Account-based marketing (ABM) richt marketing en verkoop op een geselecteerde groep zakelijke accounts in plaats van op een breed publiek. Orkestratie betekent dat alle contactmomenten op elkaar worden afgestemd: welk lid van de beslissingseenheid welke boodschap ontvangt, via welk kanaal en wanneer. AI helpt door informatie over doelbedrijven te bundelen, rolspecifieke boodschappen op te stellen en reeksen via e-mail, telefoon, evenementen en sociale netwerken te plannen.
Activeringsfuncties bepalen hoe sterk een neuron in een kunstmatig neuraal netwerk zijn signaal doorgeeft. Ze brengen non-lineariteit aan – pas daardoor kan het netwerk complexe verbanden zoals taal of beelden weergeven. Bekende voorbeelden zijn ReLU, dat negatieve waarden op nul zet, sigmoid voor kansen tussen 0 en 1, en GELU, dat in veel transformermodellen wordt gebruikt. De keuze beïnvloedt de snelheid en stabiliteit van de training.
Adaptief leren verwijst naar leerprogramma’s die zich voortdurend aanpassen aan de kennis, het tempo en de fouten van een lerende. Software analyseert de antwoorden en kiest vervolgens passende oefeningen, uitleg of herhaling. Het wordt gebruikt in het onderwijs, aan universiteiten en in bedrijfsopleidingen – bijvoorbeeld wanneer een platform na een fout beantwoorde opdracht automatisch een eenvoudigere tussenstap aanbiedt. In machine learning beschrijft de term ook modellen die zich voortdurend aan nieuwe data blijven aanpassen.
Adversarial machine learning onderzoekt hoe AI-modellen kunnen worden misleid door opzettelijk gemanipuleerde invoer of trainingsdata – en hoe ze daartegen kunnen worden beschermd. Bekende voorbeelden zijn nauwelijks zichtbare beeldwijzigingen die een classificatie laten omslaan, of vergiftigde trainingsdata. Het onderwerp wordt relevant voor organisaties zodra AI beveiligingsrelevante beslissingen ondersteunt. Tegenmaatregelen zijn onder meer robuuste training, invoercontroles, monitoring en regelmatige beveiligingstests.
“Agentisch” beschrijft AI-systemen die meer doen dan één vraag beantwoorden: ze streven over meerdere stappen een doel na, plannen, gebruiken tools zoals webzoekopdrachten of API’s, controleren tussenresultaten en beslissen wat ze vervolgens doen. Een voorbeeld is een assistent die een verzoek categoriseert, informatie opzoekt en een conceptantwoord voorbereidt. Duidelijke grenzen, logging en menselijke goedkeuring op kritieke punten zijn essentieel.
De term beschrijft hoe AI-systemen mensenrechten zoals privacy, gelijke behandeling, vrijheid van meningsuiting of eerlijke procesvoering kunnen beïnvloeden, zowel positief als negatief. Risico’s ontstaan bijvoorbeeld door discriminerende beslissingen, massasurveillance, biometrische identificatie of een gebrek aan mogelijkheden om beslissingen aan te vechten. Internationale kaders zoals het Kaderverdrag inzake AI van de Raad van Europa en de AI-verordening richten zich op deze kwesties. Organisaties reageren met effectbeoordelingen, transparantie en menselijk toezicht.
AI in cybersecurity heeft twee kanten. Enerzijds helpen AI-technieken aanvallen sneller op te sporen, bijvoorbeeld door afwijkingen in netwerkverkeer, verdachte aanmeldingen of phishing-e-mails te signaleren, en ontlasten ze beveiligingsteams bij het triëren van meldingen. Anderzijds moeten AI-systemen zelf worden beschermd, bijvoorbeeld tegen prompt injection of datalekken. AI is hier alleen effectief in combinatie met duidelijke processen, actuele systemen en getrainde mensen.
