A
AI Agent
Een AI Agent is een autonoom AI-systeem dat zelfstandig taken uitvoert, beslissingen neemt en acties onderneemt om een doel te bereiken. Anders dan een chatbot die alleen reageert op vragen, kan een AI Agent meerdere stappen plannen, tools gebruiken en zijn aanpak bijsturen op basis van tussenresultaten. In marketing kan een AI Agent bijvoorbeeld zelfstandig een campagne analyseren, zoekwoorden selecteren, advertentieteksten schrijven en biedingen aanpassen. Bij Searchlab ontwikkelen we AI Agents die complete marketingworkflows automatiseren.
AI Alignment
AI Alignment is het onderzoeksgebied dat zich bezighoudt met het afstemmen van AI-systemen op menselijke waarden en doelen. Het doel is ervoor te zorgen dat AI doet wat we bedoelen, niet alleen letterlijk wat we vragen. Voor marketeers is dit relevant omdat AI-gegenereerde content onbedoeld misleidend, bevooroordeeld of off-brand kan zijn als het model niet goed is afgestemd op je doelstellingen.
AI Hallucination
Zie: Hallucination.
AI Marketing
AI Marketing is het strategisch inzetten van kunstmatige intelligentie voor marketingdoeleinden. Dit omvat AI-gegenereerde content, geautomatiseerde campagneoptimalisatie, predictive analytics, chatbots, personalisatie en sentimentanalyse. Uit recente cijfers blijkt dat bedrijven die AI inzetten gemiddeld 30-40% efficienciewinst behalen op hun marketingprocessen. AI vervangt niet de marketeer, maar versnelt de uitvoering en maakt datagedreven beslissingen toegankelijker.
API
Een API (Application Programming Interface) is een koppeling waarmee twee softwaresystemen met elkaar communiceren. In AI-marketing zijn APIs essentieel: je gebruikt ze om AI-modellen (zoals GPT of Claude) in je eigen tools en workflows te integreren. Denk aan het automatisch genereren van productbeschrijvingen via de OpenAI API, of het ophalen van zoekdata via de Google Ads API. Zonder APIs zou elke AI-tool een op zichzelf staande silo zijn.
Attention Mechanism
Het Attention Mechanism (aandachtsmechanisme) is de kern van de Transformer-architectuur. Het stelt een AI-model in staat om bij het verwerken van tekst te 'focussen' op de meest relevante woorden, ongeacht hun positie in de zin. Als het model de zin "De bank staat aan de rivier" leest, helpt attention om 'bank' te interpreteren als oever en niet als financiele instelling. Dit mechanisme is de reden dat moderne LLMs zo goed zijn in het begrijpen van context en nuance.
Automation (AI-automatisering)
AI-automatisering is het gebruik van kunstmatige intelligentie om repetitieve marketingtaken zonder menselijke tussenkomst uit te voeren. Denk aan het automatisch beantwoorden van klantvragen, het schedulen van social media posts, het optimaliseren van advertentiebiedingen of het genereren van rapportages. Het verschil met traditionele automatisering is dat AI kan omgaan met ongestructureerde data en zelfstandig beslissingen neemt op basis van patronen. Bekijk de AI marketing stack om te zien welke tools dit mogelijk maken.
Autonomous AI
Autonomous AI (autonome AI) verwijst naar AI-systemen die zelfstandig opereren met minimale menselijke supervisie. Ze kunnen taken plannen, uitvoeren, evalueren en bijsturen. In marketing zie je dit bij geavanceerde biedstrategieen in Google Ads (Smart Bidding) en bij AI Agents die complete workflows draaien. De trend is duidelijk: van AI als assistent naar AI als autonome medewerker.
B
Backpropagation
Backpropagation (terugpropagatie) is het kernalgoritme waarmee neurale netwerken leren. Na elke voorspelling berekent het model de fout (het verschil tussen voorspelling en werkelijkheid) en stuurt die fout terug door het netwerk om de gewichten aan te passen. Dit proces herhaalt zich miljoenen keren tijdens training. Je hoeft als marketeer niet te weten hoe het wiskundig werkt, maar het helpt te begrijpen waarom meer trainingsdata en meer rekenkracht tot betere modellen leiden.
Benchmark (AI)
Een benchmark in AI is een gestandaardiseerde test om de prestaties van verschillende modellen te vergelijken. Bekende benchmarks zijn MMLU (kennistest), HumanEval (programmeertest) en HellaSwag (redeneertest). Voor marketeers zijn benchmarks handig om AI-tools objectief te vergelijken: welk model schrijft de beste teksten, welk model hallucinert het minst? Let op: benchmarkscores vertalen zich niet altijd 1-op-1 naar praktijkprestaties.
Bias (vooringenomenheid)
Bias in AI betekent dat een model systematisch scheve of oneerlijke output produceert. Dit ontstaat doordat trainingsdata bestaande vooroordelen uit de echte wereld weerspiegelen. Een AI-model voor werving kan bijvoorbeeld mannelijke kandidaten bevoordelen als het is getraind op historische data waarin mannen vaker werden aangenomen. In marketing is bias relevant bij doelgroepsegmentatie, contentcreatie en personalisatie. Controleer altijd of je AI-output representatief en eerlijk is.
C
Chain-of-Thought (CoT)
Chain-of-Thought is een prompttechniek waarbij je een AI-model vraagt om stap voor stap te redeneren voordat het een conclusie trekt. In plaats van direct een antwoord te geven, legt het model zijn denkproces uit. Dit levert significant betere resultaten op bij complexe taken zoals dataanalyse, strategische aanbevelingen of het beoordelen van campagneprestaties. Voeg simpelweg "Denk stap voor stap" toe aan je prompt.
