Azure AI koppelen

Azure AI biedt dezelfde soort modellen binnen de omgeving van Microsoft. Dat is vooral relevant als de rest van het landschap er al staat: dezelfde tenant, dezelfde toegangscontrole, dezelfde afspraken over waar gegevens blijven.

Onze regel is overal dezelfde: het model praat, het model stelt voor, maar het model beslist niet.

Bij een voorselectie voor werk voert het model het gesprek en legt het antwoorden vast — of iemand door mag naar de volgende stap wordt daarna in code uitgerekend. Bij een platform voor belastingaangifte beantwoordt het vragen over status en proces, maar geeft het geen fiscaal advies. Bij documentverwerking leest het gegevens uit en zet het ze klaar; boeken gebeurt na akkoord van een mens.

Dat is geen voorzichtigheid om de voorzichtigheid. Een uitkomst die uit regels komt is herhaalbaar en uitlegbaar; een uitkomst die uit een gesprek komt verandert mee met de toon van dat gesprek. Bij een afwijzing, een aangifte of een boeking wil je het eerste.

De tweede regel kwam uit de praktijk. Een model dat instructies krijgt om niets te verzinnen, verzint alsnog: we zagen er een een werkgever bedenken die de kandidaat nooit had genoemd, en screeningsvragen zelf beantwoorden. Prompts hielpen daar niet tegen. Wat wel werkt is een controle achteraf: alles wat het model opslaat als iets wat iemand heeft gezegd, moet letterlijk terug te vinden zijn in diens eigen berichten. Kan dat niet, dan wordt het niet opgeslagen.

Verder kiezen we per taak een model in plaats van overal het zwaarste. Een korte herformulering heeft iets anders nodig dan een gesprek dat een half uur loopt, en dat scheelt in kosten en in snelheid.