Mijn reden voor de keuze van dit verdiepings vak is simpel te verklaren: Mijn interesse om beter te worden met AI en door middel van AI mijn werkproces te versnellen en te verbeteren.
Aan het begin van de minor gebruikte ik AI alleen als sparringpartner. Hierbij vroeg ik om ideeën en mogelijke concepten, maar vroeg ik AI niet om hiermee verder te gaan. Het verder gaan op die concepten deed ik dan zelf. Ook had ik nog nooit gebruik gemaakt van het genereren van foto’s via AI.
Met de nieuwste ontwikkeling en het belang van AI in de huidige samenleving was het voor mij zonder twijfel een verdiepingskeuzevak waarin ik mijn kennis wilde vergoten.
Via de portal van de minor ben ik bij het zelfstudie tabblad gekomen voor AI en automatisering. Ik had vooraf nog weinig kennis hierover en dus heb ik ervoor gekozen om zelfstudie hiervoor te gaan doen. Het eerste wat ik heb gedaan is een spel waarin de AI steeds slimmer wordt en je het wachtwoord niet mag geven. door middel van prompts moet je achter het wachtwoord zien te komen. Dit spel is via de volgende link te vinden: https://gandalf.lakera.ai/do-not-tell-and-block
Door creatief te zijn in het bedenken van prompts krijg je steeds andere antwoorden van de AI terug. Zo werkt het werken met AI normaal ook, wanneer je niet tevreden bent met het antwoord wat je krijgt probeer je de prompt aan te passen om zo op het gewenste antwoord te komen.
Ook ben ik aan de gang gegaan met 2 cursussen van Datacamp. Ik heb deze cursussen deels kunnen afronden omdat een deel gratis was en het andere deel achter een pay wall zat.
Wat heb ik geleerd bij deze cursussen?
De eerste cursus ging over de volgende onderwerpen:
Deze cursus ging over de verschillende prompt technieken en vaardigheden. Je leert hier hoe je door middel van verschillende prompts een gewenst antwoord kan krijgen van de AI tools.
het begon met uitleg over de belangrijkste prompt technieken en een aantal concepten die helpen met het krijgen van een gewenst antwoord.
Daarna zijn er praktische toepassingen geweest over hoe je dit in de praktijk verwerkt, dit kan zijn bij het schrijven van een blog of het oplossen van problemen.
De cursus vervolgde zich met de nieuwste trends en ontwikkelingen op het gebied van prompt engineering en over toekomstige vernieuwingen binnen dit gebied.
Als afsluiter heb ik geleerd hoe ik een goede prompt bouw en hiermee sneller tot het gewenste resultaat kom.
Vooraf had ik weinig ervaring met AI en het maken van prompts. Ik had veel moeite met het creëren van een goede prompt en ik kreeg niet het gewenste resultaat. Het volgen van deze 2 zelfstudie varianten heeft me geholpen een basis te leggen die ik vervolgens kan gebruiken tijdens de rest van de minor en mij zullen helpen het werkproces van projecten en persoonlijke opdrachten zal vergroten.
ZERO-SHOT PROMPTING:
Zero-Shot Prompting is de simpelste vorm van prompten maken. Je geeft de AI een opdracht om uit te voeren / te beantwoorden. De AI tool krijgt verder geen informatie en moet het doen met zijn eigen kennis.
Bron: https://learnprompting.org/docs/basics/few_shot?srsltid=AfmBOoro2acH9dHdsuIOg-yc9zkHMhcUzkKE2f37prWOeKnelD6S0aQ_#what-is-zero-shot-prompting
Voorbeeld:
Voordelen:
– Het is tijdsefficiënt en makkelijk in gebruik, omdat het model met 1 prompt al aan de slag gaat met je antwoord. Er zijn hier geen voorbeelden voor nodig.
– Het is inzetbaar bij veel verschillende vraagstukken, zoals: vertalen, teksten genereren of verbeteren, samenvatten.
– Het is kostenefficiënt, omdat er minder tijd en middelen nodig zijn voor het maken van de prompt. Hierdoor is het kostenefficiënt in routinewerk.