AI in de detailhandel omvat toepassingen langs de hele retailketen: omzetvoorspelling en voorraadplanning, gepersonaliseerde productaanbevelingen, dynamische prijsstelling, fraudedetectie in webshops en klantenservice via chat. Retailers kunnen overvoorraad en tekorten verminderen en vragen sneller beantwoorden. Dit vereist schone data en zorgvuldige omgang met klantgegevens. Voorbeeld: een chatassistent beantwoordt dag en nacht vragen over levertijden en retouren.
AI in de entertainmentsector verwijst naar het gebruik van AI in film, muziek, games, streaming en media. Typische toepassingen zijn aanbevelingssystemen die inhoud naar smaak voorstellen, ondersteuning bij montage, visuele effecten en nasynchronisatie, gegenereerde gamewerelden of personages, en muziek- en beeldgeneratie. Tegelijk roept het vragen op over auteursrecht, toestemming van uitvoerende kunstenaars en deepfakes. Voorbeeld: een streamingplatform stemt het startscherm af op elk profiel.
AI in de gezondheidszorg omvat toepassingen die zorgverleners en administratie ondersteunen, bijvoorbeeld bij het analyseren van medische beelden, documentatie, afspraakplanning of het evalueren van onderzoeksgegevens. Zulke systemen geven aanwijzingen en verlichten de werkdruk, maar vervangen het klinisch oordeel niet en beloven geen genezing. Veel medische AI-toepassingen vallen onder de regelgeving voor medische hulpmiddelen en strenge regels voor de bescherming van gezondheidsgegevens. Voorbeeld: software markeert opvallende gebieden op röntgenfoto’s ter beoordeling door specialisten.
AI in de maakindustrie omvat toepassingen in productie en industrie, zoals voorspellend onderhoud op basis van sensordata, geautomatiseerde camerabeoordeling van kwaliteit, optimalisatie van procesparameters en productieplanning, en robots die naast mensen werken. De doelen zijn minder storingen, minder uitval en stabielere bedrijfsvoering. Dit vereist betrouwbare machinedata en de betrokkenheid van deskundigen op de werkvloer. Voorbeeld: een systeem herkent aan trillingspatronen dat een lager binnenkort kan uitvallen.
AI in het transport omvat toepassingen in logistiek, verkeer en mobiliteit: route- en ritplanning, verkeersvoorspelling, voorspellend onderhoud van voertuigen en infrastructuur, en rijhulpsystemen tot en met autonome voertuigen. De doelen zijn kortere routes, minder lege ritten, lagere kosten en meer veiligheid. Veel toepassingen zijn veiligheidskritisch en daarom streng gereguleerd. Voorbeeld: een pakketdienst plant zijn bezorgrondes elke dag opnieuw op basis van het zendingsvolume en de verkeerssituatie.
De AI-adoptiegraad geeft aan welk deel van de bedrijven, werknemers of huishoudens AI gebruikt en dient als maatstaf voor hoe wijdverbreid de technologie is. Volgens het Duitse Federale Bureau voor de Statistiek (Destatis) gebruikte in 2024 20% van de Duitse bedrijven met tien of meer medewerkers AI (2023: 12%). De digitale branchevereniging Bitkom constateerde in 2025 een aandeel van 36% onder bedrijven met 20 of meer medewerkers. Verschillende definities en steekproeven maken dat onderzoeken slechts deels vergelijkbaar zijn.
Een AI-adviseur helpt organisaties AI zinvol en verantwoord te gebruiken. Typische taken zijn het beoordelen van het potentieel, het selecteren van geschikte toepassingen en tools, het inbedden daarvan in bestaande processen en verantwoordelijkheden, vragen over gegevensbescherming en compliance, en training. Goed advies weegt voordelen en risico’s nuchter af en houdt rekening met de mensen die met de systemen werken. Voorbeeld: een middelgroot bedrijf onderzoekt welke klantvragen betrouwbaar kunnen worden geautomatiseerd.
Een AI-model met een vaste opdracht en toegang tot geselecteerde kennis, dat een specifieke taak uitvoert.
