AIToday Live

```Patrick van Stokhem, verantwoordelijk voor robotica-ontwikkeling bij installatiebedrijf BREiNN, kreeg groen licht voor een humanoid robot van 95.000 euro zonder te weten wat hij ermee ging doen. Het probleem is dat de gepoetste demo's op social media niets zeggen over de praktijk, want achter elke virale video zitten weken voorbereiding en exact geprogrammeerde bewegingen. Patrick laat zie...

Negen AI-experts op World Summit AI 2026 reageren op elf stellingen over Artificial Intelligence, van Marijn Markers tot Wouter Haak. Het probleem is dat bedrijven AI opplakken op processen die eigenlijk alleen een betere workflow nodig hebben. De experts laten zien wanneer AI wél werkt, waarom technische skills niet meer de bottleneck zijn en hoe je voorkomt dat je bedrijf de volgende Kodak wordt...

Sarah van der Land, die AI-experimenten bij de NPO leidde, ziet organisaties eerst een AI-oplossing kiezen en daarna pas rekenen of het iets oplevert. Ze ontwikkelde het SHARP-framework dat je dwingt de business case te maken voordat je begint te bouwen. Bij een moderatieproject bepaalde ze eerst het strategische doel, pas daarna de technologie. Het resultaat: journalisten hoefden nog maar één kee...

```Maartje Vennema, oprichter van Chief AI Officer Academy, ziet organisaties AI-projecten kiezen op hype in plaats van op waarde. Het probleem is dat automatiseren als hoofddoel al snel een plafond bereikt, terwijl de echte winst vaak ergens anders ligt. Ze laat zien hoe je met een waardedrempel en een besliskader elk AI-voorstel toetst voordat je er resources op inzet. Bij organisaties die dit t...

Bart Scheerder, AI-strateeg bij het UMCG en kwartiermaker voor de Nederlandse AI-fabriek, ziet ziekenhuizen keer op keer beginnen bij de verkeerde vraag. Ze kiezen eerst een tool en zoeken daarna een probleem, terwijl een interne arts nu al 40% van zijn tijd kwijt is aan administratie en maar 20% aan patiëntencontact. Scheerder laat zien hoe het UMCG dit omdraait: eerst het proces in kaart brengen...

Waarom snapt Artificial Intelligence je vraag bijna nooit precies zoals jij hem bedoelt? Het probleem is dat een taalmodel altijd zelfverzekerd antwoordt, ook als het de context mist die jij als vanzelfsprekend beschouwt. Een tik-experiment uit 1990 laat zien waarom: luisteraars raadden een getikt liedje maar in 2,5 procent van de gevallen goed, terwijl tikkers 50 procent verwachtten. Dezelfde klo...

Maarten van den Outenaar, oud-datadirecteur bij Schiphol, NS en Volker Wessels, zag telkens hetzelfde patroon: technisch perfecte AI-producten die niemand gebruikt. Het probleem is dat teams beginnen met bouwen voordat ze weten welk probleem een specifieke medewerker daadwerkelijk ervaart. Hij laat zien waarom een goede oplossing op het verkeerde moment evenveel oplevert als geen oplossing, en hoe...

Waarom stuur je een AI-bericht door zonder de bron te checken? Het probleem is dat hype niet vanzelf ontstaat, maar gemaakt wordt door afzenders met een belang bij jouw aandacht. Zes vragen uit de Hype Literacy Toolkit laten zien wie erbij wint, welke onzekerheid in een voorspelling verstopt zit en of "expert" en "criticus" wel terecht zo genoemd worden. Een leverancier die &qu...

Max Welling, hoogleraar machine learning aan de Universiteit van Amsterdam en CTO van CuspAI, bouwt een zoekmachine voor materialen die nog niet bestaan. Het probleem: nieuwe materialen ontwikkelen kost traditioneel jaren, terwijl Artificial Intelligence dat proces drastisch kan versnellen. Welling laat zien hoe generatieve modellen miljoenen materiaalkandidaten voorstellen, waarna andere modellen...

Marijn van Aerle, medeoprichter en CTO van Floryn, bouwde een controlesysteem waarbij een beoordelaar niet zomaar akkoord kan klikken op een AI-voorstel. Het probleem: na tweehonderd keer goedkeuren wordt controleren een reflex, ook bij AI-voorstellen die fout zijn. Van Aerle laat zien hoe zijn systeem afwijkende beslissingen automatisch naar een tweede beoordelaar stuurt, met de vraag wat er ande...

Joyce Datema helpt organisaties dagelijks met de mensenkant van Artificial Intelligence implementatie, en ze ziet steeds hetzelfde patroon: tools worden uitgerold, trainingen gegeven, en zes weken later werkt de helft van het team nog met AI. Het probleem zit niet in de technologie, maar in het ontbreken van eigenaarschap, concrete afspraken en een gedeelde werkwijze. Ze ontwikkelde de AI-wasstraa...

Oscar Wijsman en Ruud Staijen, beiden werkzaam bij de Nederlandse politie, zien hoe 65.000 medewerkers dagelijks met AI en data moeten omgaan zonder blind te vertrouwen op de uitkomst. Automation bias ligt op de loer: te veel leunen op AI-output zonder kritisch te blijven kijken naar de bron. Ze delen hoe je gemanipuleerde data herkent, waarom oude fouten binnen de organisatie actief besproken wor...

