Wat is AI? Betekenis, werking en voorbeelden (2026)

AI, of kunstmatige intelligentie, is een verzamelnaam voor machinegebaseerde systemen die uit invoer afleiden hoe zij uitvoer maken, zoals een voorspelling, tekst, aanbeveling of beslissing. Zo'n systeem is niet automatisch menselijk intelligent, juist of zelfstandig: de werking en het risico hangen af van het model, de gegevens, de ingestelde rechten en de toepassing.

Wat betekent AI precies?

De EU AI Act omschrijft een AI-systeem als een machinegebaseerd systeem dat met verschillende niveaus van autonomie kan werken en uit ontvangen invoer afleidt hoe het uitvoer maakt. Die uitvoer kan bestaan uit voorspellingen, inhoud, aanbevelingen of beslissingen die een fysieke of virtuele omgeving beïnvloeden.

Die definitie helpt om drie misverstanden te voorkomen:

AI hoeft niet op een mens te lijken of een gesprek te voeren.
Autonomie is geen alles-of-niets-eigenschap; een systeem kan alleen adviseren of binnen ingestelde rechten een handeling uitvoeren.
De uitvoer is een afleiding van het systeem, geen garantie dat de uitkomst waar, eerlijk of geschikt is.

AI is dus een brede categorie. Een spamfilter, aanbevelingssysteem, beeldherkenner en tekstgenerator kunnen allemaal AI gebruiken, terwijl hun doel en techniek sterk verschillen.

AI, machine learning en generatieve AI

Deze begrippen liggen in elkaars verlengde, maar betekenen niet hetzelfde:

Begrip	Kern	Voorbeeld van uitvoer
Kunstmatige intelligentie	Breed vakgebied van systemen die afleidingen maken voor doelen	Voorspelling, aanbeveling, inhoud of beslissing
Machine learning	Aanpak waarbij een model patronen leert uit data	Spamkans, vraagvoorspelling of categorie
Deep learning	Machine learning met neurale netwerken met meerdere lagen	Beeld-, spraak- of taalverwerking
Generatieve AI	Modellen die nieuwe inhoud genereren uit geleerde patronen	Tekst, beeld, audio, video of code
Large Language Model	Groot taalmodel dat tokens of tokenreeksen verwerkt en voorspelt	Classificatie, representatie of gegenereerde tekst

Google omschrijft machine learning als het trainen van software, een model, om op basis van data nuttige voorspellingen te doen of inhoud te genereren. Lees wat machine learning is voor training, evaluatie en inzet in productie. De aparte gids wat zijn LLM's behandelt taalmodellen, tokens en context.

Generatieve AI is daarmee niet een synoniem voor alle AI. Een model dat alleen een frauderisico classificeert, genereert bijvoorbeeld geen nieuwe tekst, maar valt wel binnen het bredere AI-domein.

Hoe werkt een AI-systeem?

Een bruikbaar AI-systeem bestaat meestal uit meer dan alleen een model:

Doel en invoer: iemand bepaalt welke taak het systeem ondersteunt en welke gegevens het ontvangt.
Model of regels: het systeem verwerkt de invoer met geleerde patronen, geprogrammeerde logica of een combinatie.
Uitvoer: het systeem geeft bijvoorbeeld een score, label, aanbeveling, tekst of voorgestelde actie.
Productlaag: software voegt rechten, zoekfuncties, databronnen, filters en een gebruikersinterface toe.
Mens en proces: iemand beoordeelt de uitkomst, neemt een beslissing of laat een toegestane actie uitvoeren.
Monitoring: kwaliteit, fouten, misbruik en veranderingen in data worden gevolgd.

Dat onderscheid tussen model en volledig systeem is belangrijk. Een chatproduct kan naast een taalmodel ook webzoekopdrachten, bestandsanalyse, geheugen of externe tools gebruiken. Een fout kan daardoor uit het model komen, maar ook uit een verkeerde bron, onvolledig bestand, te ruime toegang of onduidelijke procesregel.

Leren AI-systemen vanzelf verder?

