Blog

<p><br></p><p>Veel organisaties roepen dat ze human in the loop inzetten, maar in de praktijk betekent dat vaak een vage extra controle die weinig toevoegt. De kernvraag is: waarvoor optimaliseer je? Kwaliteit, compliance, innovatie of snelheid? Afhankelijk van het doel verschilt de rol van de mens fundamenteel. </p><h2>Do’s</h2><h3>1. Bepaal het doel vooraf</h3><p>Zorg dat duidelijk is of je inzet op kwaliteit, compliance, innovatie of snelheid. Een “one-size-fits-all” aanpak leidt tot gaten in toezicht.</p><h3>2. Pas oversight aan per risico</h3><p>Bij hoge risico’s of onomkeerbare gevolgen → active control: mens beslist altijd, AI ondersteunt.<br>Bij herstelbare fouten → guided automation: AI neemt taken over, mens monitort patronen.</p><h3>3. Gebruik variabele oversight-mechanismen</h3><p>Monitored automation → AI doet bulk, mens controleert steekproefsgewijs.<br>Expert override → mens kan altijd AI-besluiten terugdraaien.<br>Approval workflows → geen actie zonder menselijke goedkeuring.</p><h3>4. Combineer mens en AI in creativiteit</h3><p>Voor innovatie werkt AI als generative assistance of collaborative ideation: AI levert ideeën, de mens geeft richting en strategie.</p><h3>5. Maak escalatie en noodrem zichtbaar</h3><p>Implementeer een circuit-breaker: duidelijke procedures waarmee een mens een systeem direct kan stoppen.</p><h2>Don’ts</h2><h3>1. Geen generiek “extra vinkje”</h3><p>Een mens die routinematig bevestigt zonder echte controle voegt niets toe en creëert schijnveiligheid.</p><h3>2. Niet blind vertrouwen op batch-output</h3><p>Laat AI nooit volledig autonoom grote hoeveelheden verwerken zonder steekproef of kwaliteitscontrole.</p><h3>3. Vermijd overbelasting van experts</h3><p>Als elke output handmatig moet worden nagekeken, schaal je nooit. Wissel tussen steekproeven, audits en uitzonderingscontrole.</p><h3>4. Niet alleen op AI vertrouwen bij compliance</h3><p>Regels zijn vaak contextafhankelijk. Rule-based guardrails zijn nuttig, maar menselijk oordeel blijft essentieel.</p><h3>5. Geen verwarring tussen creativiteit en validatie</h3><p>Laat AI ideeën aandragen, maar niet beslissen welke richting strategisch klopt.</p><h2>Conclusie</h2><p>Human in the loop is geen standaardknop. Het vraagt om keuzes: waar optimaliseer je voor, wat staat er op het spel, en hoeveel menselijk toezicht is nodig? Alleen dan werkt de samenwerking echt.</p>