Oscar Wijsman, internationale lead AI en data science bij de politie, en Ruud Staijen, landelijk programmadirecteur datagedreven werken, zien dagelijks hoe 1200 databronnen en 65.000 medewerkers kunnen verzuipen in ruis in plaats van in inzicht. Meer data verzamelen bleek averechts te werken: de kwaliteit ging omlaag in plaats van omhoog. Ze laten zien waarom actief filteren op bruikbaarheid beter...

Rick Stoop, data-engineer bij NS, stond drie maanden voor livegang met een dataproject dat niemand meer kon doorgronden. Een fix op de ene plek veroorzaakte telkens een nieuw probleem op een andere plek, omdat traceerbaarheid ontbrak. Stoop en zijn team bouwden het datamodel opnieuw op met eenvoudigere bouwblokken en duidelijkere businesslogica. Resultaat: bij een recent incident kon de oorzaak bi...

Rick Stoop, data expert bij NS, meet het energieverbruik van treinen met GPS-data, energiemeters en dienstregelingen van dertig verschillende teams. Eén verkeerde aanname en de hele score klopt niet meer, dus zijn team ontdekte pas na onderzoek waarom bepaalde trajecten structureel geen score kregen. De oorzaak: tunnels verstoorden de GPS-meting stelselmatig, zonder dat iemand dat wist. Rick laat...

Mark Schep, data- en AI-engineer bij onder meer Bol en Winparts, ziet bedrijven onnodig 10.000 tot 15.000 euro per jaar uitgeven aan dataplatforms voordat er ook maar één vraag beantwoord is. Zijn ervaring: teams kiezen voor de bekende, dure tools uit gewoonte, terwijl schaal en complexiteit vaak niet overeenkomen. Hij laat zien hoe je met timeboxen van drie maanden bewijst of een aanpak werkt, en...

In teamoverleg knikt iedereen mee als de projectleider AI "de toekomst" noemt, terwijl drie collega's hun twijfels pas later bij het koffiezetapparaat uitspreken. Het probleem is niet dat mensen geen mening hebben over Artificial Intelligence, maar dat de vergaderstructuur geen ruimte biedt om die scherp te krijgen. Joop laat zien hoe een stellingenspel met drie kaarten - eens, onee...

Frits Snijder, Senior Product Manager bij PostNL, bouwde een AI-systeem voor klachtenverwerking dat technisch klopte maar in de praktijk vastliep op de 20% gevallen die er het meest toe deden. Het probleem bleek niet de technologie, maar de volgorde: het team begon bij de oplossing in plaats van bij het probleem. Frits laat zien hoe je onderscheid maakt tussen een agent-probleem en een workflow-pr...

Kun je zien of een tekst met AI is geschreven, en zou dat eigenlijk moeten uitmaken? Anthropic zet een onzichtbaar watermerk in teksten van Claude, verplicht door de Europese AI-verordening, maar het systeem is met simpele testjes te omzeilen. Wie honderd variaties van dezelfde zin uitprobeert, isoleert precies welke woordkeuzes het watermerk veroorzaken en haalt het er weer uit. Vóór ChatGPT liet...

Hendrik van Zwol, zelfstandig ondernemer gespecialiseerd in AI-beeldcreatie, ziet dagelijks hoe Artificial Intelligence verzorgde resultaten levert die van niemand zijn. Het probleem is niet de technologie, maar het ontbreken van eigen richting: wie geen smaak heeft ontwikkeld, geeft de tool ook geen richting en krijgt generieke output terug. Hij laat zien hoe zijn 8S-framework — met parameters al...

Twee derde van de Nederlandse IT-organisaties kan achteraf niet reconstrueren wat een AI-coding agent precies heeft gedaan, blijkt uit onderzoek onder 330 IT-beslissers. Het probleem is niet dat mensen de risico's niet zien, maar dat ze die risico's afdekken met beleid in plaats van technische maatregelen, terwijl een taalmodel je beleidsdocument niet leest. De oplossing is een coding ha...

Martin van Kranenburg, marketingstrateeg en auteur van *Van SEO naar GEO*, ziet hoe bedrijven structureel onzichtbaar worden voor klanten die hun vragen niet meer aan Google stellen, maar aan ChatGPT of Copilot. Een taalmodel geeft geen lijst van tien resultaten, maar een shortlist van drie merken, en wie daar niet op staat, mist de conversatie volledig. Martin legt uit welke drie factoren bepalen...

Meer dan 90% van de AI-projecten haalt productie niet — niet door technische problemen, maar omdat organisaties structureel één budget vergeten. Joop Snijder, Head of AI bij Info Support, ziet het patroon steeds terugkomen: er is geld voor het experiment, maar niet voor implementatie en beheer, waardoor projecten na de demo stilvallen. Hij legt uit waarom je drie aparte budgetten nodig hebt — inno...

Michel van de Beek, mede-oprichter van Healfie, bouwde een systeem dat in 30 seconden spraak spanning en zwaktes in je lichaam detecteert, eerder dan bloedwaarden dat doen. Het zorgstelsel reageert op ziekte, niet op de signalen die eraan voorafgaan, en dat is precies het gat dat hij wil dichten. Artificial Intelligence vertaalt de ruwe stemdata naar begrijpelijke adviezen: welke spiergroepen over...

AI geeft een fout antwoord en de hand gaat automatisch naar het grootste beschikbare model. Dat is de duurste reflex in AI-gebruik, en bijna altijd de verkeerde. Niels Naglé legt uit wat de modelknop en de effortknop werkelijk doen: de modelknop bepaalt wat een model weet, de effortknop bepaalt hoe grondig het te werk gaat. Die twee sturen iets fundamenteel anders aan, maar worden constant door el...