Marc Diks

Tag: artificial-intelligence

  • Template Farms: Verandering in verzekeringsfraude

    Template Farms: Verandering in verzekeringsfraude

    Er zijn van die trends in de wereld van verzekeringen die zich stilletjes ontwikkelen, onder de radar blijven en pas opvallen als het eigenlijk al te laat is. “Template farms” is zo’n fenomeen. Een term die misschien nog niet bij iedereen bekend is, maar achter de schermen voor flinke kopzorgen zorgt bij schadeafdelingen, fraudeonderzoekers en data-analisten.

    Ik neem je in dit artikel mee in een wereld waarin fraude steeds slimmer wordt, dankzij technologie. Maar ook hoe diezelfde technologie – en in het bijzonder AI – ons kan helpen om sterker terug te slaan. Geen doemverhaal, maar een wake-up call met een optimistische ondertoon.

    Wat zijn template farms eigenlijk?

    Stel je een digitale boerderij voor, maar in plaats van koeien of aardappelen worden er documenten geproduceerd. Standaarddocumenten. Templates. Altijd net even anders, maar met dezelfde kern.

    Een template farm is niets anders dan een georganiseerde verzameling van vooraf ingevulde documenten die gebruikt worden om frauduleuze claims in te dienen bij verzekeraars. Denk aan:

    • Schadeformulieren met telkens dezelfde omschrijvingen (“ruit geraakt door opspattend steentje tijdens snelwegrit”).
    • Medische rapporten van niet-bestaande klinieken.
    • Facturen van garagebedrijven die alleen op papier bestaan.

    Vaak worden deze templates hergebruikt, aangepast, en opnieuw ingediend onder andere namen, andere adressen of zelfs onder synthetische identiteiten (combinaties van echte en nepgegevens).

    Het komt steeds vaker voor. Niet alleen in de grote steden of via de klassieke criminele netwerken. Nee, ook bij zzp’ers, studenten, of slimme jongeren die een middagje AI-tools combineren met een Photoshop-cursus. Het lijkt onschuldig. Een “verzekeringsmaatschappij kan het wel hebben.” Maar cumulatief loopt de schade in de miljoenen.

    Waarom dit een groeiend probleem is

    Het gevaar zit niet alleen in de fraude zelf, maar in de schaalbaarheid en snelheid ervan. Dankzij AI en automatisering kunnen fraudeurs vandaag duizenden varianten van een claim genereren met minimale inspanning. Waar vroeger één oplichter vijf claims per maand indiende, kunnen er nu honderden tegelijk worden ingediend met één druk op de knop.

    Bovendien zijn de bedragen vaak laag genoeg om onder de radar te blijven. € 800 voor een schermreparatie. € 1.250 voor een gestolen elektrische fiets. Dat soort claims krijgt vaak een geautomatiseerde behandeling. Dat is precies waar fraudeurs op mikken.

    Een bekend patroon:

    • Meerdere claims via verschillende verzekeraars.
    • Iets andere data, maar exact dezelfde schadeomschrijving.
    • Gemanipuleerde facturen en vervalste handtekeningen.
    • Gebruik van AI om taalgebruik en beeldmateriaal realistisch te laten lijken.

    De rol van AI: zegen of vloek?

    Laten we eerlijk zijn. De opkomst van AI maakt deze fraudevorm mogelijk op een schaal die vijf jaar geleden nog ondenkbaar was. ChatGPT, Claude, Google Gemini,Elevenlabs— je kunt er overtuigende schadeverklaringen mee genereren, neptelefoongesprekken simuleren, zelfs e-mailuitwisselingen fabriceren tussen klanten en ‘reparatiebedrijven’.

    Maar daar stopt het verhaal niet. Want AI is niet alleen het wapen van de fraudeur. Het is óók het schild van de verzekeraar. Mits we het goed inzetten.

    Hoe AI juist kan helpen om fraude te bestrijden

    AI biedt ons ook een paar krachtige middelen om dit soort slimme fraude aan te pakken. Hieronder een aantal praktische voorbeelden:

    1. Tekstherkenning en patroonanalyse

    AI-modellen kunnen tienduizenden schadedocumenten scannen op herhalende patronen. Als een bepaalde zinstructuur opvallend vaak voorkomt (“bij het inparkeren hoorde ik een knal…”), dan gaat er een vlag omhoog. Niet met zekerheid dat het fraude is, maar wél als signaal om te controleren.