Nadelen:
– Het is minder nauwkeurig, aangezien je geen voorbeelden en/of extra context in de prompt verwerkt.
– De prompt heeft een beperkte complexiteit, omdat het niet genoeg diepgang bied voor moeilijke vraagstukken.
FEW-SHOT PROMPTING:
Voor betere controle en precisie kun je few-shot prompting gebruiken, waarbij je een paar voorbeelden geeft voor extra context. Het voordeel hiervan is dat het nauwkeuriger is doordat je de AI een aantal voorbeelden geeft van hoe je het bedoeld. Ook kan je snelle iteraties maken op je prompt voor het gewenste resultaat.
Bron: https://learnprompting.org/docs/basics/few_shot?srsltid=AfmBOoro2acH9dHdsuIOg-yc9zkHMhcUzkKE2f37prWOeKnelD6S0aQ_#what-is-zero-shot-prompting
Voorbeeld:
Few-shot prompting biedt een goed compromis tussen makkelijk en effectiviteit. Het is met name nuttig voor taken waar context belangrijk is. De kwaliteit van de voorbeelden is wel belangrijk en voor complexe of foutgevoelige vragen kan aanvullende context en hulp nodig zijn.
Voordelen:
– Het kent een betere nauwkeurigheid, omdat er enkele voorbeelden gegeven worden in de prompt.
– Het is meer geschikt voor complexere vraagstukken, omdat er passende voorbeelden gegeven worden.
– Het model kan leren van de gegeven voorbeelden om zo creatievere en/of meer gestructureerde antwoorden te geven.
Nadelen:
– De prompt zorgt voor een risico op bias, omdat slechte of niet volledige voorbeelden de AI de verkeerde richting in kunnen sturen.
– Het model is voorbeeldafhankelijk, de output is sterk afhankelijk van de kwaliteit van de input.
CHAIN-OF-THOUGHT PROMPTING:
Bij Chain-of-thought prompting vraag je de AI om de redeneer stappen te beschrijven hoe het op het antwoord komt.
Voordelen:
– Door het model te vragen om de tussenstappen uit te leggen, vallen fouten sneller op en is het makkelijker te controleren.
– Het is goed te gebruiken bij ingewikkeldere of wiskundige vragen waar meer stappen voor nodig zijn.
– Door het model te vragen om alle tussenstappen te benoemen is het voor de opdrachtgever ook beter te begrijpen.
Nadelen:
– Het opstellen van uitgebreide input en output van het model kan ervoor zorgen dat het minder tijdsefficiënt is.
– Wanneer het model een fout maakt in de stappen zal de rest van de output mogelijk ook niet meer kloppen.
Bron: https://learnprompting.org/docs/intermediate/chain_of_thought?srsltid=AfmBOoq4ZQ9bkovPNi56Q1xS2d91_6rlJE0Y5o5eh37e8x4aZDLfOVIY
Voorbeeld:
ROLE-BASED PROMPTING:
Bij Role-Based prompting geef je de AI een rol om een situatie/taak of persoon na te bootsen. Het is te vergelijken met een rollenspel. Dit maakt het mogelijk om specifieke antwoorden vanuit specifieke invalshoeken te krijgen, zoals: docent of klant ( Specifieke verschillenen tussen specialere rollen zal de AI soms lastig vinden ). Om dit beter te begrijpen heb ik de volgende video bekeken: https://www.youtube.com/watch?v=z-Ypx21TMSg
Voordelen:
– Door de AI een rol te geven krijg je een gerichter antwoord, dit verbetert ook de output van de AI over een bepaald onderwerp.
– Het vereist minder complexe input, omdat de rol die je het model geeft al een richting geeft voor het antwoord.
– Het model kan zich inleven in verschillende rollen, dit kan helpen bij creatieve taken.
Nadelen:
– Het aannemen van een rol kan ervoor zorgen dat de output mogelijkheden verkleind worden.
– Een slecht gedefinieerde rol kan leiden tot een minder relevante output.
