Aflevering 394 – Stop met AI implementeren, totdat je dit begrijpt

Introductie van deze gast

Sander van der Kraan is oprichter van Conversed.ai en werkt al jaren met AI lang vóór de ChatGPT-hype. Hij helpt organisaties met het bouwen en optimaliseren van AI-agents en ziet dagelijks waarom AI-projecten mislukken — en hoe je ze wél laat slagen.

3 leerpunten

🤖 AI is niet slim — het voorspelt woorden (maar kan wel taken beter uitvoeren)

📉 95% van de AI-projecten faalt door verkeerde verwachtingen en slecht management

⚙️ Begin met repetitieve taken waar je team energie van verliest — daar zit directe winst

WIE IS WIE?

Host: Lieke van der Plas.

Gast: Sander van der Kraan.

CALLS TO ACTION 🔥

Verbind met Sander op LinkedIn: https://www.linkedin.com/in/sandervanderkraan/

Link naar de website van Conversed: www.conversed.ai

In deze aflevering

00:00 Welkom bij Groeivoer

01:02 Intro Sander + ontstaan Conversed.ai

02:47 Eerste use case: menselijke chat → schaalprobleem

04:32 Waarom AI toen nog niet werkte

06:05 Opkomst ChatGPT + verschil met eerdere AI

07:48 Frustratie met oude chatbots (“loop of death”)

10:48 Hoe AI werkt: voorspellen van woorden

12:52 AI vs mens: wie is slimmer?

14:05 Waarom AI fundamenteel beperkt is

17:38 AGI: hype vs realiteit

21:52 Waar AI direct waarde toevoegt

24:48 Risico’s: data en security

27:02 Waarom AI-projecten falen

29:42 Verwachtingen vs realiteit (auto vs vliegtuig)

32:08 Ondernemersles: veel omzet, geen winst

36:02 AI vs personeel: vervangen of versterken

39:05 AI als concurrentievoordeel

42:05 AI faalt door leiderschap

44:28 Van weerstand naar “AI als collega”

46:32 Concrete tips om te starten

Shownotes

Waar vind je deze ondernemerspodcast?

Kijk je graag zakelijke podcasts? 🎥

Volg dan het kanaal van Groeivoer op Youtube: https://www.youtube.com/@Groeivoer/videos

Liever luisteren? 🎧

Volg Groeivoer op Apple Podcast: 🍏 https://shorturl.at/kozJP

Beluister de #1 Nederlandse ondernemerspodcast op Spotify: 🎶 https://shorturl.at/bfmD3

Zelf een zakelijke podcast starten? 🎙️

Wil je zelf ook een professionele podcast starten? Gerhard is eigenaar van Ear Ear, een gespecialiseerd podcast agency voor ondernemers.

Adverteren in dé ondernemerspodcast van Nederland? 📢

Wil je adverteren bij Groeivoer en ondernemend Nederland bereiken? Mail naar info@groeivoer.nl

Volg onze ondernemerskanalen! 🌐

Blijf op de hoogte van nieuwe podcast afleveringen en ondernemersevents via WhatsApp: https://whatsapp.com/channel/0029VaZOSZGHbFV9bpqwwE3B

Of via Telegram: https://t.me/groeivoer

De beste ondernemerslessen in je mail? 📧

Mail naar info@groeivoer.nl voor een *cheat sheet* met de 10 beste tips van 300 afleveringen van Groeivoer. Boordevol inzichten van succesvolle ondernemers.

Waardeer deze ondernemerspodcast! 🌟

Fan van deze zakelijke podcast? Laat een review achter! 👍

Volg de #1 ondernemerspodcast! 🚀

LinkedIn Gerhard: https://www.linkedin.com/in/gerhardvelde/

LinkedIn Groeivoer: https://nl.linkedin.com/company/groeivoer

Instagram: https://www.instagram.com/groeivoer_podcast/

TikTok: https://www.tiktok.com/@groeivoerpodcast

X: https://twitter.com/groeivoer

Onze partners voor ondernemers 🤝

Deze ondernemerspodcast wordt mede mogelijk gemaakt door Teamleader, het perfecte all-in-one softwarepakket voor het MKB. Start vandaag: https://signup.focus.teamleader.eu

Speciale dank aan Groenpand, thuisbasis van de Ear Ear Podcast studio. Bekijk www.groenpand.nl voor meer informatie.

Transcriptie

AUDIO

[00:00:00] Dus als ik zeg AI is slimmer dan de mens. Ik denk dat je jezelf tekort doet. Ik denk dat jij echt veel slimmer bent dan alle large language models die er momenteel bestaan. Een bedrijf trekt 10.000, 20.000 euro uit om AI agent neer te zetten. Verwacht dat het fantastisch wordt. Vervolgens geeft het niet helemaal de juiste antwoorden.

En ze weten niet hoe ze het beter moeten maken. En zetten ze het weer uit. Mensen beginnen in de weerstand. Ik moet mijn baan afpakken. En uiteindelijk wordt hij dan echt een beetje geadopteerd als hun kind. Een van onze klanten was echt verbolgen over het feit dat hun AI-agent werd uitgescholden Die was echt een beetje gekwetst En die zei hij moet voor zichzelf opkomen.

Weet je, dat kan hij toch niet over zijn kant laten gaan. En dat is toch wel heel leuk. Zo voelen we toch een beetje met onze eigen AI-agents ook mee. Ja zeker

Welkom bij Groeivoer. Mijn naam is Lieke van der Plas en ik zit hier vandaag met Sander van der Kraan van Converse.ai. Lang [00:01:00] voordat ChatGPT een hype werkt, werkte hij al aan geautomatiseerde gesprekken op internationale schaal. Hij ziet dagelijks waarom AI-projecten mislukken en waarom ondernemers AI structureel overschatten.

Welkom bij de podcast Sander. Dankjewel dankjewel. Jij bent in 2018 al begonnen met Converse.ai en volgens mij is dat zelfs… Het tweede bedrijf met dezelfde bedrijfsnaam. Ja, dat is wat een ingewikkeld verhaal Ik ben ongeveer 18 jaar geleden begonnen met een bedrijfje gericht op SEO. Search Engine Optimization.

Daarna een bedrijf begonnen wat zich richtte op social advertising. Dus advertising op Facebook en op Instagram en dat soort platformen. En net op een moment dat dat enorm ging vliegen, dus ben ik met de neus in de boter gevallen. Ik ben er vrij zeker van dat ik in 2018 nog nooit van de term AI überhaupt had gehoord.

Hoe kwam je er toen [00:02:00] al bij en wat zag jij toen al gebeuren? Ja eigenlijk wat er een beetje gebeurde is wat ik toen deed met Perform, dat is het marketingbedrijf dus we deden veel performance marketing en dat deden we onder andere voor allerlei grote… Met FMCG-partijen. Dus Friesland Campina, Nutritia, Abbott, dat soort partijen.

En we waren op zoek naar eigenlijk een andere manier om performance marketing te doen voor dat soort bedrijven. Die verdienen toen nog heel veel geld aan babyvoeding. Een deel van die partijen doen dat nog steeds. En die zijn eigenlijk de hele tijd op zoek naar ouders. Dus dat is de performance marketing die ze doen.