Human in the Loop – Do’s en Don’ts

<p><span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;">Toen Moderna besloot dat elke medewerker dagelijks AI moest gebruiken, leek dat voor velen een radicale stap. Toch werkte het: medewerkers ontdekten nieuwe manieren van werken, processen werden sneller en technologie werd een vanzelfsprekend onderdeel van de organisatie. Hun verhaal laat zien dat succes in het AI-tijdperk draait om drie perspectieven: mensen, processen en technologie.</span></p><h3>1. Align – Iedereen dezelfde richting</h3><p><strong>Mensen</strong>: Medewerkers hebben een helder verhaal nodig over waarom AI ertoe doet. Wanneer leiders open delen hoe AI hun eigen werk verbetert, groeit vertrouwen.</p><p><strong>Processen</strong>: Stel concrete doelen en KPI’s vast, zodat AI niet een los project is, maar ingebed in de bedrijfsstrategie.</p><p><strong>Technologie</strong>: Zorg dat de juiste tools beschikbaar zijn en laat zien hoe ze bijdragen aan de organisatiedoelen.</p><h3>2. Activate – Leren door te doen</h3><p><span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;"><strong>Mensen</strong>: De San Antonio Spurs bewezen dat praktische training werkt: AI-gebruik steeg van 14% naar 85%. Medewerkers leren sneller wanneer ze fouten mogen maken.</span><br></p><p><strong>Processen</strong>: Bouw leermomenten in het dagelijkse werk in plaats van losse cursussen. Organiseer hackathons of vaste experimenteeruren.</p><p><strong>Technologie</strong>: Lever toegankelijke, rol-specifieke AI-tools waarmee teams direct resultaten zien in hun eigen werk.</p><h3>3. Amplify – Van eilandjes naar ecosysteem</h3><p><strong>Mensen</strong>: Deel successen via interne communities en laat teams elkaar inspireren. Zo groeit motivatie.</p><p><strong>Processen</strong>: Documenteer en verspreid best practices in een centrale hub, zodat niet elke afdeling opnieuw hoeft te beginnen.</p><p><strong>Technologie</strong>: Gebruik platforms als Confluence of Notion om kennis en prompts direct beschikbaar te maken waar mensen werken.</p><h3><span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;">4. Accelerate – Van idee naar impact</span><br></h3><p><span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;"><strong>Mensen</strong>: Geef teams de vrijheid om hun ideeën in te dienen en snel terugkoppeling te krijgen.</span><br></p><p><strong>Processen</strong>: Richt een intakeproces en een AI-council in die drempels weghaalt en projecten versnelt. Estée Lauder testte zo meer dan 1.000 ideeën.</p><p><strong>Technologie</strong>: Versnel toegang tot data en AI-tools, zodat innovaties niet blijven hangen in goedkeuringstrajecten.</p><h3>5. Govern – Veilig maar flexibel</h3><p><span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal); -webkit-text-size-adjust: 100%;"><strong>Mensen</strong>: Maak governance begrijpelijk voor alle medewerkers, zodat ze zelf verantwoordelijkheid kunnen nemen.</span><br></p><p><strong>Processen</strong>: Houd lichte, regelmatige reviews en pas richtlijnen aan op nieuwe risico’s en regelgeving.</p><p><strong>Technologie</strong>: Bouw een digitaal AI-playbook of custom GPT dat teams direct helpt bij vragen over beleid, zonder dat elk detail langs compliance hoeft.</p><h3><strong>Conclusie</strong></h3><p>AI verandert organisaties langs drie assen: mensen die moeten leren en vertrouwen winnen, processen die flexibel genoeg moeten zijn om snelheid te ondersteunen, en technologie die toegankelijk en betrouwbaar beschikbaar moet zijn.</p><p>Bedrijven die deze drie perspectieven in balans brengen, maken van AI geen hype, maar een nieuwe manier van werken.</p>

Voorop blijven lopen in het AI-tijdperk

<p>In de wereld van kunstmatige intelligentie zijn Large Language Models (LLM's) een krachtige tool geworden voor diverse toepassingen. Of je nu content creëert, code schrijft of zelfs klantenservice verbetert, het gebruik van een LLM kan je helpen om betere resultaten te behalen. Maar hoe zorg je ervoor dat je prompts optimaal zijn voor het beste resultaat? Hier is een uitgebreid stappenplan met praktische voorbeelden.</p>

<h2>Stap 1: Begrijp de capaciteiten van een LLM</h2>
<p>Voordat je begint met het creëren van prompts, is het belangrijk om te begrijpen wat een LLM kan doen. Deze modellen zijn getraind op enorme hoeveelheden tekst en kunnen taken uitvoeren zoals vertalen, samenvatten, en zelfs creatief schrijven. Het is cruciaal om de beperkingen en sterke punten van een LLM te kennen, zodat je realistische verwachtingen kunt stellen.</p>

<figure id="figure-7et5nhsi6mgc4x4wc"><img id="7et5nhsi6mgc4x4wc" src="https://media.gettyimages.com/id/1933417108/photo/ai-chatbot-artificial-intelligence-concept.jpg?b=1&s=2048x2048&w=0&k=20&c=8GDNbLpA9t0cu-nQwo2NRJBl2_Rf5jtBx92JzpvWA50=" alt="ai concept" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9"></figure>

