Generated by Rank Math SEO, this is an llms.txt file designed to help LLMs better understand and index this website.

# Didev: Incompany AI-trainingen, een werkende Proof of Concept in drie weken en AI-implementatie voor het Nederlandse MKB. Vaste tarieven, vooraf bekend.

## Sitemaps
[XML Sitemap](https://didev.nl/sitemap_index.xml): Includes all crawlable and indexable pages.

## Berichten
- [Wat zijn AI-agents en wat kun je er nu al mee](https://didev.nl/ai/wat-zijn-ai-agents/): Geen hype-uitleg, maar het praktische verschil tussen automatisering, een chatbot en een agent, met vier voorbeelden die nu al draaien.
- [AI-beleid voor je bedrijf: hoe voorkom je shadow AI](https://didev.nl/ai/ai-beleid-voor-je-bedrijf-shadow-ai/): 78 procent van medewerkers gebruikt AI al zonder toestemming van IT. Zo regel je het beleid dat daar grip op geeft.
- [Subsidie voor je AI-training: wat er is en hoe je het aanvraagt](https://didev.nl/ai/subsidie-voor-ai-training/): SLIM, O&O-fondsen en regionale potjes: wat er echt vergoed wordt, wat niet, en waarom de trainingsfactuur zelf vaak buiten de boot valt.
- [AI invoeren: wanneer heb je instemming van de ondernemingsraad nodig](https://didev.nl/ai/ai-invoeren-en-de-ondernemingsraad/): Artikel 27 WOR geeft de OR instemmingsrecht, artikel 25 adviesrecht. Welk artikel gaat waarover bij AI-invoering, en wat betekent dat voor je planning.
- [Mag dit door AI? Een beslisschema voor cliënt- en patiëntgegevens](https://didev.nl/ai/ai-en-clientgegevens-in-de-zorg/): Per gegevenstype en per handeling: wat kan wel, wat kan niet, en waar beroepsgeheim en AVG elkaar kruisen. Met een beslisschema dat op één A4 past.
- [AI-geletterdheid aantoonbaar maken zonder dat je er software voor koopt](https://didev.nl/ai/ai-geletterdheid-aantoonbaar-maken/): Artikel 4 van de AI Act schrijft geen curriculum, examen of platform voor. Wat er wel van je wordt gevraagd, en welke vijf documenten samen een redelijk dossier vormen.
- [Van proof of concept naar productie: wat het echt kost en wie het beheert](https://didev.nl/ai/van-poc-naar-productie/): Iedereen verkoopt de pilot, bijna niemand beschrijft wat daarna komt. Wat er verandert als je demo een systeem wordt, welke kosten doorlopen en wanneer stoppen slimmer is.
- [Bestekken, tekeningen en klantgegevens: wat je wel en niet in een AI-chat mag plakken](https://didev.nl/ai/wat-mag-je-in-ai-plakken-bouw/): Bestekken, tekeningen, onderaannemersprijzen en personeelsdossiers: per documenttype wat wel kan, wat niet kan en wat het alternatief is.
- [Wkb-dossier op orde krijgen zonder extra werkvoorbereider: wat AI wel en niet mag doen](https://didev.nl/ai/wkb-dossier-met-ai/): De Wkb verplicht je tot een consumentendossier en tot schriftelijk waarschuwen. Verzamelen, ordenen en formuleren dus, precies waar AI goed in is. Tot een bepaald punt.
- [Meerwerk dat je niet betaald krijgt: waarom je de discussie verliest op vastlegging](https://didev.nl/ai/meerwerk-vastleggen-met-ai/): De Hoge Raad maakte de waarschuwingsplicht bij meerwerk werkbaarder: waarschuwen dat het duurder wordt volstaat. Maar wie dat nooit schriftelijk deed, staat bij een geschil alsnog met lege handen.
- [Wat kost een AI proof of concept? Prijzen van Nederlandse aanbieders vergeleken](https://didev.nl/ai/wat-kost-een-ai-proof-of-concept/): Vijf Nederlandse aanbieders zetten een bedrag op hun site, van €4.950 tot €20.000. Wat je voor dat verschil krijgt, en waar je in het aanbod op moet letten.
- [AI Act uitgesteld? Dit blijft gewoon verplicht](https://didev.nl/ai/ai-act-uitgesteld-wat-blijft-verplicht/): Het uitstel geldt voor hoog-risico AI, niet voor AI-geletterdheid. Artikel 4 loopt al sinds februari 2025 door. Wat dat concreet van je vraagt, met de data en bronnen erbij.
- [De Laatste AI-Ontwikkelingen: Wat Betekent Dit voor het MKB?](https://didev.nl/ai/de-laatste-ai-ontwikkelingen-wat-betekent-dit-voor-het-mkb/): Modellen die volwassen zijn, agents die zelf uitvoeren, AI in je bestaande software en de AI Act die aanscherpt. De stand van juni 2026, vertaald naar wat jij ermee moet.
- [AI voor Accountants en Administratiekantoren: Efficiënter Werken](https://didev.nl/ai/ai-voor-accountants-en-administratiekantoren-efficienter-werken/): Leer hoe Nederlandse accountants- en administratiekantoren 70% tijd besparen met AI. Van automatische factuurverwerking tot intelligente compliance-monitoring en fraud-detectie. Praktische implementatie-roadmap, bewezen tools en ROI-berekeningen voor direct resultaat in de financiële dienstverlening.
- [AI in Sales: Hoe MKB Verkoopteams 40% Meer Deals Sluiten](https://didev.nl/ai/ai-in-sales-hoe-mkb-verkoopteams-40-meer-deals-sluiten/): Verkopers besteden maar een derde van hun tijd aan verkopen. Wat AI doet met leadscoring, offertes en opvolging, en wat er waar is van de grote percentages.
- [AI Marketing voor MKB: Content, Leads en Conversie Verdrievoudigen](https://didev.nl/ai/ai-marketing-voor-mkb-content-leads-en-conversie-verdrievoudigen/): Ontdek hoe Nederlandse MKB-bedrijven hun marketing transformeren met AI. Van 5x snellere content creatie tot 67% betere lead conversie - praktische toepassingen, bewezen ROI en een stappenplan om vandaag te starten. Inclusief tool-overzicht en implementatie roadmap.
- [AI in de Gezondheidszorg voor MKB: Praktijken en Klinieken](https://didev.nl/ai/ai-in-de-gezondheidszorg-voor-mkb-praktijken-en-klinieken/): AI in de zorg gaat niet over diagnoses stellen, maar over administratie terugdringen. Vijf toepassingen, plus de AVG- en EU AI Act-kaders waar je niet omheen kunt.
- [AI voor Bouwbedrijven: Slimmer Plannen, Meer Winst Maken](https://didev.nl/ai/ai-voor-bouwbedrijven-slimmer-plannen-meer-winst-maken/): Offertes die kloppen, planningen die houden en avonden zonder mailwerk. Zes AI-toepassingen waar een MKB-bouwbedrijf vandaag mee kan beginnen.
- [AI in de Detailhandel: Van Webshop tot Fysieke Winkel](https://didev.nl/ai/ai-in-de-detailhandel-van-webshop-tot-fysieke-winkel/): Zes AI-toepassingen die webshop en fysieke winkel aan elkaar knopen: aanbevelingen, voorraad, prijzen en service, op MKB-budget.
- [AI in de Productie: Hoe MKB-Bedrijven 25% Kosten Besparen](https://didev.nl/ai/ai-in-de-productie-hoe-mkb-bedrijven-25-procent-kosten-besparen/): Kwaliteitscontrole, predictief onderhoud, planning en energie: waar AI op een MKB-productielijn het verschil maakt, en hoe die besparingen in een rekenvoorbeeld optellen tot 25%.
- [AI in de Logistiek voor MKB: 7 Toepassingen die Direct ROI Opleveren](https://didev.nl/ai/ai-in-de-logistiek-voor-mkb-7-toepassingen-die-direct-roi-opleveren/): Routes, voorraad, orders en onderhoud: waar AI in een MKB-logistiekbedrijf direct geld oplevert, met rekenvoorbeelden en een aanpak in vier stappen.
- [5 Cruciale Dingen die Elke Ondernemer Moet Weten over AI](https://didev.nl/ai/5-cruciale-dingen-die-elke-ondernemer-moet-weten-over-ai/): Geen technische kennis nodig, wel de juiste vragen: welk proces, welke data, welke mensen en in welke volgorde. Dit is het overzicht.
- [ChatGPT Risico’s voor Bedrijven: Privacy en Security](https://didev.nl/ai/chatgpt-risicos-voor-bedrijven-privacy-en-security/): ChatGPT heeft AI toegankelijk gemaakt voor miljoenen bedrijven, maar brengt ook significante privacy en security-risico's met zich mee. Deze complete gids helpt Nederlandse bedrijven begrijpen welke gevaren ChatGPT met zich meebrengt en hoe deze te voorkomen. We behandelen de technische achtergrond van hoe ChatGPT werkt, specifieke privacy-risico's zoals onbedoeld delen van vertrouwelijke informatie en klantgegevens, security-bedreigingen zoals phishing en data exfiltration, en juridische implicaties onder de AVG. Je leert praktische preventie-maatregelen implementeren, van het ontwikkelen van ChatGPT-beleid tot technische beveiligingsmaatregelen. We bespreken enterprise-alternatieven zoals Microsoft Copilot en Google Workspace AI die betere controle bieden. Plus monitoring-strategieën en incident response-procedures voor AI-security. Essential reading voor elke ondernemer die ChatGPT veilig wil gebruiken zonder compliance-risico's.
- [AI Implementatie Risico’s MKB: 7 Valkuilen en Oplossingen](https://didev.nl/ai/ai-implementatie-risicos-mkb-7-valkuilen-en-oplossingen/): Het midden- en kleinbedrijf staat voor unieke uitdagingen bij AI-implementatie. Terwijl grote corporaties beschikken over gespecialiseerde teams en budgets om te experimenteren, moet het MKB slimmer opereren. Uit CBS-onderzoek blijkt dat 73% van Nederlandse MKB-bedrijven AI overweegt, maar slechts 31% ervaart meetbare voordelen. Deze gids behandelt de zeven meest voorkomende valkuilen die MKB-bedrijven treffen bij AI-implementatie: beginnen zonder strategie, onrealistische verwachtingen, data-kwaliteitsproblemen, medewerker-weerstand, vendor lock-in, privacy-risico's en het niet kunnen meten van ROI. Voor elke valkuil krijg je concrete oplossingen, praktijkvoorbeelden van Nederlandse bedrijven en preventieve maatregelen. Leer hoe je deze kostbare fouten voorkomt en AI succesvol implementeert zonder de typische MKB-valkuilen.
- [EU AI Act Nederland: Complete Compliance Gids 2025](https://didev.nl/ai/eu-ai-act-nederland-complete-compliance-gids-2025/): De EU Artificial Intelligence Act is de meest vergaande AI-regelgeving ter wereld die vanaf 2025 rechtstreeks impact heeft op Nederlandse bedrijven. Non-compliance kan leiden tot boetes tot €35 miljoen of 7% van je jaarlijkse wereldwijde omzet. Deze complete compliance gids laat je stap voor stap zien hoe je voldoet aan alle vereisten van de EU AI Act. Van risicocategorisering en documentatie-eisen tot praktische implementatie-stappen en sector-specifieke guidance. Ontdek welke AI-systemen onder welke risicocategorie vallen, wanneer je wat moet hebben geregeld en hoe je compliance kunt omzetten in een concurrentievoordeel. Met praktische checklists, templates en een 30-dagen actieplan word je volledig voorbereid op de EU AI Act deadlines tussen 2025 en 2027.
- [AI zonder technische kennis: Hoe iedere ondernemer AI implementeert in 2025](https://didev.nl/ai/ai-zonder-technische-kennis-hoe-iedere-ondernemer-ai-kan-implementeren/): Geen regel code nodig: de complete route van AI-geletterdheid via de tools die je al hebt naar je eerste geautomatiseerde proces.
- [De 4 AI-Niveaus: Waarom de meeste bedrijven de verkeerde keuze maken bij AI-implementatie](https://didev.nl/ai/de-4-ai-niveaus-waarom-de-meeste-bedrijven-de-verkeerde-keuze-maken-bij-ai-implementatie/): Van publieke tools tot eigen applicaties: vier niveaus van AI. De verkeerde keuze is bijna nooit de tool, maar het instapniveau.
- [Copilot alleen is niet genoeg – dit heb je nodig voor échte AI-transformatie](https://didev.nl/ai/copilot-alleen-is-niet-genoeg-dit-heb-je-nodig-voor-echte-ai-transformatie/): Copilot is een startpunt, geen strategie. De transformatie zit in drie bouwstenen: data die vindbaar is, processen die AI aankunnen en mensen die ermee kunnen werken.
- [Je hebt al goud in huis: zo gebruik je Microsoft Graph om Copilot écht slim te maken](https://didev.nl/ai/je-hebt-al-goud-in-huis-zo-gebruik-je-microsoft-graph-om-copilot-echt-slim-te-maken/): Microsoft Graph is de laag die je mails, agenda's, documenten en chats verbindt. Wie die laag begrijpt en zijn informatie ervoor opruimt, haalt het meeste uit elke Copilot-licentie.
- [Van chaos naar grip: hoe AI je contracten, e-mails en documenten samenbrengt](https://didev.nl/ai/van-chaos-naar-grip-hoe-ai-je-contracten-e-mails-en-documenten-samenbrengt/): Zoeken naar informatie kost kenniswerkers een fors deel van hun week. Met AI Search, RAG en Copilot maak je verspreide informatie doorzoekbaar op betekenis, met bronvermelding.
- [Zo combineer je Microsoft Copilot met Azure AI Search voor een AI op maat](https://didev.nl/ai/artikel-zo-combineer-je-microsoft-copilot-met-azure-ai-search-voor-een-ai-op-maat/): Je echte bedrijfskennis staat vaak buiten Microsoft 365. Met Azure AI Search en RAG maak je die toegankelijk voor Copilot: in drie stappen naar een assistent die jouw bedrijf kent.
- [Waarom je Copilot nu Geld Kost (en hoe je dat Omdraait)](https://didev.nl/ai/waarom-copilot-pas-echt-waardevol-wordt-met-jouw-eigen-bedrijfsdata/): Een Copilot-licentie kost een paar honderd euro per medewerker per jaar. Zonder adoptie is dat weggegooid geld; met training en opgeruimde data verdient hij zichzelf ruimschoots terug.
- [Waar begin je? De eerste 30 dagen van jouw AI-traject](https://didev.nl/ai/waar-begin-je-de-eerste-30-dagen-van-jouw-ai-traject/): Een week-voor-week uitvoeringsplan: van AI-geletterdheid via een werkende Proof of Concept naar je eerste getrainde team, in 30 dagen.
- [AI voor klantservice: 3 toepassingen die klanttevredenheid verhogen en kosten verlagen](https://didev.nl/ai/ai-voor-klantservice-3-toepassingen-die-klanttevredenheid-verhogen-en-kosten-verlagen/): Chatbots, sentimentanalyse en slimme kennisbanken: wat elke toepassing concreet oplevert voor je klanttevredenheid en je kosten, en hoe je verstandig begint.
- [Van 40 uur naar 4 uur: Hoe deze ondernemer administratietijd drastisch reduceerde](https://didev.nl/ai/van-40-uur-naar-4-uur-hoe-deze-ondernemer-administratietijd-drastisch-reduceerde/): Een illustratief scenario van een installatiebedrijf met 12 medewerkers laat zien hoe je administratietijd met 90 procent terugbrengt: sorteren, automatiseren, comprimeren.