En eigenlijk zagen we dat dat… Ja, gewoon heel goed liep om leads te genereren via Google, via Facebook, via programmatic marketing, via de website. Maar we waren eigenlijk op zoek naar een andere manier om dat te doen. Nou, wij werkten veel voor die [00:03:00] partijen in Azië. Want Azië is een heel belangrijk deel voor, nou ja bijvoorbeeld in Friesland Campina om babyvoeding te verkopen.

En toen hebben we eigenlijk gezegd nou wat nou, we zien dat die chat. Platformen die worden heel groot. WhatsApp werd toen al veel gebruikt, Messenger werd volop gebruikt in Azië. Maar je hebt ook platformen als WeChat. Ja, ik ken het wel. Niet bekend mee, maar groot in China, in Azië. Ja, in China vooral onder Chinees sprekende.

In Korea heb je… Kakao Talk is ook zo’n soort van, dat zijn dan super apps. Dus dat is een soort van WhatsApp en een bol.com en een Ideal en een soort van alles in één. Dus zowel consumenten als bedrijven gebruikten dat soort platformen al heel veel om te communiceren met klanten maar ook echt om spullen te verkopen.

Dus wij zagen eigenlijk in Azië mensen zijn Zuidoost-Azië. Mensen zijn over het algemeen [00:04:00] positiever al over de primitieve chatbots die er toen al waren. En ja, die kansen hebben we eigenlijk gegeven. We gezegd als we nou gewoon een mens aan de andere kant hebben, we sturen traffic, dus we sturen kliks vanaf Facebook, vanaf Google, naar WhatsApp toe.

En we laten gewoon een persoon aan de andere kant kijken of ze daar leads van kunnen maken. En dat werkte zo onwijs goed dat we zeiden, ja, dit moeten we automatiseren. Ja, want destijds was het dus nog wel een echt… Een persoon Een persoon precies Die reageerde als jij een vraag, een klacht iets had. Ja.

Oké dat kost heel veel tijd, werk, uur denk ik zomaar. Ja, en wij deden dat toen vooral in Vietnam en Indonesië. En daar zijn de loonkosten natuurlijk wel een stuk lager. Maar je wil dat echt op schaal doen. Dus inderdaad zeiden we van, nou laten we dat automatiseren. Dus dat gingen we automatiseren. Maar er kwamen inderdaad wat jij zegt ook…

Naast dat mensen dingen wilden kopen, hadden natuurlijk ook heel veel vragen. Wat is de garantie Wanneer wordt het geleverd Wanneer wordt het teruggestuurd? Dus toen werd eigenlijk meer de [00:05:00] uitdaging, oké kunnen we dan met de AI zoals die toen was, konden we daarmee in het Indonesisch, in het Vietnamese, die vragen beantwoorden.

En toen gingen we rondkijken want Microsoft had al AI, IBM had AI, Google had AI, Facebook had AI. Bij Facebook heet dat wit.ai, dat is iedereen vergeten alweer, dat is acht jaar geleden. Watson kennen de meeste mensen nog wel, dat van IBM, zo heet nog steeds. Microsoft had louis.ai. En eigenlijk gingen we naar al die AI’s kijken en we zagen, ja, die spreken eigenlijk alleen maar…

Dus daar hadden we eigenlijk niks aan. Dus dat was een soort van het startpunt voor ons om te zeggen van… …hé er ligt best wel een kans om daar wat mee te gaan doen. En zo is eigenlijk Converse ontstaan Dus het is helemaal niet dat ik dacht… …ja, over vier jaar komt ZGPT uitrollen en dan exploiteert die hele boel.

Maar het was wel vanuit het idee van… …hé daar kan je eigenlijk op een hele efficiënte manier… …zeg maar [00:06:00] kostenefficiënte manier echt… Één op één communiceren met mensen. Dus dat was wel altijd de gedachte. En toen halverwege eigenlijk onze rit kwam ineens Chachapiti aan de hoef. Want hoe heb jij die ontwikkelingen van dichtbij dan meegemaakt Voor mij was Chachapiti er opeens en dacht ik echt…

Wat is het voor iets engs vond ik ook wel, hoe kan dit? Maar jij hebt er echt dicht op de bal gezeten Welke ontwikkelingen heb je daarin gezien En heb je ook, waar we vandaag de dag staan… en wat we kunnen al vandaag de dag met AI… heb je dat dan ook al die jaren terug wel al een beetje zien aankomen?

Nou, er wordt echt al vanaf zeg maar na de Tweede Wereldoorlog wordt er al gewerkt aan AI. Oké na de Tweede Wereldoorlog dat is heel ver terug in de tijd. Ja, dus het is iets waar al heel lang aan wordt gewerkt. Als je kijkt naar acht jaar geleden, dat heette dan Natural Language Processing of Natural Language Understanding.

En [00:07:00] ondertussen hebben we het over… Large Language Models, dus ChatGPT is het Large Language Model van het bedrijf OpenAI. Dus ik zeg wel eens, zie je het als een Porsche en die heeft een motor. En die motor is dat Large Language Model. Nou, dat is dus bij OpenAI is ChatGPT dat Large Language Model.

Daarvoor waren dat… NLP en NLU. En dat lag gewoon op een heel ander niveau. Sorry, maar NLP, is dat neurolinguistisch programmeren? Ja daar is het ook een afkorting van, maar dit is Natural Language Processing. Ik denk misschien wel veel te diep op de stof. Ik denk dat we iets meer concreter moeten worden.

Ja, goed. Ja, ik zal hem proberen inderdaad wat minder in Ja want dat is wel grappig, want jij bent de AI-nerd en ik ben de AI-noob. Dus af en toe zal ik even kijken van, hé, wat zegt hij nou precies? Ja, nee, heel goed. En trek me ook maar weer uit mijn nerd-hole en trek me maar even. Maar eigenlijk, als jij denkt aan hele [00:08:00] irritante chatbots die je tegenkomt Ja zeker.

Ik heb mee gedacht meteen Zo’n chatbot waarvan je denkt van, waarom kan ik niet gewoon met een mens praten? Die is een soort van, wij noemen dat wel eens de loop of death. Dus die is ook maar een soort van, ik snap je niet, kan je je vragen anders stellen? Ik snap je nog steeds niet, kan je nog een keer je vragen anders stellen?

Lopen ze ook wel eens vast? En jij maar, ik wil een mens spreken, misschien ga je schelden misschien ben je daar te beschaafd voor, misschien doe je dat niet. Ik heel beschaafd

Maar dat bestond toen heel veel en dat was dus die voorloper van die large language models. Dus ze waren echt nog een stuk dommer. Dus ze proberen de intentie van jou te herkennen en jouw intentie was… Ik ben bij mijn bank, ik wil iets weten over mijn pensioen. Ik wil iets weten over mijn verzekering. En hij dacht, oh, je wil iets weten over een lening.

