Hoe gebruiken wij kunstmatige intelligentie (AI) in de praktijk?

ChatGPT, Microsoft Azure AI, Google Cloud AI, Copy.AI, etcetera: de tools waarmee we gebruik kunnen maken van AI, schieten als paddenstoelen uit de grond. AI-fans zeggen: een geschenk uit de hemel! Sceptici zetten juist vraagtekens bij AI in relatie tot ethiek, privacy, betrouwbaarheid, (data)veiligheid, feiten en fact-checking. En: kunnen dit soort tools, gebaseerd op kunstmatige intelligentie (AI) wel opboksen tegen onze intelligentie én ervaring? In dit artikel delen we onze ervaringen voor AI en de mogelijkheden die het Frontis designers, developers en marketeers biedt.  

In dit artikel:

• Hoe werkt kunstmatige intelligentie (AI)?
• Praktisch: hoe gebruiken we AI voor dagelijkse werkzaamheden?
• Conclusie: AI is zo gek nog niet!

Hoe werkt kunstmatige intelligentie (AI)?

Artificial Intelligence (AI) werkt op basis van verschillende technieken en algoritmen, afhankelijk van het specifieke domein (bijvoorbeeld marketing) en de toepassing (bijvoorbeeld content of Google Ads). Hoe werkt het? 

• Data verzamelen: AI-systemen hebben grote hoeveelheden gegevens nodig om te leren en beslissingen te nemen. Deze gegevens kunnen afkomstig zijn van verschillende bronnen, zoals databases, sensoren en social media. 
• Data pre-processing: voordat de gegevens kunnen worden gebruikt, moeten ze vaak worden opgeschoond en voorbereid, denk aan het verwijderen van ruis, het behandelen van ontbrekende waarden, het normaliseren van gegevens en het omzetten van gegevens naar een geschikt formaat voor verwerking. 
• Machine learning: dit is een veelgebruikte techniek binnen AI waarbij algoritmen worden gebruikt om patronen en relaties in de gegevens te ontdekken en te leren. Er zijn verschillende vormen van machine learning, waaronder supervised learning, unsupervised learning en reinforcement learning. In supervised learning worden modellen getraind met gelabelde gegevens, terwijl in unsupervised learning modellen patronen en structuren in de gegevens identificeren zonder voorafgaande labels. 
• Model training: tijdens het trainingsproces worden de machine learning-modellen gevoed met de gegevens, waarbij ze de patronen en relaties in de gegevens identificeren en interne parameters aanpassen om betere voorspellingen of beslissingen te kunnen doen. 
• Model evaluatie: na de training moet het model worden geëvalueerd om de prestaties ervan te beoordelen. Dit kan worden gedaan door het testen van het model met onafhankelijke gegevens en het meten van de nauwkeurigheid, precisie, recall en andere prestatie-indicatoren. 
• Inference/Toepassing: zodra het model is getraind en geëvalueerd, kan het worden ingezet om voorspellingen te doen of beslissingen te nemen op nieuwe, ongeziene gegevens. Dit wordt ook wel ‘inference’ genoemd. Het getrainde model wordt toegepast op nieuwe gegevens en genereert resultaten op basis van wat het heeft geleerd tijdens de training. 

Het proces van AI kan iteratief zijn, waarbij het model herhaaldelijk wordt getraind en verbeterd met nieuwe gegevens om de prestaties te optimaliseren. Zo wordt een AI-model dus steeds slimmer! 

Praktisch: hoe gebruiken we AI voor dagelijkse werkzaamheden?

In ons werkveld biedt kunstmatige intelligentie volop kansen om onze dagelijkse werkzaamheden efficiënter uit te voeren, betere resultaten te behalen en nieuwe mogelijkheden te verkennen die voorheen niet mogelijk waren. Hieronder een paar praktische voorbeelden per vakgebied!

AI voor designers

UI/UX-verbeteringen 

AI helpt designers bij het verbeteren van de gebruikerservaring (UX) en de gebruikersinterface (UI) van websites en applicaties. Bijvoorbeeld voor het analyseren van gebruikersgedrag en het identificeren van knelpunten en optimalisatiemogelijkheden. Met deze inzichten kunnen designers vervolgens intuïtievere en gebruiksvriendelijkere interfaces ontwerpen. 