- [Hoe bereken je de ROI van jouw AI-investering? Praktische formule](https://didev.nl/ai/hoe-bereken-je-de-roi-van-jouw-ai-investering-praktische-formule/): De formule is simpel, het eerlijke rekenwerk niet. Een praktische methode met een doorgerekend MKB-voorbeeld en de vier valkuilen die elke ROI-berekening om zeep helpen.
- [5 taken die je morgen kunt automatiseren met AI (zonder programmeerkennis)](https://didev.nl/ai/10-taken-die-je-morgen-kunt-automatiseren-met-ai-zonder-programmeerkennis/): De snelste start met AI: vijf taken die je met je bestaande tools automatiseert, zonder programmeerkennis en zonder project. Samen goed voor uren per week.
- [AI vs. traditionele automatisering: wat is het verschil en waarom is het belangrijk](https://didev.nl/ai/ai-vs-traditionele-automatisering-wat-is-het-verschil-en-waarom-is-het-belangrijk/): Regels volgen of patronen leren: het verschil tussen traditionele automatisering en AI bepaalt wat je project kost en of het werkt. Zo kies je per taak de juiste route.
- [De 5 fasen van AI-implementatie volgens het DIDEV Framework](https://didev.nl/ai/de-5-fasen-van-ai-implementatie-volgens-het-didev-framework/): De meeste AI-trajecten stranden op volgorde, niet op techniek. Dit is de route die werkt: eerst mensen, dan bewijs, dan bouwen.
- [Het verschil tussen AI-hype en echte bedrijfswaarde](https://didev.nl/ai/het-verschil-tussen-ai-hype-en-echte-bedrijfswaarde/): Vier kenmerken van hype, vier eigenschappen van echte waarde en de filtervragen die je aan elke AI-aanbieder stelt.
- [Data Readiness voor AI: De essentiële basis voor succesvolle AI-implementatie](https://didev.nl/ai/data-readiness-voor-ai-de-essentiele-basis-voor-succesvolle-ai-implementatie/): AI-projecten stranden zelden op techniek en vaak op data die niet vindbaar of actueel is. Vijf checklist-vragen en een volgorde die werkt, zonder datawarehouse-project.
- [Open vs. Proprietary AI: Strategische keuzes voor Nederlandse organisaties](https://didev.nl/ai/open-vs-proprietary-ai-strategische-keuzes-voor-nederlandse-organisaties/): Open-gewichten modellen of commerciële API's: beide zijn volwassen. De afweging draait om datasoevereiniteit, AVG en beheerkracht, en de realistische uitkomst is hybride.
- [AI-talent en -vaardigheden: De menselijke factor in succesvolle AI-implementatie](https://didev.nl/ai/ai-talent-en-vaardigheden-de-menselijke-factor-in-succesvolle-ai-implementatie/): Voor AI in het MKB heb je geen data scientists nodig. Train je eigen medewerkers op hun eigen processen en wijs per afdeling een AI-champion aan: dat is de menselijke factor die werkt.
- [Wat zijn de nadelen of risico’s van AI?](https://didev.nl/ai/wat-zijn-de-nadelen-of-risicos-van-ai/): Hallucinaties, bias, datalekken, afhankelijkheid en kosten zonder plan. Wat er echt mis kan gaan met AI en hoe je elk risico beheersbaar maakt.
- [15 concrete AI-toepassingen die jouw afdeling direct slimmer maken](https://didev.nl/ai/15-concrete-ai-toepassingen-die-jouw-afdeling-direct-slimmer-maken/): Vijftien AI-toepassingen, drie per afdeling: sales, marketing, HR, finance en operations. Met per afdeling de eerste stap en de verwachte tijdwinst.
- [Hoe je in 5 stappen een AI-pilotproject start dat wél werkt](https://didev.nl/ai/hoe-je-in-5-stappen-een-ai-pilotproject-start-dat-wel-werkt/): Waarom de meeste AI-pilots stranden (geen eigenaar, geen meetlat, verkeerde eerste case) en de vijf stappen die dat voorkomen.
- [Van Copilot tot CRM-automatisering: zo maak je AI écht nuttig voor je team](https://didev.nl/ai/van-copilot-tot-crm-automatisering-zo-maak-je-ai-echt-nuttig-voor-je-team/): Geen nieuw systeem nodig: met Copilot en je bestaande CRM bespaart je team 30 tot 60 minuten per persoon per dag. In vier weken van eerste proces naar werkende workflow.
- [Wat is Retrieval-Augmented Generation (RAG) – en waarom is het cruciaal voor AI in jouw bedrijf?](https://didev.nl/ai/wat-is-retrieval-augmented-generation-rag-en-waarom-is-het-cruciaal-voor-ai-in-jouw-bedrijf/): RAG laat AI eerst zoeken in jouw eigen documenten en daarna pas antwoorden. Zo krijg je antwoorden die kloppen met jouw procedures in plaats van verzonnen tekst.
- [Hoe kan ik AI trainen met mijn bedrijfsdata?](https://didev.nl/ai/hoe-kan-ik-ai-trainen-met-mijn-bedrijfsdata/): Je hoeft geen eigen model te trainen: de praktische route is AI toegang geven tot je eigen documenten. Hoe RAG werkt, wat het kost en hoe je begint.
- [Welke AI-platforms zijn beter: Azure, Google of Amazon?](https://didev.nl/ai/welke-ai-platforms-zijn-beter-azure-google-of-amazon/): Geen van de drie wint objectief: de juiste keuze volgt je huidige stack. Microsoft 365-bedrijf: Azure. Google Workspace: Google Cloud. De vergelijking op een rij.
- [Is AI geschikt voor mijn specifieke branche?](https://didev.nl/ai/is-ai-geschikt-voor-mijn-specifieke-branche/): Vrijwel zeker wel: AI werkt op taakniveau, niet op brancheniveau. Wat het per sector concreet doet, en hoe je het toetst voor jouw bedrijf.
- [Wat zijn de voordelen van voorspellende analyses met AI?](https://didev.nl/ai/wat-zijn-de-voordelen-van-voorspellende-analyses-met-ai/): Vooruitkijken in plaats van terugkijken: minder verspilling, klantbehoud vóór de opzegging en beslissen op cijfers. De vijf voordelen en de voorwaarden op een rij.
- [Hoe kan AI mijn marketing verbeteren?](https://didev.nl/ai/hoe-kan-ai-mijn-marketing-verbeteren/): Zes vragen die elke marketeer stelt voordat hij met AI begint: waar start je, welke tool, en wat levert het op. Antwoorden zonder grote beloftes.
- [Hoe werkt AI in combinatie met cloudtechnologie?](https://didev.nl/ai/hoe-werkt-ai-in-combinatie-met-cloudtechnologie/): De cloud levert de rekenkracht waar AI op draait: jij neemt het af als dienst en betaalt per gebruik. Hoe dat werkt, wat het kost en wat het betekent voor je data.
- [Moet ik technische kennis hebben om AI te gebruiken?](https://didev.nl/ai/moet-ik-technische-kennis-hebben-om-ai-te-gebruiken/): Nee. Moderne AI-tools bedien je in gewone taal. Wat je wél nodig hebt is AI-geletterdheid: goede opdrachten geven, output controleren en weten waar de grenzen liggen.
- [Hoe kies ik de juiste AI-oplossing voor mijn bedrijf?](https://didev.nl/ai/hoe-kies-ik-de-juiste-ai-oplossing-voor-mijn-bedrijf/): Kies geen tool maar een probleem. Vijf criteria, drie smaken oplossingen en één regel: test klein voordat je groot beslist.
- [Wat is het verschil tussen machine learning en AI?](https://didev.nl/ai/wat-is-het-verschil-tussen-machine-learning-en-ai/): AI is de verzamelterm, machine learning de motor eronder. Het verschil in gewone taal, waar ChatGPT in het plaatje past en waarom dit onderscheid je betere leveranciersvragen oplevert.
- [Kan AI gebruikt worden om fraudedetectie te verbeteren?](https://didev.nl/ai/kan-ai-gebruikt-worden-om-fraudedetectie-te-verbeteren/): AI ziet afwijkende patronen die regels en mensen missen, in realtime in plaats van achteraf. Wat banken al doen en wat het MKB ervan kan gebruiken.
- [Hoe veilig is het gebruik van AI in mijn bedrijf](https://didev.nl/ai/hoe-veilig-is-het-gebruik-van-ai-in-mijn-bedrijf/): Het risico zit zelden in de techniek en bijna altijd in het ontbreken van spelregels. Wat de AVG vraagt, waar het misgaat en hoe je het regelt.
- [Welke sectoren profiteren het meest van AI?](https://didev.nl/ai/welke-sectoren-profiteren-het-meest-van-ai/): Logistiek, productie, bouw, zorg en accountancy lopen voorop. Maar het echte verschil zit niet tussen sectoren: het zit tussen bedrijven die trainen en bedrijven die wachten.
- [Hoe kan AI bijdragen aan een hogere omzet in e-commerce?](https://didev.nl/ai/hoe-kan-ai-bijdragen-aan-een-hogere-omzet-in-e-commerce/): Personalisatie, klantenservice, voorspellingen en content: hoe AI in een webshop conversie, orderwaarde en herhaalaankopen verhoogt, en waar je begint.
- [Hoe zet ik een AI-chatbot op voor mijn bedrijf?](https://didev.nl/ai/hoe-zet-ik-een-ai-chatbot-op-voor-mijn-bedrijf/): In vier stappen van idee naar werkende chatbot, plus de eerlijke checklist wanneer je er beter niet aan kunt beginnen.
- [Kan AI Helpen Bij Klantenservice?](https://didev.nl/ai/kan-ai-helpen-bij-klantenservice/): Kan AI helpen bij klantenservice? Ja. Het is zelfs een van de plekken waar AI zich het snelst terugverdient, omdat klantenservice draait om grote volumes herhaalde vragen in tekst en spraak, precies waar taalmodellen goed in zijn.
- [Hoe werkt AI in combinatie met data-analyse?](https://didev.nl/ai/hoe-werkt-ai-in-combinatie-met-data-analyse/): AI haalt patronen en voorspellingen uit data die met klassieke rapportages onzichtbaar blijven. Hoe dat werkt, wat het oplevert en hoe je begint zonder data-scientist.
- [Wat zijn de beste AI-tools voor bedrijven?](https://didev.nl/ai/wat-zijn-de-beste-ai-tools-voor-bedrijven/): Vier assistenten en drie automatiseringstools dekken in 2026 vrijwel elke zakelijke behoefte. Welke bij jou past, hangt af van je bestaande software, niet van de hype.
- [Hoeveel kost het om AI te implementeren in mijn bedrijf?](https://didev.nl/ai/hoeveel-kost-het-om-ai-te-implementeren-in-mijn-bedrijf/): Van een paar tientjes per medewerker per maand tot tienduizenden euro's per project. Wat de prijs bepaalt, wat realistische bedragen zijn in 2026 en welke verborgen kosten leveranciers liever niet noemen.
- [12 processen die je vandaag nog automatiseert met AI](https://didev.nl/ai/welke-processen-kan-ik-automatiseren-met-ai/): Twaalf processen per bedrijfsfunctie die MKB-bedrijven nu al automatiseren, met wat er nu handmatig gaat en wat het oplevert. Plus de tabel die zegt waar jij begint.
- [Wat zijn de voordelen van AI voor kleine bedrijven?](https://didev.nl/ai/wat-zijn-de-voordelen-van-ai-voor-kleine-bedrijven/): Het grootste voordeel is tijd, en dat kun je zelf narekenen. Wat het per rol oplevert en waarom klein zijn hier juist een voorsprong is.
- [Is AI alleen geschikt voor grote bedrijven?](https://didev.nl/ai/is-ai-alleen-geschikt-voor-grote-bedrijven/): Nee. De huidige AI-tools kosten €20 tot €30 per persoon per maand en het MKB heeft juist voordelen: korte lijnen, snelle besluiten en processen waar de winst direct zichtbaar is.
- [Hoe begin ik met AI in mijn bedrijf?](https://didev.nl/ai/hoe-begin-ik-met-ai-in-mijn-bedrijf/): Niet bij de techniek, maar bij je mensen. De vier stappen die de volgorde bepalen: geletterdheid, richting met PoC, teams trainen, en pas daarna maatwerk.
- [Wat is AI en hoe kan het mijn bedrijf helpen?](https://didev.nl/ai/wat-is-ai-en-hoe-kan-het-mijn-bedrijf-helpen/): AI is software die denkwerk versnelt: schrijven, samenvatten, analyseren. Wat dat concreet betekent voor je mailbox, offertes en administratie, en hoe je begint voor tientjes per medewerker.
- [k-Nearest Neighbors (k-NN)](https://didev.nl/woordenboek-ai/k-nearest-neighbors-k-nn/): k-Nearest Neighbors (k-NN) is een van de eenvoudigste machine learning-algoritmen. Het idee: wil je weten in welke categorie een nieuw geval valt, kijk dan naar de k meest vergelijkbare gevallen die je al kent en neem daarvan de meerderheid over. Lijkt een nieuwe klant het meest op vijf bestaande klanten die allemaal opzegden, dan is de voorspelling dat ook deze klant opzegrisico heeft.
- [Metadata](https://didev.nl/woordenboek-ai/metadata-2/): Metadata zijn gegevens over gegevens: beschrijvende informatie over de inhoud, herkomst, structuur en eigenschappen van een bestand of dataset. Denk aan de auteur en aanmaakdatum van een document, of de cameragegevens en GPS-locatie in een foto. Metadata maakt data vindbaar, beheersbaar en begrijpelijk, en is daarmee een stille voorwaarde voor vrijwel elke AI-toepassing.
- [Sequence-to-Sequence (Seq2Seq)](https://didev.nl/woordenboek-ai/sequence-to-sequence-seq2seq/): Sequence-to-sequence (Seq2Seq) is een architectuur voor neurale netwerken die een reeks omzet in een andere reeks, bijvoorbeeld een Nederlandse zin in een Engelse vertaling, of een lang document in een korte samenvatting. Het bijzondere is dat invoer en uitvoer verschillende lengtes mogen hebben: een zin van acht woorden kan een vertaling van twaalf woorden opleveren.
- [Thesauri](https://didev.nl/woordenboek-ai/thesauri/): Een thesaurus (meervoud: thesauri) is een gestructureerde woordenlijst die relaties tussen termen vastlegt: synoniemen, bredere en engere begrippen, en verwante termen. Anders dan een gewoon woordenboek geeft een thesaurus geen definities, maar laat hij zien hoe begrippen met elkaar samenhangen. Zo weet een systeem dat "auto", "wagen" en "personenauto" over hetzelfde gaan.
- [Sequential Data](https://didev.nl/woordenboek-ai/sequential-data/): Sequential data zijn gegevens waarbij de volgorde betekenis heeft, zoals tekst, tijdreeksen en audio. Speciale AI-modellen benutten die volgorde.
- [Shallow Learning](https://didev.nl/woordenboek-ai/shallow-learning/): Shallow learning omvat klassieke machine learning zonder diepe neurale netwerken, zoals beslisbomen en regressie. Vaak ideaal voor tabel-data.
- [Shortest Path](https://didev.nl/woordenboek-ai/shortest-path/): Shortest path is het pad met de laagste totale kosten tussen twee punten in een netwerk. De basis van routeplanning en navigatie.
- [Semantics](https://didev.nl/woordenboek-ai/semantics/): Semantics is de studie van betekenis: wat woorden en zinnen betekenen en hoe AI-systemen die betekenis vastleggen en gebruiken.
- [Semi-structured Data](https://didev.nl/woordenboek-ai/semi-structured-data/): Semi-structured data zijn gegevens met enige interne structuur maar zonder vast schema, zoals e-mails, JSON- en XML-bestanden.
