Wat is het verschil tussen een systeem dat voorspelt welke klant afhaakt en een model dat een e-mail voor die klant schrijft? De afkortingen vliegen je om de oren, maar de toepassingen maken het onderscheid een stuk duidelijker.

Kunstmatige intelligentie in de praktijk

AI is de verzamelnaam voor systemen die bijvoorbeeld patronen herkennen, voorspellingen doen of taal verwerken. Een aanbeveling in een webshop en een chatbot vallen allebei onder die noemer. Generatieve AI voegt iets toe: op basis van een opdracht kan zo’n model nieuwe tekst, beeld of andere inhoud maken.

Machine learning leert van voorbeelden

Geef een systeem historische gegevens over aankopen en klantgedrag en het kan leren welke signalen vaak aan een volgende aankoop voorafgaan. Marketeers gebruiken dat bijvoorbeeld om in te schatten wie waarschijnlijk op een aanbieding reageert.

Zo’n voorspelling is zo goed als de gegevens waarmee het systeem heeft geleerd. Ontbreekt een hele groep klanten in je dataset, dan kan een uitkomst heel overtuigend ogen en toch een verkeerd beeld geven.

NLP maakt taal toegankelijk voor computers

Natural language processing, in het Nederlands natuurlijke taalverwerking, helpt computers geschreven en gesproken taal te verwerken. Denk aan een chatbot die een klantvraag herkent. Of analyseer reacties op een campagne om te zien of mensen enthousiast, teleurgesteld of vooral verward zijn.

Juist in vrije tekst zit veel informatie die je zelden in een dashboard terugziet. Reviews, berichten op sociale media en gesprekken met de klantenservice laten vaak in de woorden van de klant zien wat er speelt.

GPT helpt bij een eerste versie

GPT staat voor generative pre-trained transformer. Dit type taalmodel leert patronen uit grote hoeveelheden tekst en kan op basis van een opdracht nieuwe tekst genereren. Je kunt er bijvoorbeeld verschillende versies van een campagne-e-mail mee maken en die met je publiek testen.

Een vlot geschreven e-mail kan nog steeds de verkeerde belofte doen. Geef dus voorbeelden van je toon, lees de tekst hardop en controleer of de inhoud klopt.

Deep learning herkent complexere patronen

Deep learning is een vorm van machine learning waarbij een neuraal netwerk uit meerdere lagen bestaat. Daarmee kun je complexere patronen herkennen, bijvoorbeeld in beelden, geluid en gedrag. Voor marketing opent dat mogelijkheden voor beeldherkenning, gepersonaliseerde aanbevelingen en gerichtere advertenties. Zulke modellen vragen wel veel data en rekenkracht. De eerste vraag blijft welke beslissing je ermee wilt verbeteren.