Een AI-automatiseringssysteem combineert traditionele procesautomatisering met AI-mogelijkheden zoals tekstbegrip, classificatie of beslisondersteuning. Zo kunnen ook workflows met ongestructureerde invoer worden geautomatiseerd, zoals e-mails, formulieren of vragen. Een typische opzet is een keten van trigger, verwerkingsstappen, voorwaarden en uitvoer, met menselijke goedkeuring op kritieke punten. Voorbeeld: binnenkomende vragen worden automatisch gecategoriseerd, samengevat en doorgestuurd naar de juiste afdeling.
AI-bots blokkeren betekent voorkomen dat de crawlers van AI-aanbieders uw website lezen, meestal via regels in het bestand robots.txt voor user agents zoals GPTBot, ClaudeBot of Google-Extended. Het bestand is een verzoek, geen technische barrière; strengere controle vereist firewall- of serverregels. De afweging: blokkeren beschermt inhoud tegen gebruik voor training, maar kan de zichtbaarheid in AI-zoeken en door AI gegenereerde antwoorden verminderen. Vaak is het zinvol trainingscrawlers en zoekcrawlers verschillend te behandelen.
AI-certificeringsprocessen zijn procedures waarin een onafhankelijke instantie nagaat of een organisatie of een AI-systeem aan vastgelegde eisen voldoet. Een veelgebruikt voorbeeld is certificering volgens ISO/IEC 42001 (gepubliceerd in 2023), dat een managementsysteem voor verantwoord AI-gebruik beschrijft; de eisen aan de certificerende instanties staan in ISO/IEC 42006 (2025). Zo’n certificaat is vrijwillig en vervangt niet de conformiteitsbeoordeling die de AI-verordening voor hoogrisicosystemen vereist (stand oktober 2026).
Een AI-data-analist is een AI-systeem of -assistent die gegevens zoals spreadsheets, exports of kengetallen analyseert en de resultaten in begrijpelijke taal uitlegt. Hij berekent totalen en veranderingen, signaleert trends en afwijkingen en stelt vervolgstappen voor. Zo krijgen businessteams zonder statistische expertise sneller antwoorden. Taalmodellen kunnen echter rekenfouten maken, dus cijfers moeten dubbel worden gecontroleerd. Voorbeeld: maandomzetten worden als CSV geplakt en van commentaar voorzien.
AI-ethiek behandelt de morele vragen rond de ontwikkeling en het gebruik van AI: eerlijkheid en discriminatie, transparantie en verklaarbaarheid, gegevensbescherming, verantwoordelijkheid voor fouten, veiligheid en de gevolgen voor werk en samenleving. Voor organisaties wordt het concreet in richtlijnen, risicobeoordelingen, menselijk toezicht en eerlijke communicatie over de grenzen van AI. Voorbeeld: voordat een tool voor cv-screening wordt ingevoerd, wordt gecontroleerd of die bepaalde groepen benadeelt.
Een AI-firewall is een beschermende laag tussen gebruikers, gegevensbronnen en een AI-model. Hij screent invoer op manipulatiepogingen zoals prompt injection of jailbreaks en controleert uitvoer, bijvoorbeeld op vertrouwelijke gegevens of ongewenste inhoud, voordat die wordt doorgegeven. Hij kan gebruikmaken van regels, classificatiemodellen of een tweede taalmodel. Een AI-firewall verkleint het risico, maar biedt geen volledige bescherming en vervangt noch beperkte rechten noch testen.
Een AI-gedreven start-up is een jong bedrijf waarvan het product of bedrijfsmodel fundamenteel op kunstmatige intelligentie is gebaseerd, zoals gespecialiseerde assistenten voor een branche, analysetools of geautomatiseerde diensten. Zulke start-ups bouwen vaak voort op bestaande foundation models en onderscheiden zich door vakkennis, data, gebruiksgemak en integratie. Uitdagingen zijn onder meer de afhankelijkheid van modelaanbieders, de kosten per aanvraag en regelgeving. Voorbeeld: een start-up die automatisch keuringsrapporten voor ambachtelijke bedrijven opstelt.
