Insight

FOMO voor: welke LLM moet je kiezen?

Het aanbod van AI-tools groeit razendsnel: ChatGPT, Gemini, Claude, Mistral, open-source, proprietary, tekst, beeld, reasoning, multimodaal… Voor wie niet dagelijks met AI werkt, is het lastig om overzicht te houden. Welke large language model (LLM) past het beste bij jou? En belangrijker nog: hoe maak je die keuze?

Wat is een LLM eigenlijk?

Eerst terug naar de basis: wat verstaan we onder een LLM? Een LLM is een AI-systeem dat getraind is op enorme hoeveelheden tekst, maar óók beeld, audio, video en zelf broncode voor software ontwikkelen. Het kan zinnen afmaken, vragen beantwoorden, teksten schrijven, code maken of zelfs complexe analyses doen. Maar niet elk model is gelijk. Waar sommige modellen uitblinken in output genereren (zoals tekst of beeld), zijn er ook modellen die écht kunnen redeneren, informatie combineren, en complexe scenario’s analyseren.

Verschillende modellen

We zien grofweg drie niveaus van ‘intelligentie’:

1. Generatieve modellen
De eerste LLM’s die op de markt zijn gekomen die ideaal zijn voor teksten, afbeeldingen of video’s. Denk aan campagnes, blogs of social posts toepassingen.

2. Reasoning modellen
Deze gaan een stap verder. Ze kunnen analyseren, coderen, complexe beslissingen onderbouwen en zelfs tegenvragen stellen. Denk aan gebruik voor data-analyses, strategie, softwareontwikkeling of businesscases of uitvoerig research doen.

3. AGI in opkomst
Dit zijn modellen die net zo slim (of zelfs slimmer!) gaan zijn dan mensen. Deze kant gaat het op: AI-teammates die zelfstandig verschillende rollen en taken uitvoeren. Een soort team van digitale collega’s dat jij aanstuurt.

Een model zoals GPT-4.5 blinkt uit in taal en communicatie. Terwijl bijvoorbeeld GPT-o3 (OpenAI’s reasoning model) meer geschikt is voor developers of data-analisten, business strategen en onderzoekers.

Niet elk model is geschikt voor elke taak

Veel organisaties kopen meteen licenties voor de populairste tools zoals Copilot, ChatGPT, Gemini, zonder te weten wat ze er precies mee willen doen. Maar: het model moet passen bij de taak, niet andersom. Een snelle contenttaak vraagt iets anders dan een complexe datavraag.

En dat is precies waar het nu vaak misgaat: technologie wordt omarmd zonder eerst te kijken welke processen er baat bij hebben. Ons advies: begin niet met tools, begin met taken. Welke taken voeren je mensen uit? Welke zijn repetitief, tijdrovend, of blijven structureel liggen?

Pas als je dat weet, kun je kiezen welk type Large Language Model (LLM) het beste past bij jouw team of afdeling.

Hoe kies je dan wél?


1. Breng in kaart welke taken repeterend, tijdrovend of onbenut blijven.

2. Onderzoek welke van die taken (deels) door een
LLM kunnen worden overgenomen.

3. Kies het juiste model bij de taak.

Een paar voorbeelden:

- Tekst schrijven of e-mails beantwoorden? Gebruik GPT-4.5.

- Diepgaande data-analyse, coderen of complexe scenario’s schetsen? Dan kies je voor reasoning modellen zoals OpenAI's o3 of Gemini 1.5 Pro.

- Combinaties van taken of multimodale output (tekst + beeld + data)? Kijk dan naar modellen die automatisch wisselen tussen outputs.

Welke LLM past bij jouw rol?

LLM’s zijn breed inzetbaar, zolang je weet waar je ze voor gebruikt. Een aantal concrete voorbeelden:

- Marketeer: Campagne-ideeën, websiteteksten, visuals (Outputmodel, bijvoorbeeld ChatGPT, Gemini).

- Data-analist: Scenario-analyse, dashboarding, queries (Reasoningmodel, bijvoorbeeld Claude Opus, GPT03 Turbo met tools).

- Finance specialist: Cashflow-analyse, businesscase validatie (Reasoningmodel). 

- Developer: Code schrijven, debuggen, documenteren (Reasoningmodel, bijvoorbeeld Gemini 2.5 Pro, GPT-o3, Claude opus 4).

- Onderzoeker/beleidsadviseur: Hypothesevorming, literatuuronderzoek, scenariovergelijking (Deepresearch Model met Geminin l + zoekfunctie, bijvoorbeeld Perplexity AI).

- Category manager: Automatisch dashboards en rapportages genereren (Reasoningmodel of multimodaal model, bijvoorbeeld Gemini 2.5 Pro).

Slim starten: breng eerst je taken in kaart

Wil je aan de slag met Generative AI in je organisatie? Begin dan met een Smart Task Scan. Daarmee brengen we in kaart welke processen en taken geschikt zijn voor Generative AI, en welk type model daar het beste bij past. Zo voorkom je verkeerde investeringen in tools die je team niet verder helpen.

Wil je sparren of advies?

Neem contact met ons op. We interviewen vrijblijvend je team of afdeling, en geven gericht advies over welke modellen passen bij jullie werk.