Home – S4all.be2025-05-02T11:05:43+01:00

S4ALL Learning & Development
We bouwen mee aan de toekomst!

S4all L&D creëert leermaterialen in samenwerking met opdrachtgevers en verzorgt trainingen op het gebied van programmeren (Python, Java, HTML/CSS/JavaScript/jQuery), informatieveiligheid (GDPR/AVG) en AI (Copilot voor M365, Copilot Studio, ChatGPT, enzovoort). We houden innovaties nauwlettend in de gaten om elke opdracht met actuele kennis en expertise aan te pakken. Heb je een vraag, idee of opmerking binnen ons vakgebied? Neem gerust contact met ons op!

WAAROM KIEZEN VOOR ONS?

Waarom?
ICT moet ten dienste staan van de mens, niet omgekeerd. Daar zetten we onze schouders onder. Mensen helpen op het gebied van technologie schenkt ons voldoening. We willen niet dat mensen zich verliezen in technologie.
Hoe?
We helpen, begeleiden en ondersteunen onze klanten via consultancy, onderwijs en e-coaching.
Wat?
We creëren de juiste voedingsbodem en klimaat voor elke opdrachtgever om te komen tot een succesvol eindproduct.

Waarom we ons werk niet moeten proberen te vervangen door AI-agenten

In een artikel, medegepubliceerd door Pascal Bornet en Brian Evergreen, wordt betoogd waarom het vervangen van menselijk werk door AI-agenten niet de juiste benadering is. Het artikel, geïnspireerd door hun nieuwe boek, benadrukt de noodzaak om AI-agenten op een strategische manier te integreren in organisaties om waarde te creëren en te behouden.

AI-agenten transformeren de manier waarop bedrijven opereren en waarde creëren. Echter, het simpelweg automatiseren van taken met AI-agenten kan leiden tot een beperkte focus en investeringen, waardoor veel potentiële waarde onbenut blijft. Organisaties moeten samenwerken met hun zakelijke, technologische en industriële partners om werk opnieuw uit te vinden en niet alleen te streven naar meer automatisering.

Het artikel introduceert het SPAR-framework (Sense, Plan, Act, Reflect) om uit te leggen hoe AI-agenten werken. Dit framework weerspiegelt hoe mensen hun doelen bereiken en biedt een natuurlijke manier om de werking van AI-agenten te begrijpen. AI-agenten verzamelen informatie, plannen hun acties, voeren taken uit en leren van hun ervaringen, wat leidt tot continue verbetering.

De auteurs stellen een nieuwe benadering voor om AI-agenten te integreren, gezien de hoge faalpercentages van traditionele methoden. Ze adviseren om de totale waardecreatie van een organisatie in kaart te brengen, de huidige waardecreatie te beoordelen en de meest waardevolle kansen te kiezen om nieuwe waarde te creëren. Dit proces moet herhaaldelijk worden geanalyseerd en geoptimaliseerd om succesvolle AI-oplossingen te implementeren.

De conclusie van het artikel benadrukt dat de reis naar autonome transformatie een strategische progressie is. Door methodisch waarde te identificeren en ambities te laten groeien, kunnen organisaties floreren in het tijdperk van AI-agenten.