Nou, dan ga ik daarover praten. Dan ga ik je helemaal die hoek induwen. En jij werd gek, ik trok je haar uit je hoofd. En dat is dus eigenlijk, nou doe ik misschien een beetje NLP [00:09:00] tekort maar dat was heel erg die fase. En toen kwam ZGPT. Nou ga ik weer een beetje nerden dus stop me als… Maar dat staat voor General Pre-Transformer.

En het stukje transform… Dat is uitgevonden door Google. Dus Google heeft dat uitgevonden. Hun Kodak-momentje hebben ze gezegd, dat gaan we niet doen. Dat hebben ze een beetje verstopt en alá. En uiteindelijk is ChatGPT of OpenAI daarmee aan de… Aan de haal gegaan en ja wij hadden de mazzel dat we gaan slingen slimme developer zitten en die had eigenlijk jaar voordat het zo ontplofte in november 22 volgens mij is dat had is iets van nou dan moeten we al wat mee doen dus toen hadden er al mee gekoppeld toen ben ik al een aantal klanten langs geweest ook om te laten zien van hey je kan hier allemaal gave dingen mee doen Kreeg ik nog niet echt een hele positieve reactie op.

Was ook nog wel echt een stukje minder als toen het uiteindelijk uitkwam Ja denk dat die klanten waren misschien ook wel een soort van bangig of engig. Wat was [00:10:00] dan hun uitdaging waardoor ze niet meteen positief reageerden destijds? Het was ook nog wel echt veel slechter. Dus het maakte echt wel heel veel meer fouten.

Dus het is wel echt al die modellen. Misschien een onpopulaire mening, maar ChatGPT loopt ondertussen wel echt een beetje achteraan in die race. Niet helemaal. Ze hebben geloof ik nummer 10 op de rankings van een van de leaderboards die ik dan volg. Maar toen was het echt nog wel een stuk slechter. Dus toen was het echt nog…

Ja, veel fouten veel hallucinaties. Maar wat was dan even het concrete verschil tussen dat NLP, dat oude systeem en het nieuwe systeem van het chat-GPT? Wat was dan concreet het verschil Ze werden slimmer, maar ze waren nog steeds slechter. Ja, ik wil hem graag beantwoorden, maar dan heb je wel het risico dat je echt gewoon helemaal heel hard gaat nerden.

In de kern waar [00:11:00] het op neerkomt is wat large language models doen, is ze voorspellen het volgende woord. Dus ze voorspellen, het is een statistisch model en ik versimpel het nu, maar die kijkt naar hoe waarschijnlijk is het dat een woord hierna komt. En wat ik wel eens op feestjes als ik dingen probeer uit te leggen aan een tante of hoe ik het wel eens uitleg is van, jij kan dat zelf ook doen met jou.

Dus als jij zegt de melk staat op het, dan zeg je. Aanrecht. Aanrecht, ja. En als je zegt, de melk staat in de… Koelkast Ja dus er is een waarschijnlijkheid dat na die sequentie van woorden dat er dan aanrecht of koelkast komt. Ja. En ik maak het echt veel te simpel Maar dat is in de kern dus… Ik ga niet tokens uitleggen maar dat is in de kern wat large language models doen.

Dus ze stoppen er verschrikkelijk veel [00:12:00] tekst in en vervolgens maken ze een statistisch model die zegt hoe waarschijnlijk is het dat dit woord daarna komt. En het is natuurlijk mindblowing om te realiseren. Als jij dan zegt hoe reset ik mijn password in Microsoft, dat die je gewoon een antwoord kan geven.

Puur op de voorspelling van de volgende woorden die erna komen. En dat wordt steeds een stukje beter. En jouw vraag was natuurlijk eigenlijk, wat is het verschil tussen NLP en LLMs? Nou, dan moeten we nog een uurtje even doorpraten, denk ik. Maar dat is een van de grote innovaties in ieder geval aan de LLMs.

Ik heb drie stellingen meegenomen voor dit gesprek. Oh, spannend. Oké En ik ga stelling één er alvast ingooien, want ik vind het een mooie door… Het loopt goed door waar we het nu over hebben. En stelling één is eigenlijk, AI is allang slimmer dan de mens. Als ik jou nu zo hoor praten, dan denk ik van, hé, wacht even, we waren eigenlijk…

We zijn eigenlijk een stuk dommer, want die [00:13:00] chatbotsen ze doen niet mee en weet ik het wat. En we doen het al sinds na de Tweede Wereldoorlog. Dus we zijn er al heel lang mee bezig. Maar toch, voor mij, ik kom er blanco in. En in eerste instantie had ik gedacht, ja, de AI is slimmer dan de mens. Slimmer dan mensen al In ieder geval slimmer dan Lieke van der Plas.

Dat durf ik misschien wel te zeggen. Maar als ik jouw verhaal nu zo hoor, dan denk ik, hey, wacht AI is misschien helemaal niet zo heel slim. Ja, soms dan denk je ook, dan krijg je antwoorden uit dan een chat GPT, wat ik veel gebruik En dan denk je, ja, sorry even, maar hier klopt helemaal niks van. Dat is ook wel weer engig.

Dus als ik zeg, AI is slimmer dan de mens. Ja, wat zeg ik dan? Ja. Het is wel een leuke stem. Ik denk dat je jezelf tekort doet. Ik denk dat jij echt veel slimmer bent dan alle large language models die er momenteel bestaan. Als je zegt AI, dat is een soort van dus een large language model, zoals een ZGPT, is een AI.

Maar je hebt [00:14:00] ook allerlei andere vormen van AIs. Een large language model, zoals een ZGPT, of zoals een Claude van Entropic, of een Mistral is een Europees model van een, die zijn… Absoluut niet slimmer dan mensen, maar ze kunnen wel bepaalde taken veel beter dan mensen. En het ding is eigenlijk vooral dat, en dit is zeg maar een soort van metafoor om hem uit te leggen, uiteindelijk zijn die large language models vooral getraind met heel veel taal.

Jij bent niet alleen getraind met taal Jij bent getraind met tast en visueel en reuk en gevoel Dus je hebt veel meer. Dus ja, een AI kan misschien snappen wat een kat is en kan snappen als je zegt de kat zit vast in de… Dat het volgende woord boom is. Maar die weet niet dat die kat miauw zegt. En die [00:15:00] weet niet dat die kat, misschien als die naar de kattenbak is geweest dat het stinkt.

Ja plus die input moeten wij als mens geven toch? Aan de AI om daar dan weer van te leren. Ja, nou en dat is een andere hele interessante Als je ziet hoe verschrikkelijk veel data je erin moet stoppen. Want eigenlijk, als je het ziet als een soort van digitale hersenen Jij hebt hersenen. En je ziet zo’n AI als een soort van digitale hersenen.

Eigenlijk beperk je hem heel erg op het moment dat je zegt ik ga je alleen met taal voeden. Ondertussen zijn er natuurlijk ook plaatjes en video’s en gaat er veel meer in. Maar primair blijft het taal waarmee het wiskundige model wordt getraind. En daardoor is hij dus sowieso niet slimmer dan jij bent.