Niet ieder systeem leert tijdens dagelijks gebruik. Bij veel toepassingen blijven de modelparameters tijdens een gesprek of voorspelling ongewijzigd. Een leverancier of organisatie kan later wel nieuwe data verzamelen, het model opnieuw trainen, verder afstemmen of de productlaag aanpassen.

Een gesprek onthouden, informatie ophalen uit een document en een model opnieuw trainen zijn drie verschillende processen:

context of geheugen: informatie wordt bij een volgende invoer meegegeven;
retrieval of zoeken: het systeem haalt externe informatie op;
training of fine-tuning: modelparameters worden met voorbeelden aangepast.

Vraag daarom niet alleen of een product leert, maar welk onderdeel verandert, met welke gegevens, voor welk doel en hoe je dat kunt uitschakelen of controleren.

Voorbeelden van AI in dagelijks werk

AI kan al zichtbaar zijn zonder dat er een chatbot in beeld staat:

een e-mailfilter dat berichten classificeert;
een zoekfunctie die resultaten rangschikt;
software die tekst uit een factuur haalt;
een aanbevelingssysteem dat relevante inhoud selecteert;
een model dat afwijkingen in meetwaarden signaleert;
een assistent die een concepttekst of samenvatting maakt;
een systeem dat binnen ingestelde rechten meerdere hulpmiddelen gebruikt.

Dezelfde techniek kan in twee situaties een ander risico hebben. Een aanbeveling voor de volgorde van interne documenten vraagt om andere controle dan een advies over gezondheid, krediet, personeel of veiligheid.

Kom je een onbekend begrip tegen, gebruik dan de AI-woordenlijst voor een korte definitie en bijbehorende controlepunten.

Wil je een generatieve assistent voor het eerst gebruiken, volg dan de gecontroleerde start in ChatGPT voor beginners. Voor een bredere momentopname van producten en werkvormen staat op AI-trends 2026 wat op 29 juli al zichtbaar is.

Is AI betrouwbaar en veilig?

AI is te breed voor één betrouwbaarheidspercentage of algemeen veiligheidslabel. NIST beschrijft in het AI Risk Management Framework eigenschappen zoals geldig en betrouwbaar, veilig, beveiligd, transparant, uitlegbaar, privacyversterkend en eerlijk met schadelijke bias beheerst. Die eigenschappen kunnen botsen en moeten per context worden beoordeeld.

Controleer ten minste:

juistheid: klopt de uitkomst voor representatieve en lastige gevallen?
brontrouw: ondersteunt de oorspronkelijke bron de weergegeven claim?
privacy: welke gegevens worden verzonden, bewaard of voor verbetering gebruikt?
bias en toegankelijkheid: presteert het systeem niet onterecht anders voor groepen of situaties?
beveiliging: zijn toegang, externe acties en gevoelige gegevens begrensd?
herstel: kun je een fout detecteren, stoppen en terugdraaien?
menselijke verantwoordelijkheid: wie mag de uitkomst goedkeuren en wie behandelt bezwaar?

Een overtuigende formulering bewijst geen juistheid. De gids AI-hallucinaties herkennen laat zien hoe je claims, bronnen en berekeningen los controleert. Gebruik AI-veiligheidstips voor toegangsrechten, persoonsgegevens en herstel.

Stappenplan: beoordeel een AI-toepassing

Stap 1: beschrijf één concrete taak

Schrijf op welke invoer het systeem krijgt, welke uitvoer je verwacht en welk besluit of vervolg daarop volgt. E-mails samenvatten voor een medewerker is toetsbaarder dan ons werk met AI verbeteren.

Stap 2: bepaal gegevens en gevolgen

Noteer persoonsgegevens, vertrouwelijke informatie, auteursrechtelijk materiaal en gekoppelde systemen. Bepaal wat er gebeurt als de uitvoer ontbreekt, onjuist is of naar de verkeerde ontvanger gaat.

Stap 3: maak een referentieset

Verzamel normale voorbeelden, uitzonderingen en bekende fouten. Leg vóór de test vast wat een acceptabele uitkomst is en wanneer het systeem moet stoppen of een mens moet inschakelen.

