De toekomst van organisaties bestaat uit digitale twins: Transformeer met kunstmatige intelligentie en versterk sectoren zoals gezondheidszorg en financiën. Kunstmatige Intelligentie (AI) is meer dan alleen ChatGPT. Hoewel 2023 AI in het publieke bewustzijn bracht dankzij de doorbraak van de chatbot van OpenAI, evolueert AI al decennialang in stilte, wachtend op het juiste moment om te schitteren. Vandaag de dag is het een heel ander soort technologie—capabel om te simuleren, creëren, analyseren en zelfs te democratiseren, waarbij het de grenzen verlegt van wat in vrijwel elke industrie mogelijk is.
Maar wat kan AI precies doen, en hoe moeten bedrijven het integreren in hun strategieën? Laten we duiken in het potentieel, de use cases en de uitdagingen van AI vanuit een IT-strategisch perspectief.
AI is in staat tot ongelooflijke prestaties, zoals het simuleren van de werkelijkheid (via Deep Learning en Reinforcement Learning), het creëren van nieuwe content (met modellen zoals GPT en GANs), en het voorspellen van uitkomsten door het analyseren van enorme datasets. Sectoren zoals de gezondheidszorg, financiën en veiligheid voelen de impact al:
Deze voorbeelden zijn slechts het topje van de ijsberg. Van vastgoed en verzekeringen tot klantenservice en het rechtssysteem, AI heeft het vermogen om bijna elk aspect van ons leven te revolutioneren.
Een van de meest intrigerende toepassingen van AI is de creatie van digital twins. Door de werkelijkheid te simuleren met operationele data, kunnen bedrijven veilig de impact van AI verkennen voordat ze het grootschalig inzetten. Digital twins kunnen een piloot, rechter of zelfs een digitale kredietbeoordelaar vertegenwoordigen, waardoor bedrijven risico’s kunnen beperken en AI geleidelijk kunnen integreren in hun operaties.
Wanneer bedrijven AI willen omarmen, moeten ze vragen overwegen zoals “kopen, open source gebruiken of zelf bouwen?” en “hoe versterken we onze huidige werknemers met AI-tools?” Het is cruciaal om AI te zien als een manier om menselijke vaardigheden te verbeteren—niet te vervangen. Het uiteindelijke doel is om augmented advisors te creëren die besluitvorming ondersteunen zonder het menselijke aspect op te offeren.
Met grote kracht komt grote verantwoordelijkheid. De EU AI Act, is van kracht geworden in 2024 en heeft tot doel innovatie in balans te brengen met fundamentele rechten en veiligheid. Bedrijven moeten proactief nadenken over vooringenomenheid in AI-modellen, gegevens privacy en de ethische implicaties van het inzetten van dergelijke technologieën.
Overweeg het gebruik van synthetische data die door GANs wordt gegenereerd om vooringenomenheid aan te pakken, en maak gebruik van tools zoals SHAP of LIME om meer verklaarbare AI-systemen te bouwen. We hebben AI nodig die menselijke doelen en waarden ondersteunt—technologie die levens kan verbeteren in plaats van in gevaar te brengen.
AI bepaalt al hoe we leven en werken. Volgens Gartner zijn zes van de tien belangrijkste technologische trends voor 2024 gerelateerd aan AI. Forrester voorspelt dat de AI-markt in 2030 een waarde van $227 miljard zal bereiken. Bedrijven moeten nu uitzoeken hoe ze AI uit de laboratoria kunnen halen en in praktische use cases kunnen toepassen.
De toekomst draait niet om het vervangen van mensen, maar om het creëren van een wereld waarin persoonlijke AI’s samenwerken met bedrijfs-AI’s, menselijke capaciteiten vergroten en industrieën transformeren. De visie is duidelijk—omarm AI op een verantwoorde manier en benut de kracht ervan voor een efficiëntere en verrijkte toekomst.
In de wereld van softwareontwikkeling kan verouderde code een belemmering vormen voor innovatie en groei. Legacy code is vaak opgebouwd uit tientallen jaren aan patches, workarounds, en updates, die ooit functioneel waren, maar nu lastig te onderhouden zijn. Gelukkig is er een nieuwe speler die ontwikkelteams kan helpen deze code te moderniseren: kunstmatige intelligentie (AI). Dankzij AI kunnen bedrijven sneller, efficiënter en nauwkeuriger legacy code opschonen, documenteren en zelfs omzetten naar modernere programmeertalen.
