In al het DeepSeek-geweld, werd de lancering van GPT Operator totaal overschaduwd. Het langverwachte antwoord van GPT op de grootste AI-trend die voor dit jaar wordt voorzien. Hoe werkt het en werkt het ook zoals verwacht? Ik ging experimenteren met Operator en deel in dit artikel al mijn ervaringen.

Norbert Wiener, de grondlegger van de cybernetica, schreef in zijn boek The Human Use of Human Beings in 1950 al dat automatische machines in staat zouden zijn om het werk van mensen over te nemen. Hij waarschuwde dat technologie niet alleen fysieke arbeid, maar ook denkwerk zou automatiseren.

Destijds klonk dit voor velen als sciencefiction, maar Wiener voorzag al dat machines slimmer zouden worden dan men dacht. Zijn woorden:

The automatic machine, when used for production, competes with human labor not on the basis of man’s muscle power, but on the basis of his intelligence. – Norbert Wiener

AI-agenten zijn al jaren een droombeeld, maar Operator lijkt een serieuze stap voorwaarts. De technologie wordt ondersteund door een nieuw model, de ‘Computer-Using Agent’ (CUA), dat vision en reasoning combineert. En ja, alleen voor de happy few met een Pro-abonnement van 200 dollar per maand. Maar hoe slim is deze AI nu echt? Afgelopen weekend kreeg ik de mogelijkheid om via een klant in de VS eens te gaan spelen met Operator. Ik heb het uitgebreid getest, en de resultaten waren… laten we zeggen: verrassend.

Operator is niet zomaar een chatbot. In tegenstelling tot een gewone chatbot zoals GPT en Gemini, kan deze tool zelfstandig webpagina’s bekijken, klikken, typen en formulieren invullen. In theorie betekent dat: “Hey Operator, boek een tafel voor twee in Eindhoven” en hop, het wordt geregeld.

Maar hoe autonoom is het echt? Operator werkt niet met traditionele API’s, maar gebruikt een ingebouwde browser die websites visueel interpreteert en bedient, net als een mens. Het kan data verzamelen, taken uitvoeren en zelfs interacteren met platforms als OpenTable. Toch kleven er ook nadelen aan deze aanpak, zoals ik zelf heb ondervonden.

Ik besloot Operator verschillende taken te geven om zijn capaciteiten te testen, om te kijken of het echt een verschil kan maken in het dagelijks gebruik.

GPT Operator aanleren om te reserveren

De afgelopen tijd ben ik een paar keer vergeten een restaurant te boeken om een hapje te eten met een klant of vriend. Helaas is dat, door de drukte in de horeca, wel steeds vaker nodig. Daarom liet ik Operator eens aan het werk gaan, om te kijken of het dit makkelijk kan regelen voor mij.

“Boek een tafel voor twee in Eindhoven bij restaurant X (naam niet relevant voor deze blog), vrijdagavond om 19:00 uur”, vroeg ik hem. Operator ging enthousiast aan de slag en opende OpenTable op de site van het restaurant. Een tool die de meeste restaurants waar ik eet, gebruiken. Maar al snel bleek dat het systeem flinke moeite had met de dynamische interface ervan.

• Niet kunnen inloggen: Operator vroeg niet om mijn accountgegevens, waardoor het vastliep bij de reserveringspagina. Zonder login kon het geen reservering voltooien.
• Verkeerde selectie: in plaats van de beschikbaarheid te zoeken, bleef het op de homepage hangen. Het selecteerde willekeurige opties en gaf geen realtime beschikbare tijdslots aan.
• Geen flexibiliteit: toen mijn eerste keuze om 19:00 uur niet beschikbaar was, bood Operator geen alternatieve opties aan. Een menselijke gebruiker zou direct andere tijden of restaurants proberen, maar Operator gaf simpelweg op.

Na 10 minuten moest ik de controle overnemen en zelf de reservering maken. Had ik dit niet gedaan, dan had ik op vrijdag weer zonder tafel gezeten.

Simpel stagair-werk automatiseren

Na mijn restaurant-avontuur ging ik een case uitproberen voor mijn werk. De opdracht was simpel: zoek 20 populaire crypto-influencers op YouTube, verzamel hun LinkedIn-profielen en e-mailadressen en zet alles in een net Excel-overzicht.

De eerste minuten waren echt heel gaaf en indrukwekkend om te zien. Operator opende een browser, zocht naar financiële influencers en begon informatie te verzamelen. Maar al snel kwamen ook hier de eerste struikelblokken:

• Verkeerde zoekstrategie: in plaats van YouTube zelf te doorzoeken, koos het Bing als primaire bron. Dit leidde tot resultaten die irrelevant waren of verouderde informatie bevatten. Logischerwijs zou een mens in mijn optiek beginnen op YouTube zelf, waar influencers hun bio, links en contactgegevens plaatsen. Operator dacht daar anders over.
• Hallucinaties: Operator begon uit het niets e-mailadressen en LinkedIn-profielen te verzinnen. Sommige opgegeven contactgegevens waren volledig fictief en kwamen nergens op het internet voor. Als ik deze data klakkeloos had overgenomen, had ik een groot aantal nutteloze of zelfs schadelijke leads in mijn lijst gehad.
• Snelheidsprobleem: scrollen, klikken en typen duurde secondenlang. Na 20 minuten had Operator slechts 10 influencers verzameld en veel van de data klopte niet. Een handmatige zoektocht had me sneller en nauwkeurigere informatie opgeleverd.

Kortom: als Operator een stagiair was, had ik hem vriendelijk bedankt voor de moeite… en nooit meer teruggebeld.

Operator als persoonlijke shopper

Nog zo’n taak waar ik best wat tijd aan kwijt ben, terwijl het niet gelijk lol geeft: webwinkelen. Vooral de standaard, simpele dingen die ik gewoon nodig heb. Daarom gaf ik Operator de opdracht: “Bestel een pak koffie en een USB-C-naar-USB-kabel bij een grote Nederlandse webshop.”

Dit leek in eerste instantie goed te gaan. Operator zocht de producten op, voegde ze toe aan de winkelwagen en ging richting de betaalpagina. Maar toen kwamen de problemen.

• Geen betalingsverwerking: Operator kon niet omgaan met het invoeren van betaalgegevens en vroeg niet om mijn tussenkomst. Zonder deze stap kon de bestelling niet worden afgerond.
• Geen controle op productkeuze: de gekozen producten kwamen niet overeen met de exacte specificaties die ik had opgegeven. Het bestelde bijvoorbeeld een USB-C kabel terwijl ik specifiek een USB-C-naar-USB-kabel had gevraagd.
• Foutmeldingen genegeerd: bij een foutmelding over beschikbaarheid probeerde Operator niet om een alternatief te zoeken. Een menselijke gebruiker zou intuïtief een ander merk of een ander formaat kiezen, maar Operator stopte simpelweg.

Resultaat: een half gevulde winkelwagen en een bestelling die ik alsnog zelf moest afronden.

Vliegensvlug vluchten vastleggen

Als laatste probeerde ik Operator uit met een veel genoemd voorbeeld vanuit GPT zelf: het boeken van vluchten. Ik vlieg vaak en weet hoeveel tijd het mij kost, dus ik was hoopvol. Maar ook hier kwam ik van een koude kermis thuis.

Het liet me ook meteen zien waar Operator wél goed voor is: het regelen van simpele, repetitieve taken. Zoals elke week dezelfde bestelling plaatsen bij dezelfde partij.

Maar wie wel eens een vliegticket boekt, weet hoeveel stappen er in het boekingsproces zitten. Hoeveel keuzes er zijn. Hoe fijn het is dat je ziet dat je goedkoper kan vliegen op een ander tijdstip die dag. Maar ook; het selecteren van een stoel, wat elke keer weer anders is omdat er onwijs veel soorten vliegtuigen zijn. Laat staan wat voor maaltijd, kofferkeuze en dat soort dingen je allemaal wil.