<h3>Voorbeelden van toepassingen</h3>
<p>Een LLM kan bijvoorbeeld worden ingezet voor het genereren van creatieve marketingteksten of het automatisch beantwoorden van veelgestelde vragen. Door te weten wat een LLM kan, kun je gerichte prompts opstellen die deze capaciteiten optimaal benutten.</p>

<h2>Stap 2: Formuleer duidelijke en specifieke prompts</h2>
<p>Een effectieve prompt is duidelijk en specifiek. Dit betekent dat je precies moet aangeven wat je wilt dat de LLM doet. Vage of open vragen kunnen leiden tot resultaten die niet bruikbaar zijn. Zorg ervoor dat je prompt alle noodzakelijke details bevat.</p>

<figure id="figure-m175s8zudnmgc4xazc"><img id="m175s8zudnmgc4xazc" src="https://cdn.durable.co/getty/c9cFcSjkkpryyZJvPs7mB3XLvYmbARIrzH70rY4SIMOAJqgimsTqjGAijFiU8qXC.jpeg" alt="writing prompts" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9"></figure>

<h3>Tips voor duidelijke prompts</h3>
<ul>
    <li>Wees specifiek met de taak: in plaats van "Schrijf een artikel," zeg "Schrijf een artikel van 500 woorden over duurzame energie."</li>
    <li>Zorg voor context: als je wilt dat de LLM in een bepaalde stijl schrijft, geef dan voorbeelden of beschrijf de gewenste toon.</li>
    <li>Gebruik beperkingen: beperk de lengte of het type output dat je wilt ontvangen om gerichtere resultaten te krijgen.</li>
</ul>

<h2>Stap 3: Test en verfijn je prompts</h2>
<p>Nadat je een eerste set prompts hebt opgesteld, is het tijd om ze te testen. Bekijk de antwoorden die het model genereert en beoordeel of ze voldoen aan je verwachtingen. Dit proces kan meerdere iteraties vereisen, waarbij je steeds aanpassingen maakt om de prestaties te verbeteren.</p>

<figure id="figure-ubki7stp4mmgc4xg1y"><img id="ubki7stp4mmgc4xg1y" src="https://cdn.durable.co/getty/12yq71I9vDP5eiW9p14qfzpUG3iTp5NSTGyXthpHMahq1pGNSUDgcAmheIgYXCmM.jpeg" alt="testing feedback" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9"></figure>

<h3>Strategieën voor verfijning</h3>
<p>Als de resultaten niet bevredigend zijn, probeer dan de prompts anders te formuleren of extra details toe te voegen. Soms kan het aanpassen van één woord of zin de kwaliteit van de output aanzienlijk verbeteren. Het is ook nuttig om feedback van anderen te verzamelen en deze te gebruiken bij het verfijnen van je prompts.</p>

<h2>Stap 4: Leer van voorbeelden en iteraties</h2>
<p>Elke keer dat je met een LLM werkt, leer je meer over hoe het model reageert op verschillende soorten prompts. Verzamel deze informatie en ontwikkel een database van effectieve prompts die als referentie kunnen dienen voor toekomstige projecten.</p>

<h3>Conclusie</h3>
<p>Het inzetten van een LLM voor het creëren van betere prompts vereist inzicht, creativiteit en geduld. Door de capaciteiten van het model te begrijpen, duidelijke prompts te formuleren en voortdurend te testen en verfijnen, kun je de kracht van AI optimaal benutten voor jouw specifieke behoeften.</p>

Hoe je een LLM inzet voor betere prompts: Een stappenplan en voorbeelden

AI agent and generative artificial intelligence concept. Businessman using AI agents on screen, including chatbots, AI assistants, and data analytics tools on a laptop. Chatbot, Ai agentic workflows.

