AI. Twee letters die overal opduiken: in directieoverleggen, in investeringsplannen, in de pitch van elke softwareleverancier. Iedereen gebruikt het woord. Vrijwel niemand bedoelt hetzelfde. De een denkt aan een chatbot die teksten schrijft. De ander aan een systeem dat fraude opspoort bij een bank. Een derde aan robots in een distributiecentrum. Ze hebben alle drie gelijk, want achter die twee letters schuilt een heel vakgebied, met tientallen technologieën die elk op hun eigen manier taken uitvoeren waarvoor je tot voor kort een mens nodig had.
Roland Bieleveldt

Het woord “intelligentie” in kunstmatige intelligentie is verleidelijk. Het suggereert dat AI één vermogen is, zoals bij een mens. Maar zo werkt het niet. Kunstmatige intelligentie is een verzamelnaam voor systemen die taken uitvoeren waarvoor normaal gesproken menselijke cognitieve vermogens nodig zijn. Patronen herkennen in data, tekst genereren, beslissingen nemen op basis van informatie, een robotarm aansturen die producten sorteert. Al die dingen vallen onder dezelfde paraplu.
De term bestaat sinds 1956, toen een groep onderzoekers op de Dartmouth Conference voor het eerst sprak over machines die intelligent gedrag vertonen. Dat is bijna zeventig jaar geleden. Sindsdien is het vakgebied door meerdere golven van versnelling en vertraging gegaan, maar de kern is hetzelfde gebleven: taken automatiseren die voorheen alleen mensen konden uitvoeren.
En hier wordt het interessant, want de breedte van dat begrip is veel groter dan de meeste mensen beseffen. AI omvat de spamfilter in je e-mail, de routeplanner op je telefoon, het fraudedetectiesysteem van je bank, de spraakherkenning in een callcenter, de beeldanalyse in een ziekenhuis, en het taalmodel dat een e-mail voor je schrijft. Sommige van die systemen bestaan al twintig jaar. Andere zijn pas een paar jaar oud. Ze gebruiken totaal verschillende technologieën. En toch vallen ze allemaal onder hetzelfde begrip: AI.
Dat is geen slordigheid. Het is de aard van het veld.
De meeste mensen hebben hun eerste bewuste ervaring met AI gehad via een chatbot. Dat is logisch. Chatbots zijn zichtbaar, toegankelijk, en je kunt er direct mee werken. Maar het effect is dat veel mensen AI gelijkstellen aan dat ene type toepassing: het gesprek met een machine.
Kijk wat er gebeurt als een ziekenhuis AI inzet. Misschien gebruiken ze een taalmodel om brieven te genereren. Maar daarnaast draait er een beeldherkenningssysteem dat röntgenfoto’s analyseert. Een planningssysteem deelt operatiekamers in op basis van beschikbaarheid, urgentie en teamsamenstelling. En een voorspelmodel schat in welke patiënten risico lopen op heropname. Vier AI-toepassingen in één gebouw. Vier verschillende technologieën. Vier verschillende doelen. De chatbot is er één van. De andere drie hebben niets met taalmodellen te maken.
Dit is waarom het onderscheid ertoe doet. Wie AI gelijkstelt aan de chatbot, kijkt naar één kamer en denkt het hele gebouw te kennen. Dat leidt tot twee risico’s: je onderschat wat AI allemaal kan, of je overschat het, omdat je alle verwachtingen projecteert op één type technologie dat toevallig het meest zichtbaar is.
Als AI zo breed is, hoe maak je het dan overzichtelijk? Wij gebruiken daarvoor een indeling in vijf kerntaken. Alle AI-toepassingen die je in de praktijk tegenkomt, voeren een of meer van deze taken uit.
Dit is de oudste en tegelijk de meest onzichtbare AI-taak. AI-systemen die informatie opnemen uit de wereld: beelden analyseren, spraak herkennen, tekst lezen, sensordata interpreteren. Een camera die gezichten herkent op een luchthaven. Een systeem dat gesproken taal omzet in tekst. Een scanner die handgeschreven formulieren leest en omzet in digitale data. Het klinkt misschien als basiswerk, maar het is de fundering waar alles op rust. Zonder waarneming heeft een AI-systeem geen input om mee te werken.
Dit is de taak die mensen het meest verrast als ze het voor het eerst zien. Moderne AI-systemen kunnen meerstapsredeneringen uitvoeren. Ze analyseren een juridisch contract en signaleren tegenstrijdige clausules. Ze vergelijken financiële kwartaalcijfers en identificeren patronen die op risico’s wijzen. Ze breken een complex probleem op in deelstappen en werken die systematisch af.
Even voor de helderheid: dit is niet hetzelfde als menselijk denken. Het AI-systeem doorloopt geen bewust denkproces. Maar het resultaat is vergelijkbaar: een gestructureerde analyse waar een mens uren voor nodig heeft, geproduceerd in seconden. Voor wie besluiten neemt op basis van analyses is dat een wezenlijk verschil.
Dit is de taak die iedereen kent, omdat chatbots en beeldgeneratoren er zichtbaar gebruik van maken. AI-systemen genereren tekst, code, afbeeldingen, geluid en video. Een taalmodel dat een rapport schrijft. Een systeem dat productfoto’s genereert. Een tool die een compleet werkend softwareprogramma produceert op basis van een beschrijving in gewone taal.
Genereren is de taak die AI zichtbaar heeft gemaakt voor miljoenen mensen. Maar het is goed om te beseffen dat het slechts één van de vijf is. De meeste AI-systemen die in organisaties draaien, genereren helemaal niets. Ze nemen waar, redeneren of beslissen, zonder dat er ooit een geschreven woord aan te pas komt.