Hij kan alleen wel heel goed voorspellen wat het volgende woord wordt. En als je hem goed inricht, kan hij uitjes veel beter dan jou, veel foutlozer dan jou, allerlei taken uitvoeren. Sorry, dit is niet naar jou persoonlijk. Je hebt net al gezegd dat ik veel slimmer ben dan AI. Dus ik ga echt hier al vandaag de deur uit met…

Oké hebben een [00:16:00] pep in je stem Het maakt niet meer uit wat je zegt. Nee nee, nee Ja, nou ja, super. En dat zal voorlopig ook nog wel even zo blijven. Dus die LLMs, er is… En Facebook, Meta die investeert natuurlijk heel veel in AI. Daar was een hele prominente, de head of Meta AI was Jan Le Cun. Een hele prominente AI-wetenschapper die al zijn hele leven echt allerlei ongelooflijke dingen doet met AI.

Die is nu ontslagen en die is vervangen door iemand anders van Scale.ai als head of AI bij Meta En wat doet het bedrijf Scale.ai? Die labelt dingen. Oftewel, deze foto is een hond. Deze zin is boos. Deze zin is grappig. Dus dat geeft natuurlijk al wel aan wat je… Als mens leer je dat soort dingen veel intuïtiever, als je snapt wat ik bedoel Dus dan, jij voelt dingen aan.

En het [00:17:00] grappige is, Jan Lecun, die ik heel hoog heb zitten, als gewoon een hele inspirerende man. Visionair denk ik, hoe hij zegt large language models, zoals ChatGPT, ben ik het niet mee eens, maar hij zegt is een doodlopende straat als je het hebt over iets maken wat slimmer is dan mensen. Want ze snappen uiteindelijk alleen maar…

En ze zijn token predictors dus ze voorspellen welk volgend woord weergegeven in een cijferreekje, wat ergens na. Dus hij heeft gezegd ik ga een nieuw bedrijf oprichten en dat bedrijf gaat world models ontwikkelen. Ook wel large concept models, dat zijn allemaal verschillende termen Maar waar het om gaat is…

Hij moet dus niet alleen snappen als de appel valt niet ver van de, dat is het volgende woord, bomen. Maar hij moet ook snappen wat zwaartekracht is. En hij moet ook snappen… Dat het pijnlijk is voor de appel. Precies, ja. Dat de appel mogelijk pijn heeft. Dat beurs wordt. En misschien niet alleen [00:18:00] het woordje beurs, maar ook snappen dat als je dat je hoofd krijgt, dat dat dan…

Misschien niet helemaal het juiste voorbeeld maar wat ik wel met hem eens ben… Is wij worden allemaal best wel gek gemaakt door allemaal overpromises uit Amerika, vanuit Big Tech over AGI is coming. Dus misschien is goed om AGI ook even toe te lichten. Oké ik heb er nog nooit van gehoord Ik weet niet of dat erg is.

Nee het is helemaal niet erg. Dus AGI is AI die op alle vlakken slimmer is. Dan een mens. Want AI, er zijn al machines die kunnen al… En waar staat de G dan voor? General. Dus Artificial General Intelligence. Dus je hebt al heel lang natuurlijk AI die mensen verslaat in schaken. Ja. Staat al heel lang. Je hebt AI die kan veel beter, in ieder geval dan mij, uitvoeten met wiskunde.

Maar je hebt nog niet zozeer een AI die alles beter kan. Denk dan even zonder de [00:19:00] boosaardige intenties aan Terminator. Die kon van alles. Die kon lopen, die kon vechten, die kon praten. Ik weet niet of hij echt slimmer was of dat hij vooral sterker was. Maar dus iets wat in… Alle opzichten slimmer is dan de mens.

Dat is AGI. En dat is heel lang beloofd door Amerikaanse bedrijven vooral door OpenAI. En daar komen ze nu eigenlijk een beetje op terug. En wat heel grappig is, en op die manier vind ik het ook altijd leuk om kritisch te kijken naar dingen, wat gaat OpenAI nu doen? Die gaan gewoon advertenties in OpenAI zetten.

En wat gaat Krok doen, de AI van Elon Musk, die heeft sexy mode. Dus die gaat meer de seks en de pornohoek in. Dat klinkt gevaarlijk ook. Nou afgezien daarvan en afgezien van wat je er op moreel vlak van vindt met deepfakes et cetera. Het zijn gewoon natuurlijk hele… Oude internet business modellen die ze allemaal, want ze denken gewoon, we hebben heel veel treffing.

Ja geld nodig. We moeten geld maken. Dus [00:20:00] als jij zeker weet dat AGI om de hoek staat, en jij weet zeker dat AI op elk moment slimmer wordt dan iedereen, one AI to rule them all. Een AI die slimmer is dan alle mensen, dan ben je natuurlijk de baas van de wereld. Als dat eraan komt, waarom zou je dan bezighouden?

Waarom zou je dan advertenties gaan plaatsen in ZCPT? Waarom zou je dan… Je bezighouden met de oude business Durf dan nu te zeggen, dus vandaag de dag, dat deze voorspelling niet uitkomt Misschien wel nooit uitkomt? Nee nee, nee, zeker niet. En ik ben zelf ook niet, ik zit zelf ook niet… Wij werken al acht jaar met allerlei AI-oplossingen.

Wij werken al vier jaar met large language models. Wij ontwikkelen ze zelf niet. Maar omdat we het heel… Praktisch inzetten voor onze klanten weten we wel heel goed wat de beperkingen zijn. En AGI gaat er zeker komen. Ik weet niet of het via die large language models komt, want dat is best wel beperkt totaal.

[00:21:00] En je ziet ook, misschien als jij veel ZGPT gebruikt soms vraag je iets en dan gaat hij het opzoeken op internet, toch? Ja. Of soms vraag je iets en dan draait hij Python, een script. Dat is eigenlijk zijn hulplijn. Dus hij zet dan iets anders in, omdat hij denkt, ik kan dit zelf eigenlijk niet oplossen. Dus ik denk dat AI zeker slimmer gaat worden dan mensen.

Ik denk wel dat het nog een heel stuk weg is. En ik weet niet zeker of het via large language models gaat gebeuren. Chat-GPTs en de klots et cetera, neem niet weg dat je er geweldige dingen mee kan doen. Ik bedoel een auto is ook niet slimmer dan mensen, maar kan je wel veel sneller van A naar B brengen.

Auto’s worden wel ook steeds slimmer, heb ik het idee. Maar goed, we weten het niet. Want hoe vertalen we het verhaal wat je nu verteld hebt, hoe vertalen we dat nou eigenlijk naar ondernemers die luisteren, met welke outtakes kunnen ze uit dit verhaal nemen, om morgen te implementeren op het gebied van AI in hun eigen [00:22:00] onderneming?

Om. Ja, wat wij heel veel doen, dus wij werken een beetje voor middelgrote ja ik wil grote organisaties We beginnen een beetje bij… Friesland Campina is behoorlijk groot. Ja, maar eigenlijk werken we nu minder voor dat soort corporate bedrijven. En we zijn toen… Toen eigenlijk in Europa men veel positiever werd over AI en chatbots en AI agents.

