkelen die de mensheid helpt.
- 2018: Elon Musk vertrekt. OpenAI beseft dat de benodigde rekenkracht voor geavanceerde AI-modellen onbetaalbaar is als pure non-profit.
2019: De Commerciële Wending
- 2019: Microsoft investeert 1 miljard dollar. OpenAI transformeert naar een "capped-profit" bedrijf. Microsoft wordt de exclusieve cloudprovider (Azure).
2020-2022: De Groei
- 2020: Microsoft verkrijgt een exclusieve licentie op de technologie achter GPT-3, waarmee de basis wordt gelegd voor verdere integratie.
2023: De Doorbraak
- November 2022: OpenAI lanceert ChatGPT, wat een wereldwijde impact heeft.
- Januari 2023: Microsoft investeert nog eens 10 miljard dollar en lanceert de "Copilot"-strategie, waarbij OpenAI-technologie wordt geïntegreerd in Microsoft-producten.
- November 2023: Na een "paleisrevolutie" en korte ontslag, keert Sam Altman terug als CEO. Microsoft krijgt een zetel (zonder stemrecht) in het bestuur.
2024-2026: De Integratie & Complexiteit
- Eind 2025: OpenAI plant een omvorming naar een Public Benefit Corporation (PBC) om meer investeerders aan te trekken.
- Heden (2026): Microsoft bezit ongeveer 27% van de aandelen in de commerciële tak van OpenAI. De relatie evolueert; Microsoft bouwt ook eigen AI-modellen en OpenAI werkt samen met andere partijen zoals Apple.
- ChatGPT staat op zichzelf
- Copilot = assistent diep verweven met Microsoft/Office
ChatGPT: De creatieve "Brainstormpartner"
Standalone (Browser/App)
Kennis van het internet
Innovatie en complexe gesprekken
Geïntegreerd in Windows & Microsoft Office 365
Kennis van het internet + jouw eigen documenten
Snelheid en koppeling met jouw werkomgeving
dat tekst Genereert (G) in de vorm van een gesprek
het is Pretrained (P) aan de hand van een enorme hoeveelheid (T)ransformed (T)ekst data
AI werkt met een tekst model dat Large Language Model of LLM "taal" begrijpt
Antwoordt in de taal van de vraag of in de gevraagde taal (Engels vragen & Nederlands antwoord, geen vertaalknop zoeken)
- een vraag in tekstvorm die je stelt aan AI (INPUT)
- rekening houdend met de manier waar AI dit kan begrijpen (Natural Language Processing)
- als startpunt
- om een resultaat te bekomen tekst-of beeldvorm (OUTPUT)
Je geeft een opdracht zonder voorbeelden of extra context. Je vertrouwt op de algemene kennis van het model.
Wanneer gebruiken?
Voor eenvoudige, standaard taken of algemene informatie.
Voorbeeld: "Schrijf een korte, vriendelijke e-mail naar een klant (een lokale schrijnwerker) om hem eraan te herinneren dat de documenten voor het vierde kwartaal van de BTW-aangifte uiterlijk aanstaande vrijdag bij ons op kantoor moeten zijn."
Resultaat: ChatGPT genereert een standaard e-mail die direct bruikbaar is. Het is snel, maar mist misschien de specifieke "tone-of-voice" van het kantoor.
Voorbeeld: "Schrijf een korte, vriendelijke e-mail naar een klant (een lokale schrijnwerker) om hem eraan te herinneren dat de documenten voor het vierde kwartaal van de BTW-aangifte uiterlijk aanstaande vrijdag bij ons op kantoor moeten zijn."
Resultaat: ChatGPT genereert een standaard e-mail die direct bruikbaar is. Het is snel, maar mist misschien de specifieke "tone-of-voice" van het kantoor.
Probeer dit zelf uit
Je geeft een opdracht met voorbeelden hoe je wil dat het resultaat is.
Wanneer gebruiken?
Taken die specifieke structuur/toon vereisen, bijv. beantwoorden fiscale vragen
Voorbeeld: "Ik wil dat je korte fiscale adviezen schrijft voor onze klanten. Hier is een voorbeeld van hoe wij dat doen:
Vraag: Is een geschenk aan een klant 100% aftrekbaar?