Chatbot
Een chatbot is een softwareprogramma dat gesprekken voert met gebruikers, vaak via een chatvenster op een website. Traditionele chatbots werkten met vaste scripts en beslisbomen. Moderne AI-chatbots — aangedreven door LLMs — begrijpen natuurlijke taal en geven dynamische, contextuele antwoorden. In marketing worden chatbots ingezet voor klantenservice, leadkwalificatie en productadvies. Ze zijn 24/7 beschikbaar en kunnen tientallen gesprekken tegelijk voeren.
Classification (classificatie)
Classificatie is een machine learning-taak waarbij data in vooraf gedefinieerde categorieen wordt ingedeeld. Voorbeelden in marketing: e-mails classificeren als spam of niet-spam, klantenreviews als positief, negatief of neutraal, en leads als warm of koud. Classificatiemodellen worden getraind op gelabelde datasets en leren patronen herkennen die bepalen in welke categorie nieuwe data valt.
Claude
Claude is het AI-model ontwikkeld door Anthropic, opgericht door voormalig OpenAI-onderzoekers. Claude onderscheidt zich door zijn focus op veiligheid, eerlijkheid en bruikbaarheid. Het model is beschikbaar in verschillende versies (Haiku, Sonnet, Opus) voor uiteenlopende use cases. Claude excelleert in lange, genuanceerde analyses, het volgen van complexe instructies en het genereren van hoogwaardige zakelijke content. Het is bijzonder sterk in het begrijpen van context en het vermijden van hallucinaties.
Computer Vision
Computer Vision is het AI-vakgebied dat computers in staat stelt visuele informatie te begrijpen en te interpreteren — zoals afbeeldingen, video's en documenten. In marketing wordt computer vision ingezet voor visuele zoekfuncties (zoeken op basis van een foto), het automatisch taggen van productafbeeldingen, het analyseren van social media visuals, merkherkenning in video's en het optimaliseren van beeldmateriaal op basis van wat het beste converteert.
Content Generation (AI-contentcreatie)
AI-contentcreatie is het gebruik van AI-modellen om tekst, afbeeldingen, video's of audio te produceren. Dit omvat blogteksten, advertentieteksten, social media posts, e-mailcampagnes, productbeschrijvingen en visueel materiaal. AI genereert een eerste versie in seconden die een redacteur vervolgens controleert en aanpast. De kunst zit niet in het genereren zelf, maar in het schrijven van goede prompts en het kritisch beoordelen van de output. Generative AI groeit razendsnel en wordt steeds beter in het produceren van on-brand content.
Context Window
Het context window (contextvenster) is de maximale hoeveelheid tekst die een AI-model in een keer kan verwerken. Dit wordt uitgedrukt in tokens. GPT-4 Turbo heeft een context window van 128.000 tokens, Claude 3 tot 200.000 tokens. Een groter context window betekent dat het model langere documenten kan lezen, meer achtergrondinfo kan meenemen en coherentere lange teksten kan schrijven. Voor marketeers is dit relevant bij het analyseren van uitgebreide datasets of het schrijven van lange contentstukken.
Conversational AI
Conversational AI is de verzamelnaam voor AI-technologie die natuurlijke gesprekken met mensen kan voeren. Dit gaat verder dan simpele chatbots: conversational AI begrijpt intentie, onthoudt context uit eerdere berichten, kan vervolgvragen stellen en schakelt naadloos tussen onderwerpen. Toepassingen in marketing zijn virtuele assistenten, voice-gestuurde klantenservice, interactieve productadviseurs en AI-gestuurde verkoopgesprekken.
Copilot
Een Copilot is een AI-assistent die je ondersteunt bij je werk zonder het volledig over te nemen. De term is populair geworden door GitHub Copilot (voor code) en Microsoft Copilot (voor Office). In marketing-context is een copilot een AI die meekijkt, suggesties doet en taken versnelt: denk aan advertentieteksten voorstellen, data samenvatten of strategische aanbevelingen doen. Het verschil met een AI Agent is dat een copilot reactief werkt (op jouw verzoek), terwijl een agent proactief taken uitvoert.
D
DALL-E
DALL-E is het beeldgeneratiemodel van OpenAI dat op basis van tekstbeschrijvingen (prompts) nieuwe afbeeldingen creert. DALL-E 3 is de nieuwste versie en is geintegreerd in ChatGPT. Voor marketeers is het een krachtige tool om snel visuele concepten te maken: social media visuals, productmockups, blogafbeeldingen en advertentiebeelden. De kwaliteit is hoog, maar let op: AI-gegenereerde beelden kunnen soms onnatuurlijke details bevatten die je merk ondermijnen. Menselijke controle blijft essentieel.
Data Augmentation
Data Augmentation is een techniek om je dataset kunstmatig te vergroten door variaties van bestaande data te maken. Bij afbeeldingen kan dit door te roteren, bij tekst door synoniemen te gebruiken. In marketing is dit relevant bij het trainen van classificatiemodellen (bijv. sentimentanalyse) wanneer je te weinig voorbeelddata hebt. Het verbetert de robuustheid van je model zonder dat je duizenden extra datapunten handmatig moet labelen.
Data Pipeline
Een data pipeline is een geautomatiseerd proces dat data verzamelt, transformeert en overbrengt van de ene plek naar de andere. In AI-marketing gebruik je data pipelines om bijvoorbeeld CRM-data, websiteanalytics en advertentiedata samen te brengen in een centraal datawarehouse, waar AI-modellen er vervolgens mee kunnen werken. Een goed ingerichte pipeline zorgt ervoor dat je AI altijd met actuele, schone data werkt.