AI-gestuurde feedback voor leerlingen verwijst naar commentaar op essays, opdrachten of projecten dat een AI-systeem aan de hand van vastgelegde criteria genereert. Lerenden krijgen sneller aanwijzingen over sterke punten, structuur, argumentatie of taalgebruik en docenten worden ontlast van repetitief nakijkwerk. De beoordeling moet transparant en criteriumgericht zijn; cijfers en beslissingen over prestaties blijven de verantwoordelijkheid van docenten. Voorbeeld: een concept-essay krijgt verbetersuggesties vóór het wordt ingeleverd.
AI-gestuurde marketing gebruikt AI-technieken om doelgroepen beter te begrijpen, content te maken en campagnes te sturen. Typische toepassingen zijn segmentatie, gepersonaliseerde boodschappen, voorspellingen van de aankoopkans, analyse van klantfeedback en advertentieoptimalisatie. Het steunt op rechtmatig verzamelde data en duidelijke doelen, en resultaten moeten door testen worden geverifieerd. Voorbeeld: een webwinkel verstuurt nieuwsbrieven met productaanbevelingen die aansluiten bij eerder koopgedrag.
Een AI-kwaliteitsspecialist controleert of AI-toepassingen betrouwbaar, correct en passend werken. De rol omvat testvragen en benchmarks, het vergelijken van verschillende modellen, het analyseren van gebruikersbeoordelingen en het signaleren van hallucinaties en achteruitgang in de loop van de tijd. Bijvoorbeeld: vóór de overstap op een nieuw model worden 50 typische klantvragen door beide modellen beantwoord en aan de hand van vaste criteria vergeleken.
AI-marktsegmentatie gebruikt AI om een markt of klantenbestand te verdelen in groepen met vergelijkbare kenmerken, behoeften of gedrag. Traditioneel gebeurt dit met clusteringmethoden op klantgegevens; taalmodellen kunnen daarnaast segmenten afleiden uit beschrijvingen, enquêtes of vragen en boodschappen en kanalen voorstellen. De resultaten zijn hypothesen die met echte data moeten worden gevalideerd. Voorbeeld: een softwareaanbieder onderscheidt prijsbewuste beginners van groeigerichte teams.
AI-ondersteunde contentcreatie betekent het produceren van tekst, beeld of andere inhoud met behulp van generatieve AI, bijvoorbeeld voor websites, nieuwsbrieven, productbeschrijvingen of social media. AI levert snel concepten, varianten en vertalingen, terwijl vakkennis, merkstem en feitencontrole menselijke taken blijven. Duidelijke aanwijzingen over doelgroep, toon en bronnen helpen. Voorbeeld: steekwoorden over een nieuw aanbod worden een concept voor een blogartikel en drie social-mediaberichten.
AI-onderzoeksubsidies en -financiering bekostigen onderzoeksprojecten, groepen van beginnende onderzoekers of samenwerkingsverbanden op het gebied van kunstmatige intelligentie. In Duitsland financiert bijvoorbeeld de Deutsche Forschungsgemeinschaft (DFG) in het kader van haar AI-initiatief Emmy Noether-groepen over AI-methoden, terwijl het federale ministerie van Onderzoek, Technologie en Ruimtevaart (BMFTR) financiering toekent via thematische subsidieregelingen. Op EU-niveau voeren Horizon Europe en de Europese Onderzoeksraad (ERC) oproepen uit. Termijnen en voorwaarden veranderen voortdurend (stand oktober 2026).
Een AI-partnerschap is een samenwerking tussen organisaties om samen AI-oplossingen te ontwikkelen, in te voeren of verantwoord vorm te geven, bijvoorbeeld tussen bedrijven en technologieaanbieders, universiteiten of onderzoeksinstituten. Partners delen expertise, data, infrastructuur of kosten. Duidelijke afspraken over datagebruik, intellectueel eigendom, aansprakelijkheid en uitstapmogelijkheden zijn essentieel. De term verwijst ook naar initiatieven zoals Partnership on AI, een in 2016 opgerichte non-profitorganisatie.
