# 16 Begrippen die elke AI-consultant in spe moet leren (en 4 die je moet vermijden)

> Published: 2026-08-14
> Updated: 2026-08-14
> Author: Jackson Mclean
> Category: POS
> Canonical: https://finalpos.com/nl/blog/16-begrippen-die-elke-ai-consultant-in-spe-moet-leren-en-4-die-je-moet-vermijden

De 16 begrippen waarmee een AI-consultant in spe professioneel overkomt, van tokens en RAG tot MCP en evals, plus de vier buzzwords die je ongemerkt het vertrouwen van de klant kosten.

Dit zijn de 16 begrippen: large language model, token, context window, inferentie, prompt, system prompt, retrieval-augmented generation, fine-tuning, embedding, agent, MCP, orchestratie, human in the loop, hallucinatie, guardrails en evals. De vier die je moet schrappen: "AI-powered", "getraind op jouw data", "AGI" en "100% nauwkeurig". Elke AI-consultant in spe wordt beoordeeld op vakjargon voordat er resultaten zijn, omdat vakjargon het enige is wat een potentiële klant tijdens de eerste afspraak kan controleren. Deze definities zijn correct op het moment van publicatie in augustus 2026; het vakgebied verandert snel, dus beschouw de details als een momentopname.

## Wat zijn de basisbegrippen over het model?

Vier begrippen beschrijven de machine zelf. Als je deze goed begrijpt, heeft de rest een stevig fundament.

1. Large language model (LLM). De motor achter ChatGPT, Claude en Gemini: een model dat is getraind op enorme hoeveelheden tekst en het volgende stukje taal voorspelt. Wanneer een klant het over "de AI" heeft, is dit meestal wat hij bedoelt.
2. Token. Het kleine stukje tekst dat modellen lezen en waarop ze de facturatie baseren, meestal net iets korter dan een heel woord. API-prijzen (toegang tot een model op basis van verbruik) worden per token vermeld, dus dit is een kostenbegrip, geen triviaal detail.
3. Context window. Het werkgeheugen van het model: hoeveel tekst het in één keer kan verwerken. Wanneer een klant vraagt waarom de AI pagina 40 van hun beleidshandleiding is "vergeten", is het context window meestal je antwoord.
4. Inferentie. Het uitvoeren van een getraind model om een antwoord te krijgen, in tegenstelling tot het trainen ervan. Inferentie is de terugkerende factuur die je klant elke maand blijft betalen nadat het project is opgeleverd.

## Welke begrippen gaan over het krijgen van betere antwoorden?

Vijf begrippen behandelen de kunst om een algemeen model nuttig te maken voor één specifiek bedrijf.

1. Prompt. De instructie die je aan het model geeft. Complete producten worden tegenwoordig gebouwd op basis van een geschreven beschrijving; [prompt-gebaseerde builders](/blog/final-pos-flow-studio) veranderen een alinea in werkende software. Daarom is een prompt tegenwoordig een opleverproduct en geen chatbericht.
2. System prompt. De vaste instructies die een model ontvangt voordat de gebruiker iets typt. Veel van de "aangepaste AI-assistenten" die aan kleine bedrijven worden verkocht, zijn technisch gezien gewoon een system prompt boven op een bestaand model. Houd daar rekening mee voordat je er een prijs voor bepaalt.
3. Retrieval-augmented generation (RAG). Het ophalen van de meest relevante documenten en deze aan het model overhandigen op het moment dat een vraag wordt gesteld. Dit is hoe je een model laat antwoorden op basis van de handleidingen en het beleid van een klant, zonder het model zelf aan te passen.
4. Fine-tuning. Het daadwerkelijk wijzigen van de gewichten van een model (de interne instellingen) door het te trainen op nieuwe voorbeelden. Het is duur, langzamer bij te werken en zelden de juiste eerste stap. De meeste taken die klanten "trainen" noemen, betreffen in werkelijkheid RAG.
5. Embedding. Tekst die is omgezet in lijsten met getallen, zodat vergelijkbare betekenissen dicht bij elkaar komen te liggen. Embeddings vormen de index waarin RAG zoekt; zonder embeddings werkt "het relevante document zoeken" niet.

![Een persoon pakt één map uit georganiseerde kasten, een analogie voor retrieval-augmented generation](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/ba2aaedcbd614b3a-rag-retrieval-folders-inline.png)

## Welke begrippen zijn belangrijk zodra de AI werk gaat uitvoeren?

Antwoorden geven is het makkelijke gedeelte. Deze vier begrippen gaan over AI die acties onderneemt, wat precies de richting is waar consultingopdrachten naartoe gaan.

1. Agent. Een AI die in een lus naar een doel toe werkt: het plant, gebruikt tools, controleert resultaten en probeert het opnieuw, in plaats van één antwoord te geven. Bij agents stapelen fouten zich ook op, en dat is precies wat de laatste drie begrippen op deze lijst zo waardevol maakt om te factureren.
2. MCP (Model Context Protocol). De [open standaard](https://modelcontextprotocol.io) waarmee een AI-toepassing verbinding kan maken met externe tools en gegevens, vaak omschreven als een USB-C-poort voor AI. Het begon eind 2024 bij Anthropic en wordt nu [beheerd door de Agentic AI Foundation](https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation) onder de Linux Foundation, met ondersteuning voor ChatGPT, Claude, Cursor en Microsoft Copilot. Bijna elke vraag van een klant in de stijl van "kan jullie AI met ons systeem praten?" verloopt nu via MCP.
3. Orchestratie. Het coördineren van meerdere modellen, tools en stappen in één workflow: welk model verwerkt wat, in welke volgorde, en wat er gebeurt als een stap mislukt.
4. Human in the loop. Een persoon die het werk van de AI beoordeelt voordat het gevolgen heeft. Bepalen waar die persoon zich bevindt, is de daadwerkelijke ontwerpbeslissing waarvoor klanten een consultant betalen.