Voorbeeld van Role-Based Prompting:
Prompt: je bent een leraar van het fontys in Tilbrug en je schrijft een mail naar een leerling
Onderwerp: Terugkoppeling en Vervolgacties
Beste [Naam Student],
Ik hoop dat alles goed met je gaat. Ik wilde je graag even kort berichten naar aanleiding van [les/project/afspraak] waarin we [onderwerp] hebben besproken.
Je inzet en betrokkenheid tijdens [specifieke activiteit] waardeer ik zeer. Voor verdere verdieping zou ik je adviseren om [bijvoorbeeld bronnen raadplegen, een specifieke taak afronden of feedback verwerken]. Dit helpt je om je vaardigheden en kennis op het gebied van [specifiek vakgebied] verder uit te bouwen.
Mocht je nog vragen hebben of ergens tegenaan lopen, neem dan gerust contact met me op. Je kunt me bereiken via deze mail of even langs mijn kantoor komen.
Succes met je verdere werkzaamheden, en ik kijk uit naar je volgende stappen!
Met vriendelijke groet,
[Naam]
[Functie, bijvoorbeeld Docent Digital Marketing]
Fontys Hogeschool Tilburg
Tijdens mijn Minor heb ik hier gebruikt van gemaakt om mij feedback te voorzien van mijn Peer presentatie.
PROMPT CHAINING:
Bij prompt chaining wordt er voortgeborduurd op de output van de vorige prompts. De uitkomst van een prompt kan weer gebruikt worden als input voor de volgende prompt.
Voordelen:
– Door stapsgewijs bezig te zijn kunnen ingewikkelde problemen makkelijker opgelost worden door het model.
– Door veel tussenstappen te maken is het makkelijker om te zien waar het mogelijk fout kan gaan.
– Door na de output feedback te geven wordt, de nieuwe prompt beter gestuurd naar het gewenste resultaat.
Nadelen:
– Tijdsinefficiënt bij eenvoudige taken, omdat door lange ”chains” van in en output te maken kan het mogelijk langer duren voor het gewenste resultaat.
– Door veel en complexe ”chains” te maken kan het voor beperkte modellen moeilijk zijn om dit juist te implementeren.
Voorbeeld: https://chatgpt.com/share/6798dc3d-64a4-8000-be3a-e279d5a00611r
Ik heb in deze minor voor het eerst AI voor meer gebruikt dan alleen als sparringpartner. Bij de workshops heb ik namelijk ook geleerd dat AI makkelijk te gebruiken is voor onder andere het maken van blogs. Hieronder heb ik een blog gemaakt voor het eerste project van Twist to go.
Op het begin van het project was ik nog niet zo handig in het werken met prompts en dat is ook te zien (https://chatgpt.com/share/6787e9bc-2c54-8000-bb6b-afddb1daf14f). Hier is goed te zien dat ik in het begin weinig inzicht had in het maken van een goede prompt. Na mate het project vorderde ben ik beter geworden in het maken van prompts. Hieronder is een het proces te zien van het einde van het project en hoe ik toen aan mijn prompt ben gekomen en het gewenste resultaat hiervan!
Prompt:
Schrijf een blogpost vanuit het perspectief van een productiemedewerker bij Twist, een bedrijf dat een 2-in-1 thermofles produceert. De medewerker moet trots en enthousiast overkomen en de lezer meenemen in het productieproces. Beschrijf: Het algemene productieproces van de fles, inclusief het ontwerp en de materialen. De werksfeer in de fabriek en waarom het een fijne plek is om te werken. Het unieke draaimechanisme van de fles en waarom dit een belangrijke innovatie is. De focus op kwaliteit en duurzaamheid bij Twist. De toon moet informeel, betrokken en makkelijk leesbaar zijn. Gebruik concrete voorbeelden om de trots van de medewerker te laten zien. Zorg ervoor dat de blogpost aansluit bij een breed publiek.
