De meeste mensen weten inmiddels wel hoe ze AI kunnen gebruiken.
Maar weten ze ook wat er gebeurt achter de schermen?
Vergelijk het met een auto.
Als je een auto rijdt, hoef je geen automonteur te zijn. Je hebt je rijbewijs gehaald
en weet hoe je je veilig door het verkeer beweegt. Maar je kent ook de basis.
Je weet dat je de juiste brandstof nodig hebt, dat er koelvloeistof en olie in moeten,
dat je bandenspanning op orde moet zijn en dat ruitenwisservloeistof niet vanzelf
wordt aangevuld.
En je weet: een auto kost meer dan alleen de aanschafprijs. Er zijn belastingen,
APK-kosten, onderhoud en reparaties.
Dat zijn geen dingen waar je misschien dagelijks bij stilstaat,
maar ze horen wel bij het bezitten en gebruiken van een auto.
Met AI is dat eigenlijk niet anders.
Iedereen kan AI gaan gebruiken binnen de fiscale praktijk. En dat is juist de kracht ervan.
Je hoeft geen AI-ontwikkelaar te zijn om er vandaag al mee aan de slag te kunnen.
Maar net zoals je bij een auto wilt weten wat er onder de motorkap gebeurt,
is het belangrijk om bij AI de basis te begrijpen.
Wat gebeurt er onder de motorkap?
- Wat is een black box eigenlijk?
- Wat gebeurt er met de gegevens van mijn klant?
- Hoe veilig zijn mijn gegevens en die van mijn klanten?
- Waar haalt AI zijn informatie vandaan?
- Hoe weet ik of de juiste bronnen zijn gebruikt?
- En misschien wel het belangrijkste: hoe nauwkeurig is het antwoord eigenlijk?
een AI-antwoord kan overtuigend klinken en tóch onjuist zijn.
Daarom gaat AI-geletterdheid wat mij betreft niet over leren programmeren
of begrijpen hoe ieder technisch onderdeel van een AI-model werkt.
Het gaat erom dat je voldoende begrijpt wat er onder de motorkap gebeurt
om verantwoord achter het stuur te kunnen zitten.
Je hoeft geen automonteur te zijn.
“`
Maar je wilt wel weten wanneer je moet tanken, wanneer je moet remmen
en wanneer het verstandig is om de motorkap open te doen.
“`