- [Sentiment](https://didev.nl/woordenboek-ai/sentiment/): Sentiment is de houding of emotionele lading in een tekst of gesprek, meestal ingedeeld in positief, negatief of neutraal.
- [Sentiment Analysis](https://didev.nl/woordenboek-ai/sentiment-analysis/): Sentiment analysis is een AI-techniek die automatisch bepaalt of een tekst positief, negatief of neutraal is, bijvoorbeeld in reviews en klantmails.
- [Rules-based Machine Translation (RBMT)](https://didev.nl/woordenboek-ai/rules-based-machine-translation-rbmt/): Rules-based machine translation (RBMT) is de oudste vorm van automatisch vertalen, waarbij vertalingen worden opgebouwd met handgemaakte taalregels en woordenboeken. Taalkundigen legden voor elk talenpaar vast hoe grammatica, woordvolgorde en werkwoordsvormen van de brontaal naar de doeltaal moeten worden omgezet. Het systeem ontleedt een zin, past de regels toe en bouwt de zin in de doeltaal opnieuw op.
- [SAO (Subject-Action-Object)](https://didev.nl/woordenboek-ai/sao-subject-action-object/): SAO legt de kern van een zin vast als wie-doet-wat: subject, action, object. Zo zet software ongestructureerde tekst om in doorzoekbare kennis, bijvoorbeeld in een knowledge graph.
- [Semantic Network](https://didev.nl/woordenboek-ai/semantic-network/): Een semantic network, semantisch netwerk, is een manier om kennis weer te geven als een netwerk van begrippen en hun onderlinge relaties. Begrippen zijn de knooppunten, de verbindingen ertussen beschrijven de relatie: "een hond is een zoogdier", "een zoogdier heeft een vacht". Zo ontstaat een kaart van betekenis waarmee software kan redeneren over hoe dingen samenhangen.
- [Semantic Search](https://didev.nl/woordenboek-ai/semantic-search/): Semantic search is een zoektechniek die zoekt op betekenis in plaats van op letterlijke trefwoorden, zodat je ook vindt wat anders geformuleerd is.
- [Relations](https://didev.nl/woordenboek-ai/relations/): Relations zijn de verbindingen tussen entiteiten in data: wie hoort bij wat. Ze maken van losse informatie gestructureerde kennis voor zoeksystemen, aanbevelingen en knowledge graphs.
- [Representation Learning](https://didev.nl/woordenboek-ai/representation-learning/): Representation learning laat een model zelf leren welke kenmerken van data belangrijk zijn, zonder handmatig programmeerwerk. De basis onder embeddings en vrijwel alle moderne AI.
- [Responsible AI](https://didev.nl/woordenboek-ai/responsible-ai/): Responsible AI is het eerlijk, transparant en veilig ontwikkelen en inzetten van AI. Sinds de EU AI Act geen vrijblijvend principe meer, maar deels wettelijke plicht voor organisaties.
- [Robotic Process Automation (RPA)](https://didev.nl/woordenboek-ai/robotic-process-automation-rpa/): Robotic process automation (RPA) is technologie waarbij softwarerobots repetitief computerwerk van mensen overnemen. Zo'n robot is geen fysieke machine maar een programma dat menselijke handelingen op het scherm nabootst: inloggen, gegevens overtypen van het ene systeem naar het andere, facturen verwerken, rapporten genereren. RPA werkt het best bij taken die volgens vaste regels verlopen en in hoog volume voorkomen.
- [Random Forest](https://didev.nl/woordenboek-ai/random-forest/): Random forest is een machine learning-techniek die honderden beslisbomen laat stemmen over een voorspelling. Betrouwbaar en robuust, vooral op gestructureerde bedrijfsdata.
- [Recall](https://didev.nl/woordenboek-ai/recall/): Recall meet hoeveel van de werkelijk positieve gevallen een AI-model weet te vinden. Cruciaal waar een gemist geval ernstige gevolgen heeft, zoals fraudedetectie of medische screening.
- [Recurrent Neural Networks (RNN)](https://didev.nl/woordenboek-ai/recurrent-neural-networks-rnn/): Recurrent neural networks (RNN's) zijn neurale netwerken die ontworpen zijn voor gegevens met een volgorde, zoals zinnen, spraak of meetreeksen. Het netwerk verwerkt de invoer stap voor stap en houdt daarbij een soort geheugen bij: wat het bij eerdere stappen heeft gezien, beïnvloedt hoe het de volgende stap interpreteert. Daardoor kan een RNN context onthouden, bijvoorbeeld dat het woord "bank" in een zin over geld iets anders betekent dan in een zin over een park.
- [Reinforcement Learning (RL)](https://didev.nl/woordenboek-ai/reinforcement-learning-rl/): Reinforcement learning laat een AI-systeem leren via trial-and-error: acties uitproberen en bijsturen op beloningen. Bekend van AlphaGo en de RLHF-training achter moderne chatbots.
- [Q-Learning](https://didev.nl/woordenboek-ai/q-learning/): Q-learning is een techniek uit reinforcement learning waarbij een agent door proberen, belonen en straffen leert welke actie in elke situatie het beste resultaat oplevert.
- [Similarity (and Correlation)](https://didev.nl/woordenboek-ai/similarity-and-correlation/): Similarity meet hoe sterk twee objecten op elkaar lijken; correlatie meet hoe twee variabelen samen bewegen. Twee maten die vaak verward worden.
- [Similarity Measures](https://didev.nl/woordenboek-ai/similarity-measures/): Similarity measures (gelijkenismaten) zijn wiskundige methoden om uit te drukken hoe sterk twee dingen op elkaar lijken. Dat kunnen teksten zijn, klantprofielen, producten of afbeeldingen. De uitkomst is een getal: hoe hoger de score, hoe groter de gelijkenis. Computers begrijpen geen betekenis uit zichzelf, dus zo'n maat is de manier waarop een AI-systeem kan beslissen dat "factuur" en "rekening" dichter bij elkaar liggen dan "factuur" en "fiets".
- [Simple Knowledge Organization System (SKOS)](https://didev.nl/woordenboek-ai/simple-knowledge-organization-system-skos/): Simple Knowledge Organization System (SKOS) is een open W3C-standaard om kennisstructuren zoals thesauri, taxonomieën en trefwoordenlijsten op een machineleesbare manier vast te leggen. Het beschrijft concepten (begrippen) en de relaties daartussen in een vast formaat, zodat verschillende systemen dezelfde begrippenstructuur kunnen lezen en uitwisselen. SKOS is sinds 2009 een officiële standaard en wordt vooral gebruikt in bibliotheken, archieven, overheden en het semantisch web.
- [Speech Analytics](https://didev.nl/woordenboek-ai/speech-analytics/): Speech analytics is het automatisch analyseren van gesproken gesprekken om er bruikbare inzichten uit te halen. De software zet spraak om naar tekst en onderzoekt vervolgens waar het gesprek over ging, hoe de toon was en welke onderwerpen of problemen terugkeren. Het wordt vooral toegepast op klantgesprekken: telefonie, klantenservice en verkoopgesprekken.
- [Speech Recognition](https://didev.nl/woordenboek-ai/speech-recognition/): Speech recognition, in het Nederlands automatische spraakherkenning, is technologie die gesproken taal omzet naar geschreven tekst. Het is de techniek achter dicteerfuncties, ondertiteling, vergadernotulen en spraakassistenten. Moderne spraakherkenning is gebaseerd op neurale netwerken en haalt op duidelijke spraak een nauwkeurigheid die menselijke transcribenten benadert, ook in het Nederlands.
- [Statistical Learning](https://didev.nl/woordenboek-ai/statistical-learning/): Statistical learning is het vakgebied dat machine learning benadert vanuit de statistiek. Het draait om modellen die patronen in data vinden om voorspellingen te doen, maar met extra nadruk op begrijpen en onderbouwen: welke variabelen doen ertoe, hoe zeker is het model en hoe groot is de kans op toeval. De termen statistical learning en machine learning overlappen grotendeels; het verschil zit vooral in de invalshoek. Statistici willen verklaren en kwantificeren, machine learning-onderzoekers willen vooral zo goed mogelijk voorspellen.
- [Stemming](https://didev.nl/woordenboek-ai/stemming/): Stemming is een techniek uit de taaltechnologie die woorden terugbrengt tot hun stam door uitgangen af te knippen. Zo worden "werken", "werkte" en "werker" alle drie teruggebracht tot "werk". Het doel is dat varianten van hetzelfde woord als één term worden behandeld, bijvoorbeeld bij zoeken of tekstanalyse. De stam hoeft geen bestaand woord te zijn: een stemmer kan "lopen" inkorten tot "lop", en dat is prima zolang alle varianten op dezelfde vorm uitkomen.
- [Stop Words](https://didev.nl/woordenboek-ai/stop-words/): Stop words (stopwoorden) zijn veelvoorkomende woorden die weinig onderscheidende betekenis dragen, zoals "de", "het", "een", "en" en "van" in het Nederlands, of "the", "and" en "of" in het Engels. In klassieke tekstanalyse en zoektechnologie worden deze woorden vaak weggefilterd, zodat de analyse zich richt op de woorden die er inhoudelijk toe doen.
- [Structured Data](https://didev.nl/woordenboek-ai/structured-data/): Structured data (gestructureerde data) is informatie die volgens een vast schema is georganiseerd, meestal in tabellen met rijen en kolommen. Denk aan klantgegevens in je CRM, orderregels in je boekhoudpakket of voorraadcijfers in een spreadsheet. Elke kolom heeft een vaste betekenis en een vast gegevenstype, waardoor software de data direct kan doorzoeken, filteren en optellen, bijvoorbeeld met de querytaal SQL.
- [Supervised Learning](https://didev.nl/woordenboek-ai/supervised-learning/): Supervised learning (begeleid leren) is de vorm van machine learning waarbij een model leert van voorbeelden met het juiste antwoord erbij. Je geeft het systeem duizenden invoeren met bijbehorende labels, bijvoorbeeld e-mails gemarkeerd als spam of geen spam, en het model leert het verband. Daarna kan het zelfstandig voorspellingen doen over nieuwe gevallen die het nooit eerder zag. Het is nog altijd de meest gebruikte vorm van machine learning in het bedrijfsleven.
- [Support Vector Machines (SVM)](https://didev.nl/woordenboek-ai/support-vector-machines-svm/): Een klassiek machine learning-algoritme dat data in categorieën verdeelt door de scheidslijn te zoeken die de groepen zo ruim mogelijk uit elkaar houdt.
- [Swarm Intelligence](https://didev.nl/woordenboek-ai/swarm-intelligence/): Swarm intelligence (zwermintelligentie) is een AI-benadering die geïnspireerd is op het collectieve gedrag van dieren in groepen, zoals mierenkolonies, bijenzwermen en vogelzwermen. Veel eenvoudige individuen die elk simpele regels volgen, produceren samen slim gedrag zonder dat er een centrale leider is. Een mier weet niets van de hele kolonie, maar samen vinden mieren toch de kortste route naar voedsel.
- [Symbolic Methodology](https://didev.nl/woordenboek-ai/symbolic-methodology/): Symbolic methodology (symbolische AI) is de klassieke benadering van kunstmatige intelligentie waarbij kennis wordt vastgelegd in expliciete symbolen, regels en logica. In plaats van patronen te leren uit data, redeneert het systeem met regels die mensen hebben opgesteld: "als de klant ouder is dan 65 en het product is X, dan geldt korting Y". Het wordt ook wel "good old-fashioned AI" genoemd, omdat het de dominante aanpak was vóór de opkomst van machine learning.
- [Syntax Tagging](https://didev.nl/woordenboek-ai/syntax-tagging/): Syntax tagging is het automatisch toekennen van grammaticale labels aan woorden in een tekst. Het bekendste voorbeeld is part-of-speech tagging: elk woord krijgt een label als zelfstandig naamwoord, werkwoord of bijvoeglijk naamwoord. In de zin "De snelle kat rent" wordt dat: de (lidwoord), snelle (bijvoeglijk naamwoord), kat (zelfstandig naamwoord), rent (werkwoord). Zo leert een computer de grammaticale structuur van een zin kennen.
- [Taxonomy](https://didev.nl/woordenboek-ai/taxonomy/): Een taxonomy (taxonomie) is een hiërarchische indeling van begrippen of dingen in categorieën en subcategorieën. Denk aan een boomstructuur: bovenaan staan brede categorieën, daaronder steeds specifiekere. Het klassieke voorbeeld komt uit de biologie, waar organismen worden ingedeeld in rijk, klasse, orde, familie, geslacht en soort. In het bedrijfsleven ken je het van productcategorieën in een webshop of de mappenstructuur van een documentsysteem.
- [Test Set](https://didev.nl/woordenboek-ai/test-set/): Een test set is het deel van je data dat je apart houdt om te controleren hoe goed een machine learning-model écht presteert. Het model heeft deze gegevens tijdens het trainen nooit gezien. Vergelijk het met een examen: je oefent met oefenopgaven (de trainingsset), maar het echte examen bevat nieuwe vragen. Alleen zo weet je of iemand de stof begrijpt of de antwoorden uit zijn hoofd heeft geleerd.
- [Text Analytics](https://didev.nl/woordenboek-ai/text-analytics/): Text analytics (tekstanalyse) is het automatisch halen van bruikbare informatie en inzichten uit grote hoeveelheden tekst: e-mails, reviews, supporttickets, contracten, rapporten. Waar een mens dagen zou lezen, vindt software in minuten patronen, trends en opvallende signalen. Het wordt ook wel text mining genoemd.
- [Text Summarization](https://didev.nl/woordenboek-ai/text-summarization/): Text summarization (automatisch samenvatten) is het door AI laten maken van een beknopte samenvatting van een langere tekst, waarbij de belangrijkste informatie behouden blijft. Een rapport van veertig pagina's wordt zo een leesbare samenvatting van één pagina, in seconden in plaats van uren.
- [Tokens](https://didev.nl/woordenboek-ai/tokens/): Tokens zijn de kleine stukjes waarin AI-systemen tekst opknippen om die te kunnen verwerken. Een token kan een woord zijn, een deel van een woord of een leesteken. Moderne taalmodellen werken meestal met subwoord-tokens: een veelvoorkomend woord als "huis" is één token, maar een lang of zeldzaam woord als "huurprijsindexatie" wordt opgeknipt in meerdere stukjes. Het opknippen zelf heet tokenisatie. Als vuistregel komt in het Nederlands één token overeen met ongeveer driekwart van een woord.
- [Training Set](https://didev.nl/woordenboek-ai/training-set/): Een training set (trainingsset) is de verzameling voorbeelden waarmee een machine learning-model leert. Elk voorbeeld bestaat uit invoerdata, vaak met het bijbehorende juiste antwoord erbij. Wil je een model leren om facturen van offertes te onderscheiden, dan bestaat de trainingsset uit honderden documenten waarvan al bekend is wat het is. Het model zoekt in die voorbeelden naar patronen die het later op nieuwe gevallen kan toepassen.
- [Transfer Learning](https://didev.nl/woordenboek-ai/transfer-learning/): Transfer learning is het hergebruiken van kennis uit een getraind AI-model voor een nieuwe, verwante taak. De basis onder vrijwel alle moderne AI.
- [Transformer Architecture](https://didev.nl/woordenboek-ai/transformer-architecture/): De transformer is de netwerkarchitectuur uit 2017 achter vrijwel alle moderne generatieve AI, gebouwd rond het zelfaandacht-mechanisme.
- [Treemap](https://didev.nl/woordenboek-ai/treemap/): Een treemap is een datavisualisatie die hiërarchische gegevens toont als geneste rechthoeken, waarbij de grootte van elk vlak de waarde weergeeft.
