[column] AI hongert naar echte mensen

Als AI van AI leert
Onlangs was ik met verschillende bureaudirecteuren en seniors uit de marktonderzoeksbranche in gesprek over de stelling ‘No Artificial Intelligence without Human Intelligence’. AI-expert Casper Rutjes was hierbij ook aanwezig en stelt: AI verliest aan kwaliteit als het alleen nog leert van door AI gegenereerde data.

AI verliest aan kwaliteit als het alleen nog leert van door AI gegenereerde data

Maar hoe werkt dat? Stel je voor: je vraagt duizend mensen naar hun mening over een product. 950 geven een voorspelbaar antwoord, maar die 50 anderen - die zeggen iets anders, onverwachts. AI analyseert die duizend antwoorden en leert: dit is het patroon. Vervolgens genereert AI nieuwe antwoorden op basis van dat patroon. En hier ontstaat de bias: die 50 afwijkende antwoorden worden als 'ruis' gezien. Te ver van het gemiddelde. Die filtert AI eruit.

Train je vervolgens een nieuwe AI op die AI-gegenereerde antwoorden? Dan zijn die 50 afwijkende antwoorden al verdwenen. Doe je dat nóg een keer? Dan verdwijnen ook de ‘beetje afwijkende’ meningen.

Bij elke generatie dat AI van AI leert, wordt de spreiding kleiner. De uitschieters verdwijnen. Dit fenomeen heet 'model collapse'. Wat overblijft is het voorspelbare, het veilige, het gemiddelde.

Voorspelbare creativiteit
Lucas Hulsebos (CEO DVJ Insights) maakt een ander gevolg van ‘model collapse’ duidelijk aan de hand van een studie naar creativiteit. Hij analyseerde jarenlang diverse soorten advertenties en zag dat de creativiteit ervan al jaren daalt - advertenties lijken steeds meer op elkaar en met AI erbij versnelt die trend alleen maar.

Hij vergeleek ook AI-gegenereerde campagnes met werk van 100% menselijke creatieve skills. Resultaat? De AI-ads scoorden gemiddeld beter in pretests, maar de absolute toppers - die campagnes die mensen écht onthouden en winnen - kwamen nog steeds van mensen.

AI optimaliseert dus naar het veilige midden, terwijl menselijke creativiteit erbuiten durft te stappen. En dat patroon zie je niet alleen bij advertising. Het geldt voor elk domein waar AI wordt ingezet: alles convergeert naar het gemiddelde.

Geveinsde efficiëntie
Een ander gevolg van ‘model collapse’ is het fenomeen 'workslop': AI-gegenereerde content die er perfect uitziet, maar substantie mist. Jan Zwang (Directeur CI VodafoneZiggo) geeft aan dat het beoordelen van AI-gegenereerde output hem meer tijd kost dan wanneer diezelfde collega een rommelige, maar substantiële eerste versie had gestuurd. Bij rommel zie je meteen wat ontbreekt. Bij ‘AI-gladheid’ moet je uitpuzzelen wat er niet staat. Welke vraag niet is beantwoord? Welke nuance ontbreekt?

Kortom, AI lijkt een efficiënte manier om content te produceren, maar vraagt meer controletijd als je échte kwaliteit wilt leveren. En die controle kan alleen iemand uitvoeren met domeinkennis en ervaring, die weet hoe goede content eruitziet versus glad-maar-leeg.

En nu?
Synthetische data is de nieuwe realiteit en de beste resultaten boek je indien je AI mét menselijke intelligentie inzet, aldus Casper Rutjes. Juist de combinatie is de secret sauce.

Voor merken betekent dit drie dingen.

• Blijf investeren in primaire data. Wil je weten wat écht speelt? Haal inzichten op bij échte mensen. Daar komen waardevolle inzichten naar voren.

• AI-output kan heel indrukwekkend zijn, maar zorg altijd voor mensen die kunnen verifiëren. De seniors in een organsiatie hebben waarde die je voor AI-controle perfect kunt inzetten, maar zijn ook diegenen die kennis moeten overdragen: wat maakt iets correct, creatief en kwaliteit? Geef junioren ruimte om te leren en te experimenteren.

• Kies bewust waar je wat inzet. Niet alles hoeft uit te blinken. Veel van je content mag gemiddeld zijn en is snel, schaalbaar, goed genoeg. Maar maak ook keuzes waar echte creativiteit, kwaliteit er toe doet en waar je wilt opvallen - daar investeer je in menselijke expertise en primaire insights.