Deep Learning
Deep Learning is een subveld van machine learning dat werkt met diepe neurale netwerken — netwerken met vele lagen. Hoe meer lagen, hoe complexer de patronen die het netwerk kan herkennen. Deep learning heeft doorbraken opgeleverd in beeldherkenning, spraakherkenning en natuurlijke taalverwerking. Het is de technologie achter GPT, DALL-E, zelfrijdende auto's en gesproken assistenten. De 'diepte' verwijst naar het aantal lagen in het netwerk, niet naar de diepgang van het begrip.
Diffusion Model
Een diffusion model (diffusiemodel) is het type AI-model achter beeldgeneratietools als Stable Diffusion, DALL-E en Midjourney. Het werkt door eerst ruis toe te voegen aan afbeeldingen en daarna te leren die ruis stap voor stap te verwijderen. Bij het genereren draait het proces om: het model begint met pure ruis en vormt die geleidelijk om naar een afbeelding op basis van je prompt. Deze aanpak levert fotorealistische en creatieve beelden op.
E
Embeddings
Embeddings zijn numerieke representaties van tekst, afbeeldingen of andere data in een wiskundige ruimte. Elk woord, elke zin of elk document wordt omgezet in een reeks getallen (een vector) die de betekenis vastlegt. Woorden met vergelijkbare betekenis liggen dicht bij elkaar in deze ruimte. In marketing worden embeddings gebruikt voor semantisch zoeken, aanbevelingssystemen en het clusteren van klantdata. Ze zijn de bouwstenen van vector databases en RAG-systemen.
Edge AI
Edge AI is het draaien van AI-modellen direct op een apparaat (telefoon, laptop, sensor) in plaats van in de cloud. Dit heeft voordelen: lagere latentie, meer privacy en offline functionaliteit. In marketing is edge AI relevant voor real-time personalisatie in apps, on-device spraakherkenning en het analyseren van winkelgedrag via camera's in fysieke winkels, zonder dat gevoelige data naar externe servers hoeft te worden verstuurd.
Ethical AI (verantwoorde AI)
Ethical AI is de praktijk van het ontwikkelen en inzetten van AI-systemen op een eerlijke, transparante en verantwoorde manier. Dit omvat het vermijden van bias, het beschermen van privacy, het geven van duidelijke informatie wanneer content AI-gegenereerd is, en het waarborgen van menselijke controle. De EU AI Act stelt hier steeds strengere eisen aan. Voor marketeers betekent dit: wees transparant over AI-gebruik, controleer output op vooroordelen en respecteer de privacy van je doelgroep.
F
Few-shot Learning
Few-shot learning is een techniek waarbij je een AI-model een paar voorbeelden geeft (shots) voordat je het een taak laat uitvoeren. In plaats van het model uitgebreid te trainen, geef je in je prompt 2-5 voorbeelden van de gewenste input en output. Het model leert hiervan het patroon en past dat toe op nieuwe input. Dit is extreem nuttig in marketing: geef een AI 3 voorbeelden van je merkstem en het produceert content in dezelfde stijl.
Fine-tuning
Fine-tuning is het doortrainen van een bestaand AI-model op je eigen specifieke dataset. Je neemt een krachtig basismodel (foundation model) en past het aan voor jouw use case. Bijvoorbeeld: een LLM fine-tunen op duizenden klantvragen zodat het je producten beter begrijpt, of een beeldmodel fine-tunen op je huisstijl. Fine-tuning vereist technische kennis en voldoende kwalitatieve trainingsdata, maar levert een model op dat significant beter presteert voor jouw specifieke toepassing.
Foundation Model
Een foundation model (basismodel) is een groot AI-model dat is getraind op brede datasets en als basis dient voor diverse toepassingen. GPT-4, Claude en Gemini zijn foundation models. Ze worden niet gebouwd voor een specifieke taak, maar kunnen via prompting of fine-tuning worden ingezet voor alles van vertaling tot programmeren tot marketinganalyse. Het idee is: train een keer groot, pas daarna aan voor specifieke behoeftes. Dit maakt AI toegankelijk zonder dat elk bedrijf zelf een model hoeft te trainen.
G
GANs (Generative Adversarial Networks)
GANs (Generative Adversarial Networks) zijn een type AI-architectuur bestaande uit twee neurale netwerken die tegen elkaar 'strijden'. De generator maakt nepafbeeldingen, de discriminator probeert nep van echt te onderscheiden. Door dit spel worden beide netwerken beter. GANs werden gebruikt voor het genereren van fotorealistische gezichten, het verbeteren van beeldresolutie en het creeren van synthetische trainingsdata. In marketing zijn ze onder meer ingezet voor het genereren van productvarianten en virtual try-on ervaringen.
Gemini
Gemini is het AI-model van Google DeepMind, de opvolger van Bard. Gemini is ontworpen als multimodaal model: het kan tekst, afbeeldingen, audio, video en code verwerken. Het is geintegreerd in Google-producten als Search, Workspace en Ads. Voor marketeers is Gemini relevant omdat het de manier verandert waarop Google zoekresultaten presenteert — met AI-gegenereerde antwoorden bovenaan de zoekpagina, wat gevolgen heeft voor SEO en advertentiestrategieen.
Generative AI (generatieve AI)
Generative AI is de verzamelnaam voor AI-systemen die nieuwe content kunnen creeren: tekst, afbeeldingen, video, muziek, code en meer. Anders dan traditionele AI die data analyseert en classificeert, produceert generatieve AI iets nieuws op basis van geleerde patronen. ChatGPT schrijft tekst, Midjourney maakt beelden, Suno genereert muziek. De markt voor generatieve AI groeit explosief. Voor marketeers is het de meest impactvolle AI-ontwikkeling van het decennium: het verlaagt de drempel voor contentproductie radicaal.
