AI inspiratiesessie

Om daar meer inzicht in te krijgen organiseerden we onlangs bij inSystems een inspiratiesessie over AI en Large Language Models (LLM’s). De sessie werd verzorgd door Maarten Mulders van Info Support en kon rekenen op veel belangstelling. Vrijwel al onze medewerkers waren aanwezig om zich te laten bijpraten over de technologie die momenteel zoveel impact heeft op de IT-wereld.

Van hype naar begrip

Een belangrijk doel van de bijeenkomst was om voorbij de hype te kijken. Want hoewel veel mensen inmiddels ervaring hebben met tools zoals ChatGPT, Copilot of andere AI-assistenten, blijft vaak onduidelijk wat er achter de schermen gebeurt.

Tijdens de presentatie werd op toegankelijke wijze uitgelegd hoe een Large Language Model werkt. Niet vanuit ingewikkelde wiskunde, maar vanuit de gedachte dat een model op basis van enorme hoeveelheden bestaande informatie probeert te voorspellen wat een logisch volgend woord, antwoord of stuk code is. Daardoor kunnen deze systemen verrassend nuttige resultaten leveren, terwijl ze tegelijkertijd ook hun beperkingen hebben.

4 fasen binnen een LLM

Maarten is uitgebreid ingegaan op de levenscyclus van tekst die door een LLM gaat, vanaf de tokenisatie en embedding, via de transformatorfase weer naar de unembedding. Hierbij heeft hij wel benoemd maar is niet te diep ingegaan op de hoge-dimensionale wiskunde die menselijke taal terugbrengt tot numerieke vectoren, deze verrijkt met context en ze weer omzet in leesbare woorden.

Belangrijk om in gedachten te houden is dat het “IQ” van een LLM zijn beperkingen heeft. Zo kan een LLM in principe geen fictie van werkelijkheid onderscheiden (“facts matter”), en kan een model uitstekend ‘voorspellen’ maar niet ‘begrijpen’. Ook goed is om in gedachten te houden dat het non-deterministische modellen zijn; dezelfde input kan leiden tot een ander antwoord. Door middel van de ’temperatuur’ van het model kan worden gestuurd hoe creatief het LLM mag zijn; d.w.z. de mate waarin het model mag kiezen voor ’n minder voor de hand liggend vervolg.

Juist dit inzicht helpt ons om AI beter te plaatsen: indrukwekkend en krachtig, maar zeker geen magische alleskunner.

Verdwijnt de software developer?

Een onderwerp dat natuurlijk niet kon ontbreken was de impact van AI op het werk van software developers. Regelmatig verschijnen voorspellingen dat software developers straks overbodig worden omdat AI zelfstandig software kan bouwen.

De boodschap van de sessie was genuanceerder. AI blijkt vooral sterk in taken waarvoor al veel voorbeelden bestaan. Het kan helpen bij het schrijven van code, het genereren van documentatie, het analyseren van problemen en het versnellen van routinematig werk. Ja, het good old coderen van software zal steeds minder worden, daar kan AI heel veel werk gaan overnemen. Maar juist creativiteit, probleemoplossend vermogen, klantbegrip en het maken van de juiste ontwerpkeuzes blijven mensenwerk.
Softwareontwikkeling draait immers niet alleen om het produceren van code. Het gaat vooral om het begrijpen van bedrijfsprocessen, het stellen van de juiste vragen en het vertalen van wensen naar slimme oplossingen. En juist daar blijft de rol van de developer van grote waarde.

Agentic AI

Een ander belangrijk thema was de samenwerking tussen mens en AI. In plaats van AI te zien als een vervanger, werd gekeken naar de mogelijkheden om AI als een slimme assistent in te zetten. Met praktische voorbeelden werd duidelijk hoe developers AI kunnen gebruiken om sneller kennis op te doen, repetitieve werkzaamheden te automatiseren en nieuwe ideeën te verkennen.

Observe, Autonomous actions & Learn and improve

Aan bod kwam hoe zogenaamde AI-agents steeds vaker specifieke taken kunnen uitvoeren binnen een vooraf gedefinieerd proces. De rode draad daarbij was dat succesvolle toepassing van AI vraagt om nieuwe vaardigheden. Het formuleren van de juiste vragen, kritisch beoordelen van antwoorden en begrijpen wanneer menselijke expertise nodig blijft, worden steeds belangrijker.

AI Fluency Framework

In dit kader van samenwerking met AI heeft Maarten ook stilgestaan bij het bekende AI Fluency Framework, mede ontwikkeld door Anthropic. Vier D-vaardigheden helpen je om effectief en verantwoord samen te werken met AI.

• Delegation (Delegeren): Bepalen of AI de juiste tool is voor de taak.
• Description (Beschrijven): Het formuleren van duidelijke, specifieke instructies (prompts).
• Discernment (Onderscheidingsvermogen): Het kritisch evalueren van de AI-output.
• Diligence (Zorgvuldigheid): Het ethisch en verantwoord gebruiken van AI. Dit betekent transparantie over de inzet van AI en de uiteindelijke verantwoordelijkheid nemen voor de resultaten die je deelt.

Inspirerend en positief

De bijeenkomst leverde veel interessante discussies op, zorgde voor nieuwe inzichten waarmee mensen direct aan de slag kunnen tijdens hun opdracht. Wat vooral bleef hangen, was de positieve boodschap dat AI geen bedreiging hoeft te zijn. Natuurlijk, er verandert het nodige, en daar moet je op inspelen. Zie het als een hulpmiddel waarmee software developers hun werk slimmer, sneller en leuker kunnen uitvoeren.
Bij inSystems volgen we deze ontwikkelingen uiteraard op de voet. Niet alleen omdat technologie voortdurend verandert, maar vooral omdat we onze klanten ook in de toekomst willen blijven ondersteunen met de beste kennis, expertise en innovatieve oplossingen op het gebied van Oracle, Java en OutSystems.

We kijken terug op een geslaagde en inspirerende sessie. Daar hoort bij inSystems ook een gezellige afsluiting bij, dit keer in de vorm van een gezamenlijk hapje eten.