Resultaat:
Blogpost – productieproces:
Achter de schermen bij Twist
Door Mark de Jong (32) – Productiemedewerker Twist
Als medewerker van Twist sta ik elke dag in het hart van de productie van onze 2-in-1 thermofles. Ik vind het elke dag weer ontzettend tof om onze fles tot leven te zien komen en er veel mensen blij mee te maken. Daarom neem ik je graag kort mee in ons proces.
Van ontwerp tot productie
De Twist-fles is ontworpen om praktisch en duurzaam te zijn. Eén fles voor koffie én water, zonder gedoe. Onze ontwerpers en ingenieurs werken nauw samen om het perfecte product te creëren, en dat begint bij de materialen. We kiezen bewust voor roestvrij staal: stevig, duurzaam en ideaal om je koffie warm en water koud te houden.
De fabriek
Wat me misschien nog wel het meest gelukkig maakt, is de plek waar ik werk. Onze fabriek is modern en goed georganiseerd. Alles is schoon, goed verlicht en er hangt een fijne sfeer. We hebben de nieuwste technologieën om ervoor te zorgen dat elk product nauwkeurig en efficiënt wordt gemaakt, maar wat het écht speciaal maakt, zijn mijn collega’s.
Ik werk elke dag met een team van gezellige, gedreven mensen. Er wordt hard gewerkt, maar we lachen ook veel samen. Voor mij voelt het hier vaak als een tweede thuis. Iedereen staat voor elkaar klaar, en dat maakt het werk extra leuk.
Het unieke draaimechanisme
Het kenmerk van de Twist-fles is het unieke draaimechanisme, waarmee je eenvoudig tussen twee compartimenten kunt wisselen. Dit kleine, slimme detail maakt de fles uniek. Het mechanisme wordt in onze fabriek nauwkeurig getest om ervoor te zorgen dat het soepel en betrouwbaar werkt.
Kwaliteit en duurzaamheid staan voorop
Kwaliteit staat bij ons altijd voorop. Elke fles wordt zorgvuldig gecontroleerd voordat hij de fabriek verlaat. We willen er zeker van zijn dat het product aan de hoogste standaarden voldoet. Maar waar ik misschien wel het meest trots op ben, is dat de Twist-fles niet alleen handig is, maar ook een duurzame keuze. We kiezen voor materialen die lang meegaan en helpen zo de wereld een beetje schoner te maken.
Elke keer als ik een Twist-fles zie die helemaal af is, voel ik een enorme trots. We hebben er met z’n allen aan gewerkt, met passie en precisie, en dat zie je terug in elk detail.
Mening: De AI-blog heeft me positief verrast. Het verhaal voelt persoonlijk aan, met een goede balans tussen details en een toegankelijke toon. De trots van de medewerker is goed te horen, wat helpt om een emotionele connectie met het merk te creëren.
Waarom heb ik voor deze prompt gekozen?
Op het begin kreeg ik geen gewenst resultaat van de AI op mijn prompts. Toen ben ik aan AI gaan vragen wat ik moest opleveren voor het gewenste resultaat. Ook tijdens de zelfstudie heb ik geleerd hoe belangrijk het is om goede prompts te geven.
bij het maken van deze prompt ben ik eerst met ChatGPT in gesprek gegaan over de belangrijke punten die nodig zijn voor een goede prompt voor een blogpost, zodat ik deze kan verwerken met de geleerde prompttechnieken.
Om een AI een goede blogpost voor je bedrijf te laten schrijven, is het belangrijk om specifieke en gedetailleerde informatie te geven. Hier is een overzicht van de informatie die je kunt leveren:
Door al deze elementen in de prompt te verwerken, help je de AI om een blogpost te creëren die precies aansluit bij jouw wensen en bedrijfsdoelen. Door verschillende voorbeelden te geven aan de AI en om het model de rol te geven van de werknemer van TWIST TO GO is er dus gebruik gemaakt van de prompttechniek: role-based prompting. Dit heb ik gedaan zodat de blogpost geschreven wordt vanuit het oogpunt van de werknemer. Verder heb ik het model verteld over het bedrijf en een gewenste tone of voice aangegeven.