Een AI-penetratietest is een in opdracht uitgevoerde, gecontroleerde beveiligingsbeoordeling waarbij specialisten een AI-systeem doelbewust op zwakke plekken onderzoeken, zoals prompt injection, lekken van vertrouwelijke gegevens of een agent met te ruime rechten. In tegenstelling tot bredere red teaming richt ze zich op een duidelijk afgebakende scope met gedocumenteerde bevindingen en oplossingen. Het is zinvol om haar uit te voeren voordat een chatbot live gaat en na grote wijzigingen.
AI-projectmanagement in onderzoek en ontwikkeling omvat twee dingen: het aansturen van projecten waarin AI wordt gebouwd, en het gebruik van AI ter ondersteuning van R&D-projecten. Typische taken zijn het samenvatten van literatuur, het structureren van experimentplannen, het volgen van mijlpalen en het documenteren van resultaten. Vakinhoudelijke beslissingen en goedkeuringen moeten bij mensen blijven.
Een AI-prototype is een vroege, werkende versie van een AI-toepassing waarmee een team een idee snel en tegen beperkte kosten kan testen. In plaats van maandenlang te plannen probeert u het uit met echte data en gebruikers, om te zien of de AI de taak betrouwbaar genoeg oplost, welke data ontbreekt en welke waarde het oplevert. Voorbeeld: een assistent die klantvragen voorsorteert, wordt twee weken op een deel van de inbox beproefd voordat over een bredere uitrol wordt besloten.
AI-red-teaming is het gestructureerd onderzoeken van een AI-systeem vanuit het perspectief van potentiële aanvallers of misbruik. Specialisten testen gecontroleerd of een chatbot zijn vertrouwelijke opdracht prijsgeeft, tot ongewenst gedrag kan worden verleid, onjuiste feiten levert of gegevens blootlegt. De bevindingen leiden tot betere opdrachten, filters en rechten. Een beveiligingsaudit voor chatbots is een lichtere vorm: die beoordeelt de configuratie en voorbeeldgesprekken aan de hand van bekende risicogebieden zoals de OWASP Top 10 voor LLM-toepassingen.
Een AI-regelgevingskader omvat de wetten, normen en toezichtstructuren die bepalen hoe AI wordt ontwikkeld en gebruikt. In de EU is de AI-verordening (Verordening (EU) 2024/1689) de centrale wet, die een risicogebaseerde aanpak hanteert: verboden gelden sinds februari 2025, verplichtingen voor AI-modellen voor algemene doeleinden sinds augustus 2025 en transparantieplichten sinds augustus 2026. Na het “Digital Omnibus” (Verordening (EU) 2026/1744) gelden de verplichtingen voor hoogrisicosystemen vanaf 2 december 2027 of 2 augustus 2028 (stand oktober 2026; geen juridisch advies).
Een bouwsteen voor workflows die een tekst aan een van meerdere categorieën toewijst en dienovereenkomstig vertakt.
Een AI-SDR (sales development representative) is een AI-agent die taken uit de vroege verkoopfase overneemt: inkomende vragen beantwoorden, prospects kwalificeren, belscripts en opvolgmails opstellen of afspraken voorbereiden. Hij ontlast het salesteam, maar vervangt hun oordeelsvermogen en relatiewerk niet. Bij het benaderen van nieuwe contacten in Duitsland en de EU moeten de regels voor gegevensbescherming en tegen ongevraagde reclame in acht worden genomen.
Een AI-systeemingenieur ontwerpt en beheert AI-toepassingen als een compleet systeem: modellen verbinden met gegevensbronnen, interfaces en bestaande software, zorgen voor beveiliging, monitoring en kostenbeheersing, en prototypes overbrengen naar stabiele productie. In tegenstelling tot zuivere modelontwikkeling ligt de nadruk op integratie. Een voorbeeld is het koppelen van een supportagent aan het ticketsysteem, inclusief logging en toegangsrechten.
