Mijn artikelen over AI in productie, agents, governance en vindbaarheid voor het MKB.
OnCue heeft sinds 23 oktober een notulist-stand. Het schrijft beide kanten van je gesprek uit op je eigen computer en zet het hele gesprek daarna in een bestand. Zonder bot in de vergadering.
PLAUD Note en Fireflies AI schrijven je gesprek uit in de cloud. Waar staat het daarna, wie leest mee en wie vertelt het de andere deelnemers? Nagelopen op hun eigen documentatie, met bron en datum.
Notuleren met AI begint met drie vragen: wat staat er standaard aan, welke tekst gaat er per taak naar buiten en wat mist de privacyfilter? Ik stelde ze aan mijn eigen notetaker.
My LLM council puts one question to five models from five labs, each through its own lens, in four steps. The four modes, the lenses per mode, the guardrails and the real questions I use it for.
Het vier ogen principe kent iedereen uit de bank of de kinderopvang. Bij AI-agents werkt het alleen op de plek waar het besluit valt. Vier ogen op alles wordt tekenen. En een tweede AI is geen tweede paar ogen.
Op 14 oktober trainde ik Qwen3.5-9B op mijn Mac mini. Vijf dagen eerder bracht Microsoft Decision-1 uit, op precies dat model. Wat je huurt, wat je zelf bouwt en waar het verschil voor een MKB-bedrijf zit.
Vijf dagen gaf ik mijn AI geen opdracht. Er werden 106 wijzigingen samengevoegd en ik vroeg dertien keer om status. Die vragen bleken de wekker. Wat human in the loop in de praktijk is.
Mistral AI is het bekendste Europese alternatief voor ChatGPT. Le Chat heet nu Vibe. Ik haalde Mistral Large 4 door mijn eigen toets en keek waar je data heen gaat. Europees bleek geen garantie.
In one October week Anthropic showed a multi-agent workflow finding 66 of 70 planted bugs, and Vals AI showed agent teams costing up to 5.1x more for little gain. Both are right. The task structure decides, and so does your hardware.
I LoRA fine-tuned Qwen3.5 4B on a Mac mini with mlx-lm. The first run got 162 of 200 hard answers wrong. One changed setting later it made 18 errors, level with the untrained 9B. What broke, traced to file and line.
Ik trainde een klein AI-model drie uur op mijn eigen vragen en het werd slechter: 162 fouten op 200. Met één andere instelling maakte het er 18. Wat fine-tuning kost en waar je op let.
DeepSeek retired V4 Flash on 10 September and routed the name to V4.1 Flash. My registry, my cost ledger and DeepSeek's own harness kept using the old name. Why the model name is not the model, and what I log now.