Ondanks deze missers heeft Operator in mijn optiek wel echt potentie. Dit is nog maar een eerste versie, en OpenAI zal ongetwijfeld de snelheid en nauwkeurigheid verbeteren. Vergelijk de eerste versie van GPT maar eens met de versie die we vandaag de dag gebruiken.

Daarnaast kunnen betaalbare alternatieven zoals DeepSeek deze technologie toegankelijk maken voor een breder publiek. Andere bedrijven zoals Google (met Project Mariner) en Anthropic (met hun eigen Computer Use AI) werken aan vergelijkbare systemen. De concurrentie betekent dat we binnenkort nog krachtigere AI-agenten kunnen verwachten.

Voor nu? Het is een indrukwekkende demo, maar geen gamechanger. Mijn baan is voorlopig nog veilig. Maar wie weet hoe dat over een jaar is?

De afgelopen maand heb ik 200 trendrapporten voor 2025 met AI geanalyseerd. Dé trend waar met stip over werd gepraat? AI-agents. Ik zie dagelijks plannen, grote beloften en veel flinke voorspellingen voorbijkomen in het nieuws hierover. Maar kan je hier nu echt iets concreets mee als professional? In dit artikel duik ik er op in!

Automatiseren is niets nieuws – we doen het al eeuwen. Denk maar aan de eerste windmolens in de middeleeuwen, waarmee boeren graan maalden zonder fysieke arbeid. Of de industriële revolutie, toen machines zoals de weefgetouw en de stoomlocomotief handwerk en transport drastisch versnelden. Automatisering draait altijd om hetzelfde: het slimmer en efficiënter maken van repetitieve taken.

Vandaag de dag tillen AI-agents dit naar een hoger niveau door niet alleen fysieke arbeid over te nemen, maar ook cognitieve taken zoals e-mails beantwoorden, data-analyse, en zelfs creatieve processen. In tegenstelling tot traditionele software, die altijd menselijk ingrijpen nodig heeft, kunnen AI-agents informatie interpreteren en ervan leren.

The IT department of every company will become the HR department for AI agents – Jen-Hsun Huang, CEO Nvidia

Maar nog meer; ze kunnen zelfstandig taken uitvoeren, beslissingen nemen en zelfs namens ons onderhandelen met andere agents. En in tegenstelling tot de traditionele technologische transformaties van het verleden, waarvoor jaren van kostbare infrastructuuropbouw nodig waren, zijn deze nieuwe AI-agents eenvoudig te bouwen en te implementeren.

De voorspellingen

De voorspellingen zijn dan ook niet mals. Volgens McKinsey kunnen agents 60 tot 70 procent van de activiteiten die momenteel de tijd van werknemers in beslag nemen automatiseren. Op wereldwijde schaal voorspelt Goldman Sachs dat agents het BBP met 7%, of $ 7 biljoen, zou kunnen verhogen. Volgens Deloitte gaat het komende jaar daarom een kwart van de bedrijven al AI-agents gebruiken en volgend jaar zelfs al de helft. Het zou de ‘killer app’ van AI moeten gaan worden. Volgens Gartner zal tegen 2028 minstens 15% van de dagelijkse zakelijke beslissingen autonoom worden genomen door agentische AI.

Jouw volgende collega? Dat zou zo maar eens een AI-agent kunnen worden. Want onderzoek laat zien, dat AI-agents op manieren kunnen samenwerken, die veel verder gaan dan die van mensen. Volgens de onderzoeker:

Het ziet er zeker veelbelovend uit dat ze een groep verschillende meningen bij elkaar kunnen brengen en veel sneller tot een consensus kunnen komen dan wij, en met een grotere groep meningen.

“This isn’t just an evolution of technology. It’s a revolution that will fundamentally redefine how humans work, live, and connect with one another from this point forward.” – Marc Benioff, CEO of Salesforce

Maar de meeste grote voorspellingen worden gedaan door vooral partijen die zelf baat hebben bij het succes, zoals consultants en de leveranciers van AI-hardware en -software. Het zijn ook vaak diezelfde mensen die voorspelden dat anno 2025 crypto alle banken zou hebben vervangen, van alle kunst een NFT zou zijn gemaakt en we allemaal massaal in de metaverse aan het werk zouden zijn.

Geen draden, maar daden!

Voor 2025 hoor ik dan vooral ook veel nuchterheid rondom de ‘nodig-vraag’. Afgelopen week gaf ik een training over AI en kwam iemand uit het publiek met een prachtige opmerking; “Ik lees veel over allerlei nieuwe features, zoals het contextvenster, multilingualiteit en resoneren, maar mis steeds de ‘why’. Het lijkt wel alsof wij als professionals moeten nadenken hoe we deze tools gaan gebruiken, maar zou dat niet andersom moeten zijn?”.

Voor mij een terechte opmerking. Er wordt te veel gesproken over de techniek en te weinig over het écht praktische nut. We moeten in mijn optiek meer gaan praten over de daden, in plaats van steeds maar grote woorden te lezen over de ‘draden’.

Het is ook goed om nuchter te kijken naar waar we ook echt willen dat AI-taken gaan oppakken. Ik ben echt ongekend enthousiast over de technologie en gebruik de verschillende tools 1-2 uur op een gemiddelde werkdag. Het maakt me echt slimmer, beter, efficiënter en werk ook echt leuker. Maar ik kijk ook steeds scherper naar de verschillende tools en hun werking. Ja, AI-agents kunnen in principe een hele vakantie voor mij kunnen uitzoeken en boeken. Het afgelopen jaar heb ik bijvoorbeeld al voor drie trips gebruik gemaakt van AI.

Maar, in de resultaten zaten ook nog altijd fouten. Plaatsen die niet bestaan bijvoorbeeld. Zou jij zo’n agent je creditcard toevertrouwen om ook gelijk maar de vlucht en het hotel te laten boeken? Daarnaast, ik haal zelf te veel lol uit het uitzoeken van een vakantie, wat mijzelf ook steeds weer op andere, nieuwe ideeën brengt.

Zitten we er echt op te wachten?

Hetzelfde geldt voor mij bijvoorbeeld voor het schrijven van teksten. Ja, ik gebruik ChatGPT wel eens om te kijken of mijn stijl goed is, zodat de dames van Frankwatching minder moeten redigeren. En ja, ik krijg nog vaak de vraag of ik mijn laatste boek ook met AI geschreven heb (terwijl ik er drie jaar lang volledig zelf aan heb geschreven). Dit had ik met een van de 320 AI’s waarmee je een heel boek kan laten schrijven, waarschijnlijk binnen een dag kunnen voltooien.

Ook hier rijst de vraag; zou ik dat ook echt willen? Tech-giganten als Microsoft en TikTok hebben inmiddels eigen uitgeverijen van AI-gegenereerde boeken. Maar wil de consument dit echt? Zit die te wachten op AI-gegenereerde boeken, muziek en video’s, waar geen enkele moeite, bezieling en passie in is gestopt?

Uiteraard zie ik ook wel hoe snel AI ontwikkelt, kijk even hoe ongekend goed tools als GPT en Midjourney zijn geworden in minder dan twee jaar tijd. Volgens onderzoek zijn bijvoorbeeld hallicunaties bij de grote modellen teruggebracht van 10-15% naar bijna 1%. Het zal wel niet lang meer duren voordat dit risico verwaarloosbaar is.

In zijn roman ‘Looking Backward’ uit 1888 speculeert Bellamy over een toekomst waarin kunst en literatuur floreren, zodra automatisering mensen heeft bevrijd van de sleur van ellendig werk, waardoor ze meer tijd overhouden voor culturele bezigheden. Het omgekeerde lijkt nu te gebeuren.