<p>Agentic AI is in korte tijd een veelbesproken onderwerp geworden. Waar generatieve AI vooral bekendstaat om het creëren van content, gaat agentic AI een stap verder: het kan zelfstandig multistep-taken uitvoeren en daarmee hele workflows ondersteunen. McKinsey analyseerde ruim 50 implementaties en formuleerde zes belangrijke lessen. Wat leren organisaties van een jaar werken met agentic AI?</p><h3>1. Focus op de workflow, niet de agent<br></h3><p>Veel bedrijven concentreren zich op het bouwen van indrukwekkende agents, maar zien weinig resultaat omdat de onderliggende processen niet veranderen. Succesvolle organisaties herontwerpen de hele workflow en kijken hoe mens, proces en technologie beter kunnen samenwerken.</p><h3>2. Agents zijn niet altijd de beste oplossing</h3><p>Niet elke taak vraagt om een agent. Soms volstaat rule-based automation of voorspellende modellen. Het is essentieel eerst te bepalen welk type werk er gedaan moet worden en welk AI-instrument daar het beste bij past.</p><h3>3. Investeer in evaluatie en vertrouwen</h3><p>Gebruikers verliezen snel vertrouwen als outputs onnauwkeurig of inconsistent zijn. Net als nieuwe medewerkers hebben agents een duidelijk takenpakket, training en voortdurende feedback nodig. Evaluaties en kwaliteitsmetingen zijn cruciaal om vertrouwen en adoptie te vergroten.</p><h3>4. Maak prestaties traceerbaar</h3><p>Wanneer organisaties opschalen naar tientallen of honderden agents, wordt monitoring complex. Het is daarom belangrijk om de prestaties in elke stap van de workflow te volgen, zodat fouten snel opgespoord en hersteld kunnen worden.</p><h3>5. Ontwikkel herbruikbare agents</h3><p>In de praktijk ontstaat vaak versnippering: voor elke taak een aparte agent. Efficiëntere organisaties ontwikkelen modulaire, herbruikbare bouwstenen die in verschillende workflows kunnen worden ingezet. Dat bespaart tijd en kosten.</p><h3>6. Mensen blijven onmisbaar</h3><p>Hoewel agentic AI veel taken kan overnemen, blijven mensen cruciaal voor toezicht, kwaliteitsborging en het afhandelen van uitzonderingen. De rol van medewerkers verandert, maar hun samenwerking met agents bepaalt uiteindelijk het succes.</p><h3>Conclusie</h3><p>Agentic AI is geen wondermiddel dat je “aanzet” en direct productiviteit oplevert. Het vraagt om herontwerp van processen, zorgvuldig gebruik van technologie, en vooral een nieuwe manier van samenwerken tussen mens en machine. Organisaties die die combinatie weten te vinden, zullen de grootste waarde uit agentic AI halen.</p>

