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.
Waarnemen
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.
Redeneren
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.
Genereren
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.
Beslissen
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.
Handelen
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?”
Waarom deze vijf
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.