Het mainstream moment

Volgens OpenAI worden agents het komende jaar echt ‘mainstream’. Elke grote AI-boer zal agent-producten lanceren, of heeft dit al gedaan; OpenAI, Microsoft, Google, Salesforce, Antropic en Meta. Net als dat AI al jarenlang in ons leven zat verweven, voordat we uberhaupt van GPT hoorden, zitten agents ook al in talloze bekende functies verweven. Van de klantenservice van bijvoorbeeld ING en bol, tot Fitbits, robotstofzuigers en spamfilters.

Adecco, een van ’s werelds grootste wervingsbureaus, verwerkt jaarlijks meer dan 300 miljoen sollicitaties. Door deze grote hoeveelheid kan het op minder dan 5% reageren. Door het gebruik van AI-agents kwalificeert het sollicitanten automatisch, waardoor het binnen 24 uur met elke sollicitant in contact kan komen. Google publiceerde dit lijstje met meer dan 300 usecases van bedrijven.

Crypto AI-agents

Een andere sector waar ik nu veel agents gebouwd en met succes ingezet zie worden, is crypto. Ik ben sinds 2013 bezig met zaken als Bitcoin, maar vooral startups bouwen en bedrijven adviseren. Absoluut niet traden, omdat ik dat niet kan. De meeste mensen verliezen hier namelijk geld door, omdat ze handelen met emotie. Een doodsteek in traden. Inmiddels zijn er al crypto AI-agents zoals Virtuals, die het volledige traden automatiseren. Kijken naar trends, analyseren en daarop handelen. Soms wel 10.000 keer per dag. Kwestie van een agent instellen en ja; slapend rijk worden. Als de agent uiteraard goed is ingesteld.

Ik geniet zelf ook van de vele gekke AI-agents die mensen nu bouwen. Van een agency die hyperrealistiche virtuele influencers content laat maken voor OnlyFans en daar goud geld aan verdient. Tot een startup uit San Francisco, Altera. Deze heeft een fascinerend experiment uitgevoerd door 1.000 autonome AI-agents los te laten op een Minecraft-server. Onder leiding van voormalig MIT-professor Robert (Guangyu) Yang werkte Project Sid aan de vraag of deze agents samen meer kunnen bereiken dan alleen.

Het resultaat? De agents vormden een handelscentrum, stemden op een grondwet via Google Docs, verspreidden een religie (Pastafarianisme!) door middel van omkoping, en hielpen een verdwaalde villager met fakkels de weg terug te vinden.

https://youtube.com/watch?v=Rof1YxVmj8o%3Ffeature%3Doembed

“Agents will eat the world.”

Zoals elke verandering van deze omvang voor organisaties, brengt de verschuiving naar agents duidelijke uitdagingen en begrijpelijke angsten met zich mee. By far de grootste angst die ik lees en hoor? Onze banen! Door agents kunnen we waarschijnlijk over 5 jaar met z’n allen voorgoed op vakantie.

Maar ook voor al die bold statements, is het goed om even uit te zoomen. In de geschiedenis hebben we vaak gezien hoe nieuwe technologieën hele industrieën transformeren. Denk aan de opkomst van vliegtuigen, satellieten, het internet, smartphones en groene energie. Hoewel deze innovaties soms duidelijk banen wegvagen, creëren ze uiteindelijk ook weer allemaal nieuwe mogelijkheden.

Kijk maar eens naar de VS. In 1950 waren er 43 miljoen werkenden in de VS. Tegen 2020 was dat aantal gegroeid naar meer dan 152 miljoen. Dit is een toename van ruim 100 miljoen banen, vaak in sectoren die in 1950 niet eens bestonden.

Een van de redenen waarom ik ook heel enthousiast ben over AI? Ik merk en zie overal steeds grotere problemen, door personeelstekort. In sommige regio’s en sectoren zie je de beroepsbevolking stagneren of zelfs krimpen. Als ik iets vroeger leerde op de universiteit, dan is het dat voor verdere economische groei de productiviteit van de bestaande werknemers daarom veel belangrijker wordt. Vooral in de dienstensector, waar in Nederland 80% van de mensen werkt. Agents gaan hierin naar mijn mening een cruciale rol spelen.

Killer apps? Killer robots!

Hoe groot de verdere risico’s van het gebruik zijn, hangt af van hoe je deze systemen gebruikt, wat je ermee wil bereiken en hoeveel je ervan begrijpt. Een AI-agent kan bijvoorbeeld verkeerde beslissingen nemen als zijn doelen niet goed aansluiten bij die van de gebruiker of organisatie. Dit kan niet alleen tot slechte keuzes leiden, maar soms ook tot heftige situaties. Het lijkt nog een ‘ver van ons bed-show’, maar in Oekraïne wordt al gewerkt met autonome wapens. Inderdaad. Wapens die met AI zelf bepalen of ze schieten of niet.

https://youtube.com/watch?v=Rof1YxVmj8o%3Ffeature%3Doembed

Bovendien kunnen AI-agenten gedrag vertonen dat niet was voorzien of bedoeld door de makers, met alle gevolgen van dien. Het aantal kwalijke gevallen rondom bias door AI, neemt sterk toe volgens onderzoek. Dan is het niet handig, als op basis daarvan ook automatisch beslissingen worden genomen. Op bijvoorbeeld het gebied van recruitment.

Een ander risico is dat mensen te veel op deze technologie gaan vertrouwen. Dat kan ertoe leiden dat ze minder kritisch nadenken of problemen minder goed zelf oplossen. Een mooi voorbeeld hoorde ik laatst van de directie van een ziekenhuis die ik begeleidde. Op de oncologie-afdeling gaat iedereen door het geluid, omdat ze nu razendsnel diagnoses kunnen stellen met AI, wat er voor zorgt dat patiënten veel minder lang op hun uitslag moeten wachten.

Geweldig, riep ik! Want een oud-medewerker van mij moest bijvoorbeeld twee maanden wachten op de volgende afspraak rondom haar zware borstkanker. De nieuwe artsen worden dan ook met AI nu opgeleid. Maar volgens de oudere oncologen, missen ze daardoor de finesse bij het zelf analyseren van de mammogrammen. Finesse die vaak nog echt nodig is en die AI nu nog niet heeft.

Zelf aan de slag met AI-agents

Technologie is op zichzelf niet goed of fout. Het draait er in mijn optiek om hoe wij het inzetten. Zonder goed toezicht en de juiste data kunnen agents keuzes maken die botsen met menselijke waarden, zoals het prioriteren van winst boven veiligheid of het onbedoeld discrimineren van bepaalde groepen.

Zelf heb ik al een aantal agents gebouwd en getest. Ik ben eerst nuchter gaan kijken naar processen die ik zelf nog regelmatig uitvoer en het liefste laat automatiseren. Een voorbeeld hierin is SEO; het analyseren van trends en data, om te komen tot goede zoekwoorden en zinnen die populair zijn bij mijn mogelijke klanten. En die vervolgens omtoveren tot SEO-vriendelijke blogs, met gelijk ook alle bijbehorende meta-omschrijvingen voor Yoast etc. SEOBot automatiseert voor mij SEO door zoekwoorden te analyseren, genereren en daarmee blogcontent te creëren in 50 talen.

Daarnaast ben ik voor mijn nieuwe AI-startup bezig een app te bouwen, die ik door AI grotendeels wil laten ontwikkelen. Ik ben echt verbaasd over de vele tools die al duidelijk, hoge kwaliteit apps afleveren, zoals Databutton en Replit.