Legacy code, geschreven in verouderde talen of met verouderde structuren, brengt meerdere uitdagingen met zich mee:
Het moderniseren van legacy code met AI biedt bedrijven niet alleen de kans om te profiteren van nieuwe technologieën, maar ook om risico’s te minimaliseren en kosten te besparen. Met AI is het mogelijk om een legacy codebase stapsgewijs te transformeren naar een moderne, toekomstbestendige infrastructuur, zonder de onderliggende functionaliteit te verliezen.
In een wereld waar de technologie zich razendsnel ontwikkelt, kunnen bedrijven door middel van AI een waardevolle voorsprong opbouwen, door verouderde code te vernieuwen en zichzelf te positioneren als innovatieve spelers in hun vakgebied. Het moderniseren van legacy code is nu niet alleen haalbaar, maar ook kosten- en tijdsefficiënt
Hulp nodig bij het coachen en invoeren van AI om legacy code te moderniseren ? Vul het contact formulier in en ik kom graag meer uitleggen. Gemiddeld gesproken gaat een modernisering traject met AI 5 keer sneller
Generatieve AI (genAI) ontwikkelt zich in razend tempo. Waar we eerst alleen droomden over technologie die menselijke creativiteit kan evenaren, zien we vandaag de dag toepassingen die ons verrassen en inspireren. Van tekst generatie tot kunstmatige beeld- en videoproductie: genAI opent deuren naar nieuwe mogelijkheden in uiteenlopende sectoren, van marketing en entertainment tot gezondheidszorg en onderwijs. In dit artikel bespreken we de meest baanbrekende ontwikkelingen en kijken we naar wat de toekomst mogelijk brengt.
De nieuwste genAI-modellen zoals GPT-4 van OpenAI en DALL-E zijn multimodaal geworden. Dit betekent dat ze verschillende soorten input, zoals tekst en beeld, kunnen combineren om complexere en creatievere uitkomsten te genereren. Met DALL-E kun je nu bijvoorbeeld beelden genereren op basis van tekst omschrijvingen, wat creatieve professionals helpt om hun ideeën direct te visualiseren. Deze multimodale modellen maken het eenvoudiger om grenzen te verleggen tussen verschillende creatieve disciplines.
In-context leren betekent dat AI-modellen beter worden in het begrijpen van de context en nuances van wat je vraagt, zonder dat ze extra training nodig hebben. Dit maakt ze direct toepasbaar in real-time situaties, zoals klantenservice. Adaptieve AI, die zich kan aanpassen op basis van feedback en gebruikspatronen, zorgt ervoor dat AI steeds beter wordt in het leveren van gepersonaliseerde antwoorden en diensten.
De genAI-gemeenschap wordt steeds meer open, met bedrijven zoals Meta en Hugging Face die hun modellen openbaar maken. Hierdoor kunnen ontwikkelaars zelf experimenteren met deze geavanceerde AI-systemen en bijdragen aan verbeteringen. De open-source community speelt een belangrijke rol in het oplossen van problemen zoals bias en ethische kwesties, door input van diverse gebruikers wereldwijd.
Traditioneel vereisen krachtige AI-modellen zoals genAI veel rekenkracht en energie. Innovaties in AI-architecturen, zoals efficiëntere neurale netwerken en speciale AI-chips, maken het mogelijk om grote AI-modellen op kleinere schaal en tegen lagere kosten te draaien. Hierdoor worden genAI-oplossingen toegankelijker voor kleinere bedrijven en individuele gebruikers.
Waar genAI voorheen vooral werd toegepast op tekst, zijn de recentste ontwikkelingen in beeld- en videotechnologie indrukwekkend. Modellen zoals Midjourney en Runway bieden gebruikers de mogelijkheid om hoogwaardige beelden en zelfs videoclips te genereren. Dit is bijzonder nuttig voor marketing en reclame, waar visueel aantrekkelijke content een grote rol speelt. Nieuwe AI’s kunnen zelfs menselijke bewegingen nabootsen, waardoor acteurs of animatiefiguren levensecht kunnen bewegen in gegenereerde omgevingen.