    2. Afbeeldingsverificatie met machine vision

    Een geclaimde foto van autoschade kan worden geanalyseerd op sporen van Photoshop-bewerking, hergebruik van stockfoto’s, of onrealistische lichtinval. AI ziet dingen die het menselijk oog niet ziet.

    3. Voiceprint matching en transcriptieanalyse

    Bij telefonische schademeldingen kunnen stemgeluid en taalgebruik worden geanalyseerd om te detecteren of dezelfde persoon zich voordoet als meerdere klanten. Dit is nog pril, maar veelbelovend.

    4. Gedragsanalyse van de klantreis

    AI kan gedragspatronen van klanten volgen — van aanvraag tot claim — en afwijkingen signaleren. Bijvoorbeeld: iemand die direct na afsluiten van een polis binnen 24 uur een schade claimt, met een druk op de knop alle documenten aanlevert, en daarna nooit meer iets laat horen.

    Van controle naar cultuur

    Technologie is een hulpmiddel. Maar de kern blijft: cultuur en ethiek. Binnen je organisatie moet je het gesprek voeren over wat verantwoord is. Fraudebeheersing is geen IT-kwestie, het is een integraal onderdeel van klantstrategie, risicomanagement en merkvertrouwen.

  • Waarom prompt-opleiding essentieel is voor bedrijven

    Waarom prompt-opleiding essentieel is voor bedrijven

    Prompten is nu al essentieel als typen of Excel. Training in prompting is daarom geen luxe meer, maar een noodzaak.

    De huidige situatie

    Je medewerkers gebruiken AI al dagelijks. ChatGPT staat op elke telefoon. Maar ze gebruiken het zoals ze twintig jaar geleden zouden googlen: lukraak en zonder methode.

    Het resultaat? Frustratie over “AI die niet werkt” terwijl het probleem hun communicatie is. Ze krijgen slechte antwoorden omdat ze slechte vragen stellen.

    Dit is de kans. Bedrijven die nu prompt opleiding implementeren, krijgen het voordeel dat vroege computergebruikers hadden in de jaren negentig.

    Waarom prompten nu prioriteit krijgt

    De arbeidsmarkt verschuift definitief

    MIT biedt al prompt engineering cursussen aan. Consultancyfirma’s maken het onderdeel van hun standaardtraining. Werkgevers zoeken mensen die AI-tools effectief inzetten.

    Je kunt wachten tot je medewerkers dit zelf uitvogelen. Of je geeft ze nu al de voorsprong die ze nodig hebben.

    Med Kharbach, AI-specialist in zakelijke toepassingen, stelt het helder: “Prompt opleiding is de nieuwe digitale geletterdheid. Een van de belangrijkste vaardigheden die professionals nu kunnen ontwikkelen.”

    Het maakt kritisch denken meetbaar

    Prompten dwingt medewerkers tot helderheid. Ze moeten formuleren wat ze willen, context geven, beperkingen stellen. Daarna evalueren ze de output: Klopt dit? Is het compleet? Waar zitten de gaten?

    Deze cyclus van vragen-testen-evalueren is kritisch denken in actie. Je kunt het observeren, bijsturen en beoordelen.

    Het versterkt zelfstandig werken

    AI past zich aan aan persoonlijke werkbehoeften. Maar alleen als je de juiste prompts gebruikt. Medewerkers die dit beheersen:

    • Krijgen antwoorden op hun niveau
    • Kunnen complexe problemen stap voor stap aanpakken
    • Experimenteren zelfstandig met verschillende benaderingen
    • Leren van hun fouten zonder manager als tussenpersoon

    Hoe prompt-training werkt in de praktijk

    De vijf elementen van effectieve prompts

    Elke goede prompt bevat deze onderdelen:

    1. Context: Wat is de achtergrond?
    2. Rol: “Je bent een financieel analist die…”
    3. Opdracht: Wat moet er gebeuren?
    4. Format: Lijst, rapport, samenvatting, presentatie?
    5. Beperkingen: Lengte, doelgroep, complexiteit

    Deze structuur leren medewerkers in twee weken. Beheersen duurt een half jaar, net als Excel.