AI-systemen nemen beslissingen op basis van data en patronen. Een verzekeringssysteem dat claims automatisch beoordeelt. Een recruitmentsysteem dat cv’s rangschikt. Een verkeersregelaar die verkeerslichten aanstuurt op basis van real-time verkeersstromen. Soms gaat het om aanbevelingen aan een mens, soms om volledig geautomatiseerde besluiten.
Hier zit een punt dat voor koersbepalers direct relevant is: hoe autonomer de beslissing, hoe belangrijker de vraag of het systeem betrouwbaar genoeg is. Een AI-systeem dat drie artikelen aanbeveelt in een webshop is iets anders dan een systeem dat zelfstandig beslist welke patiënt voorrang krijgt. De taak is dezelfde. De consequenties niet.
De nieuwste en meest vergaande taak. AI-systemen die ook daadwerkelijk handelingen uitvoeren in de echte wereld of in digitale systemen. Een AI-agent die namens je een vlucht boekt, een vergadering plant en een samenvatting stuurt naar je team. Een robotarm die pakketjes sorteert in een distributiecentrum. Een systeem dat automatisch code schrijft, test en uitrolt.
Handelen is de stap van analyse naar actie. Het AI-systeem doet niet alleen een aanbeveling, het voert die ook uit. Dat klinkt als een logische volgende stap, en technisch gezien is het dat ook. Maar organisatorisch verandert het alles, want de vraag verschuift van “klopt de analyse?” naar “vertrouw ik dit systeem genoeg om het namens mij te laten handelen?”
Dit is een bewuste keuze van ons. Er bestaan andere indelingen. Sommige bronnen spreken over leren, perceptie en taalverwerking. Wij kiezen voor waarnemen, redeneren, genereren, beslissen en handelen omdat ze direct aansluiten bij de vraag die koersbepalers in de praktijk stellen: wat doet dit AI-systeem eigenlijk? Het antwoord valt altijd in een of meer van deze vijf categorieën. Dat maakt het een bruikbaar kompas, ook als de technologie erachter verandert.
Met die vijf taken als kompas valt het AI-veld op zijn plek. Taalmodellen zoals GPT, Claude en Gemini combineren vooral waarnemen (tekst lezen), redeneren en genereren. Beeldherkenningssystemen in de zorg richten zich op waarnemen en beslissen. Autonome voertuigen combineren alle vijf: ze nemen de omgeving waar, redeneren over de verkeerssituatie, beslissen over de route, en handelen door te sturen en te remmen. AI-agents die namens een medewerker taken uitvoeren, combineren redeneren, beslissen en handelen.
Het patroon dat hieruit zichtbaar wordt: geen enkel AI-systeem doet alles. Elk systeem is gebouwd voor een specifieke combinatie van taken, met specifieke sterke en zwakke punten. Dat inzicht is waardevoller dan het lijkt. Want het betekent dat je bij elk AI-voorstel dat op je bureau belandt, dezelfde vraag kunt stellen: welke van de vijf taken doet dit systeem, en hoe goed doet het die?
Wie die vraag kan stellen, heeft al meer grip op AI dan de meeste mensen.
Stel dat drie organisaties op dezelfde dag besluiten om AI in te zetten. Elk kiest een ander deel van het spectrum. Dat is precies het punt: “wij gaan iets met AI doen” kan drie totaal verschillende dingen betekenen.
Een middelgrote kliniek zet AI in op de radiologieafdeling. Het systeem analyseert thoraxfoto’s en markeert gebieden die afwijkingen kunnen bevatten. De radioloog bekijkt vervolgens de gemarkeerde beelden in detail. De AI neemt waar (beeldanalyse) en beslist (wel of geen markering). Het genereert geen tekst, het voert geen handelingen uit. De arts blijft eindverantwoordelijk. Wat verandert: de radioloog besteedt meer tijd aan de complexe gevallen en minder aan beelden waar niets aan de hand is. Het systeem vervangt niemand. Het verscherpt de blik.
Een accountantskantoor met honderdvijftig medewerkers gebruikt AI om jaarrekeningen te controleren op inconsistenties. Het systeem leest de documenten (waarnemen), vergelijkt cijfers en toelichtingen met elkaar en met voorgaande jaren (redeneren), en genereert een rapport met bevindingen (genereren). De accountant die eerder twee dagen besteedde aan een controle, heeft nu een voorgesorteerde lijst van aandachtspunten. De tijd die vrijkomt, gaat naar het werk dat daadwerkelijk expertise vraagt: het oordeel.
Wie wil begrijpen hoe AI tot dit punt is gekomen en waarom de huidige golf anders is dan eerdere, leest verder bij De geschiedenis van AI (cluster 1.2).
Wie wil weten wat de nieuwste modellen concreet kunnen, vindt dat bij Wat kunnen moderne AI-modellen? (cluster 1.3).
Wie wil begrijpen waar AI tekortschiet en welke verwachtingen niet kloppen, leest verder bij Wat AI niet is (cluster 1.4).
Een zelfstandige adviseur gebruikt een AI-agent om haar werkweek te organiseren. De agent leest haar e-mail en agenda (waarnemen), stelt prioriteiten voor (redeneren en beslissen), plant afspraken in, stuurt bevestigingen en maakt conceptantwoorden op e-mails (handelen en genereren). De adviseur controleert de voorstellen en past aan waar nodig. Vijf van de vijf kerntaken, ingezet voor één persoon. Dat was twee jaar geleden nog science fiction. Nu is het een product dat je kunt kopen.