GPT (Generative Pre-trained Transformer)
GPT staat voor Generative Pre-trained Transformer — de architectuur achter ChatGPT van OpenAI. 'Generative' betekent dat het content genereert, 'Pre-trained' dat het is voorgetraind op grote datasets, en 'Transformer' verwijst naar de onderliggende modelarchitectuur. GPT-4 is het meest bekende model en kan tekst, code en afbeeldingen verwerken. In marketing wordt GPT breed ingezet: van advertentieteksten schrijven tot klantenservicegesprekken voeren tot data analyseren.
Grounding
Grounding is de techniek om AI-output te verankeren in feitelijke, verifieerbare bronnen. Zonder grounding kan een LLM zelfverzekerd onjuiste informatie produceren (hallucinatie). Door het model toegang te geven tot actuele databases, zoekresultaten of bedrijfsdocumenten, worden de antwoorden feitelijk betrouwbaarder. RAG is een veelgebruikte groundingtechniek. Voor marketeers is grounding cruciaal: je wilt niet dat je AI-content feitelijk onjuiste claims over je product of dienst maakt.
H
Hallucination (hallucinatie)
Een hallucinatie in AI is wanneer een model zelfverzekerd informatie presenteert die feitelijk onjuist, verzonnen of misleidend is. Het model 'hallucineert' feiten, bronnen, statistieken of citaten die niet bestaan. Dit is een inherent risico van LLMs: ze voorspellen de meest waarschijnlijke volgende woorden, niet per se de meest waarheidsgetrouwe. In marketing is dit gevaarlijk — denk aan verzonnen productspecificaties, niet-bestaande onderzoeken of foutieve juridische claims in content. Altijd fact-checken.
Hugging Face
Hugging Face is het grootste open-source platform voor AI-modellen. Het wordt ook wel de 'GitHub van AI' genoemd. Op Hugging Face vind je duizenden voorgetrainde modellen voor tekstgeneratie, vertaling, sentimentanalyse, beeldherkenning en meer. Je kunt modellen downloaden, testen en in je eigen applicaties inbouwen. Voor marketeers die AI willen integreren zonder een model from scratch te bouwen, is Hugging Face een onmisbare bron.
Hyperparameter
Een hyperparameter is een instelling die je voor de training van een AI-model vastlegt en die het leerproces stuurt. Voorbeelden zijn de learning rate (hoe snel het model leert), batch size (hoeveel data per trainingsstap) en het aantal trainingsrondes (epochs). In marketing kom je hyperparameters tegen als je een model fine-tunet of temperature-instellingen aanpast bij het genereren van content. Een hogere temperature levert creatievere maar onvoorspelbaardere output op.
I
Image Generation (beeldgeneratie)
Beeldgeneratie is het met AI creeren van afbeeldingen op basis van tekstbeschrijvingen, schelsen of andere input. De belangrijkste tools zijn Midjourney, DALL-E, Stable Diffusion en Adobe Firefly. In marketing wordt beeldgeneratie ingezet voor social media visuals, blog headers, advertentiebeelden, productmockups en conceptontwerpen. De technologie bespaart uren designwerk, maar vraagt om goede prompts en kritische beoordeling van het resultaat.
Inference
Inference is het proces waarbij een getraind AI-model daadwerkelijk output genereert — het 'nadenken' van het model. Wanneer je ChatGPT een vraag stelt, draait er een inference-stap. Inference kost rekenkracht en dus geld: hoe groter het model en hoe langer de output, hoe duurder de inference. Dit is waarom API-pricing bij OpenAI, Anthropic en Google is gebaseerd op het aantal tokens dat je verwerkt. Voor marketingteams die AI op schaal inzetten, is het optimaliseren van inference-kosten een strategische overweging.
Instruction Tuning
Instruction tuning is het trainen van een AI-model om specifiek instructies op te volgen. Na de brede pre-training wordt het model verfijnd met voorbeelden van instructies en gewenste antwoorden. Dit is de reden dat ChatGPT en Claude vragen kunnen beantwoorden, taken kunnen uitvoeren en instructies kunnen volgen — het ruwe taalmodel wordt getransformeerd tot een bruikbare assistent. Zonder instruction tuning zou een LLM alleen maar tekst aanvullen, niet reageren op vragen.
K
Knowledge Graph
Een knowledge graph (kennisgraaf) is een gestructureerde database die entiteiten (personen, plaatsen, concepten) en hun onderlinge relaties vastlegt. Google's Knowledge Graph bevat miljarden feiten en voedt de informatiekaarten die je in zoekresultaten ziet. In AI-marketing worden knowledge graphs gebruikt om chatbots te voeden met gestructureerde bedrijfskennis, productenrelaties te modelleren en gepersonaliseerde aanbevelingen te doen op basis van verbanden tussen klantinteresses.
Knowledge Cutoff
De knowledge cutoff (kennisgrens) is de datum tot waarop een AI-model is getraind. Het model heeft geen kennis van gebeurtenissen na deze datum. GPT-4 heeft bijvoorbeeld een knowledge cutoff van april 2024. Dit is relevant voor marketeers: als je een AI vraagt naar recente trends, marktcijfers of nieuwsgebeurtenissen na de cutoff-datum, zal het model onjuiste of verouderde informatie geven. Gebruik RAG of webzoekopdrachten om actuele informatie toe te voegen.