    Kritisch denken staat centraal

    Medewerkers leren systematisch:

    • Wanneer AI betrouwbaar is en wanneer niet
    • Hoe je bias en fouten herkent in AI-output
    • Waarom je altijd bronnen controleert
    • Hoe je originaliteit en eigen denken behoudt

    Het belangrijkste bezwaar: “Te ingewikkeld voor onze mensen”

    Sommige experts beweren dat prompt engineering specialistische kennis vereist. Jason Green waarschuwt: “Goed prompten is moeilijk en vraagt diep begrip van taalmodellen.”

    Dit argument kent twee denkfouten.

    Eerste denkfout: Je begint niet met expertniveau. Je start met basis, net zoals je Excel-training begint met simpele formules. Geavanceerde technieken komen later.

    Tweede denkfout: Je leert geen programmeren, maar communiceren. Medewerkers kunnen al communiceren. Ze leren nu hoe ze dat effectief doen met AI.

    De strategische keuze voor jouw bedrijf

    Concurrentievoordeel op drie niveaus

    • Medewerkerniveau: Je team heeft een meetbare voorsprong in productiviteit en kwaliteit
    • Bedrijfsniveau: Je trekt talent dat vooruitstrevende werkgevers zoekt
    • Managementniveau: Je krijgt inzicht in AI-gebruik en -effectiviteit

    De bredere context: bedrijfsleven in transitie

    Prompt opleiding is onderdeel van een groter verhaal. AI verandert hoe we werken, beslissen en innoveren. Bedrijven die deze transitie actief vormgeven, behouden hun concurrentiepositie. Bedrijven die afwachten, lopen achter de feiten aan.

    De parallel met de computerrevolutie is helder. In 1995 diskussieerden bedrijven of internet op de werkvloer hoorde. In 2005 was die discussie voorbij. Hetzelfde gebeurt nu met AI.

    Waarom juist nu handelen

    • Technologie: AI-tools zijn stabiel genoeg voor zakelijk gebruik
    • Acceptatie: Medewerkers en klanten verwachten AI-integratie
    • Concurrentie: Eerste bedrijven krijgen voorsprong die jaren meegaat Ondersteuning: Trainingsmateriaal en expertise zijn beschikbaar

    Risico’s van niet handelen

    Je concurrent start wel. Hun medewerkers krijgen een voorsprong die meetbaar is in kwaliteit en snelheid. Klanten kiezen bewust voor bedrijven die AI effectief inzetten.

    Over drie jaar leg je uit waarom jouw bedrijf achterloopt op prompt Opleiding. Vandaag kun je kiezen voor voorsprong.

  • Waarom NotebookLM voorlopig voorop loopt in slimme notebooks

    Waarom NotebookLM voorlopig voorop loopt in slimme notebooks

    De laatste tijd zien we steeds meer ontwikkelingen op het gebied van slimme notebooks en digitale assistenten. Google heeft NotebookLM, terwijl Microsoft zijn Copilot Notebooks introduceerde. Beide tools bieden mogelijkheden om slimmer, sneller en effectiever te werken met informatie. Maar hoe verhouden ze zich nu écht tot elkaar? In deze blog zet ik mijn eerste ervaringen op een rijtje en deel ik met jou de opvallendste verschillen en overeenkomsten.

    Bronnen toevoegen: Wie heeft de beste aanpak?

    Een van de eerste dingen die mij opviel toen ik aan de slag ging met Copilot Notebooks, was het ontbreken van de mogelijkheid om externe websites of YouTube-video’s als directe bron toe te voegen. Juist dit is een functie waar NotebookLM enorm mee uitblinkt.

    Bij NotebookLM kun je eenvoudig een YouTube-video invoegen, waarna het platform alle gesproken informatie volledig integreert in je notebook. Je krijgt niet alleen een transcriptie, maar ook een overzichtelijke samenvatting en snelle zoekmogelijkheden binnen de video zelf. Dit maakt het makkelijk om snel informatie uit video’s te verwerken zonder handmatig alles te hoeven noteren.

