Podcast Shaping the Future: Generatieve AI en Large Language Models
Generatieve AI en Large Language Models zijn hét onderwerp van gesprek. Maar zijn ze een onmisbare marketingtool, een experiment met toekomstpotentieel, of nog iets anders? Een gesprek met Lee Boonstra en Saskia Nijs.
Het tweede seizoen van de Podcast Shaping the future is begonnen. We schieten uit de startblokken met een van de allerheetste onderwerpen van het moment: Generatieve AI en Large Language Models (LLM’s), zoals ChatGPT. Lee Boonstra, Software Engineer Tech Lead & Advocate bij Google, en Saskia Nijs, onder andere Chairman of the Board by SETUP, gingen met me in gesprek over wat deze technologie betekent en gaat betekenen voor de markt en het werk van marketeers.
Waar komen Large Language Models vandaan en hoe werken ze?
De Text Transformer die Google al in 2017 introduceerde wordt door velen gezien als de voorloper van Large Language Models. Deze zette men vooral in om tekst te vertalen, wat tot dan toe nog erg letterlijk en haperend gebeurde, legt Boonstra uit: “Net als een LLM begrijpt de Text Transformer dat teksten niet letterlijk vertaald moeten worden. Het belangrijkste verschil met de Text Transformer is dat een LLM getraind is op basis van gigantische hoeveelheden data”.
Op de vraag of LLM’s simpel zijn, antwoordt ze met een duidelijke “Ja”. Volgens haar is een LLM namelijk een eenvoudige tekstgenerator: “Een LLM voorspelt de kans op een woord op basis van wat het model ooit aan data heeft gezien. Daarin schuilt meteen een groot nadeel van LLM’s. Veel data zijn onjuist, waardoor LLM’s vaak verkeerde informatie geven en niet kunnen omgaan met concepten als intellectueel eigendom en copyright. Aan de andere kant zijn de mogelijkheden eindeloos. Er zijn inmiddels veel interessante use cases van AI-genereerde samenvattingen, rapporten, vertalingen, zoekmachinecontent, muziek, afbeeldingen, etc.”.
Gaat AI ons werk af- of overnemen?
Binnen de marketingsector speelt de angst dat AI veel van ons werk gaat afnemen. En dat menselijke vaardigheden belangrijker zullen worden. Waar komt die angst precies vandaan? We hebben technologie immers altijd gebruikt om onszelf als mensen te ontzien, denk maar aan de auto, of de lopende band, legt Nijs uit: “Het verschil zit ‘m in het feit dat we nu de capaciteiten van onze hersenen aan het digitaliseren zijn, zoals snel denken en emoties. Mijn visie hierop is dat echte, menselijke vaardigheden meer tot hun recht gaan komen. Een aantal skills blijven heel belangrijk: 1) dat we durven dromen en verbeelden wat we precies willen, en vervolgens, 2) de capaciteit om dat te vertalen naar vragen die we kunnen stellen aan technologie. Daarna moet je kijken of dat wat er uit technologie rolt, overeenkomt met wat je voor ogen had”.
Voor het marketingvak geldt dit ook. We kunnen LLM’s inzetten om meer uit onze eigen creativiteit te halen en om de hobbels die hier normaal gesproken bij komen eruit te filteren, aldus Nijs: “Neem het voorbeeld van de buschauffeur. Straks hebben we zelfrijdende bussen. Wil je dan nog iemand die alles in de gaten houdt, een host die eventueel kan ingrijpen? Met andere woorden, we moeten op alle vlakken gaan nadenken wat we als uitgangspunt nemen en vervolgens bepalen welke taken zijn weggelegd voor technologie en wat de mens daar vervolgens in kan betekenen. In de experimenten waar ik bij betrokken ben geweest, is de aanvankelijke angst voor LLM uiteindelijk omgeslagen in een omarming”.
De vraag is wel of iedereen meteen mee kan met de AI-beweging. Angst heeft een vertragende rol of organisaties zitten zo vast in hun routines dat revolutionaire veranderingen niet zomaar gedaan zijn. Nijs voorspelt eigenlijk wat ze altijd ziet bij grote verschuivingen: de 20/60/20-regel: “20 procent van de markt begint meteen met Generative AI als early adopter. 60 procent kijkt naar die leidende groep en gaat er vervolgens zelf mee aan de slag. 20 procent gaat door op de manier zoals ze dat altijd hebben gedaan. Dat betekent echter niet dat ze het niet kunnen”.