Met de opkomst van krachtige genAI-modellen komen er ook ethische vraagstukken naar voren, zoals copyright, privacy en de impact van AI op banen. Steeds meer bedrijven en overheden werken aan richtlijnen om verantwoordelijk gebruik van AI te waarborgen. OpenAI bijvoorbeeld introduceerde functies zoals ‘safeguarding’ om onbedoelde resultaten in beeldgeneratie te voorkomen. Ook wordt gekeken naar manieren om AI transparanter te maken voor gebruikers, zodat zij weten wanneer en hoe AI wordt ingezet.
GenAI vindt steeds vaker zijn weg naar alledaagse softwaretools, zoals tekstverwerkers, ontwerpsoftware en browsers. Google en Microsoft integreren AI-functies in respectievelijk hun Google Workspace en Microsoft Office-pakketten, wat gebruikers helpt om slimmer en sneller te werken. Deze integratie zorgt ervoor dat AI-ondersteuning direct beschikbaar is in de workflow van miljoenen mensen, wat de productiviteit aanzienlijk kan verhogen.
Met de snelheid waarmee genAI zich ontwikkelt, kunnen we binnenkort nog meer baanbrekende toepassingen verwachten. Denk aan AI-assistenten die niet alleen reageren, maar ook proactief kunnen helpen door taken over te nemen, geavanceerde holografische beelden die bijna niet van echt te onderscheiden zijn, en AI’s die samenwerken om complexe problemen op te lossen.
Ook zullen bedrijven steeds meer AI toepassen in bedrijfsprocessen. Een bedrijf kan meerdere agenten trainen met een specifieke taak en die samen met elkaar laten werken als team. Momenteel is AI vooral een heel geschikte assistent. Een die snel werkt en bijvoorbeeld erg goed is in het schrijven, controleren en debuggen van computer code.
Generatieve AI is niet meer weg te denken en speelt een cruciale rol in de toekomst van technologie en creativiteit. Of het nu gaat om bedrijven die genAI gebruiken om innovatieve producten te creëren, of individuen die hun productiviteit willen verhogen, de mogelijkheden zijn eindeloos en de toekomst ziet er veelbelovend uit.
De ontwikkelingen op het gebied van kunstmatige intelligentie (AI) roepen vragen op over wat er in het verschiet ligt. Een recent whitepaper van Leopold Aschenbrenner schetst een fascinerend beeld van de huidige situatie en wat ons mogelijk te wachten staat. Hier zijn enkele belangrijke inzichten die de toekomst van AI vormgeven, gebaseerd op een analyse van de trends en uitdagingen.
De vooruitgang in AI is ongekend. In slechts enkele jaren zijn we geëvolueerd van GPT-2, dat vergelijkbaar was met een kleuter qua begrip, naar GPT-4, dat de capaciteiten van een slimme middelbare scholier heeft bereikt. Deze ontwikkeling is aangedreven door een exponentiële groei in computerkracht, algoritmische efficiëntie en innovatieve technieken zoals reinforcement learning. De verwachting is dat deze trend zich voortzet, wat tegen 2027 kan leiden tot AI-systemen die functioneren als professionele onderzoekers of ingenieurs.
Na menselijke niveaus van intelligentie is de volgende stap superintelligentie. Deze overgang kan versneld worden door het vermogen van AI om zichzelf te verbeteren. De implicaties zijn enorm: van economische transformaties tot existentiële risico’s. Aschenbrenner benadrukt dat deze intelligentie-explosie een keerpunt kan zijn, waarbij controle en veiligheid cruciaal zijn om rampen te voorkomen.
De enorme infrastructuur die nodig is voor deze AI-systemen wordt al voorbereid. Bedrijven investeren miljarden in datacenters, GPUs en elektriciteit om de vereiste computerkracht te leveren. Deze mobilisatie van middelen markeert een industriële verschuiving die vergelijkbaar is met historische oorlogsinspanningen, maar nu gericht op technologische dominantie.
De economische implicaties van AI zijn diepgaand. De verwachting is dat AI-sectoren een groot deel van de wereldwijde economische groei zullen voortstuwen, met name door automatisering, productiviteitsverhoging en de creatie van nieuwe markten. Tegelijkertijd dreigt er een risico op grote economische ongelijkheid, waarbij landen en bedrijven zonder toegang tot geavanceerde AI achterblijven. Volgens Aschenbrenner moeten regeringen en bedrijven samenwerken om deze kloof te dichten, door onderwijs, innovatie en eerlijke verdeling van middelen te stimuleren.
