24 Feb 2025

LLM en Generatieve AI op de werkvloer

LLM en Generatieve AI op de werkvloer

Large Language Models (LLM's) en generatieve AI-tools hebben de manier waarop organisaties enorme hoeveelheden online en offline data ordenen getransformeerd. AI kan deze enorme gegevenshoeveelheid verkleinen tot een beknopte samenvatting van alleen de meest relevante resultaten, waardoor organisaties inzichten kunnen genereren die anders niet mogelijk zouden zijn met handmatige zoekopdrachten. In deze blog leggen we uit hoe een verantwoorde AI-aanpak organisaties kan helpen om het maximale uit deze technologie te halen.

AI start een nieuw tijdperk voor samenvatting en inzichtgeneratie

Een rapport van McKinsey noemde 2023 het "doorbraakjaar" van generatieve AI. Sindsdien blijkt uit hun enquête van 2024 dat het aantal organisaties dat de technologie gebruikt bijna is verdubbeld. De opkomst van generatieve AI is zichtbaar in meerdere sectoren – zo heeft 78% van de banken generatieve AI al geïmplementeerd voor minstens één toepassing, volgens IBM’s 2024 Global Outlook for Banking and Financial Markets.

Een belangrijke reden voor de snelle adoptie van generatieve AI en LLM's is de revolutionaire impact op hoe organisaties omgaan met de enorme hoeveelheid beschikbare data:

  • Generatieve tools worden getraind op grote hoeveelheden data om onmiddellijk nieuwe content te creëren (zoals tekst, afbeeldingen of video’s) op basis van gebruikersopdrachten.
  • LLM’s gebruiken Natural Language Processing om data te verwerken en nieuwe teksten te genereren, teksten te analyseren en classificeren, patronen in data te herkennen en beknopte en relevante samenvattingen te geven.

Twee belangrijkste voordelen van AI voor organisaties

  1. Nieuwe inzichten uit data halen:
    AI-tools kunnen nieuwe inzichten blootleggen uit grote hoeveelheden data, iets wat met de hand extreem tijdrovend of zelfs onmogelijk zou zijn. LLM's kunnen trends en patronen herkennen en de toon en sentimenten in verschillende bronnen analyseren. De inzichten variëren van risico's die onderzocht moeten worden tot kansen voor nieuwe producten of markten. Doordat LLM’s blijven leren van nieuwe data en gebruikersinteracties, worden ze in de loop van de tijd beter.
  2. Samenvatten van grote hoeveelheden data:
    Zelfs wanneer AI-tools inzichten uit data naar boven halen, blijft de kleinere subset van relevante resultaten nog steeds tijdrovend om te verwerken. LLM’s en generatieve AI-tools kunnen deze subset analyseren, de kernpunten extraheren en een beknopte samenvatting bieden. Dit maakt het makkelijker en sneller om risico's en kansen te identificeren en bevindingen binnen de organisatie te delen.

De verhoogde nauwkeurigheid en efficiëntie van AI bij inzichtgeneratie en samenvatting heeft ertoe geleid dat veel organisaties in deze technologie investeren. Bijvoorbeeld:

  • De Canadese Bank of Nova Scotia gebruikt LLM’s om gesprekken tussen een klant en de chatbot samen te vatten. Hierdoor besparen menselijke medewerkers tot 70% van de tijd die ze anders nodig zouden hebben om het gesprek te lezen.
  • Barclays onderzoekt het gebruik van generatieve AI om fraude en witwassen beter te detecteren, door patronen in de data te herkennen die mogelijk illegale activiteiten voorspellen.
  • Morgan Stanley past Natural Language Processing toe om haar dienstverlening te verbeteren, zoals het verstrekken van accountinformatie en gepersonaliseerd financieel advies.

De nauwkeurigheid en betrouwbaarheid van AI-samenvattingen en inzichten verbeteren

Generatieve AI-tools en LLM's brengen bepaalde risico’s met zich mee die de betrouwbaarheid van hun samenvattingen en inzichten kunnen ondermijnen. Veel van deze problemen komen voort uit de ‘black box’-natuur van AI: het is niet altijd duidelijk hoe en waarom een model tot een bepaald antwoord, inzicht of samenvatting komt. Dit brengt enkele risico’s met zich mee:

  • Algoritmische bias: Als we niet begrijpen hoe AI tot zijn inzichten komt, kunnen we niet bepalen of er sprake is van vooroordelen in de dataset of bij de ontwikkelaars.
  • Hallucinaties: Generatieve AI-modellen kunnen soms onjuiste of fictieve informatie genereren. Volgens The New York Times kan tot 27% van de reacties van bekende AI-tools foutief zijn.
  • Datarisico’s: De data die AI voedt, voldoet soms niet aan regelgeving over beveiliging en privacy, of respecteert de intellectuele eigendomsrechten van de oorspronkelijke eigenaren niet. Veel LLM’s en generatieve AI-tools genereren content zonder de oorspronkelijke bron te vermelden. Als een organisatie handelt op basis van dergelijke ongeautoriseerde gegevens, kan dat juridische gevolgen hebben.

Het beheersen van deze risico’s om AI optimaal te benutten is een prioriteit voor organisaties in alle sectoren. De meest effectieve aanpak is een Verantwoord Ondernemen-aanpak voor AI. Dit houdt in dat AI en de data die het gebruikt, op een juridisch conforme en ethische manier worden ontwikkeld en ingezet. Dit kader evalueert AI niet alleen op innovatie en winstgevendheid, maar ook op hoe goed het de kernwaarden en ethiek van een bedrijf ondersteunt.

Hoewel Verantwoordelijke AI begint met principes over ethisch datagebruik, moeten organisaties deze principes in de praktijk brengen. Veelvoorkomende methoden zijn:

  • Een AI-ethiekcommissie opzetten die AI-initiatieven beoordeelt binnen het kader van Verantwoord Ondernemen.
  • Duidelijke richtlijnen opstellen voor medewerkers over hoe ze LLM’s en generatieve AI-tools mogen gebruiken.
  • De Retrieval-Augmented Generation (RAG)-techniek toepassen om hallucinaties te verminderen. Dit zorgt ervoor dat AI-antwoorden altijd gebaseerd zijn op betrouwbare, originele databronnen, in plaats van alleen op eerdere trainingsdata en gebruikersinteracties. Daarnaast moeten AI-tools altijd de gebruikte bronnen citeren, zodat organisaties de informatie kunnen verifiëren.

Ondersteun je Responsible AI-strategie met data en technologie van LexisNexis®

LexisNexis biedt een krachtige combinatie van betrouwbare, gelicentieerde content en geavanceerde technologieën om Responsible AI effectief te implementeren. Voordelen hiervan zijn:

  • Betrouwbare data, geoptimaliseerd voor AI: LexisNexis levert al meer dan 50 jaar data en heeft langdurige, en in sommige gevallen exclusieve, licentieovereenkomsten met uitgevers wereldwijd. Onze data helpt je je doelen te bereiken terwijl de intellectuele eigendomsrechten van onze partners worden gerespecteerd.
  • Een vertrouwde leverancier toegewijd aan Responsible AI: We houden rekening met de impact van onze technologie en datadiensten op mensen door het bevorderen van de rechtsstaat centraal te stellen in onze bedrijfsstrategie en door de RELX Responsible AI-principes te volgen.


Ontdek onze data