Wanneer ik de AI weer ga vragen om blogs te schrijven ga ik dit doen door middel van prompt chaining, omdat bij prompt chaining het proces wat langer duurt maar er zo ook beter gelet kan worden op fouten in de in/output. Door feedback te geven op de output en mogelijk nieuwe context toe te voegen kan ik het model ook beter sturen naar de gewenste output.
Voor deze blog was role based prompting wel nuttig om te gebruiken, omdat mijn gewenste output een blog was vanuit het oogpunt van de werknemer van TWIST TO GO. Dit is door middel van deze prompttechniek gelukt.
Tijdens het werken aan mijn prompts en mijn creativiteit visueel proberen te krijgen ben ik na overleg met Pieter en via zijn workshop op het idee gekomen om Leonardo AI te gebruiken hiervoor. Leonardo AI heeft een uitgebreidere dataset voor het maken van visuele content dan bijvoorbeeld ChatGPT. Hierin heb ik ook geleerd dat verschillende AI tools beter zijn in specifieke taken.
Zo heb ik voor mezelf kleine aantekeningen gemaakt en gebruik ik nu voor:
Doormiddel van prompt chaining ben ik aan de gang gegaan met Leonardo AI. Ik ben begonnen met een prompt en wanneer dit niet de gewenste output was ben ik feedback gaan geven en heb ik de prompt aangepast om zo tot het gewenste resultaat te komen. Prompt chaining heeft mij geholpen door voort te borduren op de output om zo toch tot het gewenste resultaat te komen.
Mening: Voor het bedrijf Twist to go wilde ik door middel van AI een banner maken voor onze site. Het was een product gericht op de doelgroep studenten. Ik wilde de beker in een klas setting met een aantal studenten. Deze prompt was het begin en ik vond het er niet goed uitzien: de beker gaat niet helemaal goed en ik wilde meer een school setting. Door de prompt aan te passen ben ik doorgegaan tot ik het gewenste resultaat had.
Mening: Ik had voor deze prompt aangepast dat ik een levendigere setting wil en met meer studenten. De resultaten waren al beter, alleen onze doelgroep was studenten en geen kinderen. Dus was ik nog niet helemaal tevreden.
Mening: In deze prompt heb ik aangepast dat ik Senior students wilde en geen kinderen meer. Dit was het gewenste resultaat en deze hebben we ook gebruikt voor de website.
Feedback docent: tijdens de wekelijkse presentatie kreeg ik van de docent feedback op deze foto. Probeer het iets minder AI te laten lijken. Wat ik na de feedback veranderd heb is dat ik de doormiddel van AI fotoshop tool een ander concept van de beker geplaatst heb op deze output. Hieronder is een voorbeeld te zien waarin ik een fles vervang door middel van fotoshop tool met de gewenste twist to go beker.
Wat ik hiervan geleerd heb is dat je door middel van doorgaan op een prompt toch het gewenste resultaat kan krijgen na een paar kleine aanpassingen. Ook heeft het mij geholpen om mijn visuele ideeën gegenereerd te krijgen.
Door middel van Zero shot prompting ben ik aan de gang gegaan met het maken van visuele content voor in de costumer journey van 2 doelgroepen van INNR. Ik heb verschillende prompt gebruikt en hieronder volgen de beste resultaten met de bijhorende prompt. Belangrijk om te weten: Er zijn telkens nieuwe prompts gemaakt, er is dus niet gebruik gemaakt van prompt chaining in dit proces.
Prompt voor sfeer: A visually captivating scene of a modern and cozy interior at dusk, showcasing the ambiance created by warm, smart lighting softly illuminating various corners of the room. Picture a chic living room with a snug, softly lit corner for relaxation, a stylishly set dining table bathed in ambient light, and a glowing bookshelf adding a gentle charm. The atmosphere exudes luxury and calm, perfect for unwinding after a long day.
Prompt voor Techsavvy: A sleek, futuristic interior showcasing smart lighting tailored for tech-savvy individuals. The scene highlights a modern home office setup with a high-tech vibe: an ergonomic desk with a dual-monitor setup, ambient smart lighting that transitions between cool blues and purples, and smart LED strips integrated into the shelving and furniture.