- [Triple or Triplet Relations aka (Subject Action Object (SAO))](https://didev.nl/woordenboek-ai/triple-or-triplet-relations-aka-subject-action-object-sao/): Een triple legt een feit vast in drie delen: subject, relatie en object. De bouwsteen van kennisgrafen en het semantisch web.
- [Turing Test](https://didev.nl/woordenboek-ai/turing-test/): De Turing test uit 1950 toetst of een machine in een tekstgesprek niet van een mens te onderscheiden is. Moderne taalmodellen halen die lat, wat de discussie heeft verschoven.
- [Tuning (aka Model Tuning or Fine Tuning)](https://didev.nl/woordenboek-ai/tuning-aka-model-tuning-or-fine-tuning/): Tuning is het bijstellen van een AI-model voor betere prestaties: fine-tuning traint een bestaand model bij op eigen data, hyperparameter-tuning stelt de training zelf af.
- [Underfitting](https://didev.nl/woordenboek-ai/underfitting/): Underfitting betekent dat een AI-model te simpel is om de patronen in de data te vangen en daardoor zelfs op de trainingsdata slecht presteert.
- [Unstructured Data](https://didev.nl/woordenboek-ai/unstructured-data/): Ongestructureerde data is informatie zonder vast formaat, zoals e-mails, contracten en foto's. Het grootste deel van alle bedrijfsdata, en dankzij AI eindelijk analyseerbaar.
- [Unsupervised Learning](https://didev.nl/woordenboek-ai/unsupervised-learning/): Unsupervised learning is machine learning zonder gelabelde data: het algoritme ontdekt zelf patronen, clusters en afwijkingen in de gegevens.
- [Vector Space Model](https://didev.nl/woordenboek-ai/vector-space-model/): Het vector space model representeert documenten als numerieke vectoren, zodat inhoudelijke gelijkenis berekenbaar wordt. De voorloper van moderne embeddings en semantisch zoeken.
- [Voice Assistant](https://didev.nl/woordenboek-ai/voice-assistant/): Een voice assistant is software die gesproken opdrachten begrijpt en uitvoert, zoals Siri, Alexa of een spraakgestuurde AI-chatbot.
- [Weight Initialization](https://didev.nl/woordenboek-ai/weight-initialization/): Weight initialization is het kiezen van de startwaarden voor de gewichten van een neuraal netwerk, een keuze die bepaalt hoe snel en goed het netwerk leert.
- [Word Embeddings](https://didev.nl/woordenboek-ai/word-embeddings/): Word embeddings zetten woorden om in reeksen getallen die betekenis vastleggen, zodat computers kunnen rekenen met taal en betekenis.
- [Word Sense Disambiguation](https://didev.nl/woordenboek-ai/word-sense-disambiguation/): Word sense disambiguation is het bepalen van de juiste betekenis van een woord met meerdere betekenissen, op basis van de context.
- [Zero-Shot Learning](https://didev.nl/woordenboek-ai/zero-shot-learning/): Zero-shot learning is het vermogen van een AI-model om taken uit te voeren of dingen te herkennen zonder daar trainingsvoorbeelden van te hebben gezien.
- [Parsing](https://didev.nl/woordenboek-ai/parsing/): Parsing is het automatisch ontleden van tekst om de grammaticale structuur te bepalen: welke woorden horen bij elkaar en welke rol spelen ze in de zin.
- [Part-of-Speech Tagging](https://didev.nl/woordenboek-ai/part-of-speech-tagging/): Part-of-speech tagging is het automatisch labelen van elk woord in een zin met zijn woordsoort, zoals zelfstandig naamwoord of werkwoord. Een basisstap in taalverwerking.
- [Pattern Recognition](https://didev.nl/woordenboek-ai/pattern-recognition/): Pattern recognition is het vermogen van een systeem om patronen in data te herkennen, van gezichten in foto's tot verdachte transacties. Het fundament van machine learning.
- [PEMT (aka Post Edit Machine Translation)](https://didev.nl/woordenboek-ai/pemt-aka-post-edit-machine-translation/): PEMT is de werkwijze waarbij een menselijke vertaler een machinevertaling naloopt en verbetert. Snelheid van AI gecombineerd met de kwaliteit van een professional.
- [Perceptron](https://didev.nl/woordenboek-ai/perceptron/): Het perceptron is het oudste kunstmatige neuron: een eenvoudig rekenmodel uit 1957 dat ja/nee-beslissingen leert nemen en de bouwsteen vormt van alle moderne neurale netwerken.
- [Post-processing](https://didev.nl/woordenboek-ai/post-processing/): Post-processing is de bewerkingsstap na een AI-model: fouten corrigeren, ruis wegfilteren en de output in het juiste formaat gieten voordat het resultaat wordt gebruikt.
- [Precision](https://didev.nl/woordenboek-ai/precision/): Precision geeft aan hoeveel van de positieve voorspellingen van een AI-model echt kloppen. Als het model ja zegt, hoe vaak heeft het dan gelijk?
- [Principal Component Analysis (PCA)](https://didev.nl/woordenboek-ai/principal-component-analysis-pca/): Principal component analysis (PCA) is een statistische techniek die een dataset met veel variabelen samenvat in een klein aantal nieuwe variabelen, de principale componenten. Die componenten vangen samen het grootste deel van de variatie in de oorspronkelijke data. Zo maak je complexe data overzichtelijk zonder de belangrijkste informatie te verliezen.
- [Object Detection](https://didev.nl/woordenboek-ai/object-detection/): Object detection vindt in beeld waar objecten staan en welke dat zijn: een kader plus label per object. De basis van kwaliteitscontrole, telling en bewaking met camera's.
- [Object Recognition](https://didev.nl/woordenboek-ai/object-recognition/): Object recognition laat AI bepalen welke objecten in een afbeelding voorkomen en benoemt ze. De basis onder visueel zoeken, fototagging en productherkenning.
- [Ontology](https://didev.nl/woordenboek-ai/ontology/): Een ontology is een machineleesbare beschrijving van kennis in een vakgebied: concepten, eigenschappen en relaties, zodat systemen data consistent kunnen interpreteren.
- [Optimization](https://didev.nl/woordenboek-ai/optimization/): Optimization is het zoeken naar de best mogelijke oplossing binnen grenzen. In machine learning: parameters bijstellen tot de fouten van het model zo klein mogelijk zijn.
- [Overfitting](https://didev.nl/woordenboek-ai/overfitting/): Overfitting betekent dat een model de trainingsdata uit het hoofd leert, inclusief ruis, en daardoor slecht presteert op nieuwe data. Dé valkuil achter te mooie democijfers.
- [Neuron](https://didev.nl/woordenboek-ai/neuron/): Een neuron is de kleinste bouwsteen van een neuraal netwerk: een rekenelement dat invoer weegt, optelt en doorgeeft. Miljoenen neuronen samen vormen de basis van moderne AI.
- [NLG (aka Natural Language Generation)](https://didev.nl/woordenboek-ai/nlg-aka-natural-language-generation/): Natural Language Generation is AI die automatisch tekst of spraak produceert: van samenvattingen tot conceptmails. De schrijvende kant van taaltechnologie.
- [NLQ (aka Natural Language Query)](https://didev.nl/woordenboek-ai/nlq-aka-natural-language-query/): Met Natural Language Query stel je vragen aan databases in gewone taal, zonder SQL. Het systeem vertaalt je vraag zelf naar de juiste technische opdracht.
- [NLT (aka Natural Language Technology)](https://didev.nl/woordenboek-ai/nlt-aka-natural-language-technology/): Natural Language Technology is de verzamelnaam voor alle technologie die computers laat werken met menselijke taal: begrijpen, analyseren en zelf produceren.
- [Normalization](https://didev.nl/woordenboek-ai/normalization/): Normalization brengt gegevens met verschillende bereiken op één schaal, zodat een AI-model elk kenmerk eerlijk meeweegt. Een standaardstap in datapreparatie.
- [Machine Learning (ML)](https://didev.nl/woordenboek-ai/machine-learning-ml/): Machine learning (ML) is het onderdeel van kunstmatige intelligentie waarbij computers leren van voorbeelden in plaats van dat ze regel voor regel geprogrammeerd worden. Je geeft een systeem veel data, het ontdekt daarin zelf patronen en gebruikt die patronen om voorspellingen of beslissingen te maken bij nieuwe gegevens. Vrijwel alle AI die je vandaag gebruikt, van spamfilters tot ChatGPT, is gebouwd op machine learning.
- [Machine Translation](https://didev.nl/woordenboek-ai/machine-translation/): Machine translation (MT) is het automatisch vertalen van tekst of spraak van de ene taal naar de andere door een computer. Het doel is om betekenis, toon en context goed over te brengen zonder menselijke tussenkomst. Bekende voorbeelden zijn Google Translate en DeepL, en inmiddels vertalen ook grote taalmodellen zoals die achter ChatGPT en Claude op hoog niveau.
- [Markov Chain](https://didev.nl/woordenboek-ai/markov-chain/): Een Markov chain (Markov-keten) is een wiskundig model dat beschrijft hoe een proces van de ene toestand naar de andere springt, waarbij de volgende stap alleen afhangt van de huidige toestand en niet van de hele voorgeschiedenis. Die eigenschap heet de Markov-eigenschap, genoemd naar de Russische wiskundige Andrej Markov. Het is een van de oudste en eenvoudigste manieren om opeenvolgende gebeurtenissen te modelleren.
- [Model](https://didev.nl/woordenboek-ai/model/): Een model is in AI de uitkomst van het leerproces: een wiskundige representatie van patronen die uit data zijn geleerd, vastgelegd in parameters. Het model gebruikt die geleerde patronen om voorspellingen te doen of beslissingen te nemen bij nieuwe gegevens. Als je "het model" hoort in een AI-gesprek, gaat het dus om het getrainde systeem zelf, bijvoorbeeld het taalmodel achter een chatbot of het voorspelmodel achter een vraagprognose.
- [Model Drift](https://didev.nl/woordenboek-ai/model-drift/): Model drift is het verschijnsel dat een machine learning-model na verloop van tijd slechter gaat presteren, omdat de wereld waarin het wordt gebruikt verandert terwijl het model hetzelfde blijft. Het model is getraind op data van toen; de data van nu wijkt daar steeds verder van af. Drift is geen storing maar een natuurlijk proces, en een van de belangrijkste redenen waarom AI-systemen onderhoud nodig hebben.
- [Model Parameter](https://didev.nl/woordenboek-ai/model-parameter/): Model parameters zijn de interne waarden van een machine learning-model die tijdens de training worden geleerd uit data. In een neuraal netwerk zijn dat de gewichten en biases: getallen die samen bepalen hoe invoer wordt omgezet in uitvoer. Als je hoort dat een taalmodel "70 miljard parameters" heeft, gaat het om dit soort waarden; het aantal zegt iets over de capaciteit van het model.
- [Morphological Analysis](https://didev.nl/woordenboek-ai/morphological-analysis/): Morphological analysis (morfologische analyse) is het ontleden van woorden in hun betekenisdragende bouwstenen, morfemen genoemd: de stam, voorvoegsels, achtervoegsels en uitgangen. Het is een klassieke stap in taaltechnologie waarmee een computer begrijpt dat woordvormen als loop, liep en gelopen bij hetzelfde werkwoord horen.
- [Multilayer Perceptron (MLP)](https://didev.nl/woordenboek-ai/multilayer-perceptron-mlp/): Een multilayer perceptron (MLP) is de meest basale vorm van een neuraal netwerk: een invoerlaag, een of meer verborgen lagen en een uitvoerlaag, waarbij elk neuron verbonden is met alle neuronen in de volgende laag. Het is het klassieke lesvoorbeeld van deep learning en nog steeds een bouwsteen in veel moderne AI-architecturen.
- [LSTM (Long Short-Term Memory)](https://didev.nl/woordenboek-ai/lstm-long-short-term-memory/): LSTM staat voor Long Short-Term Memory en is een type recurrent neuraal netwerk (RNN) dat is ontworpen om informatie over langere reeksen vast te houden. Gewone recurrente netwerken vergeten snel wat eerder in een reeks gebeurde; een LSTM lost dat op met ingebouwde geheugencellen. Jarenlang was LSTM de standaard voor taken met opeenvolgende data, zoals taal, spraak en tijdreeksen.
- [Loss Function](https://didev.nl/woordenboek-ai/loss-function/): Een loss function meet tijdens de training hoe ver de voorspellingen van een AI-model naast de werkelijkheid zitten. Het leerproces draait om dat verlies minimaliseren.
- [Logistic Regression](https://didev.nl/woordenboek-ai/logistic-regression/): Logistic regression (logistische regressie) is een statistische methode die de kans op een gebeurtenis voorspelt, meestal met twee mogelijke uitkomsten: ja of nee, wel of geen wanbetaler, spam of geen spam. Anders dan de naam doet vermoeden is het dus geen regressie- maar een classificatietechniek: het model deelt gevallen in categorieën in op basis van een berekende kans.
- [Linked Data](https://didev.nl/woordenboek-ai/linked-data/): Linked data is een methode om gestructureerde gegevens op het web te publiceren en te koppelen, zodat ook computers ze kunnen begrijpen en combineren.
- [Linear Regression](https://didev.nl/woordenboek-ai/linear-regression/): Linear regression (lineaire regressie) is een statistische methode die het verband tussen variabelen beschrijft met een rechte lijn, zodat je voorspellingen kunt doen. Bijvoorbeeld: hoe hangt je advertentiebudget samen met je omzet? Het is een van de oudste en eenvoudigste voorspeltechnieken en nog altijd het startpunt van veel machine learning.
- [Lexicon](https://didev.nl/woordenboek-ai/lexicon/): Een lexicon is een gestructureerde woordverzameling met betekenis en grammatica, een woordenboek voor computers dat software taal laat begrijpen.
- [Lemma](https://didev.nl/woordenboek-ai/lemma/): Een lemma is de woordenboekvorm van een woord. In taaltechnologie brengt lemmatisering alle vervoegingen terug naar die basisvorm, handig voor zoeken en analyse.
- [Latent Variable Models](https://didev.nl/woordenboek-ai/latent-variable-models/): Latent variable models zijn statistische modellen die verborgen factoren afleiden uit zichtbare data, zoals klanttevredenheid uit reviews en koopgedrag.
- [Latent Semantic Analysis (LSA)](https://didev.nl/woordenboek-ai/latent-semantic-analysis-lsa/): Latent Semantic Analysis (LSA) is een klassieke techniek uit de tekstanalyse die verborgen betekenisverbanden tussen woorden en documenten blootlegt. Het idee: woorden die vaak in dezelfde soort teksten voorkomen, hebben waarschijnlijk met elkaar te maken. Zo kan LSA herkennen dat "auto" en "wagen" verwant zijn, ook al staat dat nergens expliciet.
- [Latent Dirichlet Allocation (LDA)](https://didev.nl/woordenboek-ai/latent-dirichlet-allocation-lda/): Latent Dirichlet Allocation (LDA) is een statistische techniek die verborgen onderwerpen ontdekt in een grote verzameling teksten. Het model gaat ervan uit dat elk document een mengsel is van meerdere onderwerpen, en dat elk onderwerp wordt gekenmerkt door bepaalde woorden die er vaak bij voorkomen. LDA is de bekendste vorm van topic modeling en stamt uit 2003.
- [Large Language Models (LLM)](https://didev.nl/woordenboek-ai/large-language-models-llm/): Een large language model is een AI-model dat op enorme hoeveelheden tekst is getraind en daardoor taal kan begrijpen en genereren. De technologie achter moderne AI-assistenten.
- [Language Data](https://didev.nl/woordenboek-ai/language-data/): Language data (taaldata) is de verzamelnaam voor alle gegevens die uit taal bestaan: geschreven teksten, gesproken woorden, vertalingen, ondertitels en chatgesprekken. Het is de grondstof waarop alle taaltechnologie draait. Grote taalmodellen zoals die achter ChatGPT, Claude en Gemini zijn getraind op enorme hoeveelheden taaldata, vooral tekst van het internet, uit boeken en uit andere bronnen.
