Er zijn inmiddels zoveel AI-tools dat het uitzoeken ervan bijna een taak op zich is. Bij ons op kantoor gaat het niet anders. De één heeft ChatGPT standaard openstaan, een ander werkt liever met Claude en als iemand begint over beeldgeneratie vliegen Leonardo, Midjourney en Firefly over tafel.
En dan stuurt een collega weer een linkje naar een nieuwe tool die vergaderingen opneemt, samenvat én de actiepunten alvast klaarzet. Handig. Tot iemand vraagt waar die samenvatting eigenlijk is opgeslagen.
We zijn behoorlijk enthousiast over AI en proberen veel uit. Tegelijk merken we dat meer mogelijkheden het niet automatisch makkelijker maken. Want welke tool pak je wanneer? Moet iedereen binnen een organisatie hetzelfde programma gebruiken? En wanneer levert AI werkelijk tijd op in plaats van dat je een half uur bezig bent met een tool om tien minuten werk te besparen?
Dat zijn inmiddels veel interessantere vragen dan: wat kan AI allemaal?
ChatGPT, Claude of Gemini?
Voor veel mensen begint AI nog steeds bij een chatbot. Alleen heb je daar inmiddels al genoeg keuze.
ChatGPT gebruiken we bijvoorbeeld voor allerlei verschillende werkzaamheden: meedenken over een eerste opzet, informatie ordenen, een document analyseren of verschillende invalshoeken naast elkaar zetten. Claude vinden we bij lange stukken tekst en grote documenten soms prettig werken. Werk je dagelijks in de omgeving van Google, dan is Gemini weer een logische kandidaat om uit te proberen.
Daar zit meteen het lastige. Ze kunnen veel dezelfde dingen.
Je hoeft dus niet per se een bedrijfsbrede discussie te voeren over welk model officieel ‘het beste’ is. Veel belangrijker is dat je weet waarom je iets gebruikt en dat collega’s elkaars werk kunnen overnemen.
Voor onderzoek komt er bijvoorbeeld alweer een andere naam voorbij. Perplexity is handig als je snel een onderwerp wilt verkennen en daarbij meteen de gebruikte bronnen wilt zien. Heb je juist veel eigen materiaal, zoals onderzoeksrapporten, verslagen en interviews, dan kan NotebookLM interessant zijn. Je werkt dan vanuit de documenten die je zelf aanlevert.
Voor ons is dat onderscheid belangrijk. Een chatbot gebruiken om even mee te denken is iets anders dan informatie verzamelen voor een artikel waar feiten moeten kloppen. In dat laatste geval wil je terug kunnen naar de oorspronkelijke bron. Het blijft verleidelijk om een mooi geformuleerd antwoord direct over te nemen, terwijl een overtuigende formulering nog niets zegt over de juistheid ervan.
En dan heb je beeld, video en geluid nog
Voor onze vormgevers en mensen die met sociale media werken, ziet het AI-landschap er alweer heel anders uit.
Met Leonardo AI, Midjourney en Adobe Firefly kun je beelden genereren of een eerste visuele richting onderzoeken. Dat betekent niet dat een vormgever ineens achterover kan leunen. Het betekent vooral dat je sneller kunt proberen wat er in je hoofd zit.
Soms werkt dat verrassend goed. Soms krijg je na twintig pogingen nog steeds een persoon met een hand waar anatomisch iets bijzonders mee aan de hand is.
Voor bewegend beeld zijn er programma’s als Runway en Kling. Daarmee kun je videobeelden genereren of bestaand beeld laten bewegen. ElevenLabs wordt veel gebruikt voor stemmen en voice-overs. Met OpusClip kun je uit een lange video automatisch kortere fragmenten laten halen voor sociale media. Descript pakt het weer anders aan: daar kun je een video of podcast grotendeels bewerken via de uitgeschreven tekst.
Dat zijn toepassingen waar we graag mee spelen, omdat ze bepaalde onderdelen van het maakproces veel sneller kunnen maken. Het eindresultaat vraagt nog steeds om iemand die kijkt of het beeld goed is, of een fragment daadwerkelijk interessant is en of het überhaupt bij het merk past.
Een AI-tool heeft namelijk geen last van plaatsvervangende schaamte. Wij gelukkig wel.
Ook voor de minder creatieve klusjes
De toepassingen waar je op sociale media de spectaculairste demo’s van ziet, zijn lang niet altijd de toepassingen waar je in een organisatie de meeste tijd mee kunt winnen.
Neem vergaderen.
Fireflies.ai, Fathom en Otter.ai kunnen gesprekken opnemen, uitschrijven en samenvatten. Dat kan heel prettig zijn als je normaal na een overleg nog door drie kantjes aantekeningen moet om te achterhalen wie nou ook alweer wat zou doen.
Of kijk naar automatisering. Met Make en Zapier kun je verschillende programma’s aan elkaar koppelen. Stel dat iemand een formulier op je website invult. De gegevens kunnen automatisch naar een systeem worden gestuurd, er kan een korte samenvatting worden gemaakt en de juiste collega kan een taak krijgen om erachteraan te gaan.
Daar hoeft niet per se een ingewikkelde AI-strategie achter te zitten. Soms wil je gewoon van een irritant terugkerend klusje af.
Zelfs PowerPoint krijgt concurrentie. Gamma en Claud kunnen vanuit een onderwerp en wat input een eerste presentatie opbouwen. Dat kan handig zijn om snel een verhaal in slides te zetten, al zouden onze vormgevers waarschijnlijk lichte jeuk krijgen als we vervolgens zouden zeggen: ‘Mooi, zo naar de klant.’
