Begrijp de twee vormen van AI: voorspellende en generatieve AI
Dit artikel is voor iedereen die beter wil begrijpen welke vormen van AI er bestaan en welke AI je voor welke toepassing het beste kunt gebruiken. Er zijn twee hoofdvormen van AI: voorspellende AI en generatieve AI.

Voorspellende AI bestaat al heel lang en omvat machine learning-modellen. Deze AI gebruikt grote hoeveelheden data om toekomstige gebeurtenissen te voorspellen. Bijvoorbeeld, het voorspellen van sales, de kans dat een klant een abonnement opzegt, of de economische ontwikkelingen in de komende jaren.
Waarom voorspellende AI gebruiken?
- Toekomstige inzichten: Het helpt bedrijven voorspellen wat er in de toekomst kan gebeuren, wat cruciaal is voor strategische besluitvorming.
- Voorbeeld: Als je voorspelt dat er over twee jaar een recessie aankomt, kun je nu al maatregelen nemen. Of als een telecomprovider ziet dat een klant mogelijk zijn abonnement opzegt, kan hij die klant een aantrekkelijke korting bieden.
Voor voorspellende AI heb je veel data nodig, zowel interne als externe factoren spelen een rol. Dit maakt het mogelijk om nauwkeurige voorspellingen te doen. De combinatie van deze factoren bepaalt uiteindelijk de nauwkeurigheid van de voorspellingen.
Praktijkvoorbeelden:
- Shoeby: Gebruikt voorspellende AI om kledingverkoop te voorspellen en fashion waste te verminderen.
- Goudse Verzekeringen: Zet voorspellende AI in om gasverbruik te reduceren.
- Picnic: Voorspelt beter wat klanten gaan kopen, wat leidt tot efficiëntere bedrijfsvoering.
Generatieve AI is bekender geworden door de lancering van ChatGPT. Deze AI-modellen zijn getraind om bepaalde outputs te genereren, zoals tekst of beelden. Door menselijke taal, in spraak of tekst, worden deze modellen ‘aangestuurd’. Denk aan het chat-venster van ChatGPT, Gemini of Copilot.
Waarom generatieve AI gebruiken?
- Snelle output: Ze zijn voorgetraind en kunnen daarom snel en efficiënt tekst genereren, beelden maken, en andere complexe taken uitvoeren.
- Cognitieve, complexe taken: ideaal voor het helpen bij het schrijven van e-mails, samenvatten van rapporten, scannen van contracten en het analyseren van grote hoeveelheden data.
Praktijkvoorbeelden:
- Architectenbureau MVRDV: Gebruikt een getraind Stable Diffusion-model om sneller ontwerpen te maken.
- Picnic: Zet generatieve AI in om beter te begrijpen waar klanten naar op zoek zijn in hun gepersonaliseerde winkel.
- Voorspellende AI: wordt gebruikt voor strategische voorspellingen en vereist veel data. Het helpt bedrijven toekomstige gebeurtenissen te voorspellen en beter geïnformeerde beslissingen te nemen.
- Generatieve AI: bekend van toepassingen als ChatGPT, maar kan nog krachtiger zijn als getraind met bedrijfsspecifieke data. Het is ideaal voor complexe, cognitieve taken en kan als assistent dienen in het dagelijkse bedrijfsleven.
Wil je meer leren over hoe je deze vormen van AI in de praktijk kunt toepassen? Bekijk dan onze serie AI at Work, ontwikkeld met BusinessWise en DPG Media Nederland, in samenwerking met productiebedrijf Medianauts. Hier zie je hoe bedrijven zoals Shoeby, Goudse Verzekeringen en Picnic AI toepassen om hun bedrijfsvoering te verbeteren.
- Beste AI-tools
- GEO: vindbaar in AI-zoekmachines
- AI-prompts schrijven

Job van den Berg is AI keynote spreker, tech-ondernemer en auteur van vijf boeken over AI. Hij zet wekelijks zelf agents in productie en geeft 150+ keynotes per jaar over AI-agents en agentic commerce.
Als AI-agents het voorwerk doen in de verkoop, kunnen menselijke verkopers slechter gaan presteren. Bij een Chinese online verzekeringsmakelaar kregen verkopers door AI-spraakagents ongeveer 23 procentpunt meer kansrijke leads, maar daalde hun klantwerving met ongeveer 5 procentpunt. De oorzaak: verkopers doen minder hun best voor leads die ze niet zelf hebben verdiend.
AI maakt ons niet eenzamer. Wel meer gericht op de mensen die we al kennen. Dat is de kern van een nieuw onderzoek van Bocconi University, waarin ruim 12.000 kenniswerkers werden gevolgd vanaf het moment dat ze Microsoft Copilot kregen.
Kort antwoord: REA (Reverse Engineer Anything) is een open-source MCP-server, gepubliceerd op 7 oktober 2026, waarmee AI-agents zoals Claude Code, Codex en Cursor software kunnen decompileren, analyseren en de werking ervan nabouwen zonder de broncode te zien. Binnen enkele dagen ging het project van minder dan 10.000 naar ruim 110.000 GitHub-sterren. Hieronder beantwoorden we de belangrijkste vragen over de trend.
Nee, strenger controleren maakt AI-agents niet automatisch veiliger. Volgens Gans & Holden (NBER, 2026) werken onwijzigbare logbestanden, onvoorspelbare audits en het belonen van eerlijk gedrag beter.