L
LangChain
LangChain is een open-source framework voor het bouwen van applicaties met LLMs. Het biedt bouwstenen om AI-modellen te koppelen aan externe databronnen, tools en geheugen. Met LangChain kun je bijvoorbeeld een chatbot bouwen die je CRM doorzoekt, of een systeem dat automatisch je websitedata analyseert en rapportages maakt. Het is de lijm tussen AI-modellen en je bestaande bedrijfssystemen. Populair bij ontwikkelaars die custom AI-toepassingen bouwen voor marketing en sales.
Large Language Model (LLM)
Een Large Language Model (LLM) is een AI-model dat is getraind op enorme hoeveelheden tekst en daardoor taal kan begrijpen, genereren en verwerken op een niveau dat menselijk aanvoelt. 'Large' verwijst naar het aantal parameters — GPT-4 heeft naar schatting meer dan 1 biljoen. Bekende LLMs zijn GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google) en Llama (Meta). In AI-marketing worden LLMs ingezet voor contentcreatie, klantenservice, data-analyse, vertaling en strategisch advies.
Latent Space
De latent space (latente ruimte) is de wiskundige ruimte waarin een AI-model abstracte representaties van data opslaat. Wanneer een beeldgeneratiemodel een foto 'begrijpt', slaat het niet de pixels op maar een compacte wiskundige beschrijving in de latent space. Door in deze ruimte te navigeren, kun je beelden morferen, stijlen mixen en nieuwe variaties genereren. Het concept is abstract, maar verklaart waarom AI-tools als Midjourney vloeiend tussen stijlen kunnen schakelen.
LLMOps
LLMOps is de praktijk van het beheren, monitoren en optimaliseren van Large Language Models in productieomgevingen. Net als DevOps voor software en MLOps voor machine learning, omvat LLMOps het bijhouden van kosten, het monitoren van outputkwaliteit, het beheren van prompts, het detecteren van hallucinaties en het schalen van API-gebruik. Voor bedrijven die AI structureel inzetten in hun marketing, is LLMOps essentieel om kwaliteit en kosten beheersbaar te houden.
LoRA (Low-Rank Adaptation)
LoRA is een efficiente fine-tuningtechniek die slechts een klein deel van de modelparameters aanpast in plaats van het hele model opnieuw te trainen. Dit maakt fine-tuning betaalbaar en snel. Je kunt bijvoorbeeld een LLM met LoRA aanpassen aan je merkstem voor een fractie van de kosten van volledige fine-tuning. LoRA is bijzonder populair bij beeldgeneratiemodellen om specifieke stijlen, gezichten of producten te leren.
M
Machine Learning (ML)
Machine Learning is het deelveld van AI waarbij systemen leren van data zonder expliciet geprogrammeerd te worden. In plaats van regels te schrijven, geef je het systeem voorbeelden en laat je het zelf patronen ontdekken. Er zijn drie hoofdvormen: supervised learning (leren met gelabelde data), unsupervised learning (patronen ontdekken in ongelabelde data) en reinforcement learning (leren door trial-and-error). In marketing wordt ML ingezet voor voorspellende modellen, klantsegmentatie, aanbevelingssystemen en biedoptimalisatie.
Midjourney
Midjourney is een AI-beeldgeneratieplatform dat via Discord werkt en bekend staat om zijn artistieke, visueel opvallende beelden. Midjourney blinkt uit in creatieve, stilistische output — van fotorealistische portretten tot surrealistische kunstwerken. Marketeers gebruiken Midjourney voor social media visuals, merkbeelden en creatieve campagneconcepten. Het platform hanteert een abonnementsmodel en biedt commerciele gebruiksrechten op gegenereerde beelden.
Model Training
Model training is het proces waarbij een AI-model leert van data. Het model verwerkt miljoenen voorbeelden, maakt voorspellingen, berekent de fout en past zijn interne gewichten aan. Training van een groot foundation model kost miljoenen dollars aan rekenkracht en duurt weken tot maanden op duizenden GPU's. Fine-tuning van een bestaand model is veel goedkoper en kan in uren tot dagen. De kwaliteit van je trainingsdata bepaalt direct de kwaliteit van je model — garbage in, garbage out.
Multimodal AI
Multimodal AI is een AI-systeem dat meerdere typen input kan verwerken en combineren: tekst, afbeeldingen, audio en video. GPT-4, Claude en Gemini zijn multimodale modellen — je kunt ze een screenshot sturen en om een analyse vragen, of een grafiek uploaden en laten interpreteren. In marketing opent dit deuren: je kunt een AI je landingspagina laten beoordelen op design, een video laten analyseren op merkboodschap, of audio van klantenservice-gesprekken laten transcriberen en samenvatten.
N
Natural Language Processing (NLP)
Natural Language Processing (NLP) is het AI-vakgebied dat zich bezighoudt met de interactie tussen computers en menselijke taal. NLP omvat taken als tekstbegrip, vertaling, samenvatting, sentimentanalyse, entiteitsherkenning en vraagbeantwoording. Moderne NLP wordt aangedreven door Transformer-modellen en LLMs. In marketing is NLP alomtegenwoordig: van chatbots en zoekalgoritmes tot social listening tools en geautomatiseerde contentanalyse.
Neural Network (neuraal netwerk)
Een neuraal netwerk is een computersysteem geinspireerd op het menselijk brein. Het bestaat uit lagen kunstmatige neuronen (nodes) die met elkaar verbonden zijn. Data stroomt door het netwerk, elke node past een berekening toe, en de output wordt doorgegeven aan de volgende laag. Door miljoenen voorbeelden te verwerken, leert het netwerk complexe patronen herkennen. Neurale netwerken vormen de basis van alle moderne AI: van beeldherkenning tot taalmodellen tot aanbevelingssystemen.