AI-toezichthouders zijn overheidsinstanties die toezien op de naleving van AI-regels. Op EU-niveau coördineert het AI-bureau van de Europese Commissie de uitvoering van de AI-verordening en houdt het toezicht op AI-modellen voor algemene doeleinden. In Duitsland maakt de uitvoeringswet KI-MIG (van kracht sinds 29 juli 2026) de Bundesnetzagentur (federaal netwerkagentschap) tot de centrale markttoezichthouder, terwijl sectorale toezichthouders zoals BaFin verantwoordelijk blijven. Onder het Digital Omnibus gelden verplichtingen voor hoogrisicosystemen pas vanaf december 2027 of augustus 2028 (stand oktober 2026; geen juridisch advies).
AI-transparantie betekent openheid over wanneer AI wordt ingezet, op welke gegevens en bronnen de resultaten zijn gebaseerd en hoe beslissingen tot stand komen. Dit omvat het labelen van AI-inhoud, naspeurbare bronvermeldingen, logboeken en gedocumenteerde wijzigingen. Transparantie schept vertrouwen, vergemakkelijkt het opsporen van fouten en is deels wettelijk verplicht, bijvoorbeeld door de transparantieverplichtingen van de AI-verordening, op grond waarvan mensen moeten kunnen merken dat ze met een AI communiceren.
Stand oktober 2026. Technisch verschuift de focus van chatbots naar AI-agents die taken in meerdere stappen afhandelen en tools gebruiken via standaarden zoals het Model Context Protocol. Volgens gegevens van Crunchbase ging ongeveer 64% van de wereldwijde durfkapitaalfinanciering in het derde kwartaal van 2026 naar AI-startups. In de EU gelden sinds augustus 2025 verplichtingen voor AI-modellen voor algemeen gebruik; termijnen voor systemen met een hoog risico zijn verschoven naar december 2027 en augustus 2028.
AI-zoeken verwijst naar zoekmethoden die AI gebruiken om de bedoeling achter een zoekvraag te begrijpen, resultaten te wegen en vaak een samengevat antwoord met bronnen te genereren in plaats van een gewone lijst met links. Technisch gebruiken ze trefwoordzoeken, vectorzoeken over embeddings of een combinatie, vaak gevolgd door een taalmodel. Voorbeelden zijn antwoordmachines op het web en interne kennisbankzoekfuncties die medewerkers helpen te vinden wat ze nodig hebben in handleidingen en richtlijnen.
Algoritmische transparantie betekent dat te begrijpen is hoe een geautomatiseerd systeem tot een resultaat komt: welke data het gebruikt, welke regels het volgt en waar zijn grenzen liggen. Dat schept vertrouwen, maakt fouten makkelijker te herleiden en is steeds vaker een wettelijke eis, bijvoorbeeld door informatieplichten op grond van de AVG en de AI-verordening. In de praktijk helpen documentatie, bronvermeldingen, logbestanden en duidelijke informatie voor betrokkenen.
Een alineaherschrijver is een AI-tool die een bestaande passage anders formuleert zonder de inhoud te veranderen. Gebruikelijke doelen zijn een andere toon, een kortere versie, eenvoudigere taal of minder herhaling. Dat is bijvoorbeeld handig als een interne technische tekst duidelijker moet worden voor klanten. Inhoud en feiten moeten daarna wel worden gecontroleerd, omdat herformuleren nuances kan verschuiven.
AllenNLP is een opensourcebibliotheek in Python voor onderzoek naar natuurlijke taalverwerking, ontwikkeld door het Allen Institute for AI op basis van PyTorch. De bibliotheek bood kant-en-klare componenten en modellen voor taken zoals tekstclassificatie, coreferentieresolutie en vraagbeantwoording. Sinds eind 2022 wordt AllenNLP niet meer actief ontwikkeld en bevindt de bibliotheek zich in onderhoudsmodus; de beheerders verwijzen naar alternatieven zoals AI2 Tango, flair of Hugging Face Transformers (stand: oktober 2026).
