9 min

Waarom iedere foodprofessional moet leren werken met AI

5 toekomstgerichte AI-grondbeginselen voor foodprofessionals

Door Moniek de Jongh op vrijdag 26 januari 2024

Dall-E's interpretatie van een food professional die werkt met AI

Een paar weken voor ChatGPT’s officiële release in november 2022, mocht generatieve AI-expert Steve Gundrum het programma als een van de eersten bèta-testen. Gundrum is ervan overtuigd dat generatieve AI binnen afzienbare tijd alle aspecten van ons dagelijks leven zal beïnvloeden. "AI is met afstand de meest transformerende technologie die we in ons leven zullen meemaken en het verbetert in een razendsnel tempo." Met Gundrum duiken we in het potentieel van generatieve AI voor de voedingsindustrie.

Dit artikel is onderdeel van een tweeluik. Lees ook deel twee: zes businesskansen voor generatieve AI binnen foodservice

Steve Gundrum is directeur en Chief Creative Officer bij het Amerikaanse bedrijf Mattson. Met meer dan 40 jaar ervaring combineert Mattson trendvoorspelling, marktonderzoek en productontwikkeling om productinnovaties te creëren voor grote spelers in de voedingsmiddelenindustrie. Samen met de Cornell University heeft Mattson onlangs het Mattson AI Lab@Cornell opgezet voor doorlopend AI-onderzoek.

Een oneindige bron van mogelijkheden

"De ontwikkelingen in het afgelopen jaar waren opmerkelijk. Toen OpenAI ChatGPT uitbracht, hadden we opeens een immens krachtig nieuw hulpmiddel binnen handbereik om te spitten in een enorme, complexe wereld van informatie.” Vandaag de dag is er niet slechts één generatieve AI-tool beschikbaar; er is een veelheid aan programma’s voor het genereren van tekst en afbeeldingen, zoals OpenAI's ChatGPT en Dall-E, Google Bard, Anthropic en MidJourney. “Het is fascinerend om met al deze verschillende tools te leren werken, omdat ze, net als mensen, verschillende persoonlijkheden en vaardigheden hebben. In onze tests heeft Google Bard bewezen opmerkelijk effectief te zijn als het gaat om thema’s rond food. Voor het maken van food-afbeeldingen zijn we grote fans van MidJourney. Maar de mogelijkheden van verschillende grote taalmodellen (LLM's) veranderen razendsnel, ze worden supersnel beter."

“Search is goed in feiten en actualiteiten, terwijl AI gericht is op creativiteit, percepties en verschillende perspectieven”

Vijf toekomstgerichte AI-grondbeginselen voor food professionals

Volgens Gundrum, zijn er vijf belangrijke AI grondbeginselen die foodservice professionals in acht moeten nemen, als ze met AI gaan werken:

RI plus AI™ (je hebt ‘Real Intelligence’ en ‘Artificial Intelligence’ beide nodig)
AI als sparringpartner (gebruik het niet als zoekmachine)
AI als voorspeller van gedrag van consumenten en professionals
Analyse en exploratie zijn de sterkste eigenschappen
Prompt engineering wordt de cruciale skill

1. Real Intelligence plus Artificial Intelligence™

"Mensen zouden generatieve AI moeten zien als een creatieve sparringpartner, ongeacht of ze het gebruiken om een tekst te schrijven of afbeeldingen te creëren. Daarom noemen we het 'RI plus AI™'. Geen van de beschikbare AI-tools is bijzonder effectief als je als gebruiker niet beschikt over een goede dosis ‘echte intelligentie’ over het specifieke voedselthema om de tool te voeden.”

“Denk maar aan foodies, thuiskoks en foodprofessionals en hoe ze allemaal verschillende ervaringsniveaus hebben op het gebied van koken. Als chef-kok is je kennisniveau over voeding bovengemiddeld en dit blijft groeien naargelang je meer ervaring opdoet. Hoe beter geïnformeerd en vaardig je bent (= real intelligence), hoe beter de output van Artificial Intelligence zal zijn als je er gebruik van maakt. Simpelweg omdat je beter weet welke vragen je moet stellen. Je bent beter in het geven van relevante context voor de AI-tool. Een prompt die je invoert, is in feite een briefing. Als je eenmaal leert om je prompts te schrijven als briefings, krijg je veel betere antwoorden."