De marketeer zal altijd nodig zijn, maar wel met andere taken
Ook als je kijkt naar de prompts – het stukje tekst dat een gebruiker als opdracht aan een LLM voert, met als resultaat een AI-gegenereerde tekst, plaatje, muziek, etc. – merk je dat marketeers zeker niet gaan verdwijnen, claimt Boonstra: “Het is zelden zo dat een gebruiker in één keer de goede prompt invoert om het gewenste resultaat te behalen. Prompt engineering is vooralsnog dus een vak apart. De output is ook iedere keer anders. Daarnaast is het ook zo dat IT en developers moeten afwegen of ze zelf een LLM gaan ontwikkelen of bestaande modellen aanpassen. Marketeers en developers zullen daarom altijd nodig zijn om dit soort keuzes te maken”.
Uiteindelijk werken we toe naar een wereld waarin LLM’s geïntegreerd zijn in software, zonder dat je er nog over na hoeft te denken, zoals dat ook gegaan is met machine learning, legt Boonstra uit: “Denk bijvoorbeeld aan spamfilters, Youtube- of Spotify-voorkeuren en filevoorspellingen op Google Maps. Je staat niet meer stil bij het feit dat AI dit mogelijk maakt. Dit zal ook gebeuren met Generatieve AI. Denk bijvoorbeeld aan kantoorsoftware: het opstellen van draft versies van e-mails, het bouwen van chatbots, het schrijven van draft-artikelen, het creëren van plaatjes en SEO-content”.
Uiteraard blijft de rol van de marketeer hierbij relevant. Alles wat je met AI maakt, moet je goed interpreteren en checken, benadrukt ze: “Het is voor iedereen belangrijk om de drafts die je laat genereren goed naloopt en er je eigen versie van maakt. Je moet het nu meer zien als hulptool, niet als middel om een volledig kloppend artikel te schrijven”.
Stel je gaat hier niet in mee, wint concurrentie dan terrein?
Een belangrijke vraag is of concurrentie een onoverbrugbare voorsprong krijgt op het moment dat je – om wat voor reden dan ook – LLM’s links laat liggen? “Nee”, stelt Nijs, “iedereen moet eerst goed nadenken wat LLM’s voor hun organisaties kunnen betekenen. Wat is je propositie? In die zin bieden LLM’s ons binnen de marketingwereld een mooie kans om vraaggestuurd te gaan nadenken over onze klanten”.
“Op dit moment zijn we vooral bezig met het creëren van customer journeys zoals we zelf denken dat ze verlopen. LLM’s geven ons echt een mogelijkheid om eindelijk die écht gepersonaliseerde content te creëren. Maar… daar moet je wel voor vertragen en goed weten waarvoor je het wil inzetten. Bedenk de toegevoegde waarde en maak het verschil ten opzichte van anderen door na de denken over hoe je wilt dat klanten bepaalde dingen ervaren. Zo gaan we terug naar waar het marketingvak oorspronkelijk voor bedoeld is”.
Ondanks alles kritisch blijven
LLM’s zijn niet zonder (privacy)risico’s. Ze hebben immers data nodig om goed te werken en daar moet je als organisatie goed over nadenken, aldus Nijs: “Er zijn een aantal punten waar je rekening mee moet houden, als organisatie maar ook als gebruiker. Je hebt de privacy- en bias-aspecten, waar regelgeving voor nodig is. Maar ten tweede gaat het ook over common sense. Nog een punt dat ik in deze context interessant vindt is dat wij als mensen geneigd zijn snel te geloven wat een computer uitspuugt, terwijl we onze collega’s, vrienden en familie al snel in twijfel trekken. Ook tegen computers moeten we kritisch zijn”.
LLM’s hebben niks met feiten te maken, stelt Boonstra, instemmend knikkend, en benadrukt nogmaals de onwaarheden die een LLM kan verspreiden: “Een model geeft vaak zelf ook toe als het verkeerd zit. Als een LLM op de vraag “wat is 1 + 1” als antwoord “3” geeft, krijg je een excuus als “Excuus, ik ben maar een Large Language Model”. Het checkt dus geen feiten. Afgezien van zoekmachines als Bard en voor use cases die gaan om het creëren van draft artikelen die je zelf nog checkt, zijn LLM’s nog niet écht binnen je organisatie te implementeren. Doe je dit bijvoorbeeld al wel in je contactcenter waarin je antwoorden on the fly wilt generen, dan loop je grote risico’s”.
Al met al moet je LLM’s simpelweg niet voor lief nemen, stelt Nijs: “Ondanks de verbluffende resultaten die Generatieve AI kan genereren, moet je het altijd blijven bevragen”.
Over de auteur: Jimmy de Vreede is lid van de commissie Data, Decisions & engagement bij DDMA.
Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social media: LinkedIn, Twitter en Facebook.
Plaats een reactie
Uw e-mailadres wordt niet op de site getoond