Named Entity Recognition (NER)
Named Entity Recognition (NER) is een NLP-techniek die automatisch entiteiten in tekst herkent en classificeert: personen, organisaties, locaties, datums en bedragen. In marketing wordt NER ingezet voor social listening (welke merken worden genoemd?), het automatisch taggen van klantenservice-tickets, het extraheren van bedrijfsinformatie uit websiteteksten voor leadgeneratie, en het analyseren van concurrentievermeldingen in nieuwsartikelen.
O
OpenAI
OpenAI is het AI-onderzoeksbedrijf achter ChatGPT, GPT-4, DALL-E en Whisper. Opgericht in 2015 als non-profit, groeide het uit tot een van de invloedrijkste techbedrijven ter wereld. OpenAI's modellen worden massaal ingezet in marketing voor contentcreatie, klantenservice, data-analyse en automatisering. Via de OpenAI API kunnen bedrijven GPT-modellen integreren in eigen applicaties. Microsoft is de grootste investeerder en heeft OpenAI-technologie geintegreerd in Bing, Office en Azure.
Open Source AI
Open Source AI verwijst naar AI-modellen waarvan de code, gewichten en soms trainingsdata vrij beschikbaar zijn. Bekende open-source modellen zijn Llama (Meta), Mistral en Stable Diffusion. Het voordeel: je kunt ze gratis gebruiken, aanpassen en hosten op eigen servers, waardoor je niet afhankelijk bent van externe API's. Voor bedrijven met gevoelige data of specifieke aanpassingswensen biedt open-source AI meer controle en privacy dan gesloten diensten als ChatGPT.
Overfitting
Overfitting treedt op wanneer een AI-model de trainingsdata te letterlijk leert en daardoor slecht presteert op nieuwe, onbekende data. Het model 'memoriseert' in plaats van te 'generaliseren'. Stel: je traint een sentimentmodel op 100 reviews en het leert 99% correct — maar bij nieuwe reviews haalt het slechts 60%. Dan is het model overfit. In marketing herken je dit wanneer een voorspellend model uitstekend werkt op historische data maar faal bij toekomstige voorspellingen.
P
Parameter
Een parameter in AI is een interne variabele van een model die tijdens training wordt aangepast. Hoe meer parameters, hoe meer patronen het model kan opslaan en hoe complexer het kan redeneren. GPT-3 heeft 175 miljard parameters, GPT-4 naar schatting meer dan 1 biljoen. Meer parameters betekent niet automatisch beter — het gaat ook om de kwaliteit van de trainingsdata en de architectuur. Maar in de praktijk presteren grotere modellen doorgaans beter op complexe taken.
Perplexity
Perplexity is een AI-aangedreven zoekmachine die zoekresultaten combineert met LLM-gegenereerde antwoorden. In plaats van een lijst met links krijg je een samengevat antwoord met bronvermeldingen. Perplexity wordt steeds populairder als alternatief voor Google, vooral voor onderzoeksvragen. Voor marketeers heeft dit twee implicaties: het verandert hoe mensen informatie vinden (minder klikken naar websites), en het opent een nieuw kanaal — je content moet zo gestructureerd zijn dat AI-zoekmachines er correct uit kunnen citeren.
Predictive Analytics
Predictive analytics is het gebruik van data, machine learning en statistiek om toekomstig gedrag te voorspellen. In marketing voorspel je hiermee welke leads het meest waarschijnlijk converteren (lead scoring), welke klanten dreigen af te haken (churn prediction), welke producten een klant waarschijnlijk koopt (aanbevelingen), en welke zoekwoorden gaan groeien. Het verschil met rapportage is dat je niet terugkijkt maar vooruitkijkt — je neemt beslissingen op basis van waar de data naartoe wijst.
Prompt
Een prompt is de instructie of vraag die je aan een AI-model geeft. De kwaliteit van je prompt bepaalt direct de kwaliteit van de output. Een vage prompt ("schrijf een tekst over marketing") levert generieke output, een specifieke prompt ("schrijf een LinkedIn-post van 200 woorden over AI-marketing voor mkb-bedrijven, met een concreet voorbeeld en een call-to-action") levert bruikbare content. Prompts zijn de interface tussen mens en AI — ze zijn de nieuwe vaardigheid die elke marketeer moet beheersen.
Prompt Engineering
Prompt engineering is de kunst en wetenschap van het formuleren van effectieve prompts voor AI-modellen. Het omvat technieken als few-shot learning (voorbeelden geven), chain-of-thought (stap voor stap laten denken), systeem-prompts (gedrag definieren) en template-prompts (herbruikbare structuren). Goede prompt engineers behalen 3-5x betere resultaten uit hetzelfde AI-model dan onervaren gebruikers. In marketing is prompt engineering een kernvaardigheid geworden voor contentcreatie, data-analyse en campagneoptimalisatie.
R
RAG (Retrieval-Augmented Generation)
RAG is een techniek die de kracht van LLMs combineert met het ophalen van actuele informatie uit externe bronnen. In plaats van alleen op trainingsdata te vertrouwen, zoekt het systeem eerst relevante documenten op (retrieval) en gebruikt die als context bij het genereren van een antwoord (generation). Dit vermindert hallucinaties drastisch en maakt het mogelijk om AI-antwoorden te baseren op je eigen bedrijfsdocumenten, productdata of klantinformatie. RAG is de standaardaanpak voor betrouwbare AI-chatbots en kennissystemen.