AI Agent Value Creation Framwork

AI ABC

AI: “Slimme computers die kunnen leren en problemen oplossen.”
AI Ethics: “Regels om AI op een goede en veilige manier te gebruiken.”
Agentic AI: “Agentic AI zijn AI-systemen die in staat zijn om zelfstandig te handelen en beslissingen te nemen om specifieke doelen te bereiken binnen een bepaalde omgeving, met een vermogen tot leren en aanpassen zonder constante directe menselijke interventie.”
AGI: “Artificial General Intelligence is kunstmatige intelligentie die even slim en flexibel is als een mens, en in staat is om zelfstandig alles te leren en te begrijpen.”
Algorithm: “Een stappenplan dat een computer volgt om iets te doen.”
Algorithmic Fairness: “Zorgen dat AI eerlijk is en niemand benadeelt.”
Artificial Intelligence: “Theorie en ontwikkeling van computersystemen die in staat zijn om taken uit te voeren waarvoor normaal gesproken menselijke intelligentie nodig is. Het is de brede familie van technologieën die proberen de menselijke intelligentie vast te leggen en na te bootsen.”
Big Data: “Heel veel gegevens die moeilijk te gebruiken zijn met normale computers.”
Bias in AI: “AI die soms oneerlijk is door verkeerde data.”
Chatbot: “Een computerprogramma dat met je kan praten.”
Classificatie: “Methode in supervised machine learning. Bij classificatie proberen we te voorspellen tot welk label of welke klasse een input of set van inputs behoort.”
Cloud Computing: “Dingen opslaan en gebruiken via internet in plaats van je eigen computer.”
Computer Vision: “AI die kijkt naar beelden en begrijpt wat erin staat.”
Cursor: “Is een tool die softwareontwikkeling vereenvoudigt en versnelt door middel van AI.”
Data Mining: “Gegevens doorzoeken om nuttige dingen te vinden.”
Deep Learning: “Een geavanceerde vorm van AI die werkt zoals ons brein.”
Edge Computing: “Gegevens verwerken dicht bij de plek waar ze worden gemaakt.”
Explainable AI: “AI die uitlegt hoe het tot een antwoord komt.”
Fine-Tuning LLM: “AI aanpassen om een specifieke taak beter te doen.”
GANs (Generative Adversarial Networks): “AI die realistische dingen maakt, zoals foto’s of tekst.”
Generative AI (GenAI): “AI die nieuwe dingen bedenkt, zoals verhalen of afbeeldingen.”
GPT: “Een type AI dat tekst genereert, zoals OpenAI’s GPT-modellen.”
Hallucinations: “Foutieve antwoorden die AI soms geeft.”
IoT (Internet of Things): “Slimme apparaten die met elkaar praten via internet.”
Large Language Model (LLM): “Een AI die goed is in werken met heel veel taaldata.”
Machine Learning (ML): “AI die leert van data om taken beter te doen.”
Model collapse: “Model collapse is het kwaliteitsverlies van AI door hergebruik van door AI gegenereerde data.”
Model Context Protocol (MCP): “Het Model Context Protocol (MCP) kan worden gezien als een universele interface, een soort gestandaardiseerde “poort” waardoor AI-modellen verbinding kunnen maken met allerlei soorten gegevensbronnen.”
Neural Network: “Een systeem dat lijkt op hoe ons brein werkt met verbindingen.”
NLP (Natural Language Processing): “AI die taal begrijpt en ermee werkt, zoals tekst en spraak.”
Prompt: “Een vraag of opdracht die je aan AI geeft.”
Prompt Engineering: “Manieren bedenken om de beste antwoorden van AI te krijgen.”
RAG: “Retrieval-Augmented Generation is een AI-methode waarbij eerst actuele info uit een database wordt opgezocht (retrieval) en die vervolgens wordt gebruikt om een passend antwoord te genereren (generation).”
Reinforcement Learning: “AI leert door fouten te maken en beloningen te krijgen.”
Robotics: “Robots bouwen en laten werken.”
Semantic Database: “Een slimme opslagplaats die weet hoe dingen met elkaar verbonden zijn.”
Structured Data: “Gegevens netjes georganiseerd, zoals in tabellen.”
Supervised Learning: “AI leert van voorbeelden met het juiste antwoord erbij.”
Training Data: “De informatie die we aan AI geven om te leren.”
Transfer Learning: “AI leert een nieuwe taak sneller door eerder geleerde kennis.”
Unsupervised Learning: “AI zoekt zelf naar patronen in gegevens zonder hulp.”
Vibecomputing: “Dit is het creëren van software doormiddel van AI prompts.”

CONTACTEER ONS

Heeft u een vraag, opmerking of idee. Aarzel dan niet om ons te contacteren via onderstaand formulier.

Go to Top