AI is meer dan alleen het genereren van foto’s en content. Het kan je ook helpen met het verbeteren van dagelijkse processen. Een van mijn zwaktes is presenteren, maar AI heeft mij geholpen. Tijdens mijn peer presentatie heb ik mijn presentatie opgenomen en feedback gevraagd aan ChatGPT. Dit is gedaan door middel van role-based prompting. In de input is aangegeven dat er feedback gegeven moet worden vanuit het oogpunt van een ervaren presentator.
De feedback van AI:
Feedback voor Jarno:
Sterke punten:
Duidelijke structuur: Je hebt een logische opbouw gebruikt door de customer journey voor beide doelgroepen (Marco en Sofie) systematisch te doorlopen.
Relevante voorbeelden: Het gebruik van praktische voorbeelden zoals gaming- en sfeerbeelden maakt je verhaal tastbaar en herkenbaar.
Goede doelgroepanalyse: Je laat zien dat je begrijpt dat verschillende doelgroepen verschillende benaderingen vragen.
Creatief gebruik van content: Het benoemen van specifieke contentvormen zoals blogs, sfeerimpressies en cashback-acties toont een gedetailleerde aanpak.
Verbeterpunten:
Verminderen van stopwoordjes:
“Uhm” en “uh” komen veel voor in je presentatie. Probeer deze te verminderen door vooraf een paar keer te oefenen met het spreken van je verhaal.
Pauzes nemen in plaats van opvulwoorden kan ook helpen om je boodschap sterker over te brengen.
Concretere voorbeelden voor Sofie:
De voorbeelden voor Marco waren overtuigend en gedetailleerd. Bij Sofie kunnen specifieke voorbeelden zoals een “romantische avondverlichting” of “rustgevende ochtendlichten” helpen om haar behoeften nog beter te visualiseren.
Verbetering van timing:
Het lijkt soms alsof je haast hebt om alles te benoemen. Neem je tijd om belangrijke punten duidelijk te benadrukken.
Technische aspecten benadrukken:
Leg kort uit hoe bepaalde technologische functies van de lampen ook bij Sofie voordelen kunnen hebben, zoals gemak en energiebesparing.
Besluit en call-to-action:
Sluit je presentatie af met een korte samenvatting en een krachtige conclusie. Bijvoorbeeld: “Met gerichte content voor zowel Marco als Sofie zorgen we ervoor dat Inner meer doelgroepen bereikt en een groter marktaandeel verwerft.”
Met deze aanpassingen wordt je presentatie nog sterker en professioneler.
Wat ik hiervan leer is dat AI ook gebruikt kan worden om jezelf als professional te verbeteren. Deze feedback kan ik weer gebruiken tijdens mijn volgende presentatie waardoor ik deze skill steeds meer onder de knie krijg.
Voor Holland & Barret ben ik bezig geweest met onderzoek over hoe mensen een online dagboek gebruiken en hoe dat zei hierin notuleren.
Ik heb hiervoor Perplextity AI gebruikt, omdat deze tool ervoor zorgt dat er bij het antwoord ook bronnen gegeven worden. Dit is iets waar onze opdrachtgever om vroeg. De opdrachtgever vond het belangrijk dat bronnen ons advies hielpen ondersteunen en hierdoor er geen aannames gedaan konden worden.
De Prompt die ik Perplexity heb gegeven is:
Ik ben bezig met onderzoek naar hoe mensen gegevens notuleren in een online dagboek. Het gaat klanten van het bedrijf Holland en Barret. Kan jij een lijst maken met notuleer manieren voor een online dagboek die deze doelgroep fijn vindt. Met bronnen graag.
Ik heb hier gebruik gemaakt van Few shot prompting, want ik heb Perplexity meerdere gegevens gegeven over dat ik bijvoorbeeld een lijst wil en ik heb gezegd over welke doelgroep het gaat.
