AI is overal, en de begrippen rondom AI worden door elkaar gebruikt. Wat is het verschil tussen kunstmatige intelligentie en machine learning? Tussen generatieve AI en agentic AI? Tussen Narrow AI en General AI? Wat zegt de EU eigenlijk dat een AI-systeem is?
Deze gids zet de belangrijkste typen en categorieën op een rij. Met de officiële EU-definitie als anker, de gangbare academische indelingen, en de moderne functionele categorieën die je dagelijks tegenkomt. Bedoeld als naslagwerk, niet als marketing.
Wat is AI eigenlijk?
AI (kunstmatige intelligentie) is een verzamelnaam voor computersystemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is, zoals leren, redeneren, patroonherkenning, taalbegrip en besluitvorming.
De officiële definitie van een AI-systeem volgens de EU AI Act (Artikel 3, lid 1, Verordening 2024/1689): een machinaal systeem dat ontworpen is om met verschillende niveaus van autonomie te werken, dat na inzet adaptief gedrag kan vertonen, en dat voor expliciete of impliciete doelstellingen op basis van de input afleidt hoe het output genereert zoals voorspellingen, content, aanbevelingen of beslissingen die fysieke of virtuele omgevingen kunnen beïnvloeden.
Dit is geen techniek-definitie maar een effect-definitie. Het maakt niet uit hoe het systeem is gebouwd. Het maakt uit wat het doet.
De zeven elementen van een AI-systeem volgens de EU
In februari 2025 publiceerde de Europese Commissie aanvullende Guidelines bij de wettelijke definitie. Daarin worden zeven elementen geïdentificeerd waaraan een AI-systeem voldoet:
- Machinaal systeem: het systeem draait op hardware en software, zowel ingebed als zelfstandig
- Verschillende niveaus van autonomie: er zit enige onafhankelijkheid van menselijke beslissingen in
- Adaptief gedrag mogelijk na inzet: zelflerend of aanpasbaar in runtime, niet verplicht
- Expliciete of impliciete doelstellingen: doelen zijn direct ingebakken of komen voort uit data of modelontwerp
- Inferentie op basis van input: deductief of inductief redeneren, inclusief probabilistische methoden en patroonherkenning
- Output: voorspellingen, content, aanbevelingen of beslissingen
- Invloed op fysieke of virtuele omgevingen: het systeem beïnvloedt iets in de wereld of in een digitale ruimte
Wat valt hier buiten? Eenvoudige rule-based software, basis statistische methodes, simpele dataverwerking en plain data-visualisatie vallen volgens de Commissie buiten de definitie. Een ingewikkelde Excel-formule is dus geen AI. Een spamfilter dat leert van nieuwe spam wel.
De drie hoofdtypes AI op basis van capaciteit
De meest gevestigde indeling deelt AI in op basis van wat een systeem kan ten opzichte van menselijke intelligentie.
1. Artificial Narrow Intelligence (ANI), ook wel Weak AI of Smalle AI
Wat het is: AI die ontworpen is voor één specifieke taak of een nauw afgebakend taakgebied. Het systeem kan die taak vaak beter dan een mens uitvoeren, maar kan zijn kennis niet overdragen naar andere domeinen.
Voorbeelden: ChatGPT, Claude, Google Translate, gezichtsherkenning op telefoons, spamfilters, productaanbevelingen op webshops, navigatie-apps, schaakcomputers.
Status: alle AI die vandaag in productie wordt gebruikt valt onder ANI. Ondanks de indrukwekkende prestaties van moderne taalmodellen is dit nog steeds smalle AI.
2. Artificial General Intelligence (AGI), ook wel Strong AI of Algemene AI
Wat het is: AI met menselijk niveau aan flexibele intelligentie. Een AGI-systeem zou kennis kunnen overdragen tussen domeinen, abstract kunnen redeneren over nieuwe problemen, en zelfstandig leren zonder voor elke taak opnieuw geprogrammeerd te worden.
Status: theoretisch. Er bestaat vandaag geen AGI. Moderne large language models laten beginnende algemene capaciteiten zien, maar de flexibiliteit van menselijke intelligentie wordt nog niet bereikt.
3. Artificial Superintelligence (ASI), ook wel Super AI
Wat het is: AI die menselijke intelligentie in vrijwel elk domein overtreft. Inclusief creativiteit, strategie en sociale interactie.
Status: hypothetisch. ASI bestaat alleen in theoretisch en speculatief denkwerk. Voor enterprise-strategie is ASI geen relevante categorie. Voor lange-termijn governance, alignment en veiligheidsplanning wel.
De vier types AI op basis van functioneren
Naast de capaciteitsindeling bestaat er een functionele indeling op basis van hoe een systeem omgaat met informatie en context.
1. Reactive Machines
Wat ze zijn: basale systemen zonder geheugen en zonder leervermogen. Ze reageren puur op input zonder eerdere ervaringen mee te nemen.