Amazon Kindle Direct Publishing (KDP) is het platform van Amazon waarop auteurs zelf e-books, paperbacks en hardcovers kunnen uitgeven. Titels, beschrijvingen, trefwoorden en categorieën moeten aan eigen regels voldoen. Wie content met AI genereert – tekst, omslagafbeeldingen of vertalingen – moet dat bij publicatie aan Amazon melden; werk waarbij AI alleen ondersteunt, zoals brainstormen of proeflezen, is daarvan uitgezonderd (stand: oktober 2026). De actuele richtlijnen moeten vóór elke publicatie worden gecontroleerd.
Amazon SageMaker is de clouddienst van Amazon Web Services (AWS) voor het bouwen, trainen en implementeren van machine-learningmodellen. Eind 2024 werd de oorspronkelijke dienst hernoemd tot “Amazon SageMaker AI”; sindsdien staat “Amazon SageMaker” voor een breder platform voor data, analytics en AI met de interface SageMaker Unified Studio (stand: oktober 2026). Het wordt vooral gebruikt door datascienceteams die modellen op AWS-infrastructuur draaien.
Anaconda is een veelgebruikte distributie van de programmeertalen Python en R voor data-analyse en machine learning, uitgegeven door Anaconda Inc. Ze bundelt de pakketbeheerder conda met vooraf geïnstalleerde bibliotheken zoals NumPy, pandas en Jupyter en maakt het eenvoudig om per project aparte omgevingen te beheren. Organisaties met meer dan 200 medewerkers hebben een betaalde licentie nodig voor de Anaconda Distribution en het standaardpakketkanaal; conda zelf en het communitykanaal conda-forge blijven gratis te gebruiken (stand: oktober 2026).
Anomaliedetectie spoort datapunten, gebeurtenissen of patronen op die duidelijk afwijken van de norm. Dat kunnen ongewoon grote transacties zijn, plotselinge sprongen in sensorwaarden, dubbele records of verdachte netwerkactiviteit. Het wordt gebruikt in de financiële sector, de IT-beveiliging, de productie en de kwaliteitscontrole. De methoden variëren van eenvoudige statistische drempelwaarden tot lerende modellen; treffers zijn aanwijzingen die een mens moet beoordelen.
Anomaliedetectie in beelden zoekt in foto’s of camerabeelden naar afwijkingen van de normale toestand – zoals krassen, scheuren of verkleuringen op onderdelen in de productie, of onregelmatigheden in medische beelden. Vaak leert een model eerst van veel voorbeelden zonder defecten en markeert het daarna alles wat afwijkt. Dat is nuttig omdat echte defecten zeldzaam zijn en vooraf nauwelijks volledig te beschrijven zijn.
Antropomorfisme is de neiging om machines menselijke eigenschappen toe te schrijven, zoals gevoelens, bedoelingen of begrip. Bij chatbots ligt dat voor de hand, omdat ze vloeiend en persoonlijk schrijven. Dat kan de interactie aangenamer maken, maar brengt ook risico’s met zich mee: mensen kunnen antwoorden te veel vertrouwen of gevoelige informatie delen. Duidelijke vermeldingen dat gebruikers met AI te maken hebben en eerlijke uitspraken over de grenzen ervan helpen dit tegen te gaan.
Anyword is een AI-schrijfplatform voor marketingteksten dat is voortgekomen uit het in 2013 opgerichte bedrijf Keywee. Het maakt korte teksten zoals advertenties, onderwerpregels van e-mails, koppen en productbeschrijvingen, en geeft varianten een voorspelde score voor hoe goed ze bij een doelgroep zouden kunnen aanslaan. Daarnaast biedt het instellingen voor de merkstem en analyse van bestaande content (stand: oktober 2026). Zulke voorspellingen zijn schattingen en vervangen geen tests in de praktijk.
Een geheime code waarmee andere programma’s KI.ordo kunnen aanroepen.