Antwoord: Relatiegeschenken zijn in principe voor 50% aftrekbaar. Als het echter gaat om reclame-artikelen met de naam van uw zaak die een geringe waarde hebben, kan dit variëren.
Resultaat: Door het voorbeeld (de 'shot') begrijpt ChatGPT dat je een zakelijke, beknopte stijl wilt die direct to-the-point is, in plaats van een lang juridisch essay.
Voorbeeld: "Schrijf een korte, vriendelijke e-mail naar een klant (een lokale schrijnwerker) om hem eraan te herinneren dat de documenten voor het vierde kwartaal van de BTW-aangifte uiterlijk aanstaande vrijdag bij ons op kantoor moeten zijn.
Gebruik deze toon: 'Beste [Naam klant], Vriendelijk verzoek om de BTW-documenten voor Q4 uiterlijk vrijdag in te dienen. Alvast bedankt!'"
Resultaat: ChatGPT genereert een e-mail die direct bruikbaar is, en de kans is groter dat de toon en het formaat overeenkomen met de gegeven voorbeelden.
Probeer dit zelf uit
Je geeft een reeks voorbeelden of vraagt het model om stapsgewijs te redeneren door een complex probleem.Â
Wanneer gebruiken?
Voor complexe Belgische wetgeving, zoals de berekening van de taks op de huurhuurwaarde of de aftrek van autokosten (VAA).
Voorbeeld: "Je bent een expert in de Belgische personenbelasting. We gaan samen een simulatie doen voor de aftrekbaarheid van een bedrijfswagen. Gebruik de volgende regels
Resultaat: Door het voorbeeld (de 'shot') begrijpt ChatGPT dat je een zakelijke, beknopte stijl wilt die direct to-the-point is, in plaats van een lang juridisch essay.
Je hakt het probleem in stukken en vermindert zo de kans op fouten.
Voorbeeld: "Je bent een expert in de Belgische personenbelasting. We gaan samen een simulatie doen voor de aftrekbaarheid van een bedrijfswagen. Gebruik de volgende regels:
- Bereken eerst de CO2-uitstoot factor.
- Pas de formule toe voor de fiscale aftrekbaarheid (min 50%, max 100%, behalve voor 'fake hybrids').
- Bereken het Voordeel van Alle Aard (VAA) voor de zaakvoerder.
Laten we beginnen met deze casus: Een klant heeft een BMW X3 hybride gekocht met een uitstoot van 45g CO2. De cataloguswaarde is €65.000 incl. BTW. Loop met mij door de stappen van de berekening."
Resultaat: Omdat je het proces in stukken hakt ("multiple steps"), verminder je de kans op rekenfouten en dwing je het model om de specifieke Belgische logica te volgen.
Probeer dit zelf uit
Senior Dossierbeheerder en Fiscaal Adviseur - vertaalt complexe fiscale wijzigingen proactief naar praktisch advies voor KMO-zaakvoerders.
We zetten technisch jargon om naar "klantentaal" met de volgende structuur:
- TECHNISCHE ANALYSE: Korte samenvatting van de wetgeving/artikelen
- KLANTTAAL: Wat betekent dit concreet voor de portemonnee of de werking van de klant?
- ACTION POINT: Eén duidelijke actie die de klant nu moet ondernemen
- Technisch: Conform art. 53, 8° WIB92 zijn restaurantkosten beperkt tot 69% aftrekbaarheid. BTW (art. 45, §3, 3° Btw-Wetboek) niet aftrekbaar.
- Klanttaal: Van €100 eetkosten mag je maar €69 als kost in je bedrijf steken. De BTW is volledig verloren. Fiscaal is dit dus een dure kost.
- Actie: Vraag altijd een officieel restaurantticket (geen gewone betaalbon) en schrijf de naam van de genodigde achterop.
- Technisch: De wet van 28 december 2023 voert een thematische investeringsaftrek in. Voor digitale investeringen (bijv. e-facturatie software) kan dit oplopen tot een éénmalige aftrek van 20% voor KMO's (Art. 68-77 WIB92).
- Klanttaal: De overheid beloont je als je investeert in digitalisering. Naast afschrijving mag je een extra 20% van het aankoopbedrag van je winst aftrekken. Een direct cadeau van de fiscus.