Want dat gebeurde natuurlijk toen ChatGPT eruit Hebben eigenlijk onze focus heel erg verlegd naar Nederland en naar Europa. En we werken nu onder andere voor klanten als het Colby-netwerk. Dus dat heette voorheen Zorg van de Zaak. En daar zitten allemaal labels onder, zeker Arbo, Margelin. We werken voor Visma-labels, maar ook bijvoorbeeld voor Marista Lamaris, de e-commerce, Hoekmeer Maar ook voor een aantal goede doelen, waaronder longfonds.

En wat we eigenlijk zien [00:23:00] bij dat formaat organisaties, er is altijd wel iets wat heel vaak heel veelvuldig wordt. …gevraagd aan mensen binnen dat bedrijf, wat je gewoon supergoed met AI kan oplossen. Dus ik ga even met een omwegje naar wat is dan je advies voor ondernemers. Wat wij vaak zien is op het moment dat je volume hebt, dus bij zorg van de zaak zijn het voorbeeld heel veel…

Patiënten die vragen hoe laat is mijn afspraak, waar is mijn afspraak wat is de locatie, hoe kom ik daar, hoe vraag ik een second opinion aan. Bij Visma bedrijven gaat het vaak meer boekhoudsoftware bijvoorbeeld, dus dat gaat dan over hoe pas ik een factuur aan, hoe neem een ander abonnement. De repetitieve vragen.

Ja, daar kan je heel goed beginnen, want dat zijn over het algemeen dingen die mensen ook niet onwijs leuk vinden om te doen. Dus de e-commerce misschien wel het beste voorbeeld, want daar is de meest gestelde vraag bij elk [00:24:00] e-commerce bedrijf is. Waar is mijn pakketje? Dus dan zit iemand dat op te zoeken in een systeem en die zit dan een track-and-trace te copy-pasten en die gaat dan een mailtje terugsturen.

Ja, dat is natuurlijk bij uitstek iets waar de meeste mensen niet heel veel energie uit halen. Sterker nog, vaak zie je dat zo’n customer care afdeling, die wil eigenlijk gewoon… Meer tijd hebben voor de schrijnende gevallen en wil ook upsellen, dus die wil klanten die misschien iets willen kopen. Maar dat soort repetitieve vragen dat is vaak een hele goede plek om te beginnen.

En dat kan aan de ene kant kan het dus zijn je klanten die iets vragen dus waar is mijn pakketje, hoe laat is mijn afspraak Maar dat kan ook intern zijn, bijvoorbeeld vragen we werken bijvoorbeeld ook voor Van Wijnen, groot bouwbedrijf. Daar zitten we aan de HR-kant. Er zijn heel veel mensen die zeggen, hoeveel vrije dagen heb ik nog?

Mag ik met pensioen? Mag ik een ander telefoon wanneer dat dan interessant? Hoeveel mensen moeten er zitten? Hoeveel vragen moeten er binnenkomen? Ja, [00:25:00] nou, ik denk dat het altijd interessant is. Ons model ziet er zo uit dat op het moment dat je eigenlijk een halve FTE… Het werk van een halve FTE kan besparen, hoeft niet te betekenen dat je die persoon ontslaat maar dat je het werk van een halve FTE kan besparen, dan ben je break-even.

Zo ziet ons model eruit. Maar iedereen kan natuurlijk ook gewoon zelf aan de slag met AI. Het enige waar je als grotere organisatie beter over moet nadenken, en misschien als jij ZZP’er bent, ben je daar minder bij bezig is waar gaat je data naartoe? Als je het JCPT gebruikt misschien vliegt al je data wel over Amerika en zit de Amerikaanse overheid mee te kijken.

Misschien als je niet de goede contracten hebt, dan wordt het model wel getraind met jouw gesprekken. Ja, als je dan medische data hebt, we werken ook voor Vlaanderen, een grote gerechtsdeurwaarder, is ook allemaal gevoelige informatie [00:26:00] Ja, dan wil je dat stuk heel goed afdichten. En een andere kant daarvan is, en het lijkt alsof ik alleen maar gevaren zit te noemen van AI, dat is niet helemaal de bedoeling maar het is ook goed om te realiseren dat jij hebt als ondernemer AI, maar de mensen die je potentieel willen hacken.

Die hebben natuurlijk ook ineens AI tot hun beschikking. Dus die kunnen vele malen efficiënter en op veel grotere schaal jou proberen te hacken Inclusief een soort van social engineering. Zoals bij Odido, ik weet niet of je dat een beetje… Ja, er gelukkig niet bij. Jij? Nee. Jij wel? Ja, ik was echt verbaasd.

Ik was… . Tien jaar geleden was ik klant bij ze en ze hebben gewoon al die tijd mijn data bewaard en dat ligt nu allemaal op straat. En hoe voel je je daarbij? Nou ja, ik wil er ook niet heel dramatisch over doen, maar het is niet best. [00:27:00] Maar speelt AI in deze kwestie een rol? Ik ken niet de details hiervan, maar ik kan me niet voorstellen als jij…

Want dit was volgens mij echt een goed georganiseerde hackersgroep Die heeft zelfs de reputatie dat als jij die 12 cent per… Persoon had betaald dan lekken ze ook echt niet je data naar de darkweb. Dus echt gewoon een goed georganiseerde soort van corporate hacker. We hebben het ook over dat veel AI-projecten mislukken En er was een onderzoek die zei van nou, 95% van de projecten die falen Dat komt ook omdat ondernemers er waarschijnlijk verkeerd mee aan de slag gaan.

En misschien met zo’n datalek en nou ja, wat er allemaal bij komt kijken. Waarom is dat? Ja.

Ja, volgens mij ken ik dat onderzoek ook waar jij aan refereert Er zijn een heel aantal onderzoeken volgens mij. Ik heb de MIT wel heel hoog zitten [00:28:00] en die had ook inderdaad zo’n soort percentage. Ik weet niet of dat… Ik geloof dat het 95 was, daar schrok ik nogal van. Ja, dat verbaast me niks. We doen alles met AI en ik zou met LEF nog veel beter met AI ook aan de slag kunnen gaan.

Maar dat 95% mislukt dat lijkt het ook niet per se te bevorderen om ermee aan de slag te Nee nee. Ja, ik… Ik denk dat het komt voor een groot gedeelte door verkeerde verwachtingen. Dus wat je als mens, je hebt het zogenaamde halo effect. Dus jij bent aardig dus dan denk ik ook dat je slim bent. En waarschijnlijk ben je ook grappig.

Dus mensen maken een soort van construct in hun hoofd. En wat heel lastig is, is als Chachipati een hele lastige wiskundesom kan oplossen, waarom kan hij dan niet het woord strawberry zeggen hoeveel R’en daarin zitten? Dat was dan een issue een tijdje terug. Dus dan heb je altijd van die dingetjes, van die foutjes dat iedereen zegt, hé, hoe kan dat nou?