Eén jaar agentic AI: zes lessen uit de praktijk

AI Agents Automation Workflow with Generative AI and Prompt Engineering

<h2>De Opkomst van Agentic AI in Workflow Automatisering</h2><p>In de hedendaagse digitale wereld speelt automatisering een cruciale rol in het verbeteren van bedrijfsprocessen. Een van de meest baanbrekende ontwikkelingen op dit gebied is de introductie van Agentic AI. Deze technologie verandert de manier waarop organisaties hun workflows beheren en optimaliseren, door intelligentie en autonomie te combineren.</p><figure id="figure-o82j5vbpg7mfxzh40o"><img id="o82j5vbpg7mfxzh40o" src="https://media.gettyimages.com/id/2194314046/photo/data-flow-and-digital-technology-concept-for-concepts-of-innovation-ai-cloud-technology-data.jpg?b=1&amp;s=2048x2048&amp;w=0&amp;k=20&amp;c=UOOEeBPH_7M_voleYmU1XBxPNd_3P6ROcHLQmADc6j8=" alt="ai technology" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://media.gettyimages.com/id/2194314046/photo/data-flow-and-digital-technology-concept-for-concepts-of-innovation-ai-cloud-technology-data.jpg?b=1&amp;s=2048x2048&amp;w=0&amp;k=20&amp;c=UOOEeBPH_7M_voleYmU1XBxPNd_3P6ROcHLQmADc6j8=" data-mce-style="aspect-ratio: 16/9;"></figure><h3>Wat is Agentic AI?</h3><p>Agentic AI verwijst naar kunstmatige intelligentie die niet alleen in staat is om complexe taken uit te voeren, maar ook autonoom beslissingen kan nemen. Dit type AI kan zich aanpassen aan veranderende omstandigheden en leren van eerdere ervaringen. Door deze eigenschappen kunnen agentic systemen veel efficiënter en effectiever werken dan traditionele automatiseringstools.</p><p>Met Agentic AI kunnen bedrijven hun workflows niet alleen automatiseren, maar ook optimaliseren op manieren die voorheen onmogelijk waren. Of het nu gaat om klantinteractie of interne processen, deze technologie biedt een nieuw niveau van flexibiliteit en intelligentie.</p><h3>Voordelen van Agentic AI in Workflow Automatisering</h3><p>Agentic AI biedt tal van voordelen voor bedrijven die hun workflow willen automatiseren. Hier zijn enkele belangrijke voordelen:</p><ul><li><strong>Verbeterde efficiëntie:</strong> Door taken automatisch en met grotere precisie uit te voeren, kunnen bedrijven aanzienlijk tijd en middelen besparen.</li><li><strong>Flexibiliteit:</strong> Agentic AI kan zich dynamisch aanpassen aan veranderende workflow-eisen.</li><li><strong>Leren en verbeteren:</strong> Deze AI-systemen kunnen leren van hun ervaringen, wat leidt tot continue verbetering van processen.</li></ul><figure id="figure-tfo1sxh1amfxzhfea"><img id="tfo1sxh1amfxzhfea" src="https://cdn.durable.co/getty/6h6IcHW9yDGDnxl9KjbHqs2ctPNcCjo6vAEiCJHlUd5lTCPlOmnLmjjkkWIZVy4m.jpeg" alt="workflow automation" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/6h6IcHW9yDGDnxl9KjbHqs2ctPNcCjo6vAEiCJHlUd5lTCPlOmnLmjjkkWIZVy4m.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h3>Implementatie van Agentic AI</h3><p>Het implementeren van Agentic AI in een organisatie vereist een strategische benadering. Het begint met het identificeren van de juiste processen die baat kunnen hebben bij automatisering. Vervolgens moeten bedrijven investeren in de juiste technologieën en training om ervoor te zorgen dat de implementatie soepel verloopt.</p><p>Organisaties moeten ook rekening houden met de integratie van deze technologie met bestaande systemen. Een goede samenwerking tussen mens en machine kan leiden tot indrukwekkende resultaten.</p><h3>Toekomstperspectieven</h3><p>De toekomst van workflow automatisering met Agentic AI ziet er veelbelovend uit. Naarmate de technologie zich verder ontwikkelt, zullen meer bedrijven deze oplossing omarmen om hun concurrentievermogen te vergroten. Innovaties op dit gebied zullen waarschijnlijk leiden tot nog meer geavanceerde toepassingen, waardoor nieuwe mogelijkheden ontstaan in verschillende sectoren.</p><figure id="figure-42uga1ozsnmfxzhon9"><img id="42uga1ozsnmfxzhon9" src="https://cdn.durable.co/getty/138eX24QQLhYXZAfM14K2tYe6FN6PllJ05KTg4jy5nZYa2h2Gfpmqa0W733k5xKt.jpeg" alt="future technology" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/138eX24QQLhYXZAfM14K2tYe6FN6PllJ05KTg4jy5nZYa2h2Gfpmqa0W733k5xKt.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h3>Uitdagingen en Overwegingen</h3><p>Ondanks de vele voordelen zijn er ook uitdagingen verbonden aan het gebruik van Agentic AI. Bedrijven moeten zorgvuldig nadenken over ethische kwesties zoals privacy en gegevensbeveiliging. Het is essentieel om ervoor te zorgen dat de implementatie van AI-systemen transparant en verantwoord is.</p><p>Bovendien moeten organisaties investeren in training en ontwikkeling om hun personeel voor te bereiden op het werken met deze geavanceerde technologieën. Dit helpt niet alleen bij een succesvolle implementatie, maar zorgt er ook voor dat werknemers zich comfortabel voelen in een door AI gedreven omgeving.</p><h3>Conclusie</h3><p>Agentic AI vertegenwoordigt een spannende stap voorwaarts in workflow automatisering. Met zijn vermogen om workflows efficiënter, flexibeler en intelligenter te maken, biedt het aanzienlijke voordelen voor bedrijven die bereid zijn om te investeren in deze geavanceerde technologie. Door de juiste strategieën te volgen, kunnen organisaties niet alleen hun processen verbeteren, maar ook hun concurrentiepositie versterken in een steeds veranderende markt.</p>

Agentic AI: Innovatie in Workflow Automatisering

Customer feedback, service rating, satisfaction, customer experience concept. Evaluation for improvement product and service. Hand puts wooden cubes with emotions satisfaction and rating icons.