De Output:
https://www.perplexity.ai/search/ik-ben-bezig-met-onderzoek-naa-YiLyMpNAQ6eCqhEDzakyFw#0
Op basis van de beschikbare informatie kunnen we een lijst samenstellen van notuleerwijzen voor een online dagboek die klanten van Holland & Barrett waarschijnlijk waarderen:
1. Mobiele apps: Gebruikers kunnen eenvoudig notities maken via hun smartphone, wat handig is voor het vastleggen van dagelijkse ervaringen met producten of gezondheidsroutines[5].
2. Digitale notitieboeken: Platforms zoals Notion bieden de mogelijkheid om aantekeningen te koppelen aan andere relevante informatie, zoals producten of gezondheidsplannen[7].
3. Spraak-naar-tekst: Tools zoals Otter.ai kunnen gesproken reflecties omzetten in tekst, wat handig is voor het snel vastleggen van gedachten[1].
4. Gestructureerde templates: Vooraf opgestelde sjablonen kunnen helpen bij het consistent bijhouden van informatie over gezondheid en welzijn[3].
5. Multimedia-integratie: Het toevoegen van foto’s of video’s van maaltijden of workouts kan de dagboekervaring verrijken[5].
6. Automatische herinneringen: Pushmeldingen kunnen gebruikers aanmoedigen om regelmatig hun ervaringen te noteren[2].
7. Integratie met loyaliteitsprogramma: Koppeling met de Holland & Barrett Voordeelkaart kan motiveren om het dagboek bij te houden en beloningen te verdienen[6].
8. Beveiligde omgeving: Een veilige, met wachtwoord beschermde ruimte voor het delen van persoonlijke gezondheidsinformatie[1].
9. Samenwerkingstools: Mogelijkheden om inzichten te delen met gezondheidscoaches of experts van Holland & Barrett voor persoonlijk advies[2].
10. Analysetools: Functies om patronen in gezondheid en welzijn te identificeren op basis van dagboekgegevens[3].
Deze methoden combineren gebruiksgemak met functionaliteit, wat past bij de behoeften van Holland & Barrett-klanten die hun gezondheids- en welzijnstraject willen documenteren.
Citations:
[1] https://www.secretaressenet.nl/vergaderen-notuleren/vergadertips/notuleren/de-toekomst-van-notuleren-10-ai-tools-die-je-moet-kennen/
[2] https://www.hollandandbarrett.nl/info/advies-test/online-consult/
[3] https://www.ruigrok.nl/nieuws/de-toegevoegde-waarde-van-dagboekonderzoek/
[4] https://www.notuleerservice.nl
[5] https://blog.secretary.nl/5-handige-apps-om-te-notuleren/
[6] https://www.hollandandbarrett.nl/voordeelkaart/
[7] https://www.nico.nl/blog/journaling
[8] https://notulensoftware.nl/effectief-notuleren/
[9] https://blog.aristo.nl/bespaar-kostbare-tijd-met-een-notulen-app
[10] https://www.bambook.org/nl/blog/post/de-8-beste-methodes-om-notities-te-maken
[11] https://www.odido.nl/blog/online-dagboek-app/
Door deze informatie hebben wij onze dagboek functie voor Holland en Barret kunnen verbeteren en laten zien op de expositie. De opdrachtgever was zeer tevreden met het resultaat van het onderzoek en het prototype het dagboek.
Mijn kijk op de toekomst van AI
De snelle ontwikkeling van AI biedt veel kansen, maar roept ook belangrijke vragen op over het ethische aspect van dit onderwerp. Een van de grootste zorgen is dat AI vooroordelen uit data kan overnemen. Door deze vooroordelen kunnen er verschillende soorten bias ontstaan, wat op zijn beurt weer kan leiden tot oneerlijke beslissingen of onrealistische resultaten. Het is daarom belangrijk dat AI-systemen eerlijk worden ontworpen.