In een paar stappen

Een van de startpunten om zelf aan de slag te gaan en eens te experimenteren, is AgentGPT. Ook GenFuse kan je gebruiken zonder technische achtergrond. Hier kan je heel makkelijk zelf een agent samenstellen. Amazon heeft Lex geintroduceerd die je ook in een paar stappen een ‘conversational AI interface’ laat bouwen, zonder technische kennis. Daarnaast zie ik in veel communities mensen positief praten over hun agents, gemaakt met het het OS Rasa. Ik ben zelf ook heel enthousiast over Botpress, maar die wordt al heel snel heel duur. Als laatste kan ik Dify aanraden, omdat het echt een schat aan andere A-toepassingen biedt, die je kan koppelen aan je agent.

In korte tijd heeft het Chinese DeepSeek de spelregels voor de wereldwijde AI-ontwikkelingen herschreven. Waar de Verenigde Staten flink domineerden in de ontwikkelingen van AI op alle vlakken, heeft een kleine startup uit het Chinese Hangzhou de afgelopen dagen een schokgolf veroorzaakt wereldwijd. In dit artikel duik ik op dit nieuwe model en ging het zelf een paar dagen testen.

De lancering van DeepSeek kan gezien worden als een prachtig Sputnik-moment. Een onverwachte doorbraak die de wereld wakker schudt en een nieuw tijdperk van technologische vooruitgang inluidt. Net zoals de Sovjet-Unie in 1957 de eerste satelliet, Sputnik, lanceerde en daarmee het startschot gaf voor de ruimtewedloop, markeert DeepSeek het begin van een nieuwe fase in de AI-wedloop.

Ik had in november al met een eerdere versie van DeepSeek gespeeld, maar vond die nog niet zo spannend. Van hoe de nieuwste versie zich verhoudt tot de Amerikaanse concurrenten, sla ik echter stijl achterover.

Hoe DeepSeek zich onderscheidt van Amerikaanse AI-modellen

Want kijk maar eens naar de grootste, machtigste modellen, zoals GPT, Gemini en Llama, maar ook de cloudoplossingen en chips die nodig zijn om de modellen te maken. Vrijwel alles is in handen van Amerikaanse bedrijven. Vanuit het niets kwam deze Chinese startup ineens met een AI-model, dat op een aantal belangrijke vlakken haar Amerikaanse concurrenten de loef mee afsteekt:

• De kosten die nodig waren om dit model te trainen. Waar dit bij de Amerikaanse modellen honderden miljoenen heeft gekost, heeft DeepSeek slechts $6 miljoen uitgegeven hieraan.
• In een reeks onafhankelijke tests, presteerde het model van DeepSeek beter dan Llama 3.1 van Meta, GPT-4o van OpenAI en Claude Sonnet 3.5 van Anthropic op het gebied van nauwkeurigheid, variërend van complexe probleemoplossing tot wiskunde en codering.
• Als gebruiker ben je 98% goedkoper uit met DeepSeek, dan met GPT en Gemini.

To see the DeepSeek new model, it’s super impressive in terms of both how they have really effectively done an open-source model that does this inference-time compute, and is super-compute efficient. We should take the developments out of China very, very seriously.  – Microsoft CEO Satya

Nu verdient het altijd de moeite om ook even te kijken naar concrete cijfers rondom AI. Want we staren ons al lange tijd blind op wat er allemaal in de Verenigde Staten gebeurt bij de voor ons bekendere tools, zoals GPT en Gemini. Maar in China is in alle stilte hard doorgebouwd en had het stiekem op een aantal vlakken al lang de meest dominante rol. Het diende vorig jaar bijvoorbeeld 38.000 AI-patenten in (vergeleken met 6300 in de VS), heeft het meeste aantal actieve AI-gebruikers als land wereldwijd en China staat qua gelanceerde modellen echt net achter de VS op de tweede plek.

Antifragiliteit in de strijd

Maar wat ik misschien nog wel de meest bijzondere overdenking hierin vindt, is wat een van mijn favoriete boekenschrijvers Nassim Taleb zo mooi omschrijft als ‘antifragiliteit’. Systemen of entiteiten die sterker of veerkrachtiger worden door stress, beperkingen of uitdagingen. China is flink beperkt door de Verenigde Staten, als je kijkt naar de import van de chips, die noodzakelijk zijn voor het runnen van een AI. Maar DeepSeek laat prachtig zijn hoe antifragiel het is en dat het door de beperkingen gedwongen werd creatiever en efficiënter te werken, waardoor ze uiteindelijk sterker en succesvoller zijn geworden dan degenen zonder die beperkingen.

Necessity is the mother of invention. Because they had to figure out work-arounds, they actually ended up building something a lot more efficient.
– Perplexity CEO Aravind Srinivas.

We zien de resultaten van de lancering van DeepSeek inmiddels overal. Het is bijvoorbeeld de meest gedownloade app, het liet westerse AI-aandelen flink kelderen in prijs ($1200 miljard ging in rook op) en liet het recente Amerikaanse project Stargate ineens volledig verbleken door de benodigde investeringen. Meta heeft inmiddels meerdere ‘war rooms’ opgezet uit paniek, om te onderzoeken hoe DeepSeek zo efficiënt dit model heeft kunnen ontwikkelen. Vooral nadat het de afgelopen week
nog aankondigde $60 miljard meer aan AI te gaan uitgeven.

Meer Temu-troep of juist TikTok-briljantie?

Als ik eerst kijk naar het model in het algemeen, dan zie ik een aantal duidelijke positieve verschillen, vergeleken met bijvoorbeeld concurrent GPT o1.

• DeepSeek-R1 is een zogenaamd ‘open-weight’-model. Hoewel de trainingsdata niet openbaar zijn, kunnen onderzoekers de algoritmes bestuderen en aanpassen. Iets wat absoluut niet mogelijk is met I’s o1, vanwege de gesloten aanpak van haar model.
• DeepSeek-R1 gebruikt de Chain of Thought (CoT)-methode, waarbij het model complexe problemen oplost door stap voor stap te redeneren. Net als mensen dat doen. Dit maakt het beter in taken die logica en meerdere stappen vereisen. Een mooi voorbeeld is coderen. Bij programmeertaken biedt DeepSeek niet alleen code, maar ook een uitgebreide uitleg van de benodigde componenten en hoe deze samenwerken. Dit maakt het ideaal voor beginners die willen leren programmeren.
• Daarnaast maakt het gebruik van een Mixture-of-Experts (MoE)-architectuur, met 671 miljard parameters. Slechts 37 miljard daarvan worden per taak geactiveerd, waardoor het model alleen de meest relevante onderdelen gebruikt. Dit zorgt voor een veel efficiënter gebruik van rekenkracht en energie.
• DeepSeek is open-source en grotendeels gratis te gebruiken, in tegenstelling tot ChatGPT’s betaalde modellen. Het kan lokaal worden gedraaid (op bijvoorbeeld een Macbook), wat kosten en privacyproblemen elimineert, en biedt bovendien goedkopere API-toegang.

We are living in a timeline where a non-US company is keeping the original mission of OpenAI alive – truly open, frontier research that empowers all. – NVIDIA Senior Research Manager Jim Fan

Battle of the bots

Leuk al die cijfers, maar werkt het ook echt beter? Na mijn eerdere test in november, waar ik niet zo onder de indruk was, heb ik DeepSeek een uitgebreide tweede kans gegeven. Ik heb het een aantal simpelere en wat moeilijkere taken laten uitvoeren, die ik elke dag wel met GPT oppak. Ik zette op een groot scherm beide tools naast elkaar en ging aan het testen.