- [LangOps (Language Operations)](https://didev.nl/woordenboek-ai/langops-language-operations/): LangOps, kort voor Language Operations, is het vakgebied dat alle taalprocessen in een organisatie centraal organiseert en automatiseert: vertalen, meertalige klantenservice, tekstanalyse en de inzet van taalmodellen. De term is gemodelleerd naar DevOps: net zoals dat softwareontwikkeling stroomlijnt, stroomlijnt LangOps alles wat met taal en meertaligheid te maken heeft. De term wordt soms breder gebruikt voor het operationeel beheren van taalmodellen in het algemeen, al heet dat vaker LLMOps.
- [Labelled Data](https://didev.nl/woordenboek-ai/labelled-data/): Labelled data (gelabelde data) zijn gegevens waarbij elk voorbeeld is voorzien van het juiste antwoord, het label. Bij een verzameling foto's staat bij elke foto of er een hond of een kat op staat; bij een set e-mails staat bij elke mail of het spam is of niet. Die labels vormen de "grondwaarheid" waarmee een machine learning-model leert het verband te leggen tussen kenmerken en uitkomst.
- [Knowledge Model](https://didev.nl/woordenboek-ai/knowledge-model/): Een knowledge model (kennismodel) is een gestructureerde weergave van de kennis binnen een vakgebied, zo opgeschreven dat een computer ermee kan werken. Het legt vast welke begrippen er bestaan, hoe ze zich tot elkaar verhouden en welke regels er gelden. Vergelijk het met een uitgebreide handleiding plus begrippenlijst van een domein, maar dan in een vorm die software kan lezen en toepassen.
- [Knowledge Graph](https://didev.nl/woordenboek-ai/knowledge-graph/): Een knowledge graph (kennisgraaf) is een manier om kennis op te slaan als een netwerk van dingen en hun onderlinge relaties. Personen, bedrijven, producten en plaatsen zijn de knooppunten; de verbindingen ertussen beschrijven hoe ze samenhangen, zoals "werkt bij", "is leverancier van" of "ligt in". Google gebruikt al jaren een knowledge graph om bij een zoekopdracht direct feiten over een bedrijf of persoon te tonen in plaats van alleen losse links.
- [k-Means Clustering](https://didev.nl/woordenboek-ai/k-means-clustering/): k-Means clustering is een algoritme dat datapunten automatisch verdeelt in een vooraf gekozen aantal groepen (de "k" staat voor dat aantal). Punten die op elkaar lijken komen in dezelfde groep, zonder dat iemand vooraf vertelt welke groepen er zijn. Het is daarmee een vorm van unsupervised learning: het algoritme ontdekt zelf structuur in de data.
- [Iterative Refinement](https://didev.nl/woordenboek-ai/iterative-refinement/): Iterative refinement (iteratieve verfijning) is het stapsgewijs verbeteren van een resultaat door cycli van maken, beoordelen en bijstellen. Je begint met een ruwe versie en schaaft die in rondes bij tot het goed genoeg is, zoals een beeldhouwer die eerst de grove vorm hakt en daarna detailleert. In AI komt het begrip op twee plekken terug: bij het trainen en verbeteren van modellen, en bij het werken mét AI-tools.
- [Interpretability](https://didev.nl/woordenboek-ai/interpretability/): Interpretability (interpreteerbaarheid) is de mate waarin mensen kunnen begrijpen waarom een AI-model tot een bepaalde uitkomst komt. Een interpreteerbaar model laat zien welke factoren een beslissing bepaalden: waarom werd deze leningaanvraag afgewezen, waarom kreeg deze e-mail het label spam. Hoe complexer het model, hoe lastiger dat meestal wordt; grote neurale netwerken worden daarom vaak "black boxes" genoemd.
- [Intelligent Document Processing (IDP) or Intelligent Document Extraction and Processing (IDEP)](https://didev.nl/woordenboek-ai/intelligent-document-processing-idp-or-intelligent-document-extraction-and-processing-idep/): Intelligent Document Processing (IDP), soms ook Intelligent Document Extraction and Processing (IDEP) genoemd, is technologie die met AI automatisch gegevens haalt uit documenten zoals facturen, contracten, pakbonnen en formulieren. Waar klassieke tekstherkenning (OCR) alleen letters omzet in digitale tekst, begrijpt IDP ook wát er staat: welk bedrag de factuursom is, welke datum de vervaldatum is en bij welke leverancier het document hoort.
- [Instance-based Learning](https://didev.nl/woordenboek-ai/instance-based-learning/): Instance-based learning is een vorm van machine learning waarbij het systeem geen algemeen model uit de data destilleert, maar simpelweg de voorbeelden zelf onthoudt. Komt er een nieuwe vraag binnen, dan zoekt het systeem de meest vergelijkbare opgeslagen voorbeelden op en baseert daar zijn antwoord op. Het wordt daarom ook wel memory-based learning of lazy learning genoemd: het echte werk gebeurt pas op het moment van de vraag, niet tijdens een trainingsfase.
- [Insight Engines](https://didev.nl/woordenboek-ai/insight-engines/): Insight engines zijn slimme zoekplatformen voor bedrijven die verder gaan dan een lijst zoekresultaten. Ze doorzoeken al je bedrijfsbronnen tegelijk (documenten, e-mail, intranet, CRM, databases), begrijpen de betekenis van een vraag en geven direct een antwoord of inzicht in plaats van tien links. De term komt van analistenbureau Gartner als opvolger van "enterprise search". Sinds de komst van generatieve AI zijn insight engines vrijwel allemaal uitgegroeid tot AI-assistenten die antwoorden formuleren op basis van je eigen bedrijfsdata; denk aan tools als Microsoft 365 Copilot of Glean.
- [Information Retrieval](https://didev.nl/woordenboek-ai/information-retrieval/): Information retrieval (IR) is het vakgebied dat zich bezighoudt met het terugvinden van relevante informatie in grote verzamelingen documenten of data. Het is de techniek achter elke zoekmachine: jij typt een vraag, het systeem doorzoekt miljoenen documenten en geeft de meest relevante resultaten terug, gesorteerd op relevantie. Vergelijk het met een goede bibliothecaris die uit duizenden boeken precies dat ene boek pakt dat jouw vraag beantwoordt.
- [Inference Engine](https://didev.nl/woordenboek-ai/inference-engine/): Een inference engine is het onderdeel van een AI-systeem dat conclusies trekt uit beschikbare kennis. De term heeft twee betekenissen die je allebei tegenkomt. De klassieke betekenis komt uit expertsystemen: de redeneermotor die vaste regels ("als A, dan B") toepast op een kennisbank om tot een conclusie te komen. De moderne betekenis komt uit machine learning: de software die een getraind model draait en nieuwe input (tekst, beeld, geluid) razendsnel omzet in een voorspelling of antwoord. Die fase heet inference, het toepassen van geleerde kennis op nieuwe gegevens.
- [Hybrid AI](https://didev.nl/woordenboek-ai/hybrid-ai/): Hybrid AI is de aanpak waarbij je verschillende AI-technieken combineert in één oplossing, zodat de sterke punten van de ene techniek de zwakke punten van de andere opvangen. De klassieke combinatie is die van symbolische AI (vaste regels en kennis, zoals "een factuur boven €10.000 vereist twee handtekeningen") met lerende AI (modellen die patronen uit data halen). Sinds de opkomst van generatieve AI is hybride werken eerder regel dan uitzondering geworden: vrijwel elke serieuze bedrijfstoepassing combineert een taalmodel met zoektechnologie, bedrijfsregels of klassieke software.
- [Hierarchical Clustering](https://didev.nl/woordenboek-ai/hierarchical-clustering/): Hierarchical clustering (hiërarchische clustering) is een techniek om data automatisch in groepen te verdelen, waarbij de groepen een boomstructuur vormen: kleine clusters die samen grotere clusters vormen, tot alles uiteindelijk in één geheel zit. Het resultaat wordt vaak getoond als een dendrogram, een vertakkingsdiagram waarin je per niveau kunt aflezen welke datapunten bij elkaar horen. Anders dan bij veel andere clustermethoden hoef je vooraf niet te kiezen hoeveel groepen je wilt.
- [Hidden Layers](https://didev.nl/woordenboek-ai/hidden-layers/): Hidden layers (verborgen lagen) zijn de tussenlagen van een neuraal netwerk: alles wat tussen de invoer (de data die erin gaat) en de uitvoer (de voorspelling die eruit komt) zit. Ze heten verborgen omdat je hun tussenresultaten normaal niet te zien krijgt. Juist in deze lagen gebeurt het eigenlijke werk: het netwerk zet er ruwe data stap voor stap om in steeds abstractere kenmerken, tot er een bruikbaar antwoord uitrolt.
- [Grid Search](https://didev.nl/woordenboek-ai/grid-search/): Grid search is een methode om de beste instellingen voor een machine learning-model te vinden. Elk model heeft naast de parameters die het zelf leert ook instellingen die jij vooraf kiest, de zogeheten hyperparameters: bijvoorbeeld hoe snel het model leert of hoe diep een beslisboom mag worden. Grid search probeert systematisch alle combinaties van vooraf gekozen waarden uit en kiest de combinatie die het beste presteert.
- [Graph Neural Networks (GNN)](https://didev.nl/woordenboek-ai/graph-neural-networks-gnn/): Graph neural networks (GNN's) zijn neurale netwerken die speciaal zijn gebouwd voor data in de vorm van een netwerk: punten (knopen) met verbindingen (randen) ertussen. Denk aan een sociaal netwerk van mensen en hun relaties, een molecuul van atomen en bindingen, of een logistiek netwerk van locaties en routes. Waar een gewoon neuraal netwerk losse rijen data verwerkt, leert een GNN juist van de verbindingen: wie of wat met wie verbonden is, zegt vaak meer dan de losse punten zelf.
- [Gradient Descent](https://didev.nl/woordenboek-ai/gradient-descent/): Gradient descent is het rekenrecept waarmee een AI-model tijdens het trainen stap voor stap beter wordt. Het algoritme meet hoe ver de voorspellingen van het model naast de werkelijkheid zitten en past de instellingen van het model (de parameters) telkens een klein beetje aan in de richting die de fout het snelst verkleint. Vrijwel elk modern AI-model, van een simpel voorspelmodel tot de grote taalmodellen achter chatbots, is met een variant van gradient descent getraind.
- [Generative Models](https://didev.nl/woordenboek-ai/generative-models/): Generative models (generatieve modellen) zijn AI-modellen die nieuwe content kunnen maken die lijkt op de data waarop ze zijn getraind: tekst, afbeeldingen, audio, video of code. Ze leren niet alleen een taak uitvoeren, maar leren de onderliggende patronen en verdeling van de data zelf. Daardoor kunnen ze nieuwe, plausibele voorbeelden produceren. Alles wat tegenwoordig "generatieve AI" heet, draait op dit type model.
- [GAN (Generative Adversarial Network)](https://didev.nl/woordenboek-ai/gan-generative-adversarial-network/): Een Generative Adversarial Network (GAN) is een type neuraal netwerk dat nieuwe, realistische data leert maken, zoals afbeeldingen die niet van echte foto's te onderscheiden zijn. Het bestaat uit twee netwerken die tegen elkaar spelen: een generator die nepvoorbeelden maakt en een discriminator die echt van nep probeert te onderscheiden. De techniek werd in 2014 bedacht door Ian Goodfellow en was jarenlang dé motor achter realistische beeldsynthese.
- [Feature Space](https://didev.nl/woordenboek-ai/feature-space-2/): Een feature vector is het rijtje getallen dat één gegevenspunt beschrijft; alle vectoren samen vormen de feature space waarin een model rekent met gelijkenis.
- [Feature Space](https://didev.nl/woordenboek-ai/feature-space/): De feature space (kenmerkenruimte) is de denkbeeldige ruimte waarin een machine learning-model je data ziet. Elk kenmerk (feature) van je data is een as in die ruimte, en elk gegevenspunt krijgt een plek op basis van zijn waarden. Een dataset met leeftijd, inkomen en uitgaven vormt zo een driedimensionale ruimte waarin elke klant één punt is.
- [Feature Selection](https://didev.nl/woordenboek-ai/feature-selection/): Feature selection is het kiezen van de meest relevante kenmerken (features) uit je dataset en het weglaten van de rest. Anders dan bij feature extraction maak je geen nieuwe kenmerken: je selecteert uit wat er al is. Het doel is een eenvoudiger model dat beter presteert, sneller traint en makkelijker uit te leggen is.
- [Feature Extraction](https://didev.nl/woordenboek-ai/feature-extraction/): Feature extraction is het automatisch afleiden van bruikbare kenmerken (features) uit ruwe, vaak ongestructureerde data zoals afbeeldingen, tekst of geluid. In plaats van duizenden losse pixels of woorden krijgt een model een compactere, betekenisvollere samenvatting van de data. Dat maakt analyseren sneller en de resultaten beter.
- [Feature engineering](https://didev.nl/woordenboek-ai/7352/): Feature engineering is het vakmanschap van het bouwen van goede invoerkenmerken (features) voor een machine learning-model. Je gebruikt kennis van je bedrijf en je data om ruwe gegevens om te zetten in variabelen waar een model echt iets mee kan. Het model wordt daar vaak meer van beter dan van een ander algoritme: garbage in, garbage out geldt onverminderd.
- [F-score (F-measure, F1 measure)](https://didev.nl/woordenboek-ai/f-score-f-measure-f1-measure/): De F-score (ook F-measure of F1-score genoemd) is een rapportcijfer voor classificatiemodellen dat twee maatstaven combineert: precision en recall. Precision zegt: van alles wat het model als positief aanmerkte, hoeveel klopte er? Recall zegt: van alle echte positieve gevallen, hoeveel vond het model er? De F1-score is het harmonisch gemiddelde van die twee en ligt altijd tussen 0 (waardeloos) en 1 (perfect).
- [Federated Learning](https://didev.nl/woordenboek-ai/federated-learning/): Federated learning is een manier om een AI-model te trainen op data van veel verschillende apparaten of organisaties, zonder dat die data ooit centraal wordt verzameld. De gegevens blijven waar ze zijn, op je telefoon, in het ziekenhuis of bij de bank. Alleen de geleerde modelverbeteringen reizen naar een centrale plek.
- [Extraction or Keyphrase Extraction](https://didev.nl/woordenboek-ai/extraction-or-keyphrase-extraction/): Keyphrase extraction (sleutelzin-extractie) is een techniek uit de natuurlijke taalverwerking (NLP) die automatisch de woorden en korte zinnen uit een tekst haalt die de inhoud het beste samenvatten. Denk aan de drie tot tien kernbegrippen die je zelf zou onderstrepen als je een document snel wilt typeren. De bredere term extraction omvat ook het ophalen van andere informatie uit tekst, zoals namen, datums en bedragen.
- [Explainable AI/Explainability](https://didev.nl/woordenboek-ai/explainable-ai-explainability/): Explainable AI (XAI), oftewel uitlegbare AI, gaat over de vraag of je kunt begrijpen en uitleggen waarom een AI-systeem tot een bepaalde uitkomst komt. Veel moderne modellen zijn in feite een black box: ze geven een antwoord, maar de redenering daarachter is niet direct zichtbaar. Explainability is het vakgebied dat die black box opent.
- [Evaluation Metrics](https://didev.nl/woordenboek-ai/evaluation-metrics/): Evaluation metrics (evaluatiemaatstaven) zijn de cijfers waarmee je meet hoe goed een AI-model presteert. Zonder meetlat weet je niet of een model bruikbaar is, of het beter is dan een alternatief, en of het na verloop van tijd nog steeds goed werkt. Welke maatstaf je kiest hangt af van de taak en van wat een fout je kost.