Een ander punt is de invloed van AI op de werkgelegenheid. Ik denk dat er in de toekomst niet snel veel banen zullen verdwijnen, maar dat AI wel kan helpen om ”lopende band”, oftewel routinematig, werk beter te automatiseren. Hier moet wel slim mee omgaan worden door AI te gebruiken als ondersteuning bij het verbeteren van het werkproces, maar niet als complete vervanging van het werk van mensen. Ik ben namelijk persoonlijk van mening dat het menselijke werk alleen in enkele gevallen compleet vervangen zou kunnen worden door AI.
Ook moeten we kritisch kijken naar de macht van grote techbedrijven. Hun focus op winst kan botsen met wat goed en ethisch verantwoord is voor de maatschappij. Het is dus belangrijk dat AI eerlijk, duurzaam en op de juiste manier wordt ingezet voor en door iedereen.
Door goed na te denken over deze zaken en door voorzichtig maar verantwoordelijk om te gaan met AI vraagstukken, denk ik dat op die manier de voordelen van AI het best tot zijn recht zullen komen in de maatschappij.
Bronnen:
https://www.erasmusmagazine.nl/2024/06/27/we-kunnen-van-ai-in-de-samenleving-echt-iets-moois-maken-we-moeten-wel/
https://detoekomstvanai.nl/artikelen/ai-heeft-geen-stekker-meer/
https://www.freeday.ai/blog-nl/de-belangrijkste-ethische-kwesties-rond/
Tijdens mijn werk met AI en automatisering heb ik gemerkt hoe snel ik ben verbeterd in het maken van prompts en het toepassen van verschillende prompttechnieken. Het werken met AI heeft mijn manier van denken veranderd: ik stel nu gerichtere vragen en gebruik de technologie efficiënter. Hierdoor ben ik niet alleen sneller geworden in mijn werkzaamheden, maar lever ik ook betere resultaten. Het heeft me ook inzicht gegeven in hoe het kan helpen werkprocessen te versnellen en het kan helpen met feedback te geven om zo als professional te groeien!
Daarnaast heb ik ook kennis opgedaan over de bredere maatschappelijke impact van AI. Het thema AI gaat veel verder dan alleen data en techniek. Het heeft invloed op ethische vraagstukken die steeds relevanter worden. Zoals besproken in het artikel: AI heeft geen stekker meer op detoekomstvanai.nl, roept de inzet van AI veel ethische vragen op. Bijvoorbeeld: hoe zorgen we ervoor dat de data die wordt gebruikt niet leidt tot onrealistische resultaten of verkeerde besluitvorming? En wat gebeurt er als AI beslissingen maakt die mensen niet kunnen controleren of begrijpen?
Deze verdiepingsfase heeft me bewust gemaakt van de ethische verantwoordelijkheid die komt kijken bij het werken met AI. Hoewel de technologie veel mogelijkheden biedt, is het belangrijk om kritisch te blijven nadenken over de ethische gevolgen. Is het verantwoord om AI toe te passen zonder duidelijke regelgeving of inzicht in de gevolgen? Ik zie het als een uitdaging om bij te dragen aan het verantwoord gebruik van AI.
Kortom, deze ervaring heeft mijn technische vaardigheden verbeterd, maar ook mijn bewustzijn vergroot over de maatschappelijke impact van AI. Dit helpt me niet alleen om AI op een professionele manier in te zetten, maar ook om mijn verantwoordelijkheid te nemen bij de keuzes die daarbij horen.
Na de feedback die ik ontvangen had van de vakdocent en het gesprek met Hanneke, Niels en Guido ben ik aan de slag gegaan met het repareren/toevoegen van aanpassingen voor dit leerdoel. Zo heb ik prompttechnieken toegevoegd met voordelen, nadelen, voorbeelden en waarom ik deze gebruikt heb in mijn projecten. Ben ik na gaan denken over hoe mijn kijk is op AI en de toekomst. Heb meer werk wat ik gedaan heb met AI in projecten toegevoegd ( Mach8 en INNR ) en heb ik mijn redenatie gegeven op de keuze van gebruik van verschillende platformen/modellen.
© 2025 Jarno Janknegt
Thema gemaakt door Anders Noren — Boven ↑