    Daarnaast kun je in NotebookLM ook direct webpagina’s toevoegen als bronmateriaal. Dat is handig als je snel uitgebreide informatie van verschillende bronnen wil verwerken. Bij Copilot Notebooks ontbreekt deze handige functie momenteel nog. Dit maakt NotebookLM meteen al krachtiger en veelzijdiger in het integreren van externe bronnen.

    Slimme bronvermelding: NotebookLM wint overtuigend

    Een ander belangrijk verschil tussen beide tools zit in de automatische bronvermelding. Bij NotebookLM kun je eenvoudig de opdracht geven: “Zoek jij de bron er maar bij?”. Dit betekent dat je NotebookLM laat bepalen welke bronnen relevant zijn voor de informatie die je toevoegt aan je notebook. Dit scheelt veel tijd, vooral bij uitgebreide onderzoeken of lange teksten waarin veel bronnen verwerkt zijn.

    Copilot Notebooks ondersteunt deze automatische bronvermelding nog niet. Gebruikers moeten zelf actief bronnen toevoegen of annoteren, waardoor het proces minder efficiënt is dan bij NotebookLM. Dit punt is essentieel voor gebruikers die snel en betrouwbaar werken met complexe informatie.

    Audio-overzichten: De kleine verschillen maken het groot

    Zowel NotebookLM als Copilot Notebooks bieden een mogelijkheid om audio-overzichten te maken. Dit is een handige functie waarmee gesproken teksten automatisch worden samengevat. Toch zijn er subtiele verschillen die grote impact kunnen hebben op de bruikbaarheid.

    Copilot Notebooks ondersteunt bijvoorbeeld nog geen automatische vertaling of verwerking van audio-overzichten naar andere talen zoals het Nederlands. Dit beperkt de functionaliteit aanzienlijk, vooral voor gebruikers die niet in het Engels werken. NotebookLM daarentegen biedt wel volledige ondersteuning voor Nederlandstalige audio-overzichten, waardoor het bereik en gemak direct groter zijn.

    Interface en gebruiksvriendelijkheid

    Qua interface en gebruiksvriendelijkheid lopen beide tools redelijk gelijk op. Copilot Notebooks heeft een prettige, duidelijke interface die gemakkelijk te navigeren is. NotebookLM blinkt echter uit in overzichtelijkheid en biedt net iets meer intuïtieve elementen, zoals slimme suggesties tijdens het typen en interactieve prompt-opties.

    Daarnaast is de integratie met andere Google-diensten binnen NotebookLM erg sterk. Dit betekent dat als je al veel gebruik maakt van bijvoorbeeld Google Drive of Google Docs, NotebookLM naadloos aansluit op je bestaande workflows. Copilot Notebooks werkt prima binnen het Microsoft-ecosysteem, maar lijkt qua gebruiksgemak en integratie op dit moment net iets achter te blijven.

    De toekomst van slimme notebooks

    Hoewel Copilot Notebooks veelbelovend is en zeker stappen zet richting de functionaliteiten die NotebookLM al biedt, is het duidelijk dat NotebookLM op dit moment voorop loopt. De brede ondersteuning voor verschillende media (zoals websites en video’s), automatische bronvermelding en betere taalondersteuning maken NotebookLM momenteel de completere oplossing.

    Toch betekent dit niet dat Copilot Notebooks geen potentieel heeft. Microsoft staat bekend om het snel verbeteren en integreren van feedback van gebruikers. De kans is daarom groot dat Copilot Notebooks snel uitgebreid en verbeterd zal worden. Het is dus zeker een tool om in de gaten te houden.

    Conclusie

    Mijn eerste indruk is duidelijk: NotebookLM biedt momenteel meer functionaliteit en gebruiksgemak dan Copilot Notebooks. Vooral de uitgebreide mogelijkheden om externe bronnen te integreren en het slimme gebruik van automatische bronvermelding maken NotebookLM een krachtige keuze voor professionals die efficiënt willen werken met complexe informatie.

    Toch is het belangrijk om de ontwikkelingen bij Copilot Notebooks goed te blijven volgen. De concurrentie tussen Google en Microsoft zal er ongetwijfeld toe leiden dat beide tools steeds beter worden. En uiteindelijk profiteert de gebruiker daarvan het meest. De toekomst van slimme notebooks ziet er in ieder geval zeer veelbelovend uit!