Waarom AI-output zo wisselvallig is

De output van AI kan nogal wisselvallig zijn. Je krijgt ‘s ochtends prima antwoorden op je vragen, maar ‘s middags is de logica ver te zoeken. Komt omdat de meeste AI-modellen draaien op dezelfde publieke systemen. Vooral einde middag daalt de kwaliteit van de output; dan gaan ze in de Verenigde Staten namelijk ook vragen stellen aan AI.

Gebruik je AI hobbymatig, dan is dat een beetje jammer. Maar voor bedrijven is dit natuurlijk onacceptabel want dan verwacht je consistente en betrouwbare kwaliteit.

Eigen betrouwbare AI van En Masse

We willen dus graag een slimme AI, maar bovenal een voorspelbare en betrouwbare AI. Want of je nu automatisch samenvattingen genereert, klantvragen verwerkt of interne processen versnelt met behulp van AI: je moet kunnen rekenen op constante kwaliteit.

Gelukkig draaien wij onze eigen En Masse AI-servers. Wij zijn niet afhankelijk van de publieke AI-systemen en hun onvoorspelbare pieken en dalen in de kwaliteit van de output. Onze eigen AI-servers van En Masse draaien met zelfgekozen modellen en in een gecontroleerde omgeving. Zo weten wij precies wat de output doet, wanneer én waarom.

De eigen AI-servers van En Masse

• Consistente kwaliteit in de output
• Volledige controle over updates, latency en prestaties
• En we hebben alle data volledig in eigen beheer. Dat is veilig, transparant en compliant.

Kijk ook eens op AI Stupid Level. Op deze website zie je hoe vaak grote AI-modellen zoals OpenAI (ChatGPT) of Anthropic (Claude) plotseling ‘domme’ antwoorden geven. En dat doen ze niet af en toe, maar dagelijks. 

Het kan dus ook anders

Ben je ook toe aan een stabiele AI-omgeving zodat je je niet meer druk hoeft te maken of het vandaag wel werkt? Wij laten je heel graag zien hoe wij het anders doen.

Bel of mail ons

The post En Masse heeft de oplossing voor wisselvallige AI-modellen appeared first on En Masse - niet mauwen maar bouwen.

Over Temperature in een AI-taalmodel

De laagste modus van Temperature, de ‘deterministische modus’, is van 0,0 tot 0,2 en daarmee ijskoud. Het model kiest het meest waarschijnlijke volgende woord. Perfect voor cijfers, juridische passages of SQL-queries: alles wat één juist antwoord kent.

Iets lauwer is de gebalanceerde modus, van 0,3 tot 0,7. Tussen deze temperaturen geeft het AI-taalmodel voldoende variatie, zonder al te veel risico op verzinsels. Ideaal voor analyses, e-mails of whitepaper-samenvattingen.

Hoog risico met hoog rendement vinden we bij 0,8 – 1,0: heet. Handig bij brainstorms, creatieve slogans, poëzie. Verwacht onverwachte invalshoeken en controleer dubbel op feitelijke onjuistheden.

Temperature actief managen

Denk bij de input na over de output. Werk je met feiten (fintech, pharma of bijvoorbeeld juridische documenten), zet je Temperature dan laag. De resultaten zullen zo reproduceerbaar en meetbaar zijn.

Heb je echter hogere creativiteit output nodig, verhoog dan de settings, maar bekijk eerst hoe hoog je moet gaan: een creatiever – en dus langer – antwoord kost meer denktijd – meer tokens – en resulteert dus in een hogere factuur. Een vriendelijke toon zonder dat je merk-stem teveel schommelt kan bijvoorbeeld een setting van 0,6 zijn. Dat kan al creatief genoeg zijn.

Houd altijd in gedachten dat een hogere instelling ook gekkere ideeën betekent. Briljante vindingen of klinkklare onzin: check afhankelijk van je doel altijd even of de output juist is. Bekijk ook welke temperatuur instellingen werken voor jouw doelstelling en log dit.

Praktische workflow in 3 stappen

1. Definieer je doel: zoek ik een feit of een fantasie? Bepaal vooraf een numerieke waarde en schrijf die op in je prompt-doc.
2. Test 3 waarden: 0,2 – 0,6 – 0,9. Vergelijk de output op toon, lengte en foutratio. Bekijk welke output het beste aansluit bij de doelstelling.
3. Monitor en itereer: kijk bijvoorbeeld maandelijks of de output nog in je straatje past. Een nieuwe AI-taalmodel-release kan de Temperature-impact namelijk verschuiven.