- [ETL (Entity Recognition, Extraction)](https://didev.nl/woordenboek-ai/etl-entity-recognition-extraction/): ETL staat voor Extract, Transform, Load: het standaardproces om gegevens uit verschillende bronnen op te halen, op te schonen en op één centrale plek op te slaan, zoals een datawarehouse. Het is het loodgieterswerk van datagedreven werken: onzichtbaar als het goed gaat, maar zonder ETL geen betrouwbare rapportages en geen bruikbare data voor AI.
- [Entity](https://didev.nl/woordenboek-ai/entity/): Een entity (entiteit) is een herkenbaar "ding" in data of tekst: een persoon, bedrijf, plaats, datum, bedrag of product. Voor een mens is het vanzelfsprekend dat "Rotterdam" een stad is en "€1.250" een bedrag; voor een computer is dat iets wat expliciet herkend en gelabeld moet worden. Entiteiten zijn de bouwstenen waarmee AI ongestructureerde tekst omzet in bruikbare, gestructureerde informatie.
- [Ensemble Methods](https://didev.nl/woordenboek-ai/ensemble-methods/): Ensemble methods (ensemblemethoden) zijn machine learning-technieken waarbij je meerdere modellen combineert tot één voorspelling. Het idee is hetzelfde als bij een expertpanel: één deskundige kan zich vergissen, maar het gezamenlijke oordeel van een diverse groep zit er meestal dichter bij. Ensembles geven daardoor vaak nauwkeurigere en stabielere resultaten dan losse modellen.
- [Emotion AI (aka Affective Computing):](https://didev.nl/woordenboek-ai/emotion-ai-aka-affective-computing/): Emotion AI, ook wel affective computing genoemd, is technologie die probeert menselijke emoties af te leiden uit signalen zoals gezichtsuitdrukkingen, stem, woordkeuze of biometrische gegevens zoals hartslag. Het doel: systemen die niet alleen reageren op wat iemand zegt, maar ook inschatten hoe iemand zich voelt.
- [Embeddings](https://didev.nl/woordenboek-ai/embeddings/): Embeddings zijn reeksen getallen waarmee AI de betekenis van tekst, afbeeldingen of andere data vastlegt. Elk woord, elke zin of elk document krijgt een eigen positie in een ruimte met honderden tot duizenden dimensies. Dingen die qua betekenis op elkaar lijken, komen daar dicht bij elkaar te liggen: "factuur" ligt dichter bij "rekening" dan bij "fiets".
- [Eliza](https://didev.nl/woordenboek-ai/eliza/): Eliza is de eerste chatbot uit de geschiedenis, gebouwd tussen 1964 en 1966 door Joseph Weizenbaum aan het MIT. Het bekendste script, DOCTOR, deed zich voor als een gesprekstherapeut: het kaatste alles wat je typte als vraag terug. Eliza begreep helemaal niets van het gesprek, maar gaf veel gebruikers toch het gevoel dat ze met iets begripvols praatten.
- [Processen documentatie – de Holy Grail van ieder bedrijf](https://didev.nl/blog-artikelen/processen-documentatie-de-holy-grail-van-ieder-bedrijf/): AI werkt alleen met kennis die is vastgelegd. Wie zijn processen documenteert, bouwt het fundament voor RAG en automatisering, en AI neemt het schrijfwerk tegenwoordig grotendeels over.
- [Waarom uw bedrijf vandaag nog moet investeren in AI](https://didev.nl/ai/waarom-uw-bedrijf-vandaag-nog-moet-investeren-in-ai/): Niet omdat je morgen failliet bent. Wel omdat AI-vaardigheid een leercurve is die je niet kunt inkopen of inhalen. De nuchtere rekensom.
- [Hoe AI kan bijdragen aan effectievere marketingcampagnes](https://didev.nl/ai/hoe-ai-kan-bijdragen-aan-effectievere-marketingcampagnes/): AI maakt campagnes scherper op drie punten: wie je bereikt, wat je laat zien en hoe je bijstuurt terwijl het budget nog loopt. Zo zet je het in.
- [Domain Knowledge](https://didev.nl/woordenboek-ai/domain-knowledge/): Domain knowledge (domeinkennis) is de vakkennis en praktijkervaring die specifiek hoort bij een bepaald werkveld: weten hoe de bouw werkt, hoe een verzekeringsclaim loopt of waar een boekhouding op stukloopt. In AI-projecten is dit de kennis die bepaalt of een model de werkelijkheid goed weergeeft, of er volledig naast zit.
- [Distributed Representation](https://didev.nl/woordenboek-ai/distributed-representation/): Een distributed representation (gedistribueerde representatie) is een manier om een begrip, zoals een woord of een afbeelding, op te slaan als een lange reeks getallen in plaats van als één los hokje. De betekenis zit niet in één getal, maar is verdeeld over de hele reeks. Daardoor kan een computer rekenen met betekenis: begrippen die op elkaar lijken, krijgen reeksen getallen die op elkaar lijken.
- [Disambiguation](https://didev.nl/woordenboek-ai/disambiguation/): Disambiguation (disambiguatie) is het oplossen van dubbelzinnigheid: bepalen welke van meerdere mogelijke betekenissen of interpretaties de juiste is. Menselijke taal staat er vol mee. Het woord "bank" kan een financiële instelling of een zitmeubel zijn, en in "Jan vertelde Piet dat hij te laat was" moet een systeem uitvogelen wie "hij" is. Voor AI-systemen die taal verwerken is disambiguatie een kernopgave.
- [Discriminative Models](https://didev.nl/woordenboek-ai/discriminative-models/): Discriminative models (discriminatieve modellen) zijn machine learning-modellen die leren onderscheid te maken tussen categorieën. Ze modelleren direct de grens tussen klassen: gegeven deze kenmerken, hoe groot is de kans dat dit spam is, dat deze klant vertrekt, dat deze transactie frauduleus is? Ze vormen het spiegelbeeld van generatieve modellen, die niet alleen onderscheiden maar ook nieuwe data kunnen voortbrengen.
- [Dimensionality Reduction](https://didev.nl/woordenboek-ai/dimensionality-reduction/): Dimensionality reduction (dimensionaliteitsreductie) is het terugbrengen van het aantal kenmerken in een dataset, terwijl de belangrijkste informatie behouden blijft. Een dataset met honderden kolommen per klant of meting bevat vaak veel overlap en ruis; door die te comprimeren tot een handvol betekenisvolle dimensies worden modellen sneller, robuuster en data beter te visualiseren.
- [Did You Mean (DYM)](https://didev.nl/woordenboek-ai/did-you-mean-dym/): "Did You Mean" (DYM, "bedoelde je") is de functie die spelfouten en typefouten in zoekopdrachten herkent en automatisch een correctie voorstelt of toepast. Typ je "restuarant Amstrdam" in een zoekmachine, dan krijg je toch resultaten voor "restaurant Amsterdam". De functie ken je van Google, maar zit ook in webshopzoekfuncties, interne zoeksystemen en digitale assistenten.
- [Decision Trees](https://didev.nl/woordenboek-ai/decision-trees/): Decision trees (beslissingsbomen) zijn machine learning-modellen die voorspellingen doen via een reeks ja/nee-vragen, net als een stroomschema. Elke vraag splitst de gegevens verder op, tot je bij een eindantwoord uitkomt. Ze worden gebruikt voor zowel classificatie (in welke categorie valt dit?) als regressie (welk getal voorspellen we?). Hun grootste kracht is dat je precies kunt nagaan waarom het model tot een uitkomst komt.
- [Deep Learning](https://didev.nl/woordenboek-ai/deep-learning/): Deep learning is een onderdeel van machine learning dat werkt met diepe neurale netwerken: rekenmodellen met vele lagen die zelf leren welke kenmerken in data belangrijk zijn. Waar klassieke machine learning vraagt dat een mens vooraf de relevante kenmerken aanwijst, ontdekt een deep learning-model die zelf uit ruwe data zoals tekst, beeld of geluid. Het is de technologie achter vrijwel alle moderne AI-doorbraken, van beeldherkenning en spraakherkenning tot de grote taalmodellen achter tools als ChatGPT, Claude en Copilot.
- [Data Transformation](https://didev.nl/woordenboek-ai/data-transformation/): Data transformation (datatransformatie) is het omzetten van gegevens van het ene formaat of de ene structuur naar de andere, zodat ze bruikbaar worden voor analyse, AI of een ander systeem. Denk aan het uniform maken van datumnotaties, het omzetten van een Excel-bestand naar een databasestructuur, of het samenvoegen van klantgegevens uit drie verschillende systemen tot één consistent overzicht.
- [Data Scarcity](https://didev.nl/woordenboek-ai/data-scarcity/): Data scarcity (datatekort) is de situatie waarin er te weinig bruikbare gegevens zijn om een betrouwbaar AI-model te trainen. Dat komt vaker voor dan je denkt: gegevens verzamelen is duur of tijdrovend, privacywetgeving zoals de AVG beperkt wat je mag gebruiken, of het verschijnsel dat je wilt voorspellen is simpelweg zeldzaam. Een model dat op te weinig voorbeelden traint, leert geen echte patronen maar toevalligheden, met onbetrouwbare voorspellingen als gevolg.
- [Data Preprocessing](https://didev.nl/woordenboek-ai/data-preprocessing/): Data preprocessing (gegevensvoorbewerking) is het voorbereiden van ruwe gegevens voordat een AI-model of analyse ermee aan de slag gaat. Ruwe data uit de praktijk is vrijwel nooit schoon: er zitten typefouten in, ontbrekende waarden, dubbele records en uiteenlopende notaties. Preprocessing ruimt dat op, zodat het model leert van betrouwbare gegevens. Het is een van de meest onderschatte stappen in elk AI-project en bepaalt vaak meer van het eindresultaat dan de keuze van het model zelf.
- [Data Mining](https://didev.nl/woordenboek-ai/data-mining/): Data mining is het systematisch doorzoeken van grote hoeveelheden gegevens om patronen, verbanden en trends te vinden die je met het blote oog niet ziet. Het combineert statistiek en machine learning om uit ruwe data bruikbare inzichten te halen, bijvoorbeeld welke klanten waarschijnlijk vertrekken of welke producten vaak samen worden gekocht. De term stamt uit de jaren negentig, maar de technieken erachter vormen vandaag de dag het fundament onder vrijwel elke datagedreven beslissing.
- [Data Labelling](https://didev.nl/woordenboek-ai/data-labelling/): Data labelling is het voorzien van ruwe data van labels, zoals 'klacht' bij een mail, zodat supervised machine learning-modellen ervan kunnen leren.
- [Data Ingestion](https://didev.nl/woordenboek-ai/data-ingestion/): Data ingestion is het binnenhalen van gegevens uit allerlei bronnen naar één centrale plek, real-time of in batches, klaar voor analyse en AI-toepassingen.
- [Data Fusion](https://didev.nl/woordenboek-ai/data-fusion/): Data fusion is het samenvoegen van gegevens uit meerdere bronnen tot één completer en betrouwbaarder beeld, zoals klantdata uit CRM, boekhouding en webstatistieken.
- [Data Extraction](https://didev.nl/woordenboek-ai/data-extraction/): Data extraction is het ophalen van gegevens uit bronnen zoals PDF's, facturen, websites en systemen, om ze bruikbaar te maken voor analyse en verwerking.
- [Data Drift](https://didev.nl/woordenboek-ai/data-drift/): Data drift betekent dat de gegevens die een AI-model in de praktijk binnenkrijgt gaan afwijken van de trainingsdata, waardoor het model sluipend onnauwkeuriger wordt.
- [Data Discovery](https://didev.nl/woordenboek-ai/data-discovery/): Data discovery is het in kaart brengen, verkennen en visualiseren van alle gegevens in je organisatie, zodat verborgen patronen en verbanden zichtbaar worden.
- [Data Augmentation](https://didev.nl/woordenboek-ai/data-augmentation/): Data augmentation breidt je trainingsdata kunstmatig uit door bestaande voorbeelden te variëren, zoals gedraaide foto's. Zo train je betere modellen met minder data.
- [Cross-Validation](https://didev.nl/woordenboek-ai/cross-validation/): Cross-validation is een testmethode die controleert of een machine learning-model ook goed presteert op data die het nog niet eerder heeft gezien.
- [Corpus](https://didev.nl/woordenboek-ai/corpus/): Een corpus is een grote, georganiseerde verzameling tekst of spraak waarmee taalmodellen worden getraind en getest. Het is het leesvoer waarvan AI taal leert.
- [Convolutional Neural Networks (CNN)](https://didev.nl/woordenboek-ai/convolutional-neural-networks-cnn/): Een convolutional neural network is een neuraal netwerk gespecialiseerd in beeldherkenning: het leert patronen in afbeeldingen herkennen, van randen tot complete objecten.
- [Conversational AI](https://didev.nl/woordenboek-ai/conversational-ai/): Conversational AI is de verzamelnaam voor systemen die met mensen praten via tekst of spraak: chatbots, voice-assistenten en de AI-assistenten waarmee je tegenwoordig hele gesprekken voert. Waar oude chatbots alleen voorgeprogrammeerde antwoorden gaven, begrijpen moderne systemen op basis van grote taalmodellen vrije vragen, houden ze context vast over een heel gesprek en kunnen ze taken uitvoeren.
- [Controlled Vocabulary](https://didev.nl/woordenboek-ai/controlled-vocabulary/): Een controlled vocabulary (gecontroleerd vocabulaire) is een vaste, afgesproken lijst van termen waarmee je informatie beschrijft en indexeert. In plaats van dat iedereen zijn eigen woorden kiest ("klant", "relatie", "account", "opdrachtgever"), spreekt de organisatie één term af. Bibliotheken doen dit al meer dan een eeuw; in het AI-tijdperk is het de basis voor betrouwbare data en goede zoekresultaten.
- [Content Enrichment or Enrichment](https://didev.nl/woordenboek-ai/content-enrichment-or-enrichment/): Content enrichment, oftewel contentverrijking, is het automatisch aanvullen van bestaande content met extra informatie: tags, categorieën, samenvattingen, herkende namen en verbanden. Een kaal document of een losse foto wordt zo vindbaar, doorzoekbaar en koppelbaar. AI doet het zware werk: tekstanalyse, beeldherkenning en semantische analyse halen de metadata eruit die mensen er vroeger handmatig bij moesten typen.
- [Confusion Matrix](https://didev.nl/woordenboek-ai/confusion-matrix/): Een confusion matrix is een tabel die laat zien hoe goed een classificatiemodel presteert, door voorspellingen naast de werkelijkheid te leggen. De naam zegt het al: de tabel toont precies waar het model "in de war" raakt. Het is een van de meest gebruikte hulpmiddelen om AI-modellen te beoordelen voordat je erop vertrouwt.
- [Computational Semantics (Semantic Technology)](https://didev.nl/woordenboek-ai/computational-semantics-semantic-technology/): Computational semantics is het deelgebied van de computationele taalkunde dat zich richt op betekenis: hoe leer je een computer niet alleen woorden herkennen, maar ook begrijpen wat ze in hun context betekenen. Semantic technology is de praktische kant daarvan: technieken zoals ontologieën, kennisgrafieken en semantisch zoeken die betekenis en context aan data toevoegen.
- [Computational Linguistics (Text Analytics, Text Mining)](https://didev.nl/woordenboek-ai/computational-linguistics-text-analytics-text-mining/): Computational linguistics (computationele taalkunde) is het vakgebied dat computers menselijke taal laat analyseren, begrijpen en genereren. Het combineert taalkunde, informatica en AI, en is de wetenschappelijke basis onder alles van spellingscontrole tot moderne taalmodellen. Twee praktische uitlopers zijn text analytics (tekstanalyse) en text mining (tekstmining): het halen van inzichten uit grote hoeveelheden tekst.