Hoe kan hij daar zo dom… Dat is overigens gefixt dat strawberry verhaal. [00:29:00] Maar ik denk dat het voor een groot gedeelte te maken heeft met de verwachtingen die… Die mensen maken. En een van de voorbeelden die ik wel eens geef… is van, we hadden het net over een auto. Dus als jij een vliegtuig verwacht… dan valt een auto vies tegen.

En als je een auto verwacht… dan valt een fiets vies tegen. Maar je kan allemaal ermee van A naar B. Maar de een sneller dan de ander. En ik denk dat wat de hele… Wat veel ondernemers en een beetje de hele markt verwacht, een beetje aangewakkerd door de hype uit Amerika, is dat ze een vliegtuig krijgen en dan krijgen ze gewoon een auto.

Waarmee ze prima van A naar B kunnen, maar niet zo fancy en niet zo van zichzelf of uit zichzelf. Als je zou willen. En ik denk dat dat iets is, als je daar niet van uitgaat als je denkt van dit wordt perfect, want het is al zo goed, dan heb je natuurlijk ook niet nagedacht over hoe ga ik het dan [00:30:00] optimaliseren?

En hoe ga ik het beter maken? En wat ga ik dan doen als die verkeerde dingen zegt tegen mijn klanten? Wat nou als die verkeerde prijzen noemt tegen me? Hoe ga ik dat oplossen? En heel veel bedrijven die kopen een softwarepakket, die gaan daarmee… Aan de slag en die denken, nou ja, weet je, als ik een paar vragen stel het zit op 70% is wel oké de rest leert hij vanzelf, want het is zelflerend AI.

En dat valt heel erg tegen. En juist die laatste 30% goed neerzetten, daar moet je heel hard aan werken en dat moet je goed snappen en je moet ook goed begrijpen. Wat mensen beweegt. En uiteindelijk als je dat niet goed doet, dan heb je gewoon weer een… en dat is wat heel veel gebeurt denk ik, bij die projecten die falen, is een bedrijf trekt 10.000 20.000 euro uit om een AI-agent neer te zetten, verwacht dat het fantastisch wordt, vervolgens geeft het niet helemaal de juiste [00:31:00] antwoorden en ze weten niet hoe ze het beter moeten maken en dan zetten ze het weer uit.

Of erger nog… Ze hebben iets gebouwd, het geeft wel de juiste antwoorden, maar iedereen haalt zijn neus ervoor op. En de klanten zeggen, laat maar zitten, ik ga wel gewoon lekker bellen. En dat is iets wat wij wel eens roepen, van eigenlijk is een slechte AI-agent de meest effectieve manier om je telefoonlijn bezet te houden.

Ja, klopt. En dan heb je dus wel geld uitgegeven en geen besparing aan de andere kant. En dan snap ik dat bedrijven het weer uitzetten. wij zijn er eigenlijk wel blij mee. Want daarna proberen die bedrijven dan te zoeken van… oké is er dan een partij die het kan optimaliseren? Hoe Converse.ai. Ja dan komen ze vaak bij ons uit.

En als je het hebt over een softwareprogramma… dan moet ik ook gelijk denken aan Teamleader. Oh ja. Ik gooi hem er alvast even in Want een van jouw ondernemersinzichten is geweest… dat er een bedrijf die op het opgestart… nou ja, niet lekker van de grond kwam. Veel omzet, weinig winst. Ja, je kan er zelf waarschijnlijk meer over vertellen…

maar uiteindelijk heb [00:32:00] je Teamleader als oplossing gevonden. Kan je daar ook wat meer over vertellen, over dat proces? Ja, zeker. Ja, want we hebben het nu de hele tijd echt over de inhoud… en de AI en de AI-agents gehad wat ik met Converse doe. Maar Converse is… Afhankelijk van hoe je telt mijn derde of mijn vierde bedrijf.

En eigenlijk met mijn vorige bedrijf dat was op een gegeven moment een groep van 70 man. En eigenlijk de grote uitdaging daar, dat was een mediabureau, een performance marketingbureau. We hadden allemaal prachtige mooie klanten. Tommy Hilveer, Calvin Klein, Friesland Campino. Dus zo kwam ik ook weer met Converse, zeg maar, bij dat soort bedrijven.

Maar we draaiden geen winst. Sterker nog, we draaiden verlies. En heel veel omzet. Dus dan loopt dat verlies tikte ook natuurlijk redelijk rap aan. En we hadden eigenlijk geen idee hoe dat kwam. Dus we konden niet, onze klanten wilden meer en meer en meer. Dus een campagne moet nog beter, zeker [00:33:00] performance marketing, natuurlijk nog lagere prijzen en nog betere ROI.

En wij bleven er maar uren op stuk slaan Maar in de mediawereld werk je met een percentage over media. Dus als een klant zegt, ik heb 10 miljoen mediabudgetten uit te geven. Pak je er misschien 10% over of 8%. Dus je moet wel in je uren uitkomen. Maar op een gegeven moment hadden we 50, 70 man dopen. En we draaiden verlies.

En we hadden geen idee hoe dat kwam. Dus toen hadden zoiets van, jongens… Dus iedereen schrijft maar in een excelletje waar ben je mee bezig geweest want we moeten erachter komen hoe het zit. Nou, dat werkte dus niet. Toen zijn we allerlei tools gaan testen. Eigenlijk een beetje van de ene teleurstelling en de andere teleurstelling gevallen dus alles net niet.

Plus dat je dan een heel team hebt die niet het gewend is om een uur te schrijven. Die moet dan een uur gaan schrijven. Dus dat is allemaal heel lastig. Het was een fantastisch team, trouwens fantastische mensen. Maar die vonden dat gewoon een heel vervelend klusje. Ja plus het kan ook controlerend voelen Er zitten [00:34:00] allerlei beperkende overtuigingen op.

Van hé waarom moet ik opeens mijn tijd gaan trekken? Ja. Jij vertrouwt mij niet. Dat was een beetje de… Ik werk 60 uur voor jou en jij vertrouwt me niet. Maar dat was… Dat was wel echt een les die ik van toen heb meegedreven. Dat moet ik wel echt anders gaan doen in mijn nieuw bedrijf. Wij werken ook met een abonnementsmodel.

Maar omdat die agents gekoppeld moeten worden aan SharePoint, aan Salesforce, aan Microsoft Teams, noem het maar op. Teamleader misschien ook of niet? Omdat? Ja, zeker. Ja, teamleader. Ja, als je dat als ERP gebruikt zeker Of als CRM-systeem dan kunnen we het daar inschieten. Maar eigenlijk hoe wij dan Team Leader vooral gebruiken is gewoon het goed bijhouden in de projecten waar je je uren in stopt.

En dat maakt Team Leader gewoon, ja, op dat vlak is het een paar andere tools, misschien niet aardig om andere tools te noemen, [00:35:00] waar we dan ontevreden over waren. We hebben een getest en uiteindelijk was Team Leader toch echt de oplossing die dat voor ons het makkelijkst maakt. Nu is het, dat zou ook geen verrassing zijn, want technologiebedrijven hebben investeerders, dus ik heb ook een management informatiesysteem nodig.