<h2>Introductie tot het Evalueren van LLM-Systemen</h2><p>De opkomst van Large Language Models (LLM) heeft een aanzienlijke impact gehad op de manier waarop we technologieën en diensten ontwikkelen. Het evalueren van deze systemen is echter net zo belangrijk als hun ontwikkeling. Een effectieve evaluatie zorgt ervoor dat de LLM's optimaal presteren en voldoen aan de verwachtingen van gebruikers en ontwikkelaars.</p><p>In deze blogpost bespreken we een gestructureerde vijf-stappen gids voor het evalueren van LLM-systemen. Deze gids helpt je bij het opstellen van een robuust evaluatiekader, zodat je het maximale uit je LLM-investeringen kunt halen.</p><figure id="figure-ogpi6vnlxfmfry6cxk"><img id="ogpi6vnlxfmfry6cxk" src="https://cdn.durable.co/getty/edBhqYCJmCf9kasberw3KcYjn4fL5JtHsoniS6tM6xkndFRfifo7CxTXJLkCW3mE.jpeg" alt="large language models" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/edBhqYCJmCf9kasberw3KcYjn4fL5JtHsoniS6tM6xkndFRfifo7CxTXJLkCW3mE.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h2>Stap 1: Doelstellingen Bepalen</h2><p>De eerste stap in het evalueren van LLM-systemen is het bepalen van duidelijke doelstellingen. Wat wil je bereiken met de evaluatie? Dit kan variëren van het verbeteren van de nauwkeurigheid tot het verhogen van de gebruikerstevredenheid. Door vooraf doelstellingen vast te leggen, kun je gerichtere evaluatiecriteria ontwikkelen.</p><h3>Belangrijke Overwegingen</h3><p>Bij het vaststellen van doelstellingen is het belangrijk om rekening te houden met zowel kwantitatieve als kwalitatieve factoren. Denk bijvoorbeeld aan meetbare prestatie-indicatoren zoals precisie en recall, maar ook aan moeilijk meetbare aspecten zoals gebruikerservaring.</p><figure id="figure-3q41owfqc9mfry6lal"><img id="3q41owfqc9mfry6lal" src="https://cdn.durable.co/getty/4d4VSw69VXFsOswi96NrB8heRTkDk4eaMFA2BiJV8XT2lkSWpIg5K7RSyGwcxFJs.jpeg" alt="goal setting" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/4d4VSw69VXFsOswi96NrB8heRTkDk4eaMFA2BiJV8XT2lkSWpIg5K7RSyGwcxFJs.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h2>Stap 2: Definieer Evaluatiecriteria</h2><p>Nadat de doelstellingen zijn vastgesteld, is de volgende stap het definiëren van specifieke evaluatiecriteria. Deze criteria moeten objectief en meetbaar zijn, zodat ze een betrouwbare basis bieden voor de beoordeling van je LLM-systeem. Enkele veelgebruikte criteria zijn nauwkeurigheid, snelheid en betrouwbaarheid.</p><p>Het is ook nuttig om benchmarks te gebruiken als referentiepunt. Dit helpt bij het vergelijken van de prestaties van je LLM met andere systemen of eerdere versies.</p><h2>Stap 3: Verzamel en Analyseer Data</h2><p>Data is de ruggengraat van elke evaluatie. Verzamel relevante datasets die representatief zijn voor de taken waarvoor je LLM is ontworpen. Zorg ervoor dat deze datasets divers en omvangrijk genoeg zijn om een nauwkeurige beoordeling mogelijk te maken.</p><figure id="figure-wbgbfmc7qmfry6o0d"><img id="wbgbfmc7qmfry6o0d" src="https://cdn.durable.co/getty/5QepjCQmHdnrxl1zaG5HpajUGsjyR6ulA6HpY8XxP07lh4ktivh5YPLLKaUdWgaR.jpeg" alt="data analysis" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/5QepjCQmHdnrxl1zaG5HpajUGsjyR6ulA6HpY8XxP07lh4ktivh5YPLLKaUdWgaR.