Reinforcement Learning (RL)
Reinforcement learning is een machine learning-methode waarbij een model leert door trial-and-error en beloningen. Het model neemt acties, ontvangt feedback (beloning of straf) en past zijn strategie aan om meer beloningen te verzamelen. Dit is hoe AlphaGo leerde om schaak- en Go-kampioenen te verslaan. In AI-modellen wordt RLHF (Reinforcement Learning from Human Feedback) gebruikt om LLMs te trainen om bruikbare, veilige antwoorden te geven — menselijke beoordelaars geven feedback op modelantwoorden.
Responsible AI
Zie: Ethical AI.
S
Semantic Search
Semantic search (semantisch zoeken) is een zoekmethode die de betekenis achter een zoekopdracht begrijpt, niet alleen de letterlijke woorden matcht. Waar traditioneel zoeken 'rode schoenen kopen' alleen matcht op pagina's met die exacte woorden, begrijpt semantic search dat 'betaalbare sneakers in rood bestellen' dezelfde intentie heeft. Dit wordt mogelijk gemaakt door embeddings en Transformer-modellen. Google gebruikt semantic search al jaren. Voor marketeers betekent dit: schrijf voor intentie en onderwerpen, niet alleen voor exacte zoekwoorden.
Sentiment Analysis (sentimentanalyse)
Sentimentanalyse is een NLP-techniek die automatisch de toon en emotie in tekst detecteert: positief, negatief of neutraal. In marketing wordt sentimentanalyse ingezet voor het monitoren van merkperceptie op social media, het analyseren van klantenreviews, het beoordelen van klantenservicegesprekken en het meten van campagne-ontvangst. Moderne sentimentanalyse met LLMs gaat verder dan simpel positief/negatief: het detecteert nuances als sarcasme, frustratie, enthousiasme en ironie.
Stable Diffusion
Stable Diffusion is een open-source beeldgeneratiemodel ontwikkeld door Stability AI. Het werkt op basis van de diffusie-architectuur en kan afbeeldingen genereren op basis van tekstprompts. Omdat het open source is, kan iedereen het model downloaden, aanpassen en op eigen hardware draaien. Dit maakt het populair bij developers en bedrijven die visuele AI willen integreren zonder afhankelijkheid van externe API's. Stable Diffusion wordt gebruikt voor productvisualisaties, marketingbeelden en creatieve campagneconcepten.
Supervised Learning
Supervised learning (begeleid leren) is de meest gangbare machine learning-methode waarbij een model leert van gelabelde data. Je geeft het model voorbeelden met het juiste antwoord (labels) en het leert patronen die input aan output koppelen. Voorbeeld: je traint een model met duizenden e-mails die als 'spam' of 'niet-spam' zijn gelabeld, en het leert nieuwe e-mails te classificeren. In marketing wordt supervised learning ingezet voor lead scoring, churn prediction en klantsegmentatie.
Synthetic Data
Synthetic data (synthetische data) is kunstmatig gegenereerde data die de statistische eigenschappen van echte data nabootst. AI genereert deze data om trainingssets te vergroten, privacyproblemen te omzeilen of scenario's te simuleren waarvoor te weinig echte data beschikbaar is. In marketing kun je synthetische klantprofielen genereren om je segmentatiemodel te testen, of synthetische A/B testresultaten creeren om je analysetools te valideren.
System Prompt
Een system prompt is een speciale instructie die het gedrag en de persoonlijkheid van een AI-model definieert voor een hele sessie. Het vertelt het model wie het is, hoe het zich moet gedragen en welke regels het moet volgen. Bijvoorbeeld: "Je bent een klantenservicemedewerker van merk X. Je antwoordt altijd in het Nederlands, in een vriendelijke toon, en verwijst bij klachten naar het retourbeleid." System prompts zijn de sleutel tot consistente, on-brand AI-interacties in marketing.
T
Temperature
Temperature is een instelling die bepaalt hoe creatief of voorspelbaar de output van een AI-model is. Een temperature van 0 levert de meest voorspelbare, 'veilige' output op — het model kiest steeds het meest waarschijnlijke woord. Een temperature van 1 of hoger levert creatievere, verrassendere maar ook onvoorspelbaardere output. Voor marketingteksten is een temperature van 0.7-0.8 vaak ideaal: genoeg variatie om interessant te zijn, maar niet zo hoog dat de output onsamenhangend wordt.
Text-to-Image
Text-to-image is de AI-techniek die geschreven beschrijvingen omzet in afbeeldingen. Je typt een prompt ("een moderne kantoor in Amsterdam met planten en natuurlijk licht, fotorealistisch") en de AI genereert een bijpassend beeld. De belangrijkste text-to-image modellen zijn DALL-E, Midjourney en Stable Diffusion. In marketing is text-to-image een gamechanger: het democratiseert visuele contentcreatie en verlaagt de kosten voor beeldproductie drastisch.
Text-to-Speech (TTS)
Text-to-Speech is AI-technologie die geschreven tekst omzet in natuurlijk klinkende spraak. Moderne TTS-systemen zoals ElevenLabs en OpenAI's TTS produceren stemmen die nauwelijks van menselijke stemmen te onderscheiden zijn. In marketing wordt TTS ingezet voor het inspreken van video's, podcasts, telefonische klantenservice en toegankelijke content. Je kunt een blogpost automatisch laten voorlezen, waardoor je met dezelfde content een nieuw publiek bereikt.
Tokens
Tokens zijn de basiseenheden waarin AI-modellen tekst verwerken. Een token is ruwweg een woord of woorddeel — het woord 'marketing' is 1 token, 'zoekmachineoptimalisatie' wordt opgesplitst in meerdere tokens. De kosten van AI-API's worden berekend op basis van het aantal tokens dat je verstuurt (input) en ontvangt (output). GPT-4 kost bijvoorbeeld $0.03 per 1.000 input-tokens. Begrijpen hoe tokens werken helpt je AI-kosten te beheersen en je prompts efficient te structureren.
