Woordenlijst
Wat is large language model (LLM)?
Een large language model (LLM) is een AI-model dat is getraind op grote hoeveelheden tekst en daardoor taal kan begrijpen en genereren. De modellen achter ChatGPT zijn er een voorbeeld van; ze zijn sterk in taal, maar niet in exact rekenen.
Large language model (LLM) uitgelegd
Een LLM voorspelt steeds het meest waarschijnlijke volgende stukje tekst, een token, op basis van alles wat eraan voorafgaat. Daardoor kan het teksten schrijven, samenvatten, vertalen en code of SQL genereren. Het kan ook overtuigend klinkende onzin produceren, wat een hallucinatie heet.
Omdat een LLM tekst voorspelt in plaats van rekent, is het geen betrouwbare rekenmachine en kent het je bedrijfsdata niet. Voor vragen over cijfers laat je het model daarom liever een query of formule schrijven die een database uitvoert, dan het model zelf het antwoord te laten verzinnen.
Bij zakelijk gebruik let je op waar het model draait, wat er met je invoer gebeurt en of die wordt gebruikt om het model te trainen. Zakelijke API's van aanbieders zoals OpenAI, Anthropic en Google hebben daarvoor andere voorwaarden dan de gratis consumentenapps.
Voorbeeld
Een medewerker van Acme Groothandel vraagt een LLM om de omzet van vorig kwartaal. Zonder toegang tot de data verzint het model een getal of weigert het; via text-to-SQL schrijft het in plaats daarvan een query, en de database geeft het echte bedrag.
Large language model (LLM) in ENABLE
ENABLE gebruikt een taalmodel via de API van OpenAI voor de SQL Explorer en voor "Vraag AI" in de Dashboard Builder (pilot). Het model krijgt alleen metadata en de vraag, nooit rijen data of wachtwoorden. Eigen of in de EU gehoste AI-modellen zitten niet in ENABLE.
FAQ
Veelgestelde vragen
Wat is het verschil tussen een LLM en ChatGPT?
Een LLM is het onderliggende AI-model, ChatGPT is een app van OpenAI die zulke modellen gebruikt. Andere bekende LLM's zijn onder meer Claude, Gemini en Llama.
Waarom kan een LLM niet goed rekenen?
Een LLM voorspelt tekst op basis van patronen en voert geen echte berekening uit. Voor exacte cijfers laat je het model beter een query of formule schrijven die door een database of rekenprogramma wordt uitgevoerd.
Wordt mijn invoer gebruikt om een LLM te trainen?
Dat hangt af van de aanbieder en het type account. Bij zakelijke API's is training op je invoer meestal standaard uitgesloten, maar lees altijd de voorwaarden.
Verder lezen
- OplossingAI op eigen data: vragen stellen aan je bedrijfsdataStel vragen in gewone taal aan je eigen datawarehouse. De AI ziet je structuur, niet je rijen.Lees meer
- OplossingVeilige AI voor bedrijven: private AI op je dataWat private, veilige AI echt betekent, en hoe ENABLE beperkt wat de AI van je data ziet.Lees meer
- KennisbankText-to-SQL uitgelegd: AI op je databaseText-to-SQL is een techniek waarbij een AI-model een vraag in gewone taal omzet naar een SQL-query, die daarna op een database wordt uitgevoerd. Het taalmodel schrijft de query, de database levert de cijfers. Hoe goed dat werkt, hangt vooral af van de kwaliteit van je metadata en van de veiligheidsmaatregelen rond de uitvoering, zoals alleen-lezen toegang, timeouts en rijlimieten.Lees meer
- OplossingAI platform voor bedrijven: data, AI en appsDashboards, AI op data, eigen dashboards en apps onder één login en één toegangsmodel.Lees meer
AI gebruiken op je eigen data. Veilig, en zonder hoofdpijn.
In een online demo laten we zien hoe ENABLE je data veilig beschikbaar maakt en hoe je erop bouwt: een app beschrijven in de AI Builder, vragen in gewone taal, dashboards en API's. En hoe wij het voor je inrichten en beheren.