#14 Structureel kantelen van onderwijs door AI, hoe ziet dat eruit en hoe doe je dat? Tom Naberink, innovator en oprichter van AI voor docenten en Studenten neemt ons mee

#18: Deepfake, phishing & duizenden euro’s kwijt met Edwin van Korlaar sales director Interstellar

In deze aflevering van AI Have a Dream spreek ik met Edwin van Korlaar over cyberweerbaarheid in een tijd waarin oplichting steeds professioneler wordt. Edwin deelt twee ervaringen: een interne phishingtest op het werk die laat zien hoe makkelijk “urgentie” je gedrag stuurt, én een veel zwaardere privésituatie waarin hij door een deepfake/crypto-scam via een gehackt YouTube-kanaal duizenden euro’s verloor. We ontleden de signalen die je achteraf wél ziet (schaarste, tijdsdruk, “te mooi om waar te zijn”, herhalende video, QR-code), waarom kennis je niet automatisch beschermt, en wat organisaties én mensen praktisch kunnen doen. Denk aan: investeren in awareness-cultuur (testen, bespreekbaar maken, leren van fouten), 2FA, en vooral het vier-ogen-principe bij transacties of beslissingen onder tijdsdruk. De kern: het is niet de vraag óf je geraakt wordt, maar wanneer — en voorbereiding bepaalt de schade. Abonneer je nu op onze podcast en mis niets!

#17 Alarm Aflevering met Cyber Security Expert Jeremy Loman

Aflevering 17: AI, datalekken en digitale schijnveiligheid Met: Jeremy Lohman (cybersecurity-expert) Stel: je gooit vol gas AI op je organisatie, koppelt ‘m aan je CRM en je mail… en een maand later kan de iedereen bij directienota’s, salarissen en klachten. Dan heb je een heel groot probleem. In deze aflevering gaan we met Jeremy langs de rafelranden van AI, security en menselijk gedrag – bij kinderen én bij organisaties. In deze aflevering hoor je o.a.: * 00:00 – Waarom “even AI koppelen” eindigt in een datalek Casus: AI op je klantdata + stagiairs die ineens alles kunnen zien • AI-cowboys zonder security-denkwerk • waarom Jeremy een explosie aan datalekken verwacht. * 03:00 – Cyberburger: digitale veiligheid voor kinderen Jeremy’s project Cyberburger • wat hij in de “donkere hoeken” van internet ziet • waarom je eerst moet weten wat er bestaat voordat je het bij je kind herkent. * 06:30 – Roblox, grooming en verborgen risico’s Hoe Roblox écht werkt onder de motorkap • waarom er zoveel volwassenen op zitten • seksuele content, omzeilde chats en grooming via gameplatforms • uitleg wat grooming is en hoe het proces stap voor stap werkt (naar o.a. sextortion en geldezels). * 12:30 – Van kinderen naar directiekamers: dezelfde trucs, andere doelgroep Waarom volwassenen net zo manipuleerbaar zijn als kinderen • social engineering op managers en medewerkers • waarom Jeremy vindt dat dit óók een boardroom-thema is. * 15:30 – Datalekken 2.0 en AI-cowboys in je organisatie Voorbeelden van organisaties waar AI onbeveiligd op mails/M365 werd gezet • gehackte accounts, phishing vanuit je eigen domein • waarom phishing-mails niet meer te herkennen zijn als “nep”. * 21:00 – AI als wapen én als schild ChatGPT-achtige modellen speciaal voor hackers zonder guardrails • AI in endpoint security • waarom de verdediging structureel achterloopt • de verwachting dat guardrails verder worden afgebouwd omdat ze groei in de weg zitten. * 25:00 – Deepfakes, stemmen klonen en social engineering 3.0 Hoe eenvoudig het wordt om een directeur na te doen in Teams, met gezicht én stem • risico’s voor finance, betalingen en autorisaties • AI-geletterdheid van bestuurders: hoe ver ze echt zijn. * 29:00 – De toekomst van werk: junior output, senior impact Waarom een junior met AI straks de output van een senior kan leveren • voorbeelden van afdelingen die al grotendeels zijn weggeautomatiseerd • het risico van extreme afhankelijkheid van AI (TomTomisering van ons brein). * 32:00 – Europa als remmende voorsprong? Tussen VS en China in: wat Jeremy ziet in Chinese AI-communities • waarom de huidige regelzucht in Europa innovatie verstikt • het dilemma: veilig, netjes en te laat – of sneller en rommeliger. * 35:00 – Governance vs lef: wie stort als eerste in? bedrijven met alleen governance en geen lef verliezen het eerst • waarom je risico móet nemen, maar niet blind • hoe je een AI-consultant kunt “doorzagen” (RAG, fine-tuning, securityvragen). * 37:00 – Concrete tools en wat je morgen al kunt doen Waarom hij pleit voor zoveel mogelijk in het eigen ecosysteem (M365, Copilot, Power Automate, Power Apps) • hoe je third-party tools beoordeelt. * 40:00 – De grootste gevaren én kansen voor komend jaar Bedrijven die níet in actie komen als “weak competitors” • marktaandeel dat naar AI-first bedrijven schuift • buitenlandse AI-ondernemers die de Nederlandse markt binnenlopen Link naar de website en scholieren webinar van Jeremy: https://cyberburger.nl/echtnietvandaag-gratis-training-midden-nederland/ [https://cyberburger.nl/echtnietvandaag-gratis-training-midden-nederland/] Abonneer je nu op onze podcast en mis niets!