Voorbeelden uit de praktijk

• Recruiter: “Schrijf een LinkedIn-Inmail over deze vacature” met een Temperature van 0,3. Een lage setting, want het gaat om een feitelijk bericht.
• Marketing slogan: “Bedenk 5 prikkelende taglines voor onze eco-startup” met een Temperature van 0,9. Je krijgt allerlei wilde suggesties, waarvan er eentje goud waard kan zijn.
• Earnings-call-samenvatting (data heavy): “Vat de Q1-call samen in 4 bullets, citeer alleen de getallen”. De juiste Temperature hierbij is 0,1 want je zoekt alleen feitelijke quotes en geen creatieve gedachtenspinsels.

TL;DR

Oftwel: too long, did not read: de tekst was te lang dus ik heb het niet gelezen. Zorg daarom voor een doordachte Temperature‑strategie.

• Lager voor zekerheid en consistentie
• Hoger voor ideeën-explosies
• Testen, loggen en periodiek bijschaven door nieuwe releases in de AI-taalmodellen

Zo haal je het beste uit je AI-taalmodel, voorkom je nare verrassingen en lever je output die precies past bij jouw (content)doelen).

Benieuwd of dit ook voor jouw organisatie werkt? Neem contact met ons op!

Bel of mail ons

The post Creatieve AI-teksten of stug om te lezen: bepaal de toon met Temperature appeared first on En Masse - niet mauwen maar bouwen.

Sam Altman, CEO van OpenAI, kondigde het persoonlijk aan: OpenAI ondersteunt nu ook MCP-integraties. MCP is beschikbaar in de Agents SDK en binnenkort ook in de desktop-app van ChatGPT en Response API. Een hele mond vol maar lees gauw verder.

Hoe werkt MCP?

Een voorbeeld: jij leest op je computer (host), met je browser (client), deze post op LinkedIn. Je browser heeft hiervoor een verzoek gestuurd naar de LinkedIn-server en die server stuurde de webpagina terug naar jouw browser.

Dit is precies wat een AI-toepassing ook doet: hij fungeert als host (de computer uit het voorbeeldje hierboven) en gebruikt een MCP-client (bijvoorbeeld de browser uit het voorbeeldje) om verzoeken te sturen naar MCP-servers (bijvoorbeeld de LinkedIn-server). De server verwerkt het verzoek en stuurt een resultaat terug. Op deze manier kunnen AI-modellen met externe systemen communiceren.

Een ander voorbeeld. Wij krijgen geautomatiseerd een bug report binnen van een klant. De AI-agent analyseert de bug, bepaalt de prioriteit, doet een voorstel qua oplossingsrichting en legt deze aan ons voor via ons interne communicatiekanaal. De MCP koppelt in dit geval onze bugtracker, de analyse en ons communicatiekanaal aan elkaar, zodat wij direct tot (de juiste) actie over kunnen gaan.

Nog een voorbeeld. Je schrijft in ChatGPT of Claude AI een artikel over vakantie in Frankrijk. Je kunt dankzij een MCP-integratie (bijvoorbeeld de MCP voor Google Maps) realtime de temperatuur en weersverwachting van de komende 7 dagen in je artikel laten verwerken. Geen oude data waarop de AI getraind is (bijvoorbeeld: in de zomer is het altijd warm), maar real time data (bijvoorbeeld: de windrichting verandert dus woensdagmiddag wordt het niet warm maar fris). Ben je vervolgens tevreden over je artikel in ChatGPT? Laat de MCP voor Google Drive het direct opslaan in je Persoonlijke Drive.

Waarom MCP?

AI-toepassingen hebben vaak toegang nodig tot externe informatie en tools. MCP-integraties zorgen voor een uniforme manier van data ophalen of acties uitvoeren, zonder dat er per tool een aparte integratie benodigd is.

Microsoft noemt MCP de “USB-C voor AI”: het helpt AI-modellen om niet langer geïsoleerd te werken, maar om zich te ontwikkelen tot systemen met meer context en meer interactie.

MCP in actie

De Model Context Protocollen zijn de nieuwe bouwstenen voor AI-toepassingen. Wil je zien welke MCP-integraties wij gebruiken?

Check deze lijst:
GitHub: Model Context Protocol Servers

We kunnen hiermee eenvoudiger koppelen aan CRM-systemen, automatische rapportages genereren en interacties aangaan met externe diensten.

Anthropic, het bedrijf achter Claude AI, lanceerde deze nieuwe standaard al eerder en dat OpenAI het nu ook omarmt, betekent dat MCP-integraties een blijvertje zijn. De toekomst van AI wordt een stuk slimmer en veelzijdiger.

The post Wat is MCP en waarom ondersteunt OpenAI het nu? appeared first on En Masse - niet mauwen maar bouwen.