Goede ervaringen met DeepSeek

Een aantal zaken waar ik DeepSeek echt beter in vind, dan GPT:

1. Creativiteit en aanpassingsvermogen
   DeepSeek blinkt echt uit in creatieve taken in mijn optiek. Het schrijven van levendige personagebeschrijvingen of pakkende verhalen ging veel sneller en smakelijker dan bij GPT. Het model kan zich moeiteloos aanpassen aan de toon en stijl die nodig zijn voor een bepaalde opdracht. Of het nu gaat om formele documenten, creatieve teksten, of zelfs speelse schrijfstijlen… DeepSeek past zich een stuk sneller aan, waar ik bij GPT echt meerdere stappen en instructies nodig had.
2. Hulp bij programmeren
   Bij het oplossen van programmeerproblemen is DeepSeek zeer handig. Ik gooide er wat oude scripts in waarvan ik wist dat het bugs bevatte. Het herkent fouten in code snel en biedt daarbij duidelijke en begrijpelijke oplossingen. Zo gaf het tijdens een test met een foutieve JavaScript-functie niet alleen de juiste oplossing, maar legde het deze ook op een manier uit die zelfs een beginner kan begrijpen.
3. Snelheid en efficiënte technologie
   Met zijn Mixture-of-Experts-architectuur kan DeepSeek razendsnel werken zonder in te leveren op kwaliteit. Ik kende deze technologie nog niet, maar als je op YouTube ziet en op internet leest hoe het werkt, dan klinkt het heel logisch om een model sneller te laten werken. Het genereert gedetailleerde en relevante antwoorden binnen een paar seconden, zelfs bij complexe vragen of taken. Echt een stuk sneller dan GPT.

Mindere ervaringen met DeepSeek

Het was niet alleen rozengeur en maneschijn als ik eerlijk ben:

1. Nauwkeurigheid bij niche-onderwerpen
   Als het gaat om zeer specifieke of historische onderwerpen, kan DeepSeek soms onvolledige of onjuiste antwoorden geven. Ik betrapte DeepSeek echt op meer hallucinaties dan GPT.
2. Omgaan met gevoelige onderwerpen
   DeepSeek heeft beperkingen als het gaat om politiek of historisch gevoelige thema’s. Onderwerpen zoals de Tiananmen-protesten of de Nanking-massamoord worden vaak vermeden of niet volledig behandeld. Hier zie je echt de inmenging van de Chinese overheid in de werking van het model.
3. Beperkte ondersteuning en documentatie
   De handleidingen en ondersteunende materialen van DeepSeek zijn minder uitgebreid dan die van andere modellen, zoals GPT-4. Dit kan vooral frustrerend zijn voor nieuwe gebruikers die het model optimaal willen benutten maar niet goed weten hoe ze moeten beginnen. Ik heb veel gezocht, maar vond de resultaten matig, vergeleken met GPT.

Een aantal andere gave toepassingen die ik via de verschillende kanalen voorbij zag komen:

• Simpel een app laten maken die Youtube-kanalen scraped en op basis daarvan trendrapporten maakt;
• Een filmpje over hoe modellen worden getest met echt zeer complexe redenatie-uitdagingen;
• Makkelijk zelf een eigen ‘ready to play’ game laten bouwen.

Wij van WC-eend

Uiteraard zijn er ook al genoeg kritieken op DeepSeek. De meest gehoorde, is rondom de claim dat het met zo weinig chips, zo’n krachtig model heeft kunnen trainen. Het enige rapport hierover met concrete resultaten en cijfers komt van – jawel – DeepSeek zelf.

Omdat DeepSeek van Chinese oorsprong is, maken sommige gebruikers zich daarnaast zorgen over hoe hun gegevens worden verwerkt of opgeslagen. Vooral bij gevoelige informatie kan dit een drempel zijn, ondanks dat er geen concreet bewijs is van datamisbruik.

Maar hoe je het ook wend of keert, het is een ongekende grote nieuwe stap binnen de ontwikkelingen van AI-systemen. DeepSeek biedt naar mijn mening prachtige kansen voor Europa en andere regio’s, door de drempels voor toegang tot geavanceerde AI-technologie te verlagen. De focus op efficiënte modellen die minder hardware en kosten vereisen, maakt hoogwaardige AI bereikbaar voor kleinere bedrijven, onderzoeksinstellingen en opkomende markten. Dit is vooral waardevol in Europa, waar veel nadruk ligt op democratische toegang tot technologie en het ondersteunen van startups en onderzoekers met beperkte middelen.

Stimuleren concurrentie

Daarnaast stimuleert DeepSeek de wereldwijde concurrentie rondom AI. Door innovatie te omarmen ondanks handelsbeperkingen, laat het zien dat technische vooruitgang niet per se afhankelijk is van grote budgetten of ongelimiteerde middelen. Dit kan andere regio’s, inclusief Europa, inspireren om op een slimmere, efficiëntere manier te innoveren.

DeepSeek heeft in korte tijd de AI-innovatie versneld en creëert een gelijker speelveld. Ik ben erg benieuwd naar de reacties vanuit alle Amerikaanse concurrenten en regering. Ik houd ze hier vol plezier op Frankwatching in de gaten.

ChatGPT wordt steeds meer mijn virtuele maatje, die helpt met allerhande dagelijkse werkzaamheden. De nieuwe optie Tasks zorgt voor weer een prachtige nieuwe uitbreiding. Het gaat veel verder dan de bestaande mogelijkheden op bijvoorbeeld de iPhone. In dit artikel duik ik er op in.

Agents, AGI… dit jaar kan op het gebied van AI-ontwikkelingen weer heel bijzonder gaan worden. Nu zijn agents voor veel professionals nog een ‘ver van mijn bed-show’. De vorige week gelanceerde functie Tasks zorgt voor een prachtige middenweg, die heel toegangelijk is in gebruik.

Het voert dagelijkse taken automatisch uit, zonder dat je er zelf aan hoeft te denken. Van herinneringen bij afspraken tot het plannen van maaltijden of zelfs het genereren van verhalen voor je kinderen. Met deze nieuwe functie van ChatGPT evolueert de chatbot in mijn optiek écht van een gesprekspartner naar een praktische assistent.

De functie maakt het mogelijk om taken te plannen en automatiseren. Door eenvoudig een taakbeschrijving en een schema op te geven, kan ChatGPT taken uitvoeren op de door jou ingestelde tijden. Deze functie is momenteel beschikbaar voor betaalde Plus-, Team- en Pro-gebruikers en maakt deel uit van de bredere ontwikkeling van AI Agents; systemen die zelfstandig meerdere stappen kunnen uitvoeren.

Nu kijk ik altijd nuchter naar dit soort nieuwe functies en vooral met de vraag; zorgt het écht voor het vergemakkelijken / vervangen van bepaalde taken die ik zelf liever niet doe of minder goed kan doen? Nu had ik bij Tasks al snel een hele reeks aan praktische zaken uitgedacht, die ik inmiddels dagelijks gebruik voor de marketing van mijn drie bedrijven.

De alles-assistent voor actuele en efficiënte marketing

Een greep uit de paar Tasks die mij elke morgen blij maken:

1. Elke morgen krijg ik drie tips voor een actuele socialmediapost en blog. Die worden gebaseerd op onder andere het nieuws, maar ook bijvoorbeeld de inhaakkalender van Frankwatching. Ik krijg dan gelijk een opzet voor de post en blog, die ik eventueel ook kan omzetten naar een daadwerkelijke post en blog, om meteen te plaatsen.
2. Elke morgen krijg ik tips voor mijn SEO-content en -optimalisatie. Je kan GPT koppelen met bijvoorbeeld Ahrefs en zo tips krijgen over seed keywords, maar ook algemene tips voor SEO. Ik heb hiervoor mijn sites ingegeven en vraag heel concreet om elke dag met 5 verbeterpunten te komen.
3. Elke morgen krijg ik een mooie analyse van mijn Google Analytics en Google Ads. Niet alleen tips om te optimaliseren, maar vooral ook 5 interessante inzichten. Op basis van hoe interessant ze zijn, verwerk ik dat weer in (SEO-)content.
4. Elke morgen krijg ik een overzicht van nieuwe reviews die ik met de bedrijven online heb gekregen. Niet alleen reviews, maar gelijk ook een tekst hoe ik kan reageren en een tip om de feedback op te pakken (voor waar nodig). Je kan hiervoor gewoon de URLs ingeven van de review site(s).
5. Elke morgen krijg ik een paar creatieve ideeën voor de business development van mijn bedrijven. Dit is waarschijnlijk de meest intensieve klus voor GPT, omdat ik hier push voor unieke ideeën die ik zelf niet zou hebben bedacht. Daarnaast ook de prompts steeds aanvullen met zaken die ik al doe, om te voorkomen dat ik zaken terug hoor komen. Daarnaast krijg ik een tip hoe ik het concreet diezelfde dag nog kan oppakken.