De area under the curve (AUC) is een maat voor classificatiemodellen en verwijst meestal naar de ROC-curve. Ze geeft aan hoe goed een model positieve van negatieve gevallen scheidt, onafhankelijk van een bepaalde drempel. Een waarde van 1 betekent perfecte scheiding; 0,5 is niet beter dan gokken. Voorbeeld: een verloopmodel met een AUC van 0,85 rangschikt een willekeurig gekozen vertrekkende klant in 85% van de gevallen als riskanter dan een trouwe klant.
Artificial general intelligence (AGI) verwijst naar een hypothetisch AI-systeem dat een breed scala aan intellectuele taken op menselijk niveau aankan en het geleerde flexibel naar nieuwe gebieden kan overbrengen. Huidige systemen presteren goed op veel taken, maar vertonen nog beperkingen, bijvoorbeeld in betrouwbaarheid. Er bestaat geen algemeen aanvaarde definitie of meetmethode, en of en wanneer AGI wordt bereikt, is onder deskundigen omstreden.
Artificial superintelligence (ASI) is een theoretisch concept voor een AI die mensen op bijna alle intellectuele vermogens aanzienlijk overtreft, waaronder onderzoek, planning en sociaal oordeel. Zo’n systeem bestaat niet. De term wordt vooral in de filosofie en het onderzoek naar AI-veiligheid gebruikt om vragen over controle en over het afstemmen van toekomstige systemen op menselijke waarden te bespreken.
Een associatief geheugen haalt opgeslagen informatie op aan de hand van de inhoud in plaats van een adres: een gedeeltelijke of verstoorde aanwijzing is genoeg om het bijpassende geheel terug te halen – zoals de eerste maten een heel nummer weer oproepen. Hopfield-netwerken zijn een klassiek voorbeeld in het AI-onderzoek. Het principe komt ook voor in hardware (content-addressable memory) en in analyses van het attentiemechanisme in moderne taalmodellen.
Audiotranscriptie zet gesproken taal uit opnamen om in geschreven tekst. Moderne systemen voor automatische spraakherkenning voegen ook interpunctie toe, onderscheiden sprekers en leveren soms tijdstempels. Het wordt gebruikt voor notulen van vergaderingen, interviews, ondertiteling en het documenteren van klantgesprekken. De kwaliteit hangt sterk af van de geluidskwaliteit, het accent en vakjargon; bij gesprekken met persoonsgegevens moet rekening worden gehouden met toestemming en gegevensbescherming.
Automatische classificatie wijst teksten, documenten of records toe aan vooraf gedefinieerde categorieën, zonder handmatig sorteren. Traditioneel leren modellen dit van gelabelde voorbeelden; grote taalmodellen kunnen categorieën ook alleen op basis van een beschrijving toewijzen. Typische toepassingen zijn het sorteren van binnenkomende e-mails op soort verzoek, het toewijzen van bonnen of het markeren van urgente supporttickets. Bij belangrijke gevallen zijn steekproeven door mensen aan te raden.
Automatisering van klantenservice betekent dat software terugkerende klantvragen geheel of gedeeltelijk afhandelt – bijvoorbeeld via chatbots, voorgestelde antwoorden of het voorsorteren van tickets. Veelgestelde vragen over openingstijden, leveringsstatus of retouren kunnen dag en nacht worden beantwoord, terwijl het team tijd wint voor lastige gevallen. Betrouwbare kennisbronnen en een eenvoudige overdracht aan mensen zijn essentieel.
Autonome voertuigen bewegen zich geheel of gedeeltelijk zonder menselijke tussenkomst voort, met behulp van camera’s, radar, lidar en AI-software. De norm SAE J3016 definieert zes niveaus – van 0 (geen automatisering) tot 5 (overal volledig zonder bestuurder). AI zorgt voor de waarneming, het voorspellen van het gedrag van andere weggebruikers en de routeplanning. Naast auto’s gaat het om robotaxi’s, vrachtwagens, shuttles en magazijnvoertuigen; toelating en aansprakelijkheid zijn per land apart geregeld.