Veiligheid en optimaal resultaat

Waarom eigenlijk? Omdat die piccolo of portier veel méér doet dan alleen de deur bedienen. Hij biedt persoonlijk contact, helpt gasten met hun bagage tijdens het in- en uitchecken én kent vaak ook nog eens de taxichauffeurs persoonlijk. Hij houdt voortdurend de omgeving in de gaten, signaleert situaties die extra aandacht nodig hebben en kan direct ingrijpen wanneer nodig. Daarnaast weet hij antwoord te geven op allerlei vragen van gasten, wat zorgt voor een gevoel van welkom, vertrouwen en veiligheid. Bovendien straalt zo’n piccolo een bepaalde klasse en uitstraling uit die een schuifdeur nooit zal evenaren; precies zoals wij bij En Masse zorgvuldig toezicht houden op AI-processen om optimale resultaten te garanderen.

Waarde in menselijke factor

Zo zien wij de rol van AI ook binnen bedrijven. Ja, AI kan veel taken efficiënter, sneller en goedkoper uitvoeren dan mensen. Maar de échte waarde zit in hoe we AI inzetten om de menselijke factor juist te versterken. Het gaat om de combinatie van slimme automatisering en menselijke aandacht: dáár ontstaat echte magie.

Bij En Masse zien we dagelijks hoe AI onze klanten helpt met snelle en efficiënte oplossingen. We monitoren voortdurend hoe AI presteert en sturen bij waar nodig, net zoals een piccolo alert blijft op alles wat er in en rond het hotel gebeurt. Tegelijkertijd zorgt onze menselijke touch voor vertrouwen en persoonlijk contact, iets wat AI alleen nooit volledig kan vervangen.

Hoe zie jij AI in jouw organisatie? Denk je dat AI vooral vervangt, of juist versterkt? We praten graag eens verder!

Bel of mail ons

The post AI versus de hotel-piccolo appeared first on En Masse - niet mauwen maar bouwen.

Vinden wat je zoekt

“Geef mij alle patiënten waarvoor we een aanvraag zijn begonnen in de afgelopen maand, waarvan de aanvraag nog niet is afgerond en waarbij de patiënt ouder is dan 65 jaar”. Normaal kun je deze vraag niet stellen in een zoekveld: je krijgt weinig relevante zoekresultaten.

Heb je bijvoorbeeld een achternaam nodig, dan kan een developer het zo programmeren dat er in een bepaalde kolom van een tabel in de database wordt gezocht naar de zoekterm en de zoekresultaten vervolgens worden weergegeven op een manier die alle data laat zien die relevant is. Ga je een stapje verder en maak je je zoekterm iets moeilijker door te zoeken op meerdere steekwoorden of een zin in gewone mensentaal, vind je waarschijnlijk niet helemaal wat je zoekt.

Succesvol zoeken met AI-inputveld

Artificial Intelligence kan ons helpen om sneller kwaliteit te leveren. Ook is het voor ons een inspiratiebron om te kijken hoe wij de kracht van de tools kunnen gebruiken voor andere ondernemers. Bijvoorbeeld dus bij het ontwikkelen van een zoekfunctie binnen een applicatie.

Dankzij onze implementatie met AI kan onze klant nu toch van alles vragen in een AI-inputveld. De eerste tests zijn succesvol: data die voorheen niet naar boven te krijgen was, kan de klant nu zelf zoeken. Het systeem geeft de relevante informatie direct weer. Voorheen zouden we een export moeten maken, of een nieuwe ‘rapportage’. De output voor het resultaat maken we ook niet zelf: AI bepaalt de weergave – binnen de constraints natuurlijk.

Veilige data

En het is nog veilig ook. Wij hebben op een slimme manier een tussenlaag weten te creëren tussen de data en AI, waardoor data binnen de applicatie nooit naar AI wordt gestuurd en dus altijd veilig in de applicatie blijft. Ook wanneer de gebruiker bepaalde privacygevoelige informatie in de zoekbalk invult, zoals een BSN, ondervangen we dat deze data naar de AI gaat.

Nuttige AI-abonnementen

Wij hebben ondertussen al meerdere AI-gerelateerde abonnementen afgesloten. Zijn die allemaal even zinvol en behulpzaam? Niet allemaal. Vanwege alle ontwikkelingen zijn tools die vandaag enorm nuttig zijn morgen misschien oud nieuws. Er zijn daarom regelmatig verschuivingen in de tools waar wij mee werken.

Ook benieuwd naar AI?

Ben jij benieuwd wat AI voor jouw bedrijf kan betekenen? Hoe je AI in jouw bedrijf kan integreren? Heb je collega’s die de meerwaarde niet zien maar die je graag wil overtuigen? Wij helpen je graag.

Bel of mail ons

The post Slim zoeken met Artificial Intelligence-implementatie appeared first on En Masse - niet mauwen maar bouwen.