- Actie: Bezorg ons de factuur van je nieuwe boekhoudsoftware of ERP-pakket, specifiek gemarkeerd als 'digitale investering'.
Pas deze methodiek nu toe op de volgende situatie:
KLANT: Een KMO-zaakvoerder met traditionele facturatie (Word/Excel). ONDERWERP: De verplichte overschakeling naar gestructureerde elektronische facturatie (e-invoicing) in België vanaf 1 januari 2026 en de fiscale stimulans (120% kostenaftrek voor advies en software).
Geef het antwoord in de gevraagde drie stappen.
Dit is een slimme techniek waarbij je de AI interactief maakt door vierkante haakjes [...] te gebruiken in je prompt.
- Voorkomt overbelasting van de AI
- Geeft jou meer controle over het proces
- Maakt complexe taken behapbaar
- Interactieve samenwerking in plaats van één grote vraag
In plaats van alles in één keer te vragen, laat je de AI stapsgewijs vragen stellen aan jou. De tekst tussen vierkante haakjes wordt een vraag die de AI aan jou stelt.
Resultaat:
Nu stelt de AI telkens de vraag "Welke pagina wil je dat ik analyseer?"
Jij antwoordt bijvoorbeeld "pagina 5"
De AI verwerkt dat deel en vraagt opnieuw
Voorbeeld: "
Ik ben een fiscaal expert. Kan je de links naar alle nieuwsberichten uit deze site halen vanaf hier: https://www.dvdtaxlaw.be/nieuws/
We kunnen het stap voor stap doen. Vraag me telkens naar de pagina wanneer je er klaar voor bent. [Welke pagina wil je ?]
Resultaat:
→ Nu stelt de AI telkens de vraag "Welke pagina wil je ?"
→ Jij antwoordt bijvoorbeeld "pagina 5"
→ De AI verwerkt dat deel en vraagt opnieuw
Probeer dit zelf uit
Zet de tekst waarover je wil praten tussen aanhalingstekens.
Dat maakt het extra duidelijk.
In ChatGPT kan je afbeeldingen, foto's en bestanden toevoegen.
Je kan ook dicteren en de vraag stellen via audio.
Je kan chatGPT ook
Afbeeldingen laten maken
Dieper laten nadenken
Prijzen laten vergelijken
zoeken op internet
studeren en leren
…
- navigatiebalk
- check voor ondernemingsmodus
- gebruikt de bedrijfsomgeving M365
- Bepaal het model vanChatGPT.
- Nog meer:- openen in Copilot zelf- opnieuw selectie model- agents- gpt's delen
- Teksten herwerken, verfijnen
- Van tekst naar heldere tabel
- Samenvatten
- Vragen stellen over de tekst
- Gebruik van /
- Vragen naar de "gaten" in de tekst, zo kijkt Copilot naar de structuur.
- Bij een verslag door verschillende mensen geschreven, een samenvatting per persoon vragen.
- Tone switch: als je denkt dat iets te makkelijk of te moeilijk is kan je vragen om te schrijven als een ervaren boekhouder.
- E-mails opstellen: Genereert volledige concepten op basis van een korte prompt of enkele steekwoorden.
- Samenvatten: Vat lange e-mailconversaties (threads) samen, inclusief de belangrijkste besproken punten en actie-items.
- Coaching: Analyseert je concept-tekst en geeft suggesties om de toon, duidelijkheid en professionele impact te verbeteren.
- Snel beantwoorden: Stelt kant-en-klare reacties voor die passen bij de context van het ontvangen bericht.
- Zoeken in je inbox: Beantwoordt vragen over je e-mails, zoals: "Wat was de deadline die Jan gisteren noemde?"
- Vergaderingen voorbereiden: Helpt bij het opstellen van een agenda of het samenvatten van relevante e-mails voorafgaand aan een afspraak.
De gegevens moeten vooraf opgemaakt zijn als tabel.
- Formule kolommen maken
- Data opschonen
- Formule analyseren
- Vragen stellen over het document
- Trends ontdekken
- Draaitabellen maken
Cederic Van Herreweghe - IT man