Een chatbot die zoekopdrachten uitvoert…

"Toen ChatGPT uitkwam - en nog steeds - behandelden veel mensen het als een chatbot die zoekopdrachten voor ze uitvoert. Dat is de minst effectieve manier om generatieve AI te gebruiken, maar het is logisch om zo te denken. Je zit nu eenmaal voor je computer, achter je toetsenbord en je hebt een box met een knipperende cursor voor je die vraagt om jouw input. Het referentiekader dat je hebt, zijn zoekmachines zoals Google die we al jaren gebruiken. Dus daar leun je op. Als je vervolgens een antwoord krijgt dat niet bevredigend is of gewoon niet klopt, ben je al snel geneigd om de technologie af te wijzen en te denken dat AI geen betrouwbaar hulpmiddel is. Dat is jammer, want je vraagt het gewoon om het verkeerde te doen. Het is alsof je je tandarts vraagt om een hersenoperatie uit te voeren."

2. AI als sparringpartner

"De grootste misvatting is dat generatieve AI een geavanceerde vorm van zoeken is. Dat is het niet. Het zijn tegenpolen. Search is goed in feiten en actuele gebeurtenissen, terwijl generatieve AI is gericht op creativiteit, percepties en perspectieven. AI gaat over dromen en connecting the dots. Je moet generatieve AI niet gebruiken als je op zoek bent naar hele specifieke gegevens. Als je de jaarlijkse trend wilt opzoeken van de verkoop van bruiswater in de VS verschillende regio's ... dan gebruik je search, geen AI."

3. AI als voorspeller van gedrag van consumenten en professionals

"Wat generatieve AI zo krachtig maakt voor het vakgebied van voeding is dat het een uitstekende voorspeller is van gedrag van consumenten en professionals. De reden daarvoor is dat de hoeveelheid voedselinformatie die publiekelijk beschikbaar is, gigantisch is. Er is waarschijnlijk geen onderwerp waarover meer is geschreven dan voeding. Het wordt besproken op wetenschappelijk niveau, op productieniveau, op beleidsniveau, op industrieniveau, op culinair niveau en dan is er nog het haast oneindige aantal consumenten dat ooit recepten heeft gepubliceerd, een foodblog is begonnen en restaurants heeft beoordeeld. Het is bijna alsof generatieve AI is ontworpen voor de behoeften van de voedingsindustrie."

4. Analyse en exploratie zijn de sterkste eigenschappen

"Analyse en exploratie zijn de sterkste eigenschap van generatieve AI. Het vermogen om miljarden datapunten aan te boren en met elkaar te verbinden is ongeëvenaard. Elke professional heeft expertisegebieden; sommigen van ons zijn deskundig in nichemarkten of op zeer specialistische onderwerpen. Het indrukwekkende van generatieve AI is de uitgestrektheid van wat AI begrijpt, het vermogen om de diepte in te gaan op al die deelgebieden, maar ook het vermogen om de punten met elkaar te verbinden. Search kan die onderlinge verbanden niet leggen."

5. Prompt engineering wordt de cruciale skill

"Het draait allemaal om het schrijven van goede prompts, of opdrachten die je aan een AI-tool geeft. Je moet leren om je verzoek in de juiste context te plaatsen. Je komt niet weg met een vraag als 'Kun je me een suggestie geven voor een geweldige nieuwe burrito?' Daar komt geen bruikbaar resultaat uit, omdat de vraag veel te breed gesteld is. Stel je eens voor dat je net met een computer maar met een chef-kok praat over het creëren van een nieuwe Mexicaanse burrito-ervaring voor de Europese markt. Die chef-kok zal je allerlei vragen stellen. ‘Wat bedoel je met een burrito-ervaring? Wat is de prijsstelling? Wat zijn de demografische kenmerken van je beoogde doelgroep? Als je die informatie als context toevoegt, kan AI veel gerichter aan de slag. Zodra je prompts schrijven serieus neemt en opstelt in de vorm van een gedetailleerde briefing, zul je meer bevredigende resultaten krijgen."

“Zodra je hebt geleerd om je prompts te schrijven als briefings, krijg je veel betere resultaten”

Wat is beter? Eén persoon in je team de expert op het gebied van generatieve AI maken of iedereen in het team trainen?

"Daar kan ik kort over zijn", begint Gundrum. "Iedere food professional moet leren om met AI te werken. Het is geen toekomstbestendig bedrijfsmodel om slechts één persoon in het team er expert in te laten zijn. Het wordt echt een essentiële vaardigheid. Zou jij iemand aannemen die zegt: ik gebruik geen e-mail of ik werk niet met internet? Generatieve AI wordt - zeker in de werkcontext - op korte termijn net zo onmisbaar als e-mail en mobiel internet.”