Mijn nieuwe maatje voor van alles

Ook privé en als professional gebruik ik Tasks inmiddels breeduit. Zo lees ik bijvoorbeeld geen nieuws, maar wel veel nieuwsbrieven. Dat zijn er de afgelopen tijd best veel geworden; 52 stuks. Ik had hierdoor content-stress. Nu ontvang ik elke morgen een overzicht van het laatste nieuws op gebied van onderwerpen waar ik vaak over spreek (AI, crypto), inclusief de belangrijkste trends, ontwikkelingen en bronnen. ChatGPT maakt ook meteen samenvattingen van lange artikelen, zodat ik enkel lees wat relevant is.

Daarnaast ben ik momenteel bezig met de voorbereiding van het klimmen van de Manaslu (8200m) in Nepal in september en ook hiervoor krijg ik nu elke week een aantal voorgestelde voorbereidingen en reminders.

Ik behoor ook tot de groep die – als hij eindelijk eens een avond in het weekend vrij heeft – eindeloos kan scrollen door Netflix, voordat ik wat heb gevonden wat ik wil zien. Dat scrollen kost een gemiddelde kijker 5 dagen per jaar volgens onderzoek. Op basis van mijn wensenlijst, krijg ik gewoon de aanbevelingen voorgeschoteld. Perfect afgestemd op mijn wensen.

Voor mijn tweedagelijks meditatie-routine krijg ik nu netjes een reminder, met een goede tip en mogelijke meditatiefocus van de dag.

Ik zie ook al talloze leuke voorbeelden voorbijkomen van mensen die als goede voornemen hebben om gezonder te gaan eten en elke dag een uniek, gezond recept krijgen voor de Airfryer. Of ouders die van GPT elke avond een unieke fantasieverhaal gegenereerd krijgen, compleet met een illustratie, om voor te lezen aan de kinderen.

Oude tech in nieuwe zakken?

Ja maar we konden toch al herinneringen in de agenda zetten? GPT Taken onderscheidt zich van bestaande mogelijkheden op een iPhone, zoals Siri of de Herinneringen-app, door de intelligentie en veelzijdigheid. Het gaat verder dan eenvoudige herinneringen instellen en kan veel complexere taken uitvoeren, zoals de voorbeelden die ik hierboven noem. Bovendien biedt het real-time updates, zoals actuele nieuwsbrieven, volledig afgestemd op jouw voorkeuren.

Waar traditionele tools vaak beperkt blijven tot passieve herinneringen, zie ik dat GPT Taken proactief en contextbewust is. En in staat is om taken en inhoud te genereren op basis van jouw behoeften. Net als een standaard-prompt; hoe beter de taakomschrijving, hoe beter de output. Deze combinatie van generatieve kracht en flexibiliteit maakt GPT Tasks voor mij een unieke en krachtige digitale assistent.

Hallicunerende herinneringen

Hoewel GPT Tasks veelbelovend is, zijn er uiteraard ook nog kinderziektes. Het plannen van meerdere herinneringen op verschillende dagen en tijden kan soms misgaan heb ik gemerkt. Soms herhaalt ChatGPT simpelweg de instructies zonder bruikbare output te genereren, bijvoorbeeld bij een maaltijdplanner die alleen de gevraagde prompt terugstuurde.

Omdat de functie nog ‘in beta’ is, kunnen bepaalde taken onverwacht mislukken. Zo kan een herinnering niet op tijd worden geleverd. Gebruikers kunnen momenteel maximaal 10 actieve taken instellen, wat uiteraard beperkend is voor intensieve gebruikers zoals ik die meerdere aspecten van de dag willen automatiseren.

Hoewel GPT Taken nu al veel praktische voordelen biedt, zal OpenAI een aantal opvolgende functies lanceren. De integratie met geavanceerdere systemen zoals de aangekondigde Operator en Caterpillar, kunnen de functionaliteit uitbreiden naar taken zoals het bestellen van boodschappen of het boeken van reizen. Ook zou het in de toekomst mogelijk kunnen worden om taken te koppelen aan externe apparaten of software. Denk aan het direct synchroniseren van je agenda met slimme apparaten in huis.

ChatGPT Tasks biedt gebruikers een prachtige, krachtige en gebruiksvriendelijke tool om routineklussen te automatiseren. Welke Tasks heb jij ingesteld? Laat het weten in de comments!

De afgelopen maand heb ik 200 trendrapporten voor 2025 met AI geanalyseerd. Dé trend waar met stip over werd gepraat? AI-agents. Ik zie dagelijks plannen, grote beloften en veel flinke voorspellingen voorbijkomen in het nieuws hierover. Maar kan je hier nu echt iets concreets mee als professional? In dit artikel duik ik er op in!

Automatiseren is niets nieuws – we doen het al eeuwen. Denk maar aan de eerste windmolens in de middeleeuwen, waarmee boeren graan maalden zonder fysieke arbeid. Of de industriële revolutie, toen machines zoals de weefgetouw en de stoomlocomotief handwerk en transport drastisch versnelden. Automatisering draait altijd om hetzelfde: het slimmer en efficiënter maken van repetitieve taken.

Vandaag de dag tillen AI-agents dit naar een hoger niveau door niet alleen fysieke arbeid over te nemen, maar ook cognitieve taken zoals e-mails beantwoorden, data-analyse, en zelfs creatieve processen. In tegenstelling tot traditionele software, die altijd menselijk ingrijpen nodig heeft, kunnen AI-agents informatie interpreteren en ervan leren.

The IT department of every company will become the HR department for AI agents – Jen-Hsun Huang, CEO Nvidia

Maar nog meer; ze kunnen zelfstandig taken uitvoeren, beslissingen nemen en zelfs namens ons onderhandelen met andere agents. En in tegenstelling tot de traditionele technologische transformaties van het verleden, waarvoor jaren van kostbare infrastructuuropbouw nodig waren, zijn deze nieuwe AI-agents eenvoudig te bouwen en te implementeren.

De voorspellingen

De voorspellingen zijn dan ook niet mals. Volgens McKinsey kunnen agents 60 tot 70 procent van de activiteiten die momenteel de tijd van werknemers in beslag nemen automatiseren. Op wereldwijde schaal voorspelt Goldman Sachs dat agents het BBP met 7%, of $ 7 biljoen, zou kunnen verhogen. Volgens Deloitte gaat het komende jaar daarom een kwart van de bedrijven al AI-agents gebruiken en volgend jaar zelfs al de helft. Het zou de ‘killer app’ van AI moeten gaan worden. Volgens Gartner zal tegen 2028 minstens 15% van de dagelijkse zakelijke beslissingen autonoom worden genomen door agentische AI.

Jouw volgende collega? Dat zou zo maar eens een AI-agent kunnen worden. Want onderzoek laat zien, dat AI-agents op manieren kunnen samenwerken, die veel verder gaan dan die van mensen. Volgens de onderzoeker:

Het ziet er zeker veelbelovend uit dat ze een groep verschillende meningen bij elkaar kunnen brengen en veel sneller tot een consensus kunnen komen dan wij, en met een grotere groep meningen.