Dus ik heb een plek nodig waar ik zie, wat is mijn ROI op mijn projecten Welke projecten draaien goed? Hoe lang lopen mijn sales cycles? Welke traffic sources zorgen voor… De hoogte Customer Lifetime Value, moet ik nog meer een gatstuk slaan op LinkedIn of op Google. Nou, dat zijn eigenlijk allemaal dingen die we samen brengen in Teamleader.

En daar kunnen we dus zien welke projecten rendabel zijn en wel niet. En hoe is dat nu? Want je had het bedrijf met vijf tot zeventig man, was dat het bedrijf dat uiteindelijk niet van de grond gekomen is? Nee dat is door Deloitte. Dus dat bedrijf daarvoor was na een Google update, was dat CEO bedrijfje.

Ja [00:36:00] precies En nu op dit moment, met hoeveel man werk je nu? Wij zijn nu met, we zijn een relatief klein bedrijf ook heel bewust. Wij zijn zo lekker aan het praten maar ik had natuurlijk ook nog, ik heb gezegd ik heb drie stellingen Dus ik had er eigenlijk nog twee. Ik weet niet of we daar nou echt diep op in gaan kunnen, maar de stelling die ik ook had is, stop met mensen aannemen, ga voor AI agents.

En dat sluit wel aan op het verhaal wat jij nu zegt. Dus hoe kijk je daar tegenaan? Eh, ik zou zeggen nee. Dus we blijven mensen aannemen? Eh, ja, ja, ja. En in Nederland zitten natuurlijk ook nog, er zijn 400.000 vacatures geloof ik nog in Nederland. Dus als jij… Kijk zo’n AI agent, als jij iemand in dienst hebt die de hele dag zegt waar is mijn pakketje en die dat, of iemand die de hele dag natuurlijk vraag beantwoord over [00:37:00] de tijden van afspraken, die taken, die kunnen AI inderdaad heel goed overnemen.

Maar eigenlijk hoe wij het hebben ingericht is wij zeggen van oké we gaan ervan uit dat… Dus eigenlijk de kennisbanken die bedrijven hebben dus, alle processen die ze opschrijven, FAQ’s die ze opschrijven, dat is eigenlijk permanent outdated. Dus eigenlijk is dat niet bij te houden. Iedereen doet zijn stinkende beste om die kennisbanken, zeg maar.

Bij te houden maar er gebeuren de hele dingen. De overname, een ander label komt erbij, een ander telefoonnummer, andere merkidentiteit, andere HR-beleid. En dan is je hele kennisset weer. Dus eigenlijk wat wij zeggen van laten we de kennis, de impliciete kennis in de hoofden van de customer care managers, van de HR-managers, laten we die expliciet maken en laten we die mensen de AI-agent trainen.

Ja, neem zeker mensen aan, maar die mensen gaan eigenlijk hun digitale [00:38:00] counterpart trainen en controleren.

Zeker denk ik dat bedrijven mensen blijven aannemen. Ik denk wel dat… Takenpakketten gaan wijzigen. Ik denk uiteindelijk dat dat leuk is voor, althans dat klinkt wat cru, maar ik denk dat het fijn is als je niet meer dat stuk van jouw takenpakket hoeft te doen waar je eigenlijk sowieso al niet zo’n onwijs veel energie van kreeg.

Wat betekent dat dan ook? Want je zei hem aan het begin van het gesprek het wordt interessant om met ons te werken wanneer je een halve FTE rekende Ik heb een vacaturevrijzaam voor een projectmanager, dus een fulltime functie. Op zich zit daar ook wat repetitief werk. In? Ik zou dus bijna kunnen zeggen, oké ik ga nog steeds wel voor die projectmanager, want de menselijke touch en het gevoel dat is heel belangrijk in een project en in samenwerking.

Maar dan voor 24 uur [00:39:00] per week in plaats van fulltime, want dat kan een AI agent ook doen. Ja, of die projectmanager kan gewoon vier keer meer werk aan. Ja. Dus neem die projectmanager aan. Dus wij hebben een van de Visma klanten waarvoor we werken is romslomp.nl. Ja. Die is gewoon keihard gegroeid Want het is een prachtig mooie boekhoudprogramma voor ZZP’ers.

Maar hun customer care team is of iets gekrompen of hetzelfde gebleven. Dus zo moet je hem eigenlijk veel meer zien. People on steroids. Dus het maakt mensen veel efficiënter. En dan kan je natuurlijk zeggen, ja, maar dan heb je dus toch uiteindelijk, dan ga je toch gewoon de helft van de mensen ontslaan.

Maar je zou natuurlijk ook kunnen zeggen, dat betekent dat elk bedrijf zijn service level… Twee keer moet verhogen. Ja. En dat is wat er de komende tijd echt gaat gebeuren. Ik gebruik vaak het voorbeeld van twee energiebedrijven. Stel je hebt twee energiebedrijven en de ene die [00:40:00] kan honderdduizend klanten bedienen met tien…

…tien customer care medewerkers… …en de andere kan er een miljoen bedienen… …met tien customer care medewerkers. Dan kan je natuurlijk op je vingers uittellen… …wie een betere marge heeft… …wie meer geld aan marketing kan uitgeven… …en wie die race om de consument gaat winnen. En dat ga je zien eigenlijk in elke industrie…

…waar gewoon strakke marges op zitten. Als je gewoon met de helft van de kosten… …twee keer meer… Mensen kan bedienen en ook nog betere service kan verdienen, ja, dan ga je gewoon de wedstrijd winnen. Maar uiteindelijk zit het denk ik ook nog steeds op gevoel. Ja, nou ja zeker. En de relatie met je klant en de persoonlijke factor daarachter en gun factor-achtige zaken Zeker zeker.

En wij uiteindelijk wij zijn B2B2C. Dus wij beantwoorden vragen van klanten van onze klanten. Wij [00:41:00] zetten heel veel AI agents in voor van alles. Maar uiteindelijk om met zo’n bedrijf aan de gang te gaan en te zeggen, joh, wij gaan dit doen, is echt nog een human touch nodig. Ik moet zitten aan tafel met mensen en ze vertellen en ze uitleggen en ze meenemen in het feit van…

Nou het is niet eng en het gaat je helpen En het is niet hier per definitie om jou te vervangen Het gaat je werk leuker maken. Het is veilig want dat is een ding. Waar gaat mijn data naartoe, et cetera. Dus ik denk zolang het mensen zijn die dingen aan mensen verkopen, even los van het feit of misschien in taal een large language model, slimmer, beter, dat, et cetera.

Uiteindelijk mensen willen van mensen kopen. En dat vind ik dan een van de weinige goede voorbeelden wel van Sam Altman over AI. Dus ik weet niet precies hoe lang het is. Volgens mij kunnen computers al tien jaar beter schaken dan mensen. Het filmpje [00:42:00] heb ik zo op mijn Netflix staan. Ja, dat schaakspel Heb jij wel eens nou ik weet niet sowieso of je wel eens naar twee schakende mensen kijkt maar wat zou saaier zijn dan twee computers die schaken Ja.