Training Data (trainingsdata)
Trainingsdata is de dataset waarmee een AI-model wordt getraind. De kwaliteit, omvang en diversiteit van de trainingsdata bepalen direct de mogelijkheden en beperkingen van het model. GPT-4 is getraind op een gigantische dataset van internettekst, boeken en andere bronnen. Als bepaalde onderwerpen ondervertegenwoordigd zijn in de trainingsdata, presteert het model daar slechter op. Voor fine-tuning geldt hetzelfde: je eigen trainingsdata moet representatief, schoon en divers zijn.
Transfer Learning
Transfer learning is de techniek waarbij kennis die een model heeft opgedaan bij het leren van een taak wordt hergebruikt voor een andere taak. In plaats van een model from scratch te trainen, begin je met een voorgetraind model en pas je het aan. Dit is exact wat er gebeurt bij fine-tuning: je neemt de brede taalkennis van een foundation model en specialiseert die voor jouw domein. Transfer learning heeft AI democratiseerde — je hebt geen miljoenen nodig om een goed model te bouwen.
Transformer
De Transformer is de modelarchitectuur die de basis vormt van vrijwel alle moderne AI-taalmodellen. Geintroduceerd in het paper "Attention Is All You Need" (2017) door Google-onderzoekers, revolutioneerde het de NLP-wereld. De kernvernieuwing is het attention mechanism dat het model in staat stelt om relaties tussen alle woorden in een tekst tegelijkertijd te verwerken, in plaats van woord voor woord. GPT, Claude, Gemini en BERT zijn allemaal gebaseerd op de Transformer-architectuur. Het is de uitvinding die de huidige AI-revolutie mogelijk heeft gemaakt.
U
Unsupervised Learning
Unsupervised learning (onbegeleid leren) is een machine learning-methode waarbij een model patronen ontdekt in data zonder dat er labels zijn. Het model krijgt alleen de input, niet het 'juiste antwoord'. Dit is nuttig voor clustering (klantgroepen ontdekken), anomaliedetectie (frauduleuze transacties opsporen) en dimensiereductie (complexe data vereenvoudigen). In marketing wordt unsupervised learning ingezet om verborgen klantsegmenten te identificeren die je met handmatige analyse nooit had gevonden.
V
Vector Database
Een vector database is een gespecialiseerde database die ontworpen is om vectoren (embeddings) op te slaan en er supersnel in te zoeken. Waar een traditionele database zoekt op exacte matches (kolom = waarde), zoekt een vector database op semantische gelijkenis. Dit maakt het mogelijk om teksten, afbeeldingen of producten te vinden op basis van betekenis, niet op exacte woorden. Vector databases als Pinecone, Weaviate en Chroma zijn essentieel voor RAG-systemen, aanbevelingsengines en semantische zoekfuncties.
Voice Cloning
Voice cloning is AI-technologie die een menselijke stem kan nabootsen op basis van een korte audioample. Met slechts enkele seconden spraak kan een AI-systeem nieuwe tekst 'uitspreken' in die stem. In marketing opent dit mogelijkheden voor gepersonaliseerde audio-content, meertalige voice-overs en schaalbare podcast-productie. Het roept ook ethische vragen op: voice cloning kan worden misbruikt voor deepfakes. Gebruik het altijd met toestemming van de stemhouder.
W
Word Embeddings
Word embeddings zijn vectorrepresentaties van individuele woorden in een wiskundige ruimte. Elk woord wordt omgezet in een reeks getallen die de betekenis vastleggen. Het bekendste voorbeeld is Word2Vec van Google. Het elegante is dat wiskundige relaties in de embeddingruimte semantische relaties weerspiegelen: 'koning' - 'man' + 'vrouw' ≈ 'koningin'. Moderne LLMs gebruiken geavanceerdere contextuale embeddings, maar het principe blijft hetzelfde. Word embeddings zijn de bouwstenen van alle NLP-toepassingen.
Workflow Automation (AI)
AI workflow automation is het automatiseren van complete bedrijfsprocessen door AI-systemen aan elkaar te koppelen. In plaats van losse AI-taken (een tekst genereren, een beeld maken) automatiseer je de hele keten: data ophalen, analyseren, content creeren, beoordelen en publiceren. Tools als Make, Zapier en n8n bieden no-code koppelingen tussen AI-services. Bij Searchlab bouwen we custom AI-workflows die complete marketingprocessen van begin tot eind automatiseren — van data-analyse tot uitvoering.
Z
Zero-shot Learning
Zero-shot learning is het vermogen van een AI-model om taken uit te voeren waarvoor het geen specifieke voorbeelden heeft gekregen. Je geeft het model een instructie ("classificeer deze review als positief of negatief") en het voert de taak uit zonder ooit een gelabeld voorbeeld te hebben gezien. Dit is mogelijk omdat grote LLMs tijdens pre-training zo'n brede kennisbasis hebben opgebouwd dat ze patronen kunnen generaliseren naar nieuwe domeinen. Het maakt AI-tools direct bruikbaar zonder training of setup.
Zero-shot Prompting
Zero-shot prompting is het geven van een instructie aan een AI-model zonder voorbeelden mee te geven. Het is het tegenovergestelde van few-shot prompting. Je zegt simpelweg wat je wilt ("vertaal deze tekst naar het Engels" of "schrijf een productbeschrijving voor dit item") en vertrouwt erop dat het model de taak begrijpt. Zero-shot prompting werkt goed voor standaardtaken, maar voor complexe of domeinspecifieke opdrachten levert few-shot prompting (met voorbeelden) doorgaans betere resultaten.