Adobe Firefly  

Adobe heeft de nieuwste toevoeging aan zijn arsenaal van creatieve tools onthuld: Firefly, een revolutionaire generatieve AI-service. Met Firefly kunnen gebruikers indrukwekkende visuele content creëren en bewerken, waardoor ze de grenzen van hun verbeeldingskracht kunnen verleggen.  
 
Zo kun je bijvoorbeeld een onderdeel in een foto selecteren en vervolgens Generative Fill gebruiken om een omschrijving te geven van wat je wilt dat de fill is. Adobe genereert vervolgens de gewenste resultaten, inclusief schaduwen en weerspiegelingen. 

AI voor developers

Chatbots en klantenservice 

Chatbots die worden aangedreven door AI ondersteunen klantenserviceteams bij het afhandelen van veelgestelde vragen en kunnen directe ondersteuning bieden aan klanten. Deze bots kunnen klantinteracties automatiseren, tijd besparen en klanten snel en efficiënt helpen met hun vragen en problemen. Zo integreerden we een tijdje geleden de chatbot in het project van ProWonen.  

Automatisering en optimalisatie van ontwikkelingsprocessen 

Voor developers biedt AI mogelijkheden voor automatisering en optimalisatie van ontwikkelingsprocessen, denk aan het automatisch testen en debuggen van code, het genereren van codefragmenten op basis van voorbeelden, het identificeren van beveiligingslekken en het verbeteren van de algehele efficiëntie en kwaliteit van softwareontwikkeling. 

AI voor marketeers

Market Intelligence en Data-analyse 

AI helpt marketeers met waardevolle inzichten in klantgedrag, markttrends en concurrentieanalyse. Door het analyseren van grote hoeveelheden gegevens kan AI patronen ontdekken en voorspellingen doen. Dit stelt marketeers in staat om sneller gefundeerde beslissingen te nemen over hun strategieën, doelgroepsegmentatie en personalisatie van inhoud.   

Suggesties en voorspellingen

In Google Ads kunnen we al een hele tijd AI toepassen voor onder andere: 

• slimme biedstrategieën die je automatisch kunt aanpassen 
• responsieve tekstadvertenties waarmee we op basis van meerdere koppen en beschrijvingen dynamische combinaties kunnen maken die het meest relevant zijn voor een zoekopdracht 
• automatische doelgroepen creëren op basis van gedrags- en demografische gegevens 
• Performance Max campagnes, die advertenties genereren binnen meerdere zoeknetwerken op basis van het gedrag van de zoeker

Contentcreatie en -optimalisatie 

AI helpt onze content marketeers bij het efficiënt creëren en optimaliseren van inhoud. Met behulp van natural language processing (NLP) kunnen AI-systemen automatisch inhoud genereren, zoals blogposts, productbeschrijvingen en social media-updates. Daarnaast kunnen AI-tools helpen bij het optimaliseren van inhoud voor zoekmachines (SEO) omdat ze relevante zoekwoorden kunnen identificeren en suggesties voor verbeteringen kunnen doen. 

Conclusie: AI is zo gek nog niet!

AI zetten we al een hele tijd in, door de opkomst van ChatGPT is dit in een stroomversnelling gekomen. Op onze werkvloer is AI in ieder geval niet meer weg te denken. Binnen Frontis en ons zusterbedrijf Perplex ontwikkelen we ook tools op basis van AI. Check bijvoorbeeld de Perplex AI Assistant! Ook hebben we een eigen AI-team waarin we structureel AI ontwikkelingen volgen en tools checken op voor-en nadelen en waar mogelijk ook inzetten binnen Frontis en voor onze opdrachtgevers.

Laatst kreeg ik de vraag of we niet bang zijn voor AI als onze 'concurrent'. Maar nee, we zijn niet bang dat marketeers, developers en designers straks overbodig zijn omdat kunstmatige intelligentie slimmer wordt dan zij. Maar we zien wel dat we er niet meer omheen kunnen én dat het ons helpt om efficiënter te werken, betere resultaten te behalen en nieuwe mogelijkheden te verkennen. 

Zie AI als een assistent die, in opdracht van jou, het voorbereidende werk voor je doet, zodat jij de diepte in kunt gaan! Neem als voorbeeld dit blog. Geschreven door mij, maar het grootste gedeelte van de inhoud heeft ChatGPT in opdracht (prompts) van mij voor me op een presenteerblaadje gegeven. En dat scheelde me tijd! Zo kon ik vandaag ook nog vele andere dingen doen 😉 Dus doe er je voordeel mee!