“This isn’t just an evolution of technology. It’s a revolution that will fundamentally redefine how humans work, live, and connect with one another from this point forward.” – Marc Benioff, CEO of Salesforce

Maar de meeste grote voorspellingen worden gedaan door vooral partijen die zelf baat hebben bij het succes, zoals consultants en de leveranciers van AI-hardware en -software. Het zijn ook vaak diezelfde mensen die voorspelden dat anno 2025 crypto alle banken zou hebben vervangen, van alle kunst een NFT zou zijn gemaakt en we allemaal massaal in de metaverse aan het werk zouden zijn.

Geen draden, maar daden!

Voor 2025 hoor ik dan vooral ook veel nuchterheid rondom de ‘nodig-vraag’. Afgelopen week gaf ik een training over AI en kwam iemand uit het publiek met een prachtige opmerking; “Ik lees veel over allerlei nieuwe features, zoals het contextvenster, multilingualiteit en resoneren, maar mis steeds de ‘why’. Het lijkt wel alsof wij als professionals moeten nadenken hoe we deze tools gaan gebruiken, maar zou dat niet andersom moeten zijn?”.

Voor mij een terechte opmerking. Er wordt te veel gesproken over de techniek en te weinig over het écht praktische nut. We moeten in mijn optiek meer gaan praten over de daden, in plaats van steeds maar grote woorden te lezen over de ‘draden’.

Het is ook goed om nuchter te kijken naar waar we ook echt willen dat AI-taken gaan oppakken. Ik ben echt ongekend enthousiast over de technologie en gebruik de verschillende tools 1-2 uur op een gemiddelde werkdag. Het maakt me echt slimmer, beter, efficiënter en werk ook echt leuker. Maar ik kijk ook steeds scherper naar de verschillende tools en hun werking. Ja, AI-agents kunnen in principe een hele vakantie voor mij kunnen uitzoeken en boeken. Het afgelopen jaar heb ik bijvoorbeeld al voor drie trips gebruik gemaakt van AI.

Maar, in de resultaten zaten ook nog altijd fouten. Plaatsen die niet bestaan bijvoorbeeld. Zou jij zo’n agent je creditcard toevertrouwen om ook gelijk maar de vlucht en het hotel te laten boeken? Daarnaast, ik haal zelf te veel lol uit het uitzoeken van een vakantie, wat mijzelf ook steeds weer op andere, nieuwe ideeën brengt.

Zitten we er echt op te wachten?

Hetzelfde geldt voor mij bijvoorbeeld voor het schrijven van teksten. Ja, ik gebruik ChatGPT wel eens om te kijken of mijn stijl goed is, zodat de dames van Frankwatching minder moeten redigeren. En ja, ik krijg nog vaak de vraag of ik mijn laatste boek ook met AI geschreven heb (terwijl ik er drie jaar lang volledig zelf aan heb geschreven). Dit had ik met een van de 320 AI’s waarmee je een heel boek kan laten schrijven, waarschijnlijk binnen een dag kunnen voltooien.

Ook hier rijst de vraag; zou ik dat ook echt willen? Tech-giganten als Microsoft en TikTok hebben inmiddels eigen uitgeverijen van AI-gegenereerde boeken. Maar wil de consument dit echt? Zit die te wachten op AI-gegenereerde boeken, muziek en video’s, waar geen enkele moeite, bezieling en passie in is gestopt?

Uiteraard zie ik ook wel hoe snel AI ontwikkelt, kijk even hoe ongekend goed tools als GPT en Midjourney zijn geworden in minder dan twee jaar tijd. Volgens onderzoek zijn bijvoorbeeld hallicunaties bij de grote modellen teruggebracht van 10-15% naar bijna 1%. Het zal wel niet lang meer duren voordat dit risico verwaarloosbaar is.

In zijn roman ‘Looking Backward’ uit 1888 speculeert Bellamy over een toekomst waarin kunst en literatuur floreren, zodra automatisering mensen heeft bevrijd van de sleur van ellendig werk, waardoor ze meer tijd overhouden voor culturele bezigheden. Het omgekeerde lijkt nu te gebeuren.

Het mainstream moment

Volgens OpenAI worden agents het komende jaar echt ‘mainstream’. Elke grote AI-boer zal agent-producten lanceren, of heeft dit al gedaan; OpenAI, Microsoft, Google, Salesforce, Antropic en Meta. Net als dat AI al jarenlang in ons leven zat verweven, voordat we uberhaupt van GPT hoorden, zitten agents ook al in talloze bekende functies verweven. Van de klantenservice van bijvoorbeeld ING en bol, tot Fitbits, robotstofzuigers en spamfilters.

Adecco, een van ’s werelds grootste wervingsbureaus, verwerkt jaarlijks meer dan 300 miljoen sollicitaties. Door deze grote hoeveelheid kan het op minder dan 5% reageren. Door het gebruik van AI-agents kwalificeert het sollicitanten automatisch, waardoor het binnen 24 uur met elke sollicitant in contact kan komen. Google publiceerde dit lijstje met meer dan 300 usecases van bedrijven.

Crypto AI-agents

Een andere sector waar ik nu veel agents gebouwd en met succes ingezet zie worden, is crypto. Ik ben sinds 2013 bezig met zaken als Bitcoin, maar vooral startups bouwen en bedrijven adviseren. Absoluut niet traden, omdat ik dat niet kan. De meeste mensen verliezen hier namelijk geld door, omdat ze handelen met emotie. Een doodsteek in traden. Inmiddels zijn er al crypto AI-agents zoals Virtuals, die het volledige traden automatiseren. Kijken naar trends, analyseren en daarop handelen. Soms wel 10.000 keer per dag. Kwestie van een agent instellen en ja; slapend rijk worden. Als de agent uiteraard goed is ingesteld.

Ik geniet zelf ook van de vele gekke AI-agents die mensen nu bouwen. Van een agency die hyperrealistiche virtuele influencers content laat maken voor OnlyFans en daar goud geld aan verdient. Tot een startup uit San Francisco, Altera. Deze heeft een fascinerend experiment uitgevoerd door 1.000 autonome AI-agents los te laten op een Minecraft-server. Onder leiding van voormalig MIT-professor Robert (Guangyu) Yang werkte Project Sid aan de vraag of deze agents samen meer kunnen bereiken dan alleen.

Het resultaat? De agents vormden een handelscentrum, stemden op een grondwet via Google Docs, verspreidden een religie (Pastafarianisme!) door middel van omkoping, en hielpen een verdwaalde villager met fakkels de weg terug te vinden.

https://youtube.com/watch?v=2tbaCn0Kl90%3Ffeature%3Doembed

“Agents will eat the world.”

Zoals elke verandering van deze omvang voor organisaties, brengt de verschuiving naar agents duidelijke uitdagingen en begrijpelijke angsten met zich mee. By far de grootste angst die ik lees en hoor? Onze banen! Door agents kunnen we waarschijnlijk over 5 jaar met z’n allen voorgoed op vakantie.

Maar ook voor al die bold statements, is het goed om even uit te zoomen. In de geschiedenis hebben we vaak gezien hoe nieuwe technologieën hele industrieën transformeren. Denk aan de opkomst van vliegtuigen, satellieten, het internet, smartphones en groene energie. Hoewel deze innovaties soms duidelijk banen wegvagen, creëren ze uiteindelijk ook weer allemaal nieuwe mogelijkheden.

Kijk maar eens naar de VS. In 1950 waren er 43 miljoen werkenden in de VS. Tegen 2020 was dat aantal gegroeid naar meer dan 152 miljoen. Dit is een toename van ruim 100 miljoen banen, vaak in sectoren die in 1950 niet eens bestonden.

Een van de redenen waarom ik ook heel enthousiast ben over AI? Ik merk en zie overal steeds grotere problemen, door personeelstekort. In sommige regio’s en sectoren zie je de beroepsbevolking stagneren of zelfs krimpen. Als ik iets vroeger leerde op de universiteit, dan is het dat voor verdere economische groei de productiviteit van de bestaande werknemers daarom veel belangrijker wordt. Vooral in de dienstensector, waar in Nederland 80% van de mensen werkt. Agents gaan hierin naar mijn mening een cruciale rol spelen.

