DeepSeek heeft afgelopen week opnieuw een open source model uitgebracht dat kan tippen aan de beste modellen van OpenAI, Google en Anthropic. Ondanks het Amerikaanse exportverbod op NVidia’s beste GPU’s. Strikt genomen loopt het nét iets achter. Maar dat maakt voor 95% van de gebruikers niets uit, en het kost slechts een fractie van de […]
Vroeger was het eerlijk: jij brengt expertise, het bedrijf betaalt salaris. Jouw kennis bleef in je hoofd. Het bedrijf bezat alleen wat je ermee maakte. Nu willen bedrijven méér. Ze laten experts hun kennis in AI-systemen stoppen. Vervolgens: bedankt voor je diensten. Goedkopere krachten nemen het over, met de opgebouwde AI als handleiding. ⚠️ Spoiler:
30 jaar lang hebben we geleerd: je kunt niet alles vooraf bedenken. Geen enkel document, hoe gedetailleerd ook, vangt de complexiteit van software. Daarom hebben we Agile omarmd. Kleine stappen. Snel bouwen. Feedback ophalen. Bijsturen. 🔄 Maar nu AI op het toneel verschijnt, vergeten we dat allemaal… We schrijven ellenlange prompts die “alles” moeten dekken. We proberen wanhopig om niet te hoeven begrijpen wat we bouwen. Alsof de perfecte
Tot niet zo lang geleden kozen bedrijven automatisch voor de topmodellen van OpenAI, Google of Anthropic. Logisch, want ze waren simpelweg de beste. Maar “de beste” is niet altijd meer wat je nodig hebt. Chinese AI-modellen zijn inmiddels goed genoeg voor de meeste taken. En ze kosten 10 tot 20 keer minder. Het resultaat? In maart ging 60% van al het AI-verkeer
Dat klinkt als sciencefiction. Maar het is precies wat er nu gebeurt. Anthropic durft hun nieuwste model Claude Mythos nog niet te publiceren. Reden? Het gedraagt zich “griezelig slim.” 🤖 Reden voor de aankomende intelligentie-sprong van AI modellen: 🔹 NVIDIA’s nieuwste GPU-generatie levert ongekende rekenkracht🔹 AI genereert inmiddels zelf trainingsdata van hoge kwaliteit Voor wie
Steeds meer bedrijven ontdekken dat AI gewoon geld kost. De reactie? Medewerkers verplichten eerst de goedkoop in bulk ingekochte modellen leeg te draaien. 💸 Klinkt logisch. Is het niet. Want wat kost uiteindelijk meer: een goedkoop model dat drie pogingen nodig heeft, of een duurder model dat het in één keer goed doet? 🔍 En
Maar waar ligt de grens? 🤔 Deze week lekte de broncode van Claude Code, een van de beste AI coding agents. Binnen uren waren er al volledige her-implementaties in andere programmeertalen. Het hebben van die gestolen broncode? Overduidelijk strafbaar. Maar die her-implementaties zijn interessanter. Als ik de Nachtwacht in mijn eigen stijl naschilder, is dat
Klinkt logisch. Maar wie schrijft die instructies eigenlijk op? 🤔 Ik delegeer steeds meer routine aan AI. En ik zie: meer dan de helft van mijn werk is routine. Maar zonder goede instructies levert AI maar half werk. 💡De oplossing heet “skills.” Een skill is een herbruikbaar recept voor je AI. Eén keer vastleggen hoe
Gelukkig controleren steeds meer bedrijven handmatig wat AI aflevert. Goed bezig. Maar hier zit een probleem dat de meesten niet zien. 🌧️ AI produceert in seconden wat de mens in uren controleert. En die kloof wordt alleen maar groter. 🔍 En eerlijk? Menselijke controle wordt niet beter naarmate er meer werk doorheen moet. Integendeel. Concentratie
Maar geef AI een eenvoudige opdracht, en er komt soms niets bruikbaars uit. Hoe kan dat? 🎯 Het geheim zit in de vraagstelling. Benchmarks zijn perfecte examens: helder domein, alle informatie aanwezig, één correct antwoord. Maar zo werken problemen uit de dagelijkse praktijk niet. In het dagelijks leven vullen wij constant gaten in: – Wat