Een belangrijke uitdaging is de beveiliging van AI-modellen en gegevens. Het risico dat gevoelige technologieën in verkeerde handen vallen, zoals vijandige staten, vormt een grote bedreiging. Het document roept op tot strengere beveiligingsmaatregelen en een beter beleid om dergelijke risico’s te mitigeren.
Een van de grootste wetenschappelijke uitdagingen is het ontwikkelen van methoden om AI-systemen te laten werken in overeenstemming met menselijke waarden, zelfs als ze veel slimmer worden dan wij. Dit wordt aangeduid als “superalignment”. Het al dan niet bereiken van superalignment kan leiden tot onvoorziene en mogelijk catastrofale gevolgen.
Naast technologische uitdagingen is er een geopolitieke dimensie. Landen zoals China en de Verenigde Staten wedijveren om dominantie in AI. Wie deze race wint, zal niet alleen economisch maar ook militair een beslissende voorsprong hebben. Het is daarom van vitaal belang dat democratische samenlevingen samenwerken om een vrije en stabiele wereldorde te waarborgen.
De vooruitzichten die in dit document worden geschetst, zijn zowel opwindend als verontrustend. Ze vragen om aandacht, actie en samenwerking. Om de kansen van AI te benutten en de risico’s te beheersen, moeten we investeren in onderzoek, beleid en internationale samenwerking. Zoals het document stelt: de toekomst is niet zomaar iets dat ons overkomt—het is iets dat we samen vormgeven.
Wat denkt u? Zijn we klaar voor de uitdagingen en kansen die AI ons brengt? Meer lezen ?
Data speelt uiteraard een cruciale rol bij bedrijven die digitaliseren. Maar terwijl de vraag naar hoge kwaliteit en grote hoeveelheden data toeneemt, stuiten we vaak op uitdagingen zoals privacy beperkingen en een gebrek aan voldoende gegevens voor gespecialiseerde taken. Hier komt het concept van synthetische data naar voren als een baanbrekende oplossing.
Synthetische data zijn gegevens die kunstmatig worden gegenereerd in plaats van door echte gebeurtenissen of processen. Deze data worden vaak gecreëerd met behulp van algoritmes en technieken uit de kunstmatige intelligentie (AI), zoals machine learning-modellen. Het doel van synthetische data is om echte data zo nauwkeurig mogelijk na te bootsen in termen van statistische eigenschappen en patronen.
Voorbeeld: Een synthetisch gegeneerde kamer
Hoewel het dus veel voordelen biedt, zijn er ook uitdagingen. Het waarborgen van de kwaliteit en nauwkeurigheid van deze data is cruciaal. Onnauwkeurige synthetische datasets kunnen namelijk leiden tot misleidende resultaten en beslissingen. Daarnaast is het belangrijk om een evenwicht te vinden tussen het gebruik van synthetische data en echte gegevens om een volledig en accuraat beeld te krijgen. Verder kan extra data gebruikt worden om onevenwichtigheden (BIAS) in een data set te verminderen. Large language models gebruiken gegenereerde data omdat ze simpelweg Internet al hebben uitgelezen en nog meer trainingsdata nodig hebben om beter te worden.
Synthetische data zijn een veelbelovende ontwikkeling in de wereld van data-analyse en AI. Ze bieden een oplossing voor privacy problemen, verbeteren de beschikbaarheid van data. Ook zijn ze van onschatbare waarde voor het trainen van geavanceerde algoritmes. Terwijl we deze technologie verder ontwikkelen en integreren, is het essentieel om de kwaliteit en integriteit van de data te waarborgen, zodat we de https://netcare.nl/service/consultancy/volledige potentie van synthetische data kunnen benutten.
Hulp nodig bij het effectief toepassen van AI ? Maak gebruik van onze consultancy diensten
Al jaren zorgen robots in de industrie dat simpel werk kan worden geautomatiseerd. Dat heeft tot nu toe niet geleid tot grotere werkeloosheid, maar dat gaat veranderen is de stelling.
Met de komst van drones en zelfrijdende auto’s zal ook de totale vervoer sector, politie en leger worden gerobotiseerd. Tegelijkertijd zal GenAI en kunstmatige intelligentie in het algemeen langzaam maar zeker de banen van alle hoger opgeleiden overbodig maken. Normaal gesproken zal extra welvaart leiden tot de creatie van nieuwe banen hoger in de meerwaarde keten. Artificial Intelligence zal dit proces tegen werken omdat ook hier AI waarde kan leveren.