Killer apps? Killer robots!

Hoe groot de verdere risico’s van het gebruik zijn, hangt af van hoe je deze systemen gebruikt, wat je ermee wil bereiken en hoeveel je ervan begrijpt. Een AI-agent kan bijvoorbeeld verkeerde beslissingen nemen als zijn doelen niet goed aansluiten bij die van de gebruiker of organisatie. Dit kan niet alleen tot slechte keuzes leiden, maar soms ook tot heftige situaties. Het lijkt nog een ‘ver van ons bed-show’, maar in Oekraïne wordt al gewerkt met autonome wapens. Inderdaad. Wapens die met AI zelf bepalen of ze schieten of niet.

https://youtube.com/watch?v=Rof1YxVmj8o%3Ffeature%3Doembed

Bovendien kunnen AI-agenten gedrag vertonen dat niet was voorzien of bedoeld door de makers, met alle gevolgen van dien. Het aantal kwalijke gevallen rondom bias door AI, neemt sterk toe volgens onderzoek. Dan is het niet handig, als op basis daarvan ook automatisch beslissingen worden genomen. Op bijvoorbeeld het gebied van recruitment.

Een ander risico is dat mensen te veel op deze technologie gaan vertrouwen. Dat kan ertoe leiden dat ze minder kritisch nadenken of problemen minder goed zelf oplossen. Een mooi voorbeeld hoorde ik laatst van de directie van een ziekenhuis die ik begeleidde. Op de oncologie-afdeling gaat iedereen door het geluid, omdat ze nu razendsnel diagnoses kunnen stellen met AI, wat er voor zorgt dat patiënten veel minder lang op hun uitslag moeten wachten.

Geweldig, riep ik! Want een oud-medewerker van mij moest bijvoorbeeld twee maanden wachten op de volgende afspraak rondom haar zware borstkanker. De nieuwe artsen worden dan ook met AI nu opgeleid. Maar volgens de oudere oncologen, missen ze daardoor de finesse bij het zelf analyseren van de mammogrammen. Finesse die vaak nog echt nodig is en die AI nu nog niet heeft.

Zelf aan de slag met AI-agents

Technologie is op zichzelf niet goed of fout. Het draait er in mijn optiek om hoe wij het inzetten. Zonder goed toezicht en de juiste data kunnen agents keuzes maken die botsen met menselijke waarden, zoals het prioriteren van winst boven veiligheid of het onbedoeld discrimineren van bepaalde groepen.

Zelf heb ik al een aantal agents gebouwd en getest. Ik ben eerst nuchter gaan kijken naar processen die ik zelf nog regelmatig uitvoer en het liefste laat automatiseren. Een voorbeeld hierin is SEO; het analyseren van trends en data, om te komen tot goede zoekwoorden en zinnen die populair zijn bij mijn mogelijke klanten. En die vervolgens omtoveren tot SEO-vriendelijke blogs, met gelijk ook alle bijbehorende meta-omschrijvingen voor Yoast etc. SEOBot automatiseert voor mij SEO door zoekwoorden te analyseren, genereren en daarmee blogcontent te creëren in 50 talen.

Daarnaast ben ik voor mijn nieuwe AI-startup bezig een app te bouwen, die ik door AI grotendeels wil laten ontwikkelen. Ik ben echt verbaasd over de vele tools die al duidelijk, hoge kwaliteit apps afleveren, zoals Databutton en Replit.

In een paar stappen

Een van de startpunten om zelf aan de slag te gaan en eens te experimenteren, is AgentGPT. Ook GenFuse kan je gebruiken zonder technische achtergrond. Hier kan je heel makkelijk zelf een agent samenstellen. Amazon heeft Lex geintroduceerd die je ook in een paar stappen een ‘conversational AI interface’ laat bouwen, zonder technische kennis. Daarnaast zie ik in veel communities mensen positief praten over hun agents, gemaakt met het het OS Rasa. Ik ben zelf ook heel enthousiast over Botpress, maar die wordt al heel snel heel duur. Als laatste kan ik Dify aanraden, omdat het echt een schat aan andere A-toepassingen biedt, die je kan koppelen aan je agent.AI-agents: welke zijn er al & hoe kan jij er concreet mee aan de slag?

We hebben ze allemaal wel eens gezien: die vervelende blokjes met vervormde letters, verkeerslichten of fietspaden die je moet aanklikken om te bewijzen dat je geen robot bent. Maar wat is een CAPTCHA precies, en waarom bestaan ze eigenlijk?

CAPTCHA staat voor Completely Automated Public Turing test to tell Computers and Humans Apart. Het idee is simpel: een test die moeilijk is voor computers, maar eenvoudig genoeg voor mensen. Deze technologie werd in 1997 bedacht en raakte rond 2003 wereldwijd in gebruik. Inmiddels kennen we verschillende vormen: van vervormde teksten tot de welbekende “Ik ben geen robot”-checkbox.

Wist je dat zo’n 120 van de 200 populairste websites een vorm van CAPTCHA gebruiken? Dit betekent dat dagelijks miljarden CAPTCHAs worden ingevuld. Uit onderzoek blijkt dat mensen samen al bijna 900 miljoen uur hebben besteed aan het oplossen van deze puzzels.

Maar CAPTCHAs doen meer dan alleen bewijzen dat jij geen bot bent. Google gebruikt de data bijvoorbeeld om autonome auto’s te trainen, boeken en historische documenten te digitaliseren, en natuurlijk om haar eigen AI-modellen te verbeteren.

Toch wordt steeds duidelijker dat deze technologie z’n beste tijd gehad heeft.

Wat gebeurt er als je “Ik ben geen robot” aanklikt?
Meer dan je denkt! Het is namelijk niet het klikken zelf dat bewijst dat je een mens bent, maar je gedrag daarvoor. Google’s reCAPTCHA analyseert onder andere je muisbewegingen, apparaatgeschiedenis en cookies. Op basis daarvan krijg je een score. Is die score hoog genoeg? Dan mag je door.

Hoewel de technologie indrukwekkend is, zit er een keerzijde aan. Ironisch genoeg zijn robots tegenwoordig beter in het oplossen van CAPTCHAs dan mensen. Uit een recente studie blijkt dat bots minder dan een seconde nodig hebben om een CAPTCHA op te lossen, met een nauwkeurigheid van 99,8%. Mensen doen er gemiddeld 9 tot 15 seconden over, met een nauwkeurigheid van 50-84%.

Om bots voor te blijven, worden CAPTCHAs steeds ingewikkelder. Denk aan 3D-dieren draaien of vage objecten identificeren in foto’s. Maar zelfs dat haalt niet veel uit: bots blijven ons inhalen.

De toekomst van CAPTCHA’s
Met de opkomst van AI lijkt het einde van CAPTCHA’s in zicht. Nieuwe oplossingen richten zich op gedragsanalyse en onzichtbare controles, zoals Google’s reCAPTCHA v3. Hierbij wordt je gedrag op een website continu gemonitord, zonder dat je puzzels hoeft op te lossen. Dit is gebruiksvriendelijker, maar roept ook privacyvragen op.

De evolutie van CAPTCHA toont hoe mens en technologie zich voortdurend aan elkaar aanpassen. Het maakt duidelijk wat ons mens maakt: onze imperfecties en onze creativiteit. Maar nu AI ons op dit gebied heeft ingehaald, is het misschien tijd om na te denken over compleet nieuwe manieren om bots van mensen te onderscheiden.

Tip: Wil je niet langer zelf CAPTCHAs oplossen? De Google Chrome-plugin AntiCaptcha kan dit automatisch voor je doen!