#16 AI als échte hefboom voor capaciteit en kwaliteit, hoe doe je dat praktisch? met Gerjon Kunst CTO van Rawworks

In deze aflevering ga ik in gesprek met Gerjon Kunst, CTO van Rawworks, Microsoft MVP en mede-podcasthost.  We duiken in de vraag: waarom AI eerst privé landt en daarna pas in het werk, en wat het echte verschil is tussen automatiseren en AI: niet alleen dingen laten dóen, maar vooral laten interpreteren. We leren dat AI een man is,  Aan de hand van praktijkvoorbeelden – zoals WMO-consulenten die hun verslaglegging radicaal versnellen, verzekeraars die schades laten beoordelen door AI en liftbedrijven die worstelen met rommelige datasheets – praten we over human-in-the-loop, datastructuur, eigenaarschap en de harde realiteit achter de quote dat “nog maar 1% van AI-implementaties echt succesvol is”. We raken de risico’s (deepfakes, afhankelijkheid van cloud en tools, “workslop” door slecht gebruikte Copilot) én wat leiders anders moeten doen om dit niet een speeltje maar een serieuze capaciteitsvergroter te laten zijn. Mijn drie belangrijkste – en voor mij nieuwste – lessen uit dit gesprek: 1. Het echte verschil zit in interpretatie, niet in automatisering. AI wordt pas interessant waar systemen tekst, context en ambiguïteit gaan lezen en duiden. Niet de “if this then that”-processen, maar de rommelige stukken waar nu mensen moeten interpreteren (gespreksverslagen, schadedossiers, klantverzoeken). Daar zit de sprong in waarde. 2. Begin níet in je primaire proces, maar in de lelijke randprocessen – en neem genoegen met 70%. De 1% succesvolle AI-cases hebben één ding gemeen: ze starten klein, bij repeterende tijdvreters rondom het primaire proces. Niet meteen “we gooien de hele keten in AI”, maar: één concreet proces, human-in-the-loop, 70% goed is goed genoeg. Succes ontstaat daar, niet in het grote powerpoint-verhaal. 3. Zonder datakwaliteit en eigenaarschap blijft AI een dure illusie. Vervuilde documenten, oude beleidsstukken en inconsistente velden saboteren slimme oplossingen. AI dwingt organisaties om eindelijk keuzes te maken: wat mag weg, wie is eigenaar, welke data is “bron”? Datagedreven werken blijkt ineens geen buzzword meer, maar een keiharde voorwaarde om überhaupt zinvol met AI te kunnen spelen. Kort gezegd: AI is geen magie, maar een scherpe spiegel. Voor je processen, je data én je leiderschap. Abonneer je nu op onze podcast en mis niets!