Voorbeeld: IBM Deep Blue, de schaakcomputer die in 1997 wereldkampioen Kasparov versloeg. Deep Blue had geen geheugen van eerdere partijen, alleen rekenkracht op het huidige bord.
2. Limited Memory AI
Wat het is: systemen die leren van historische data en zich daarop aanpassen. Dit is de fundering van vrijwel alle moderne AI, inclusief de meeste generatieve modellen.
Voorbeelden: zelfrijdende auto's die leren van miljoenen rituren, recommendation engines, fraude-detectiemodellen, ChatGPT en Claude.
3. Theory of Mind AI
Wat het is: experimentele systemen die zouden moeten begrijpen dat anderen gedachten, gevoelens en intenties hebben die hun gedrag bepalen.
Status: in onderzoek. Geen commercieel beschikbare systemen.
4. Self-Aware AI
Wat het is: hypothetische AI met bewustzijn en zelfbeeld.
Status: volledig theoretisch.
De moderne functionele typen die je dagelijks tegenkomt
De academische indelingen zijn nuttig, maar in dagelijks taalgebruik verwijst men vaker naar functionele categorieën. Dit zijn de termen die in tools, productpagina's en strategisch werk worden gebruikt.
Machine Learning (ML)
Wat het is: de bredere familie van AI-technieken waarbij systemen leren uit data zonder expliciet voor elke regel geprogrammeerd te worden. Drie hoofdvarianten:
- Supervised learning: leren met gelabelde voorbeelden, bijvoorbeeld een fraudemodel dat leert van duizenden gemarkeerde fraudegevallen
- Unsupervised learning: patronen ontdekken in ongelabelde data, bijvoorbeeld klantsegmentatie
- Reinforcement learning: leren door beloning en straf, bijvoorbeeld in robotica of spelende AI
Deep Learning
Wat het is: een specifieke vorm van machine learning die neurale netwerken met meerdere lagen gebruikt. De motor achter de huidige doorbraken in beeld, spraak en taal.
Voorbeelden: beeldherkenning, automatische vertaling, spraakassistenten, generatieve modellen.
Generative AI (genAI)
Wat het is: AI die nieuwe content maakt, zoals tekst, beeld, audio, video of code.
Voorbeelden: ChatGPT en Claude voor tekst, Midjourney en DALL-E voor beeld, ElevenLabs voor stemmen, Sora voor video, GitHub Copilot voor code.
Predictive AI
Wat het is: AI die historische data analyseert om toekomstige uitkomsten, trends of gedrag te voorspellen. Gericht op forecasting, niet op creatie.
Voorbeelden: vraagvoorspelling in retail, kredietscoring, voorspellend onderhoud in industrie, churn-modellen.
Conversational AI
Wat het is: AI gericht op natuurlijke dialoog met mensen. Vaak gebouwd op large language models en transformer-architectuur.
Voorbeelden: klantenservice-chatbots, ChatGPT, virtuele assistenten zoals Siri en Alexa.
Multimodal AI
Wat het is: systemen die meerdere typen data tegelijk kunnen verwerken en genereren, zoals tekst plus beeld plus audio.
Voorbeelden: GPT-4o en Claude die afbeeldingen kunnen analyseren én tekst schrijven, Gemini dat tekst, beeld en geluid gecombineerd verwerkt.
Agentic AI
Wat het is: AI-systemen die zelfstandig taken kunnen uitvoeren door meerdere stappen achter elkaar te plannen en uit te voeren, vaak met toegang tot externe tools.
Voorbeelden: AI-assistenten die zelfstandig agenda's beheren, code uitvoeren en aanpassen, of complexe workflows orchestreren.
De wettelijke EU-categorie: General-Purpose AI (GPAI)
De EU AI Act introduceert één categorie die in geen enkele academische indeling voorkomt: General-Purpose AI-modellen (Artikel 3 lid 63, met regels in Artikelen 51 tot en met 55).
Wat het is: AI-modellen die zo getraind zijn dat ze een groot aantal verschillende taken kunnen uitvoeren en die als basis kunnen dienen voor allerlei toepassingen. De wet onderscheidt twee subcategorieën:
- Standaard GPAI: algemene verplichtingen rond technische documentatie, gebruiksinstructies, naleving van auteursrecht en publicatie van een samenvatting van trainingsdata
- GPAI met systemisch risico: modellen boven een rekendrempel (Artikel 51 noemt 10²⁵ FLOPs). Bovenop de basis komen verplichtingen rond modelevaluatie, risicobeperking, incidentrapportage en cyberveiligheid
ChatGPT, Claude en Gemini vallen onder deze categorie. De regels voor GPAI gelden sinds 2 augustus 2025.
Hoe deze categorieën samenhangen
De drie dimensies overlappen, en het is nuttig om ze tegelijk in beeld te hebben. Een concreet voorbeeld.
Claude is op de capaciteits-as Narrow AI (ANI), op de functionele as Limited Memory AI, in moderne termen tegelijk Generative AI, Conversational AI en Multimodal AI, en onder de EU AI Act een General-Purpose AI-model met systemisch risico.