![Eén standaardkabel die meerdere verschillende apparaten verbindt, een analogie voor het Model Context Protocol](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/886ffdbaa7baf10a-mcp-universal-connector-inline.png)

## Welke begrippen voorkomen dat klantprojecten in de problemen raken?

Met de laatste drie begrippen klink je als een professional in plaats van een enthousiaste supporter.

1. Hallucinatie. Een zelfverzekerd, vloeiend, maar fout antwoord. Het is een normale foutmodus van deze systemen, niet een bug die een leverancier heimelijk heeft opgelost.
2. Guardrails. Strikte grenzen aan wat het systeem kan zeggen of doen: onderwerpen die het weigert, acties die het niet kan uitvoeren, drempelwaarden die het niet mag overschrijden.
3. Evals. Kort voor evaluaties: herhaalbare tests die een AI-systeem beoordelen op basis van bekende situaties, vóór en na elke wijziging. Als je AI-systemen verkoopt zonder evals, verkoop je onderbuikgevoel. Dit begrip haalt opdrachten binnen.

![Een beoordelaar controleert gedrukte pagina's met de hand, als illustratie van de human in the loop-stap die AI-consultants ontwerpen](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/624d8021204fc3c0-human-in-the-loop-review-inline.png)

## Welke vier begrippen kun je beter vermijden?

Elk van deze begrippen vermindert het vertrouwen van een potentiële klant, om een andere reden.

1. "AI-powered". Het zegt helemaal niets en het staat in elke pitchdeck. Noem in plaats daarvan het mechanisme: RAG op hun documenten, een agent met menselijke controle, een gefinetunede classifier.
2. "Getraind op jouw data". Meestal onjuist. De meeste klantsystemen gebruiken RAG of een groot context window, geen training, en de zinsnede doet privacy-alarmbellen afgaan die je vervolgens tijdens een hele afspraak moet ontkrachten. Zeg liever "gebaseerd op jouw data" tenzij je echt aan het fine-tunen bent.
3. "AGI". Kunstmatige algemene intelligentie (AGI) is een onderzoeksdiscussie, geen term voor het bepalen van de projectomvang. Als een klant ernaar vraagt, antwoord dan eerlijk; bouw je pitch er alleen niet op, want het lokt voorspellingen uit die je niet kunt waarmaken.
4. "100% nauwkeurig". Net als "hallucinatievrij". Een garantie die niemand eerlijk kan geven. Vermeld in plaats daarvan gemeten foutmarges uit je eigen evals; een echt getal levert meer opdrachten op dan een beloofde nul.

## Welke begrippen doen er nu echt het meeste toe?

Als een klantgesprek om vier van deze begrippen draait, zijn dat RAG, agent, MCP en evals: wat het systeem weet, wat het kan doen, waar het verbinding mee maakt en hoe je bewijst dat het werkt. Zorg dat je die dromen kunt en gebruik de rest waar nodig. De vuistregel: als je een begrip niet in één zin aan een klant kunt uitleggen, laat het dan uit je pitch.

Om dit jargon in de praktijk te zien bij een echte opdracht, lees je [hoe AI-consultants de omvang van een interne SaaS-vervanging bepalen](/blog/scoping-an-in-house-saas-replacement). Om het verschil te ervaren tussen woorden en een demo, [verbind je je eigen AI via MCP](https://finalpos.com/help/connect-your-own-ai-mcp) met de builder van Final en zie je [hoe een prompt verandert in een werkend kassasysteem](/blog/claude-cowork-double-usage-ends-august-5). En als je klanten winkeliers of horecaondernemers zijn, behandelt de aanvullende lijst met [30 POS-begrippen die elke nieuwe ondernemer moet kennen](/blog/pos-terminology-30-terms-new-merchants) de andere helft van het gesprek.

## FAQ

**Q: Wat is het verschil tussen RAG en fine-tuning?**
A: RAG overhandigt de relevante documenten aan het model op het moment dat de vraag wordt gesteld; fine-tuning past het model zelf aan door het te trainen op nieuwe voorbeelden. RAG is goedkoper, sneller bij te werken en de juiste standaardkeuze voor de meeste klantprojecten.

**Q: Waar staat MCP voor in AI-consulting?**
A: Model Context Protocol: een open standaard waarmee AI-toepassingen verbinding kunnen maken met externe tools en gegevens. Het begon eind 2024 bij Anthropic en wordt nu beheerd door de Agentic AI Foundation onder de Linux Foundation.

**Q: Moeten AI-consultants kunnen programmeren?**
A: Niet altijd, maar je hebt genoeg technisch jargon nodig om de omvang van werk eerlijk te bepalen. Veel opdrachten verlopen tegenwoordig via prompt-gebaseerde tools en MCP-verbindingen in plaats van maatwerkcode.

**Q: Waarom kunnen consultants de term 'AI-powered' beter vermijden?**
A: Het zegt niets, en potentiële klanten negeren het inmiddels. Noem in plaats daarvan het mechanisme, zoals RAG op de documenten van de klant of een agent met menselijke controle.