#15 Wat winnende boardrooms delen: de 70-20-10 regel voor AI-opschaling — met BNR technoloog en oud top schaatser Ben van der Burg

In deze aflevering met Ben van der Burg fileren we hardnekkige AI-mythes en verschuiven we de focus van “wat” naar “hoe”. Generatieve AI blijft een probabiliteitsmachine: nuttig voor optimalisatie en automatisering, maar geen Copernicus-creativiteit die echt nieuwe ideeën uitvindt. Succes vraagt dus om een andere mentaliteit: continu verbeteren in levels, niet denken in “af”. Leiders moeten angst voor fouten loslaten, experimenteren normaliseren en het goede voorbeeld geven—ook door openlijk te werken met AI in dagelijks werk. We vertalen dat naar bestuur en operatie. Richt je aandacht op de plekken waar je zelf nog niet sterk bent en stuur op het “hoe”: data op orde, meten, itereren, en tijdig go/no-go’s durven nemen. Gebruik een simpele verdeling om tempo te houden: het grootste deel voor de basis die onder druk staat, een flink stuk voor incrementele verbeteringen, en een klein maar heilig deel voor radicale experimenten. Laat compliance geen rem zijn maar een versneller: maak één helder kader, borg veiligheid van data, en benut regelgeving (AI Act, GDPR) als hefboom om geletterdheid en innovatie op gang te brengen in plaats van te verstijven. Tot slot kijken we naar Europa. We concurreren niet op brute GPU-power, maar kunnen wél winnen met schone, hoogwaardige domeindata en compacte, goed getrainde modellen (denk aan GPT-NL-achtige initiatieven) voor specifieke use-cases. Combineer Europese waarden (transparantie, auteursrechten geborgd) met praktische uitvoering: jonge makers ruimte geven, leveranciers slim aansturen, en eigen datakennis opbouwen in plaats van passief te wachten op je IT-supplier. De oproep is helder: leid zonder kramp, organiseer zwoeng, en houd koers op adaptiviteit—dán wordt AI een vliegwiel in plaats van een hype. Ben van der Burg  Podcast de technoloog. (BNR) Podcast de Grote Tech Show (BNR) Abonneer je nu op onze podcast en mis niets!

#14 Structureel kantelen van onderwijs door AI, hoe ziet dat eruit en hoe doe je dat? Tom Naberink, innovator en oprichter van AI voor docenten en Studenten neemt ons mee

Vandaag vanaf de bruisende HAN-campus in Nijmegen: een scherp, praktisch gesprek met docent en onderwijsinnovator Tom Nabering over de vraag die iedereen bezighoudt: hoe krijg je een instituut als het onderwijs echt in beweging met AI—zonder vast te lopen in beleid? We bespreken waarom je niet moet wachten op regels maar juist in de les moet beginnen, het mens-machine-mens-principe (prompt slim → laat genereren → check kritisch), en hoe docenten vandaag al tijd winnen met voorbereiding, toetsen en feedback.  Tom laat zien hoe AI-“docenten” (AIvoorstudenten.nl) werken, waarom toetsing op de schop moet, en waar de echte risico’s zitten: cognitieve luiheid, ongelijkheid, individualisering en deepfakes. We kijken vooruit naar 2030—met een andere docentrol en méér quality time in de klas—en markeren de eerste piketpalen: lichte maar scherpe kaders, tijd organiseren om te oefenen, en kleine successen delen. Kortom het advies van Tom: negeren kan niet, verbieden werkt niet—doe het verstandig en begin vandaag. Podcast Tom: AI tussenuurtje Websites: Aivoordocenten.nl. -  Aivoorstudenten Abonneer je nu op onze podcast en mis niets!