Niet veel. Nee, dus zelfs op het moment dat computers allerlei creatieve dingen en spel beter kunnen dan mensen. Mensen willen naar mensen kijken en mensen willen van mensen kopen. Brengt mij ook even op de laatste stelling, want dan heb ik ze toch nog alle drie afgetikt. En dat was… AI-projecten falen niet door technologie, maar door slecht leiderschap.

Daar zit toch nog weer die menselijke factor in. En wat je ook zegt, we blijven eigenlijk naast’n AI-agent ook altijd nog die medewerker hebben. In de rol van ondernemers en managers zit er ook weer het team aansturen voor de mensen die ermee aan de slag moeten en moeten gaan. Wat vind jij van deze stelling?

De stelling is? AI-projecten falen niet door de technologie Maar door slecht leiderschap Maar [00:43:00] door slecht leiderschap. Daar zit wel heel veel in. En slechte processen zou ik er misschien aan toe Of weer een stukje technologie misschien. Ja, ja. Hoeft niet. Ja, misschien de manager die het gewoon… Maar ja, dus ik denk dat mensen verwachten te veel van de AI, dat die autonoom dingen gaat doen en dat die het oplost.

En inderdaad ik denk dat als jij niet je bedrijf meeneemt in het feit dat die AI niet, it’s not coming for your job. Als je mensen niet meeneemt in het feit van, joh het gaat jouw werk ook echt leuker maken, want hij vindt niet vervelend om uitgescholderd te worden door iemand of twintig keer diezelfde handeling te doen.

Jij krijgt meer tijd. Ik ben nog nooit een customer care medewerker tegengekomen en we werken er met heel veel die niet echt gewoon met z’n hele hart. Eigenlijk gewoon mensen wil helpen. Maar gefrustreerd is door het feit dat mensen lang zitten te wachten. Hij schaamt zich, [00:44:00] of zij schaamt zich voor dat feit.

Dus ja, jouw stelling, ik denk inderdaad dat heel veel AI-projecten falen door slecht management en door tekort aan kennis. Dus een soort van die verwachting die gecreëerd wordt van het gaat vanzelf het is zelflerend, het is er bijna, we hoeven eigenlijk alleen maar… Achterover te leunen het komt wel goed.

Wat je ook inderdaad als slecht management zou kunnen bestempelen. Maar ook gewoon niet van tevoren realiseren en daardoor nadenken over hoe ga ik het optimaliseren? Hoe ga ik het beter maken? Dus ja, die… Ik weet niet of ik het met de andere stellingen niet mee eens was maar deze ben ik het wel echt mee eens.

En ik denk ook als leider moet je misschien ook wel het goede voorbeeld geven van hey, ga erbij aan de slag ga het ontdekken. Piet die al veertig jaar bij de organisatie werkt misschien denkt ik doe het lekker op mijn manier. Maar dat je ook dus in jouw bevlogen leiderschap ook… Mensen Piet meer krijgt.

Nou ja, en wat heel leuk is, we hadden net over mensen antropomorfiseren. Dus die kennen allerlei [00:45:00] menselijke eigenschappen toe aan bomen, stenen, van alles. En dat is natuurlijk bij AI ook zo. Zeker omdat die zo gezellig met je kan kletsen et cetera. Wij besteden heel veel aandacht aan de persoonlijkheid van de AI-agent.

Dus wij doen dat op voice en op chat en op e-mail. En wij proberen veel aandacht te besteden aan wie is die agent en wat is zijn persoonlijkheid en hoe reageert hij op dingen. En maakt hij af en toe een grapje en is hij heel beleefd, zegt hij, u zegt hij, jij et cetera. En wat wij merken wat heel leuk is, is dat vaak mensen beginnen in de weerstand.

Die komt mijn baan afpakken en uiteindelijk wordt die dan echt een beetje geadopteerd als hun kind. En dat is wel leuk. Ik had met een van onze klanten, die was echt verbolgen over het feit dat hun AI agent werd uitgescholden door mensen. Die was echt een beetje [00:46:00] gekwetst en die zei… Hij moet voor zichzelf opkomen, weet je.

Dat kan hij toen niet over zijn kant laten gaan. En dat is toch wel heel leuk. Ja, zo voelen we toch een beetje met onze eigen AI-agents ook mee. Ja zeker. Het wordt een beetje het kindje van… En het is natuurlijk ook heel fijn want hij neemt de vervelende dingen van je over. Dus het is een soort, ja, het is je vriend in die zin.

Ja, ondernemers die nu nog steeds luisteren na 50 minuten zo ongeveer Wat zijn voor jou, als je terugkijkt op dit gesprek de drie belangrijkste outtakes, samenvattingen die ze mee moeten nemen? Voor ondernemers op het moment dat ze aan de slag zouden gaan met AI agents. Ja. Ja, ik zou heel goed kijken, want er zijn natuurlijk allerlei dingen die je heel makkelijk kan doen, dus transcripties van gesprekken en dat soort dingen en nou ja, doe dat lekker.

Met welke tool je daar dan ook voor gebruikt dat kan met allerlei verschillende tooling. Als je het echt wil inzetten om dan wel [00:47:00] werknemers dan wel werkgevers te gaan helpen zou ik kijken van joh. Waar zit er redelijk wat volume op en waar wordt mijn team ongelukkig van? Dus welke handeling moeten ze doen?

Facturen nasturen, zeggen waar het pakketje is, zeggen hoe laat een afspraak is. Waar worden zij ongelukkig van? En help ze daarmee door dat te automatiseren. Koppel dan met systemen om te zorgen dat je die vragen kan beantwoorden van de vraagsteller. En vooral, denk heel na. Goed na over hoe je het gaat optimaliseren.

Want ik kan je een briefje geven dat er dingen fout gaan. En wat ga je dan doen? En jouw laatste stelling was over dat het door het management komt. Jij bent volgens mij als ondernemer of als manager gewoon verplicht om Als je weet dat dat gaat gebeuren, hallucineren was het woord van het jaar afgelopen jaar.

Het is niet iets nieuws. Dus ik zou vooral zeggen, denk goed na hoe ga je hem optimaliseren, hoe ga je in gaten houden hoe ga je controleren dat hij de goede dingen doet. En als je dat doet, [00:48:00] dan heb je er een fantastische werknemer bij die in veertig talen 24×7, je vervelende werk uit handen kan nemen. En die zijn uren niet hoeft te schrijven.

Ja, en die zijn uren niet hoeft te schrijven. Dus daar heb je dan niet eens Teamleader voor nodig. Nee onze AI-agents hoeven niet een uur te schrijven in Teamleader, maar je brengt me wel op een idee. Misschien mooie integratie met Teamleader in de toekomst Nou, wie weet. We gaan ze eens eventjes een belletje geven hierna.

Sander, dank voor dit mooie gesprek. Ik heb er zelf een hoop inspiratie uit opgehaald En ik hoop de luisteraar ook. Wil je meer weten over Sander of zijn bedrijf Converse? Ga naar converse.ai. En we zien elkaar in een volgende aflevering. Doeg!