- [Composite AI](https://didev.nl/woordenboek-ai/composite-ai/): Composite AI is het combineren van verschillende AI-technieken in één oplossing, omdat geen enkele techniek alles goed kan. Denk aan machine learning voor patroonherkenning, regelgebaseerde logica voor harde bedrijfsregels, taalmodellen voor communicatie en optimalisatie-algoritmen voor planning. De term is populair gemaakt door analistenbureau Gartner en beschrijft wat in de praktijk de norm is geworden: vrijwel geen serieuze AI-toepassing bestaat uit één losse techniek.
- [Collaborative Filtering](https://didev.nl/woordenboek-ai/collaborative-filtering/): Collaborative filtering is de techniek achter de meeste aanbevelingssystemen: het voorspelt wat jij interessant vindt op basis van het gedrag van mensen die op jou lijken. Het systeem hoeft niets van de producten zelf te weten; het kijkt puur naar patronen in wie wat koopt, bekijkt of beoordeelt. "Klanten die dit kochten, kochten ook" is collaborative filtering in zijn puurste vorm.
- [Cognitive Map](https://didev.nl/woordenboek-ai/cognitive-map/): Een cognitive map (cognitieve kaart) is een mentale plattegrond van relaties: tussen plekken, begrippen of objecten. Het begrip komt uit de psychologie en beschrijft hoe mensen en dieren hun omgeving in hun hoofd representeren om te navigeren en beslissingen te nemen. In AI wordt het concept gebruikt om systemen een vergelijkbare interne "kaart" van hun wereld of probleemdomein te geven.
- [Co-occurrence](https://didev.nl/woordenboek-ai/co-occurrence/): Co-occurrence betekent letterlijk "samen voorkomen": twee of meer woorden, kenmerken of items die in dezelfde tekst, zin of dataset naast elkaar opduiken. In taaltechnologie is het een klassieke manier om verbanden tussen woorden te ontdekken. Woorden die vaak samen voorkomen, zoals "koffie" en "zetten", hebben blijkbaar iets met elkaar te maken.
- [Cluster Analysis](https://didev.nl/woordenboek-ai/cluster-analysis/): Cluster analysis (clusteranalyse) is een analysetechniek die vanzelf groepen van vergelijkbare objecten in een dataset opspoort. Het uitgangspunt: objecten binnen één cluster lijken sterk op elkaar, en verschillen duidelijk van objecten in andere clusters. De techniek komt uit de statistiek en is een vast onderdeel van machine learning geworden.
- [Clustering](https://didev.nl/woordenboek-ai/clustering/): Clustering is een techniek uit machine learning die gegevens automatisch groepeert op basis van onderlinge gelijkenis, zonder dat iemand vooraf labels of categorieën heeft bepaald. Het systeem ontdekt zelf welke datapunten bij elkaar horen. Die groepen heten clusters.
- [Classification](https://didev.nl/woordenboek-ai/classification/): Classification (classificatie) is een kerntechniek in machine learning waarbij een model leert om gegevens in vooraf bepaalde categorieën te plaatsen. Het model kijkt naar de kenmerken van de invoer en voorspelt het juiste label: is deze e-mail spam of niet, is deze transactie verdacht of normaal, staat er een kat of een hond op deze foto.
- [Chatbot](https://didev.nl/woordenboek-ai/chatbot/): Een chatbot is software die een gesprek met een mens voert, via tekst of spraak. Chatbots beantwoorden vragen, helpen klanten op weg of voeren taken uit, bijvoorbeeld op een website, in WhatsApp of in een interne tool. Sinds de doorbraak van grote taalmodellen zijn chatbots veel beter geworden in natuurlijk, vrij gesprek; tools als ChatGPT, Claude en Copilot zijn in de kern ook chatbots.
- [Category Trees](https://didev.nl/woordenboek-ai/category-trees/): Category trees bouwen voort op categories en categorization; formelere varianten zijn een taxonomy en een ontology.
- [Category](https://didev.nl/woordenboek-ai/category/): Een category (categorie) is een groep van gerelateerde objecten, gegevens of concepten die gemeenschappelijke kenmerken delen. Categorieën brengen structuur aan in informatie: "elektronica" en "kleding" in een webshop, "spam" en "geen spam" in je mailbox, of "positief" en "negatief" bij klantreviews. In AI zijn categorieën de hokjes waarin een model gegevens indeelt.
- [Categorization](https://didev.nl/woordenboek-ai/categorization/): Categorization (categorisatie) is het indelen van gegevens, objecten of concepten in groepen op basis van gedeelde kenmerken. In AI gaat het meestal om het automatisch ordenen van ongestructureerde informatie: e-mails, documenten, foto's of klantberichten krijgen een label dat aangeeft waar ze thuishoren.
- [Cataphora](https://didev.nl/woordenboek-ai/cataphora/): Cataphora is een taalkundig verschijnsel waarbij een woord vooruitwijst naar iets dat pas later in de zin of tekst wordt genoemd. Een voorbeeld: "Hoewel hij vaak koppig is, waardeert Jan een goed gesprek." Het woord "hij" verwijst hier naar Jan, die pas daarna genoemd wordt. Het is het spiegelbeeld van anaphora, waarbij een woord juist terugverwijst naar iets dat al genoemd is.
- [Capsule Networks](https://didev.nl/woordenboek-ai/capsule-networks/): Capsule networks (CapsNets) zijn een type neuraal netwerk dat in 2017 werd geïntroduceerd door AI-pionier Geoffrey Hinton en zijn team. Ze waren bedoeld als verbetering op convolutionele neurale netwerken (CNN's), de standaardtechniek voor beeldherkenning. Het idee: niet alleen herkennen dát een kenmerk in een afbeelding zit, maar ook waar het zit en hoe het georiënteerd is.
- [Big Data](https://didev.nl/woordenboek-ai/big-data/): Big data is de verzamelnaam voor datasets die zo groot, gevarieerd of snelgroeiend zijn dat je ze niet meer zinvol verwerkt met een gewone spreadsheet of een traditionele database. Denk aan miljoenen transacties, sensormetingen, klikgedrag op een webshop of berichten op sociale media. De data kan gestructureerd zijn (nette tabellen) of ongestructureerd (tekst, beeld, audio).
- [Bias-Variance Tradeoff](https://didev.nl/woordenboek-ai/bias-variance-tradeoff/): De bias-variance tradeoff is een kernprincipe uit machine learning over de balans tussen een model dat te simpel is en een model dat te complex is. Bias is hier de systematische fout van een te simpel model dat de patronen in de data mist. Variance (variantie) is de fout van een te complex model dat elk toevallig detail van de trainingsdata uit het hoofd leert. Een goed model zit daar tussenin.
- [Bias](https://didev.nl/woordenboek-ai/bias/): Bias is een systematische scheefheid in een AI-systeem waardoor het structureel onjuiste of oneerlijke uitkomsten geeft. Het woord wordt in twee betekenissen gebruikt. In maatschappelijke zin gaat het om vooringenomenheid: een model dat bepaalde groepen mensen benadeelt. In technische zin is bias de fout van een model dat te simpel is om de patronen in de data te vatten (zie de bias-variance tradeoff). In dit lemma gaat het om de eerste betekenis, want die raakt elk bedrijf dat AI gebruikt.
- [BERT (Bidirectional Encoder Representations from Transformers)](https://didev.nl/woordenboek-ai/bert-bidirectional-encoder-representations-from-transformers/): BERT (Bidirectional Encoder Representations from Transformers) is een taalmodel dat Google in 2018 publiceerde en dat een doorbraak betekende voor tekstbegrip. Het bijzondere was destijds dat BERT de context van een woord in twee richtingen bekijkt: het analyseert zowel de woorden ervoor als erna. Daardoor begrijpt het bijvoorbeeld dat "bank" in "ik zit op de bank" iets anders is dan in "ik pin bij de bank". BERT genereert geen tekst, het is gebouwd om tekst te begrijpen.
- [Bayesian Networks](https://didev.nl/woordenboek-ai/bayesian-networks/): Bayesian networks worden gebruikt in risicoanalyse, medische diagnostiek, fraudedetectie en voorspellend onderhoud. Ze zijn vooral interessant wanneer je weinig data hebt maar wel expertkennis, en wanneer uitlegbaarheid telt, bijvoorbeeld omdat een toezichthouder of de EU AI Act vraagt waarom een systeem tot een besluit kwam. Voor de meeste MKB-bedrijven blijft het achtergrondkennis: je komt het tegen in gespecialiseerde software, niet als doe-het-zelftool.
- [Bag of Words](https://didev.nl/woordenboek-ai/bag-of-words/): Bag of words (BoW) is een klassieke, eenvoudige manier om tekst om te zetten in getallen, zodat een computer ermee kan rekenen. De techniek negeert de volgorde van woorden volledig en kijkt alleen welke woorden er in een tekst staan en hoe vaak. Vandaar de naam: de tekst wordt behandeld als een zak losse woorden.
- [Backpropagation](https://didev.nl/woordenboek-ai/backpropagation/): Backpropagation (voluit: backward propagation of errors) is het algoritme waarmee neurale netwerken leren. Het berekent hoe groot de fout van het netwerk is en, belangrijker, welk deel van die fout bij welke interne instelling hoort. Met die informatie kan het netwerk zijn miljoenen instellingen stap voor stap bijstellen tot de voorspellingen kloppen. Vrijwel elk modern AI-model, van beeldherkenning tot grote taalmodellen, is hiermee getraind.
- [Autoencoder](https://didev.nl/woordenboek-ai/autoencoder/): Een autoencoder is een type neuraal netwerk dat leert om gegevens samen te persen tot een compacte samenvatting en die vervolgens weer uit te pakken naar het origineel. Doordat het netwerk gedwongen wordt door die smalle "flessenhals", leert het vanzelf wat de belangrijkste kenmerken van de data zijn, zonder dat iemand labels hoeft aan te leveren. Het is daarmee een vorm van unsupervised learning.
- [Auto-complete](https://didev.nl/woordenboek-ai/auto-complete/): Auto-complete is een functie die jouw invoer automatisch aanvult met suggesties. Je kent het van de zoekbalk van Google, het adresveld van je browser en de woordvoorspelling op je telefoon. Het doel is simpel: tijd besparen en typefouten voorkomen door te voorspellen wat je waarschijnlijk wilt typen.
- [Auto-classification](https://didev.nl/woordenboek-ai/auto-classification/): Auto-classification is het automatisch indelen van ongestructureerde gegevens, zoals e-mails, documenten of afbeeldingen, in vooraf bepaalde categorieën. In plaats van dat een medewerker elke binnenkomende factuur, klacht of offerteaanvraag met de hand in de juiste map sleept, doet een AI-model dat. Het model herkent patronen in de inhoud en plakt er het juiste label op.
- [Attention Mechanism](https://didev.nl/woordenboek-ai/attention-mechanism/): Een attention mechanism (aandachtsmechanisme) is een techniek in neurale netwerken waarmee een AI-model bepaalt welke delen van de invoer het belangrijkst zijn voor de taak van dat moment. Net zoals jij bij het lezen van een lange e-mail automatisch focust op de zinnen die ertoe doen, leert een model met attention om relevante woorden of beeldfragmenten zwaarder mee te wegen dan de rest. Het is de kerntechniek achter de transformer-architectuur, en daarmee de basis van vrijwel alle moderne taalmodellen.
- [Artificial Neural Network (ANN)](https://didev.nl/woordenboek-ai/artificial-neural-network-ann/): Een artificial neural network (ANN), in het Nederlands kunstmatig neuraal netwerk, is een rekenmodel dat losjes is geïnspireerd op de werking van hersenen. Het bestaat uit lagen van kunstmatige "neuronen" die signalen aan elkaar doorgeven. Neurale netwerken vormen het fundament onder vrijwel alle moderne AI, van beeldherkenning tot chatbots en taalmodellen.
- [Anomaly Detection](https://didev.nl/woordenboek-ai/anomaly-detection-2/): Anomaly detection laat AI afwijkingen opsporen in data, zoals verdachte transacties of haperende machines. Een van de meest praktische AI-toepassingen.
- [Annotation](https://didev.nl/woordenboek-ai/annotation/): Annotation is het labelen van ruwe data zoals tekst of beelden, zodat een machine learning-model ervan kan leren. Vaak de duurste stap in een AI-project.
- [Anaphora](https://didev.nl/woordenboek-ai/anaphora/): Anaphora is een verwijzing naar iets eerder in de tekst, zoals "zij" naar een naam. Het correct herleiden ervan is een kerntaak in taalverwerking.
- [AlphaGo](https://didev.nl/woordenboek-ai/alphago/): AlphaGo is het AI-programma van Google DeepMind dat in 2016 wereldkampioen Go Lee Sedol versloeg, een mijlpaal voor deep learning en reinforcement learning.
- [Algorithm](https://didev.nl/woordenboek-ai/algorithm/): Een algoritme is een reeks instructies waarmee een computer een taak uitvoert. In AI leert het algoritme de regels uit voorbeelden in plaats van uit voorschriften.
- [Adversarial Examples](https://didev.nl/woordenboek-ai/adversarial-examples/): Adversarial examples zijn subtiel gemanipuleerde invoer die een AI-model misleidt, terwijl een mens niets bijzonders ziet. Een belangrijke les in AI-veiligheid.
- [Active Learning](https://didev.nl/woordenboek-ai/active-learning/): Active learning laat een AI-model zelf de voorbeelden kiezen waarvan het het meest leert, zodat mensen veel minder data hoeven te labelen.
- [Actionable Intelligence](https://didev.nl/woordenboek-ai/actionable-intelligence/): Actionable intelligence is informatie die zo concreet is dat je er direct een beslissing of actie aan kunt koppelen, in plaats van alleen inzicht.
- [Accuracy](https://didev.nl/woordenboek-ai/accuracy/): Accuracy is het percentage voorspellingen dat een AI-model goed heeft. Handig als eerste maatstaf, maar misleidend bij zeldzame gebeurtenissen zoals fraude.

## Pagina's
- [Voor wie DIDEV werkt](https://didev.nl/voor-wie/): Een storing op dinsdag, een order die donderdag weg moet en een planner die de puzzel met de hand opnieuw legt.
- [AI voor marketing en sales](https://didev.nl/ai-voor-marketing-en-sales/): Een blog, een nieuwsbrief, vijf posts uit één artikel. AI levert de eerste versie in jouw tone of voice, jij redigeert en voegt de expertise toe die een model niet heeft. Het schrijven verschuift van produceren naar beoordelen.
- [AI voor klantenservice](https://didev.nl/ai-voor-klantenservice/): Een bot die vrije taal begrijpt en via een koppeling met je webshop of CRM een orderstatus, levertijd of retourprocedure opzoekt. Begin bij de twintig vragen die het vaakst binnenkomen, niet bij alles tegelijk.
- [AI voor de productie en industrie](https://didev.nl/ai-voor-de-productie/): Nu handmatig: een steekproef aan het eind van de lijn, een inspecteur die na vier uur minder scherp kijkt, en afkeur die je pas ontdekt als de doos al bij de klant staat.
- [Procesautomatisering met AI](https://didev.nl/procesautomatisering/): Zet de schakelaar om en zie welke stappen AI overneemt, waar de mens blijft, en wat dat per vraag scheelt.
- [AI voor gemeenten](https://didev.nl/ai-voor-gemeenten/): Openingstijden, afvalkalender, status van een aanvraag. In een gedocumenteerd voorbeeld handelde een chatbot op de tien meest gestelde vragen binnen twee weken 40 procent van de vragen zelfstandig af, goed voor twee uur minder servicedesk-tijd per dag.