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h3>Data Voorbereiding en Opschoning</h3><p>Het is cruciaal om de verzamelde data goed voor te bereiden en op te schonen. Verwijder ruis en irrelevante gegevens om de kwaliteit van je evaluatie te waarborgen. Een schone dataset leidt tot betrouwbaardere resultaten.</p><h2>Stap 4: Voer Testen uit</h2><p>Met goed gedefinieerde criteria en schone data kun je beginnen met het uitvoeren van testen. Voer zowel automatische als handmatige tests uit om verschillende aspecten van je LLM te beoordelen. Automatische tests bieden snelheid en consistentie, terwijl handmatige tests diepgaand inzicht kunnen geven in specifieke problemen.</p><figure id="figure-gibtwzdtgmfry6x97"><img id="gibtwzdtgmfry6x97" src="https://cdn.durable.co/getty/13qQpMtAfQYUMT1YxycUXkIMXUqS6XBn6fFH7y5uY0p3C2T4wJedKkT895X1MvVQ.jpeg" alt="software testing" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/13qQpMtAfQYUMT1YxycUXkIMXUqS6XBn6fFH7y5uY0p3C2T4wJedKkT895X1MvVQ.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><h3>Continue Monitoring</h3><p>Het is belangrijk om niet alleen eenmalige tests uit te voeren, maar ook doorlopend de prestaties van je LLM te monitoren. Dit helpt bij het identificeren van problemen die zich in de loop van de tijd kunnen voordoen en biedt mogelijkheden voor continue verbetering.</p><h2>Stap 5: Resultaten Evalueren en Aanpassen</h2><p>De laatste stap in het evaluatieproces is het analyseren van de testresultaten en het maken van noodzakelijke aanpassingen. Vergelijk de resultaten met je oorspronkelijke doelstellingen en benchmarks om te zien waar verbeteringen nodig zijn.</p><p>Pas je LLM-systeem aan op basis van de bevindingen. Dit kan betekenen dat je algoritmen moet verfijnen, trainingsdata moet uitbreiden of bepaalde functies moet aanpassen om betere prestaties te bereiken.</p><figure id="figure-bt8ejnsdaumfry74ky"><img id="bt8ejnsdaumfry74ky" src="https://cdn.durable.co/getty/1dtzLhFswaaQnmkmHvFST02e9vUgklxtzFUPPbV6jyngNQjp8M6pUEaoOcp95kIn.jpeg" alt="result evaluation" class="object-cover bg-gray-100 rounded-2xl md:rounded-3xl lg:rounded-4xl" style="aspect-ratio: 16/9;" data-mce-src="https://cdn.durable.co/getty/1dtzLhFswaaQnmkmHvFST02e9vUgklxtzFUPPbV6jyngNQjp8M6pUEaoOcp95kIn.jpeg" data-mce-style="aspect-ratio: 16/9;"></figure><p>In conclusie, door een gestructureerde aanpak te volgen in de evaluatie van LLM-systemen, kun je ervoor zorgen dat ze niet alleen effectief functioneren, maar ook duurzaam blijven in een dynamische technologische omgeving. Deze vijf-stappen gids biedt een solide basis voor wie serieus werk wil maken van hun LLM-evaluatieprocessen.</p>

Effectieve Evaluaties voor LLM-Systemen: Een Vijf-Stappen Gids

TriadeTech | AI gedreven automatisering 

AI specialisten en automatisering-specialisten op het gebied van workflow optimalisatie met een hands-on en waarde-gedreven mentaliteit uit de Eindhoven regio

Nieuws

Human in the Loop – Do’s en Don’ts

Voorop blijven lopen in het AI-tijdperk

Hoe je een LLM inzet voor betere prompts: Een stappenplan...

Eén jaar agentic AI: zes lessen uit de praktijk

Agentic AI: Innovatie in Workflow Automatisering

Effectieve Evaluaties voor LLM-Systemen: Een Vijf-Stappen...