Stap 4: test het volledige systeem

Test niet alleen het modelantwoord, maar ook bronselectie, bestandsinvoer, rechten, logging en vervolgacties. Bewaar product, versie, instellingen en controledatum zodat je een resultaat kunt reproduceren.

Stap 5: wijs controle en herstel toe

Bepaal wie de uitkomst controleert, welke acties vooraf goedkeuring vragen en hoe je de vorige toestand herstelt. Herhaal de referentietest wanneer model, data, integratie of proces verandert. Gebruik voor een terugkerend proces het controlepad uit AI-workflows automatiseren.

Regelgeving is contextafhankelijk

De EU AI Act gebruikt een risicogebaseerde opzet. De eerste acht verboden praktijken en de AI-geletterdheidsverplichtingen gelden sinds 2 februari 2025. Het in Verordening (EU) 2026/1744 toegevoegde verbod op bepaalde AI-systemen voor niet-consensueel intiem materiaal en materiaal van seksueel misbruik van kinderen geldt vanaf 2 december 2026. Verplichtingen voor general-purpose AI-modellen gelden sinds 2 augustus 2025.

Volgens de actuele tijdlijn van de Europese Commissie gelden verschillende andere onderdelen op verschillende momenten.

Dat betekent niet dat iedere AI-functie hoog risico is of dat één algemene checklist voldoende is. Je rol, toepassing, sector, data en invloed op mensen bepalen welke verplichtingen relevant zijn. Controleer bij een toepassing met grote gevolgen altijd de actuele officiële tekst en laat de situatie zo nodig deskundig beoordelen.

Veelgemaakte fouten

AI gelijkstellen aan een chatbot. Classificatie, aanbevelingen en beeldherkenning zijn ook AI-toepassingen.
AI en machine learning als synoniemen gebruiken. Machine learning is een aanpak binnen het bredere AI-vakgebied.
Menselijk klinkende tekst als begrip behandelen. Meet de uitkomst en bekende beperkingen in plaats van menselijke eigenschappen toe te schrijven.
Alleen het model beoordelen. Bronnen, rechten, integraties en menselijke handelingen bepalen mede het resultaat.
Aannemen dat het systeem vanzelf blijft leren. Vraag welk onderdeel met welke data wordt aangepast.
Een algemene veiligheidsclaim geloven. Test het concrete gebruik, de gevolgen en de herstelroute.
AI-output direct als besluit gebruiken. Laat een bevoegd persoon beslissen wanneer een fout iemand kan raken.

Veelgestelde vragen

Wat is AI?

AI, of kunstmatige intelligentie, is een verzamelnaam voor machinegebaseerde systemen die uit invoer afleiden hoe zij uitvoer maken, zoals een voorspelling, tekst, aanbeveling of beslissing. De precieze werking en het risico hangen af van het model, de gegevens en de toepassing.

Is AI hetzelfde als machine learning?

Nee. AI is het brede vakgebied en machine learning is een veelgebruikte aanpak daarbinnen waarbij een model patronen uit data leert. Niet ieder AI-systeem hoeft op dezelfde manier met machine learning te zijn gebouwd.

Is AI hetzelfde als een robot?

Nee. AI is een systeem of softwarefunctie, terwijl een robot een fysiek apparaat is. Een robot kan AI gebruiken voor waarneming of besturing, maar veel AI-toepassingen hebben geen fysieke robot.

Denkt AI zoals een mens?

Je kunt menselijk klinkende uitvoer niet als bewijs van menselijk denken, begrip of bewustzijn behandelen. Beoordeel een AI-systeem op de taak, meetbare uitkomst en bekende beperkingen, niet op een menselijke formulering.

Is generatieve AI alle AI?

Nee. Generatieve AI maakt nieuwe inhoud, zoals tekst, beeld, audio of code. Andere AI-systemen classificeren bijvoorbeeld berichten, schatten een waarde, herkennen objecten of doen aanbevelingen.

Hoe gebruik je AI verantwoord?

Bepaal eerst het doel, de gegevens en mogelijke gevolgen. Test met representatieve voorbeelden, controleer belangrijke uitkomsten bij de bron, beperk toegangsrechten en laat een bevoegd persoon beslissen wanneer een fout iemand kan raken.