De extra welvaart zal dus terecht komen bij enkelen, de eigenaren en managers van (grote) bedrijven. In eerste instantie zal dus het verschil tussen rijk en arm verder toenemen. Eerst zullen dus de lager opgeleiden hun banen verliezen en daar komen ook geen vervangers voor. In Nederland zullen die in het vangnet van de werkeloosheid wet en de bijstand terecht komen. In andere landen als de USA zal dit veel sneller leiden tot bittere armoede. Het is dan ook niet moeilijk te bedenken dat dit kan leiden tot enorme onvrede en misschien zelfs tot revoluties. Dat is hopelijk maar een tussen periode waarin beleidsmakers aanpassingen maken zodat iedereen kan profiteren van een verhoogde welvaart. Het opstellen en uitvoeren van effectief beleid is cruciaal om deze transitie vorm te geven.
Maar uiteindelijk is deze ontwikkeling niet te stoppen, gewoon omdat het kan en er nu eenmaal veel geld en macht mee kan worden bereikt met AI en robotisering.
Als dus uiteindelijk ook de hoger opgeleiden door kunstmatige intelligentie tot werkeloosheid worden gedwongen zal de overheid genoodzaakt zijn om in te grijpen. Di kan door de welvaart te gaan herverdelen tussen de (tegen die tijd) superrijken en de werkelozen. Omdat de nationale overheid niet meer voldoende invloed zal hebben op de multinationals vereist dit samenwerking. Laten we uitgaan van het positieve en men weet dit uiteindelijk voor elkaar te krijgen. We leven dan met veel vrijheid, vrije tijd en welvaart tot het moment dat de laatste baan is vervangen door slimmere robots. Op dat moment of net daarvoor verdwijnt de economie zoals we kennen en is alles gratis. Robots maken namelijk alles inclusief delving van grondstoffen en omdat zij geen tegenprestatie eisen doen ze dat kosteloos, 24 uur per dag 365 dagen per jaar. De prijzen van producten en diensten dalen dus verder en verder tot ze uiteindelijk nul zijn.
De economie is verdwenen, rijk zijn heeft geen nut meer want alles is gratis.
Ontstaat dan een schaduw economie, zoals nu ook bestaat tussen onder en bovenwereld of gaan we ons proberen op andere manieren te onderscheiden. Momenteel weet ik het niet, wat ik wel weet is dat bovenstaand scenario reëel is en dat we zowel voorbereid moeten zijn op de periode tussen nu en het verdwijnen van de economie als de periode daarna.
Maar als we er goed mee omgaan, kunnen we dus juist precies bereiken wat we altijd al hebben gewild. Meer vrije tijd en genoeg inkomen om een mooi en gezond leven te leiden. Die gedachte vind ik dan ook de moeite waard om te blijven investeren in innovatie. Ik ben benieuwd of we samen een stap kunnen zetten.
In de wereld van kunstmatige intelligentie is een van de grootste uitdagingen het ontwikkelen van AI-systemen die niet alleen intelligent zijn, maar ook handelen volgens ethische normen en waarden die overeenkomen met die van de mens. Een benadering hiervoor is het trainen van AI met behulp van wetboeken en jurisprudentie als basis. Dit artikel verkent deze methode en kijkt naar aanvullende strategieën om een AI te creëren met mensachtige normen en waarden. Ik heb deze suggestie ook gedaan namens de Nederlandse AI coalitie aan het ministerie van J&V in een strategie paper die we in opdracht van het ministerie hebben geschreven.
Het idee om een AI te trainen op basis van wetboeken en jurisprudentie is gebaseerd op het concept dat wetten een weerspiegeling zijn van de collectieve normen en waarden binnen een samenleving. Door een AI deze juridische teksten te laten analyseren, kan het systeem inzicht krijgen in wat maatschappelijk acceptabel is en welke gedragingen verboden zijn.
Gebruik van GAN’s om Hiaten te Identificeren
Generative Adversarial Networks (GAN’s) kunnen hierbij dienen als een instrument om de lacunes in de wetgeving te ontdekken. Door scenario’s te genereren die buiten de bestaande wetten vallen, kunnen GAN’s mogelijke ethische dilemma’s of ongeadresseerde situaties aan het licht brengen. Dit stelt ontwikkelaars in staat om deze hiaten te identificeren en aan te pakken, waardoor de AI een meer volledige ethische dataset heeft om van te leren. Natuurlijk hebben we ook juristen, rechters, politici en ethici nodig om het model fijn te slijpen
Hoewel het trainen op wetgeving een solide startpunt biedt, zijn er enkele belangrijke overwegingen:
Om een AI te ontwikkelen die echt resoneert met menselijke ethiek, is een meer holistische benadering nodig.
