ICT & AI, blik op de toekomst

Advies en Ontwikkeling

Ontdek onze expertise

Waar we goed in zijn

Mediaboog levert diensten op het gebied van ICT advies, ontwerp en ontwikkeling. Orkestratie en integratie. We combineren dit met praktische marketing kennis, E-commerce en Payment toepassingen, Cloud, Containers, Coldfusion (Mura / Masa), Workflow automation, Geo-informatie en AI/ML. Hands-on en met best practices realiseren wij waar anderen vooral over praten.
Liever geen gevoelige data naar de AI cloud? Gebruik je eigen AI model! Prompt engineering is nog steeds belangrijk, maar met Retrieval Augmented Generation en fine-tuning kom je verder. On-premise, in de private cloud of hybride.
Wij luisteren naar wensen en behoeften en proberen te realiseren wat binnen de mogelijkheden en (bijvoorbeeld budgettaire) beperkingen ligt. Onze prijzen zijn marktconform maar scherp. We werken op projectbasis en op basis van detachering.

Diensten

AI AI – nooit meer hetzelfde

Het begon allemaal met de toegenomen compute (reken en opslag capaciteit van computers), die het mogelijk maakt om met veel data te werken. Veel betekent miljarden parameters in een matrix rekening en honderden gigabytes aan informatie om modellen te trainen (eigenlijk het complete internet en dan nog wat).

Tevens werden er technieken ontwikkelt om gegevens in een multi dimensionaal matrix model op semantische wijze aan elkaar te koppelen. Iedereen op ML (Machine Learning) gebied leverde een bijdrage. Maar de GPT (Generative Pre-trained Transformer) van Google in 2017 was de grote stap.

Hiermee kon begrip aan teksten worden toegekend. Nog weer jaren later en nu we kunnen vragen stellen aan de computer. Dit gebeurt in realtime met STTTS (Speech-To-Text-To-Speech) op je mobiel, tablet, laptop of AI Home Assistant (weg met die Ok Google, Alexa of Siri). Vraag het gewoon aan je favoriete persona, met bijpassende stem en karakter historie. Op weg naar AGI (Artificial General Intelligence).

RAG – Retrieval-Augmented Generation

ICT oplossingen op maat met RAG. RAG is een AI-techniek die taalmodellen verbetert door externe kennis op te vragen en deze te verwerken in tekstgeneratie. In plaats van alleen vooraf getrainde kennis te gebruiken, haalt RAG dynamisch relevante informatie op uit databases, documentopslag of het web en integreert deze in het gegenereerde antwoord.

Hoe werkt RAG?
1. De gebruiker stelt een vraag.
2. Een embeddingmodel zet de query om in een vectorrepresentatie.
3. De vectordatabase zoekt relevante documenten op basis van de query.
4. De opgehaalde documenten worden toegevoegd aan de LLM-prompt.
5. Het LLM verwerkt de verrijkte prompt en genereert een antwoord.

Embeddingmodel
Het embeddingmodel zet zowel de query als de documenten om in vectoren, waardoor betekenisvolle semantische zoekopdrachten mogelijk worden.

Orkestratie en integratie

Partner in ICT advies en ontwikkeling op AI gebied

Is Google zoeken nog relevant?
Close-up of a smartphone with an AI chat interface titled "DeepSeek" on the screen.

Met de opkomst van AI-chatbots als primaire informatiebron voor consumenten, wordt het essentieel om te begrijpen hoe een merk wordt gepresenteerd binnen deze platforms.
En nu we het zoeken op Google steeds meer vervangen door AI-chatbots als ChatGPT, Gemini, Perplexity, hoe bereik je dan je klanten?

Mooie marketing praatjes

Het wordt interessant om zichtbaarheid en reputatie van een merk op die platformen te monitoren. Verbeteren zal nog even niet lukken, is het eerlijke verhaal. Dat kan alleen de aanbieder van de AI-chatbot zelf doen.
Het zal dan ook niet lang meer duren voordat we daarvoor gaan betalen. En dan volgt dus het spel met de balans tussen waarheid en commercie.
AI kan namelijk prima vertellen wat voor jouw geval en situatie het beste product is in een bepaalde categorie. Maar gaat het dat ook eerlijk vertellen?

Zou voor de consument wel fijn zijn. Eindelijk niet meer het gevoel dat je altijd overal belazerd wordt. Dan zouden producenten met een goed product beloond worden en vanzelf boven komen drijven.

Wat kan je wel doen

Wat je wel kan doen is bijhouden hoe vaak en op welke manier een merk wordt genoemd in AI-chatbots. De context van die vermeldingen, vergelijking met concurrenten en waar kansen liggen voor verbetering. Inclusief sentimentanalyse en keyword-associaties.

  • Sentimentanalyse: Begrijp hoe AI-chatbots het sentiment rondom een merk interpreteren — positief, neutraal of negatief.
  • Concurrentieanalyse: Vergelijk merkvermeldingen met die van concurrenten en vind sterke en zwakke punten.
  • Keyword Monitoring: Welke zoekwoorden triggeren een merk in AI-chatbots en wat zijn nieuwe relevante keywords.
  • Continue Monitoring: Blijf op de hoogte van verandering in merkvermeldingen, sentiment verschuivingen en nieuwe kansen door middel van proactieve meldingen.
  • Aangepaste Dashboards: Visualiseer deze gegevens in overzichtelijke dashboards.

Integratie en Data-analyse

Je kunt die gegevens vervolgens integreren in bestaande dashboards zoals Google AdWords en andere analytics-tools, waardoor je eigen data kan koppelen en verrijken met inzichten uit AI-chatbots. Dit maakt het mogelijk om een holistisch beeld te vormen van merkprestaties en gerichte strategieën te ontwikkelen. Uiteindelijk probeer je toch die zichtbaarheid te verbeteren en optimaliseren, zodat dit leidt tot verhoogde merkherkenning en concurrentievoordeel. Het compromis zal wel iets worden zoals Google zoeken met een visuele scheiding tussen pure resultaten en advertenties. Alleen hoef je met AI niet verder te kijken, want beter wordt het niet. Toch?

Klanten over ons

vrijblijvend gesprek?

Neem contact op