Dat is misschien wel hoe we zelf het liefst naar al die tools kijken. Ze hoeven het werk niet over te nemen. Ze mogen best wat vervelend voorwerk van ons hebben.
Het wordt pas ingewikkeld als je met collega’s werkt
Zelf experimenteren is makkelijk. Je maakt een account aan, probeert een paar dingen en besluit of het handig is.
Binnen een team ontstaat vanzelf een ander probleem.
Iemand heeft een fantastische werkwijze in ChatGPT gebouwd. Een collega gebruikt Claude voor hetzelfde werk. Weer iemand heeft zijn eigen prompts opgeslagen in een document dat alleen hij kan vinden. De vormgever test Leonardo, een andere collega heeft een betaalde Firefly-account en ondertussen blijkt iemand zonder iets te zeggen een complete automatisering in Make te hebben gebouwd.
Zolang iedereen aanwezig is, gaat dat meestal prima.
Tot iemand drie weken op vakantie gaat.
Daarom besteden we intern best veel tijd aan de vraag hoe we AI samen gebruiken. Niet omdat iedereen precies hetzelfde moet doen, wel omdat enige lijn prettig is. Als een werkwijze goed werkt, moet een collega hem ook kunnen gebruiken. Als we ergens klantinformatie in stoppen, willen we weten of dat verstandig is. En als AI onderdeel wordt van een vast werkproces, moet dat proces niet alleen in het hoofd van één collega bestaan.
Dat klinkt een stuk minder spannend dan een video van een pratende digitale avatar. In de praktijk heb je er waarschijnlijk meer aan.
Eerst het werk, daarna de tool
We zien bij AI nogal snel de omgekeerde volgorde ontstaan. Er komt een nieuwe tool uit en vervolgens gaan we bedenken waarvoor we hem nodig zouden kunnen hebben.
Daar proberen we zelf vanaf te blijven.
Als je iedere week uren kwijt bent aan het uitwerken van gesprekken, kijk dan eens naar Fireflies of Fathom. Heb je een enorme hoeveelheid documenten die niemand meer volledig leest, probeer NotebookLM of Claude. Wil je snel verschillende beelden onderzoeken voordat een concept verder wordt uitgewerkt, dan kan Leonardo interessant zijn. Zit iemand iedere vrijdagmiddag informatie uit systeem A over te typen naar systeem B, kijk eens naar Make of Zapier.
En soms is het antwoord gewoon: lekker blijven doen zoals je het deed.
Een persoonlijke reactie op een boze klant hoeft wat ons betreft niet eerst door drie modellen. Een merkstrategie ontstaat ook niet doordat je in ChatGPT vraagt om vijf leuke merkwaarden voor een hoveniersbedrijf. Daarvoor moet je weten wat er binnen een bedrijf speelt, waarom klanten ervoor kiezen en waar het naartoe wil.
AI heeft wel een rol in dat soort trajecten. Je kunt er onderzoek mee ordenen, grote hoeveelheden informatie mee bekijken of gedachten tegenaan houden. Alleen het oordeel blijft bij degene die het werk doet.
We merken hetzelfde bij teksten. Een eerste opzet is zo gemaakt. Daar begint vervolgens het echte werk: klopt de inhoud, klinkt dit als de organisatie, staat er niet vooral veel tekst zonder dat er iets gezegd wordt en zou iemand dit zelf ook zo formuleren?
Dat laatste wordt steeds belangrijker. Zodra iedereen dezelfde modellen gebruikt, ligt eenvormigheid namelijk behoorlijk op de loer.
Wij zijn er zelf ook nog niet
We hebben geen schema aan de muur hangen waarop staat dat ChatGPT altijd voor taak A wordt gebruikt en Gemini uitsluitend voor taak B.
Zo werkt het bij ons ook niet.
We testen programma’s, collega’s tippen elkaar en soms verdwijnt een tool na twee weken alweer uit beeld. Bij andere toepassingen merken we dat ze langzaam onderdeel worden van ons dagelijkse werk.
Daar praten we onderling over. Welke toepassingen besparen echt tijd? Waar krijgen we betere resultaten door? Wat moeten we afspreken als meerdere collega’s ermee werken? En vooral: voegt dit iets toe of vinden we het alleen leuk omdat het nieuw is?
Dat gesprek voeren we inmiddels ook steeds vaker met klanten.
Want ‘we willen meer met AI’ horen we regelmatig. Meestal zit daar een concretere vraag achter. Een marketingmedewerker heeft te weinig tijd. Er wordt veel content gemaakt. Kennis zit verspreid over documenten. Vergaderingen leveren een berg uitzoekwerk op. Of collega’s experimenteren allemaal los van elkaar en niemand weet precies wat de ander doet.
Dan gaan we liever dáár naar kijken.
Misschien kom je uit bij ChatGPT. Misschien bij Gemini, Leonardo, Fireflies of Make. Misschien heb je twee of drie tools nodig die samen een prettig proces vormen.
En misschien blijkt na een paar weken dat een toepassing vooral een extra abonnement en drie nieuwe wachtwoorden heeft opgeleverd.
Dan weten we dat ook weer.
AI verandert voorlopig snel genoeg om te blijven experimenteren. Wij doen dat zelf ook volop en delen graag wat we onderweg tegenkomen. Niet omdat ieder bedrijf morgen tien AI-tools nodig heeft, maar omdat er tussen al die mogelijkheden een paar kunnen zitten die je werk daadwerkelijk een stuk makkelijker maken.