- [AI voor accountants en administratiekantoren](https://didev.nl/ai-voor-accountants/): Leest facturen volledig uit, inclusief regels, kostencategorieën en btw, met tools als Klippa, Basecone of Dext. De invoertijd gaat richting nul en de accuratesse ligt vaak boven die van handmatige invoer.
- [AI voor de logistiek](https://didev.nl/ai-voor-de-logistiek/): Berekent de rijvolgorde op basis van verkeer, venstertijden en lostijden per adres. Typisch 10 tot 20 procent minder kilometers, wat bij 2.000 kilometer per voertuig per week direct in de kosten zichtbaar is.
- [AI voor de bouw](https://didev.nl/ai-voor-de-bouw/): Leert van afgeronde projecten en weegt weer, seizoen en leveranciersgedrag mee. Levert minder uitloop op en opleverdata waar je klant op kan bouwen.
- [AI voor de zorg](https://didev.nl/ai-voor-de-zorg/): Leert no-show-patronen en uitlooptijden per behandeltype. Levert een hogere agendabezetting op zonder dat de dagen langer worden.
- [Veelgestelde vragen](https://didev.nl/veelgestelde-vragen/): Een dagdeel kost €1.500 en een hele dag kost €3.000. Dat tarief geldt voor elke vorm die we geven, dus of je nu een team traint, met je directie om tafel gaat of een tool-training laat verzorgen: het bedrag verandert niet. Alle prijzen staan op de prijzenpagina.
- [EU AI Act: wat moet je regelen](https://didev.nl/ai-act-compliance/): De verordening omschrijft AI-geletterdheid als de vaardigheden, kennis en het begrip die nodig zijn om AI weloverwogen in te zetten en om je bewust te zijn van de kansen, de risico's en de mogelijke schade.
- [Prijzen](https://didev.nl/prijzen/): Een compleet team een dag lang aan het werk met de tools die ze morgen ook echt gebruiken. We werken met jullie eigen documenten, mails en processen, dus wat er die dag geoefend wordt is meteen toepasbaar. Ook als dagdeel af te nemen voor €1.500.
- [Werkende AI Proof of Concept in 3 weken](https://didev.nl/ai-proof-of-concept/): Eén afgebakend proces, samen gekozen tijdens de PoC-check.
- [AI-implementatie](https://didev.nl/ai-implementatie/): Anderhalve ontwikkeldag per maand. Eén traject tegelijk. Voor doorontwikkeling in een rustig tempo en klein onderhoud.
- [AI Teamtraining per afdeling](https://didev.nl/ai-teamtraining/): Een offerte die nu twee uur kost, opbouwen uit je eigen eerdere offertes en de gespreksnotities. Plus een voorbereiding per account die in vijf minuten klaar is in plaats van in een half uur.
- [AI-training voor directie en MT](https://didev.nl/ai-essentials-voor-directie-en-mt/): Elke deelnemer doet de directieversie van de AI Geletterdheid e-learning, 90 tot 120 minuten online. Zo begint de dag met een gedeeld beeld in plaats van met uitleg. Die e-learning zit bij de training in, voor je hele organisatie.
- [AI Geletterdheid E-learning](https://didev.nl/ai-geletterdheid-e-learning/): Hoe taalmodellen werken in gewone taal. Waar ze sterk in zijn, waarom ze soms met veel overtuiging iets verzinnen, en wat dat betekent voor het werk dat jij ermee doet.
- [Home](https://didev.nl/): Een gratis gesprek waarin je vertelt wat er speelt. Wij zeggen eerlijk of een training, een PoC of geen van beide het antwoord is.
- [Copilot en Gemini training](https://didev.nl/copilot-gemini-training/): In Outlook met Copilot of in Gmail met Gemini: lange draden samenvatten, concepten laten schrijven op basis van eerdere antwoorden, en per mail bepalen wat je zelf moet doen. Voor mensen met een vol postvak is dit meestal de grootste winst.
- [Alle AI-trainingen](https://didev.nl/ai-trainingen/): Vier uur, bij jou op locatie. De meeste teams beginnen hier.
- [AI-training op maat](https://didev.nl/ai-training-op-maat/): Twee tot vier interne mensen die het stokje overnemen. Zij leren kansen herkennen, workflows bouwen, collega's begeleiden en beoordelen wanneer iets juist niet met AI moet. Meestal drie tot vier dagdelen, verspreid over een kwartaal, met huiswerk uit hun eigen werk tussendoor. Dit is de beste manier om niet afhankelijk te blijven van een extern bureau.
- [AI-artikelen](https://didev.nl/ai-artikelen-nieuws-en-tools/): Nog geen idee waar je moet starten? Deze artikelen leggen uit wat AI wel en niet doet, welke misverstanden je geld kosten en wat een realistische eerste stap is.
- [Over DIDEV](https://didev.nl/over-ons-maak-kennis-met-didev/): Over DIDEV — Arnhem Wij maken technologie toegankelijk voor het MKB. DIDEV zit in Arnhem en werkt voor Nederlandse MKB-bedrijven. Wij trainen je mensen op hun eigen processen en bouwen daarna, als het past, wat er echt gebouwd moet worden. Altijd incompany, altijd op jouw werk en jouw data. Plan een gratis gesprek Bekijk de trainingen ArnhemVestiging, Kemperbergerweg 139g MKBDe enige doelgroep die wij bedienen 100%Incompany, nooit open inschrijving VastTarieven vooraf bekend, geen nacalculatie 01 — Wie we zijn Een bouwbedrijf, geen adviesbureau. Grote bureaus richten zich op enterprise. Freelancers komen vaak niet verder dan een losse tool. DIDEV zit daar precies tussenin: de pragmatiek die het MKB nodig heeft, met de techniek die je normaal alleen bij grote trajecten ziet. Wij leveren niet alleen simpele automatiseringen. We bouwen eigen AI-modellen, RAG-oplossingen, automatiseringen en applicaties die processen echt stroomlijnen. Die kennis zit in elke training die we geven, want we praten over wat we zelf gebouwd hebben. Dat betekent ook dat je bij ons geen dik rapport krijgt waar niemand iets mee doet. Een plan zonder realisatie is een dure vergadering met een omslag eromheen. Zo werkt implementatie Waar het om draait AI gaat jouw business niet vervangen. Een concurrent die AI wel slim gebruikt misschien wel. Dat is geen dreigement, het is rekenwerk. Het verschil tussen een team dat AI dagelijks gebruikt en een team dat er af en toe over vergadert, loopt binnen een jaar zo ver uiteen dat je het in je marge terugziet. Daarom beginnen we bij mensen en niet bij software. 02 — Waarom DIDEV A Diepgaande kennis en een full-stack aanpak Eigen AI-modellen, RAG-oplossingen, automatiseringen en applicaties. We stoppen niet bij de tool, we bouwen het ecosysteem eromheen zodat het blijft draaien als wij weg zijn. B Je team kan het daarna zelf Wij implementeren niet alleen, we leren je mensen hoe ze zelf automatiseringen en applicaties maken. Ook collega's zonder technische achtergrond bouwen na onze begeleiding hun eigen oplossingen. C MKB-focus, enterprise kwaliteit Wij kennen de realiteit van een bedrijf waar de directeur ook de inkoop doet. Toegankelijk in de omgang, maar zonder concessies aan wat er onder de motorkap gebeurt. D Strategie en uitvoering in één hand Geen dikke rapporten zonder vervolg, maar plannen die we zelf uitvoeren. Zo wordt AI onderdeel van hoe je organisatie werkt, in plaats van een project dat een keer geweest is. 03 — Hoe wij werken Training is ons product. Implementatie is de stap die je verdient, niet de stap waar we mee binnenkomen. Die volgorde is bewust, en we wijken er niet van af. Eerst Trainen op je eigen processen Incompany, met je eigen mensen en je eigen werk op tafel. Bij elke training krijgt je hele organisatie toegang tot de AI Geletterdheid e-learning, niet alleen de deelnemers in de zaal. Bekijk het trainingsaanbod Of Bewijs leveren op één proces Twijfel je of AI dit specifieke probleem oplost, dan bouwen we in drie weken een werkende Proof of Concept op testdata. Aan het eind weet je het, in plaats van dat je het vermoedt. Zo werkt een PoC Daarna Bouwen wat werkt We implementeren alleen bij organisaties die we kennen uit een training of een PoC. Dat kost ons omzet en het bespaart jou het soort project dat halverwege stilvalt. Alle tarieven op een rij 04 — Kennismaken Benieuwd of we bij elkaar passen? In een half uur hoor je wat AI in jouw situatie wel en niet oplost, en of een training of een PoC de logische eerste stap is. Past het niet, dan zeggen we dat gewoon. Plan een gratis gesprek 0316 - 798 000 Of mail: algemeen@didev.nl Liever eerst rondkijken? Ga naar contact of de veelgestelde vragen.
- [Contact](https://didev.nl/contact-kennismaken/): Waar gaat bij jullie de meeste tijd in zitten die niemand leuk vindt?
- [AI-woordenboek](https://didev.nl/ai-woordenboek/): 14 termen
- [Cyberouder](https://didev.nl/cyberouder/): Cyberouder — het begin van CyberBurger Dit project is bij DIDEV begonnen. Het is uitgegroeid tot CyberBurger. Cyberouder startte als een lokaal initiatief: ouders opleiden tot vast aanspreekpunt voor digitale veiligheid op de basisschool van hun kind. Dat idee is inmiddels een landelijk programma geworden onder een eigen naam, CyberBurger, met een eigen team en een eigen website. Deze pagina is de brug naar waar het project nu daadwerkelijk leeft. Bekijk CyberOuders bij CyberBurger → Naar cyberburger.nl 01 — Waar het begon Zes gemeenten, één idee. Cyberouder is opgezet vanuit de City Deal Lokale Weerbaarheid Cybercrime van het CCV, samen met zes Noord-Hollandse gemeenten. Het idee was simpel: leid betrokken ouders op tot aanspreekpunt voor digitale veiligheid in hun eigen omgeving, zodat andere ouders ergens terechtkunnen met vragen over de online wereld van hun kinderen. Dat idee bleek precies te ontbreken op scholen: een vast, vertrouwd aanspreekpunt voor online veiligheid, naast de bekende luizenouder. Het concept sloeg aan, en groeide voorbij wat één project naast de reguliere DIDEV-dienstverlening kon dragen. Daarom is het project verzelfstandigd onder een eigen naam en een eigen merk: CyberBurger. Sindsdien is het uitgebouwd tot een compleet programma voor digitale veiligheid van kinderen, met een eigen kennisbank, e-learnings en een team dat zich hier voltijds mee bezighoudt. 02 — Wat CyberOuders nu is Het programma werkt inmiddels via scholen en gemeenten als contractpartner, niet meer via losse aanmeldingen per ouder. Wat een CyberOuder doet, is wel hetzelfde gebleven. Rol Vast aanspreekpunt op school Een CyberOuder organiseert ouderavonden over de online wereld, geeft gastlessen in groep 7 en 8, en is het aanspreekpunt bij een online incident. De schakel tussen school, ouders en hulpinstanties. Opleiding E-learning en certificaat De training omvat een volledige e-learning met masterclasses, een examen en een officieel certificaat dat twee jaar geldig is, met een jaarlijkse kennistoets voor hercertificering. Voor wie Scholen en gemeenten School of gemeente is contractpartner en betaalt de opleiding, ouders zelf betalen niets. Wil je als ouder een CyberOuder op de school van je kind, vraag er dan naar bij de school. 97 procent van de twaalfjarigen heeft een eigen smartphone (bron: Nederlands Jeugdinstituut). Dat is precies waarom scholen en gemeenten in dit programma stappen: de digitale wereld van kinderen vraagt een vast aanspreekpunt, niet alleen een les die één keer per jaar wordt gegeven. 03 — En DIDEV zelf Twee merken, één afkomst, andere focus. CyberBurger richt zich op digitale veiligheid van kinderen, met scholen en gemeenten als klant. DIDEV richt zich sindsdien volledig op AI: incompany trainingen, een werkende Proof of Concept in drie weken, en AI-implementatie voor het Nederlandse MKB. Kom je op deze pagina terecht omdat je op zoek bent naar AI-training of AI-implementatie voor je bedrijf, dan zit je hier toevallig terecht. Kijk dan verder op de homepage. Naar de DIDEV-homepage → 04 — Meer weten Voor scholen en gemeenten die een CyberOuder willen. Alle actuele informatie, prijzen en het aanvraagformulier staan op cyberburger.nl. Vragen kun je rechtstreeks stellen aan Jeremy Loman via jeremy@cyberburger.nl. Bekijk CyberOuders → 0316 - 798 000 Of mail: jeremy@cyberburger.nl
- [Algemene voorwaarden](https://didev.nl/algemene-voorwaarden/): DIDEV · KvK 74273760 · Versie: Maart 2026
- [Privacy policy](https://didev.nl/privacy-policy/): Bij DIDEV hechten wij grote waarde aan de bescherming van uw privacy en persoonsgegevens. Wij geloven dat innovatie en technologische vooruitgang hand in hand moeten gaan met de bescherming van fundamentele privacyrechten. Deze privacyverklaring beschrijft welke persoonsgegevens we verzamelen, waarom we deze verzamelen, hoe we ermee omgaan, en welke rechten u heeft met betrekking tot uw gegevens.

## Categorieën
- [A](https://didev.nl/woordenboek-ai/a-woordenboek-ai/)
- [AI](https://didev.nl/ai/)
- [Algemeen](https://didev.nl/ai/algemeen-ai/)
- [Algemeen](https://didev.nl/blog-artikelen/algemeen/)
- [B](https://didev.nl/woordenboek-ai/b-woordenboek-ai/)
- [Blog artikelen](https://didev.nl/blog-artikelen/)
- [C](https://didev.nl/woordenboek-ai/c-woordenboek-ai/)
- [D](https://didev.nl/woordenboek-ai/d-woordenboek-ai/)
- [E](https://didev.nl/woordenboek-ai/e-woordenboek-ai/)
- [F](https://didev.nl/woordenboek-ai/f-woordenboek-ai/)
- [G](https://didev.nl/woordenboek-ai/g-woordenboek-ai/)
- [H](https://didev.nl/woordenboek-ai/h-woordenboek-ai/)
- [I](https://didev.nl/woordenboek-ai/i-woordenboek-ai/)
- [K](https://didev.nl/woordenboek-ai/k-woordenboek-ai/)
- [L](https://didev.nl/woordenboek-ai/l-woordenboek-ai/)
- [M](https://didev.nl/woordenboek-ai/m-woordenboek-ai/)
- [N](https://didev.nl/woordenboek-ai/n-woordenboek-ai/)
- [Nieuws](https://didev.nl/ai/nieuws/)
- [O](https://didev.nl/woordenboek-ai/o-woordenboek-ai/)
- [P](https://didev.nl/woordenboek-ai/p-woordenboek-ai/)
- [Praktische artikelen](https://didev.nl/ai/praktische-artikelen/)
- [Q](https://didev.nl/woordenboek-ai/q-woordenboek-ai/)
- [R](https://didev.nl/woordenboek-ai/r-woordenboek-ai/)
- [S](https://didev.nl/woordenboek-ai/s-woordenboek-ai/)
- [T](https://didev.nl/woordenboek-ai/t-woordenboek-ai/)
- [U](https://didev.nl/woordenboek-ai/u-woordenboek-ai/)
- [V](https://didev.nl/woordenboek-ai/v-woordenboek-ai/)
- [W](https://didev.nl/woordenboek-ai/w-woordenboek-ai/)
- [Woordenboek AI](https://didev.nl/woordenboek-ai/)
- [Z](https://didev.nl/woordenboek-ai/z-woordenboek-ai/)