"In ons bedrijf werken 65 medewerkers en iedereen is hier al meerdere keren getraind in hoe je goede prompts kunt schrijven. We passen de mogelijkheden van AI toe in ons hele bedrijf. Natuurlijk variëren de vaardigheidsniveaus enigszins tussen collega’s, maar over het algemeen verbetert generatieve AI ieders vermogen om hun werk goed te doen. Het maakt ze productiever en helpt om op een hoger kwaliteitsniveau te presteren. Voor wie met AI wil beginnen geldt: iedereen kan het leren, maar je moet je erin willen verdiepen. Je moet bereid zijn om veel tijd te investeren in het bestuderen ervan en er goed in te worden. Dat geldt voor het leren van een nieuwe taal of het bespelen van een instrument, en ook voor het onder de knie krijgen van AI. Vooral omdat de technologie razendsnel vooruitgaat. Mijn tip zou zijn: kies voor één model en leer allereerst hoe je goede prompts schrijft. En blijf voortdurend testen en experimenteren."

“Het zijn alleen de mensen die de technologie afwijzen en niet bereid zijn het in hun dagelijkse routines op te nemen, die op termijn wellicht hun baan verliezen door AI"

Onderzoek toont aan dat grote taalmodellen zoals ChatGPT-4 de productiviteit, kwaliteit en creativiteit enorm kunnen verhogen

In september 2023 werden de resultaten van een onderzoek gepubliceerd door de Harvard Business School Technology & Operations Management. Hierin werd gekwantificeerd hoe LLM's de prestaties en productiviteit van kenniswerkers beïnvloeden. In de woorden van Gundrum: "De resultaten zijn verbluffend."

De paper onderzocht het effect van de toepassing van AI, precies op het grensgebied van wat AI momenteel wel en niet kan, op de kwaliteit en effectiviteit van complexe, kennisintensieve werktaken. Dat gebeurde aan de hand van gerandomiseerde praktijkexperimenten met 758 professionele consultants van de Boston Consulting Group. Deze 'jagged capability frontier' geeft de verschuivende verdeling aan van taken die Artificial Intelligence wel en niet effectief kan uitvoeren. Er waren twee verschillende experimenten: één met een taak die was ontworpen om binnen de capaciteiten van AI te vallen en één daarbuiten.

Vijf belangrijke conclusies

Voor de taak die binnen de huidige mogelijkheden van AI lag, met betrekking tot productinnovatie en -ontwikkeling, voltooiden consultants die AI gebruikten 12,2% meer subtaken, 25,1% sneller en met meer dan 40% hogere kwaliteit antwoorden in vergelijking met de controlegroep die het werk zonder hulp van AI deed.
Consultants van alle ervarings- en expertiseniveaus profiteerden van AI, maar het hielp consultants die normaliter ondergemiddeld presteren het meest: hun scores stegen met 43% tegenover 17% voor consultants die doorgaans bovengemiddeld presteren, vergeleken met hun eigen basisscores zonder AI. Dit suggereert dat AI de algehele prestaties kan verhogen en de verschillen in vaardigheden tussen werknemers kan verkleinen.
Voor de taak die was ontworpen om buiten de mogelijkheden van AI te vallen, hadden consultants die AI gebruikten 19 procentpunten minder kans om tot correcte oplossingen te komen dan de 84,5% correctheid voor de controlegroep die de taak uitvoerde zonder AI. Maar zelfs als de oplossingen onjuist waren, schreven de consultants die AI gebruikten aanbevelingen van hogere kwaliteit. Met andere woorden: het gebruik van AI kan prestaties op complexe manieren beïnvloeden, zowel positief als negatief.
De onvoorspelbaarheid van de nieuwe skill-grens (wat valt wel en niet binnen de grenzen van wat AI kan) vormt voor professionals een uitdaging. Zij moeten doorlopend een inschatting maken wanneer en hoe ze AI effectief kunnen inzetten. Gebruikers die daar het meest succesvol in waren, gedroegen zich als "Centaurs" - die activiteiten strategisch verdeelden tussen zichzelf en AI op basis van capaciteiten, of als "Cyborgs" die hun werk nauw integreren met AI. Deze subgroepen, in de paper aangeduid met mythologische namen, beschrijven verschillende benaderingen voor het integreren van AI-technologie in het dagelijkse werk.
Organisaties moeten niet zozeer beslissen of ze wel of geen AI gaan gebruiken, maar moeten vooral nadenken over hoe ze dit selectief toepassen op onderdelen van kennis-workflows. Naarmate de mogelijkheden van AI toenemen, zullen professionals voortdurend hun kennis van wat binnen of buiten de grens van de mogelijkheden ligt moeten herijken en workflows daarop moeten aanpassen. Succesvolle integratie van AI vraagt om doorlopende training, nieuwe rollen, ethisch AI-beleid en een nieuwe benadering van innovatieprocessen.