1. Integratie van Culturele en Sociale Data
Door de AI bloot te stellen aan literatuur, filosofie, kunst en geschiedenis, kan het systeem een dieper inzicht krijgen in de menselijke conditie en de complexiteit van ethische vraagstukken.
2. Menselijke Interactie en Feedback
Het betrekken van experts uit de ethiek, psychologie en sociologie bij het trainingsproces kan helpen om de AI te verfijnen. Menselijke feedback kan zorgen voor nuance en corrigeren waar het systeem tekortschiet.
3. Continue Leren en Aanpassen
AI-systemen moeten worden ontworpen om te leren van nieuwe informatie en zich aan te passen aan veranderende normen en waarden. Dit vereist een infrastructuur die voortdurende updates en hertraining mogelijk maakt.
4. Transparantie en Uitlegbaarheid
Het is cruciaal dat AI-beslissingen transparant en uitlegbaar zijn. Dit vergemakkelijkt niet alleen het vertrouwen van gebruikers, maar stelt ontwikkelaars ook in staat om ethische overwegingen te evalueren en het systeem bij te sturen waar nodig.
Het trainen van een AI op basis van wetboeken en jurisprudentie is een waardevolle stap richting het ontwikkelen van systemen met een begrip van menselijke normen en waarden. Echter, om een AI te creëren die echt ethisch handelt op een manier die vergelijkbaar is met mensen. Hiervoor is een multidisciplinaire aanpak nodig. Door wetgeving te combineren met culturele, sociale en ethische inzichten, en door menselijke expertise te integreren in het trainingsproces, kunnen we AI-systemen ontwikkelen die niet alleen intelligent zijn, maar ook wijs en empathisch. Laten we kijken wat de toekomst kan brengen
Aanvullende bronnen:
Voor een omvangrijker project bij Essent hebben we o.a. een artificial intelligence robot gebouwd. Het project omvat de integratie van (live)chat via de website met zowel medewerkers, als een AI robot. Daarnaast nog integratie met CRM om survey data vast te leggen.
Dit blogje gaat met name over het AI stuk, wat een mooi puzzelstukje bleek om binnen de gestelde tijd een robot te bouwen die 2 talig was (frans en nederlands) en ook emotie herkent, zodat als klanten te emotioneel worden dat ze door kunnen worden gezet naar medewerkers van vlees en bloed.
Hierbij gebruikten we o.a. Googles Neural Network for natural language. Een mooie API die google zelf ook gebruikt en een hoog vermogen heeft om de inhoud van een gesprek te kunnen interpreteren. NetCare heeft daar veel functionaliteit aan toe moeten voegen zoals self learning en een aardige feature die met name handig is bij chat en linkjes geeft over producten en diensten, zodat je snel de juiste informatie krijgt. De logica om te leren is nog work in progress en vergt vooral veel data om te analyseren.
De toepassingen van onze robot zijn heel groot, we zien dan ook veel mogelijkheden om verder te gaan met dit onderwerp. We bouwen dan ook momenteel een eigen chat bot voor onze MyVox demo site die geïnteresseerden verder kan helpen . Op termijn willen we de robot ook laten praten en zou het een prettige en goede gesprekspartner kunnen zijn die altijd behulpzaam is, nooit moe wordt en alles weet over het bedrijf, de producten en de medewerkers.
Inmiddels hebben we de artificial intelligence robot ook verder ontwikkeld en geïntegreerd in onze eigen website. Je kunt met AIR praten via de live chat onderin die automatisch opkomt na 10 seconden. Hij kent Wikipedia op zijn duimpje.
We zijn dan ook op zoek naar marktpartijen die we kunnen helpen met het verbeteren van hun dienstverlening. Interesse ? Neem contact op en maak een vrijblijvende afspraak. We komen graag een demo geven en uitleggen wat we voor uw organisatie kunnen doen.
Maak kennis met AIR, onze eigen artificial intelligence robot
https://youtu.be/Gt7q7lrBLbc