Eén systeem, vijf labels. Niet omdat de categorieën zwak zijn, maar omdat ze elk een andere vraag beantwoorden:
- Wat is het qua intelligentie-niveau (ANI)
- Hoe gaat het om met informatie (Limited Memory)
- Wat doet het in de praktijk (Generative, Conversational, Multimodal)
- Welk juridisch regime geldt erop (GPAI met systemisch risico)
Wat dit betekent voor organisaties
De praktische consequenties zijn drieledig.
Eén: weet welke AI je hebt. Een AI-inventarisatie wordt eenvoudiger als je weet welke labels van toepassing zijn. Veel organisaties hebben generatieve AI in gebruik zonder het bewust te beseffen, omdat het ingebed zit in standaard kantoorsoftware.
Twee: communicatie met leveranciers wordt scherper. Wanneer een leverancier beweert "AI-driven" te zijn, kun je doorvragen. Welke vorm? Wat doet het systeem? Is het machine learning of een eenvoudige rule-based engine die zich zo profileert?
Drie: juridische verplichtingen volgen het type. Een GPAI met systemisch risico kent andere verplichtingen dan een limited-risk chatbot. Wie het verschil snapt, kan compliance proportioneel inrichten.
Veelgestelde vragen
Is ChatGPT Narrow AI of General AI?
Narrow AI. Ondanks de brede toepassingen blijft ChatGPT een gespecialiseerd systeem dat voor specifieke taken is getraind. Het kan binnen die taken indrukwekkend presteren, maar mist de flexibele, domein-overschrijdende intelligentie van een hypothetische AGI.
Wat is het verschil tussen AI en machine learning?
AI is de overkoepelende term voor computersystemen die intelligent gedrag tonen. Machine learning is een specifieke set technieken binnen AI waarbij systemen leren uit data zonder expliciet geprogrammeerd te worden voor elke regel. Alle machine learning is AI, niet alle AI is machine learning.
Wat is het verschil tussen machine learning en deep learning?
Deep learning is een subset van machine learning. Het gebruikt neurale netwerken met meerdere lagen om patronen te leren. Klassieke machine learning werkt vaak met simpelere statistische modellen. Deep learning is de motor achter de meeste moderne AI-doorbraken.
Wat is het verschil tussen generative AI en predictive AI?
Generative AI maakt nieuwe content, zoals tekst, beeld en code. Predictive AI analyseert historische data om toekomstige uitkomsten te voorspellen. Generative is gericht op creatie, predictive op forecasting.
Wat is agentic AI en hoe verschilt het van een chatbot?
Een chatbot reageert per vraag of opdracht. Agentic AI plant en voert zelfstandig meerdere stappen uit om een doel te bereiken, vaak met toegang tot externe tools en systemen. Een chatbot beantwoordt jouw vraag. Een agentic AI voert jouw taak uit.
Is een Excel-formule of een eenvoudige rule-based engine ook AI?
Volgens de EU AI Act (Artikel 3, lid 1) en de Commissie-Guidelines van februari 2025 niet. Eenvoudige rule-based systemen, basale statistische methodes en simpele dataverwerking vallen buiten de wettelijke AI-definitie. Het systeem moet inferentie kunnen uitvoeren op basis van input.
Welke types AI vallen onder de EU AI Act?
De wet is technologie-neutraal. Elk machinaal systeem dat aan de zeven elementen van Artikel 3 lid 1 voldoet, valt eronder. Ongeacht of het ANI, machine learning, deep learning, generative, predictive, of agentic AI is. De wet kijkt naar wat het systeem doet, niet hoe het is gebouwd.
Bestaat AGI al?
Nee. AGI is op dit moment theoretisch. Moderne large language models tonen beginnende algemene capaciteiten, maar bereiken niet de flexibele, domein-overschrijdende intelligentie van een mens. Voor enterprise-strategie is AGI geen relevante planningscategorie.
Tot slot
AI is geen monoliet. Het is een familie van technieken, modellen en toepassingen die elk een eigen plek innemen in de academische, functionele en wettelijke indelingen. Wie de termen helder krijgt, communiceert preciezer, koopt slimmer in, en past compliance proportioneel toe.
Voor organisaties die met AI werken, is begrip van deze types geen academische luxe. Het is de basis voor elke serieuze strategische, juridische en operationele beslissing over AI in het komende decennium.
Wil je weten welke types AI in jouw organisatie worden gebruikt, en welke verplichtingen daar onder de EU AI Act bij horen? Doe de gratis AI-Risicoscan en breng het in vijf minuten in kaart.
Ferry Hoes
Ferry Hoes is veelgevraagd spreker en trainer op het gebied van AI-geletterdheid. Hij staat meermaals per maand op het podium voor organisaties zoals a.s.r., VodafoneZiggo en verschillende ministeries. In 2020 won hij de Anti-Discriminatie AI-Hackathon van de Nederlandse overheid.