Hoe AI-rapporten worden gemaakt - Achtergrond
Wat er gebeurt bij het genereren van een rapport
Als je op Genereren klikt, gebeurt het volgende: Picasi verzamelt alle updates uit het momenteel zichtbare deel van de inbox — gefilterd op de actieve map en alle ingestelde filters. Deze updates worden samen met je AI-context (indien aanwezig) doorgegeven aan een AI-model.
Het model krijgt een duidelijke opdracht: samenvatten, analyseren, een lijst maken, LinkedIn-berichten schrijven of gespreksstarters identificeren. Daarbij komt nog een optionele focustekst van jullie, die de output in een bepaalde richting stuurt.
De AI verwerkt dit alles op de achtergrond — vandaar de korte wachttijd van 15 seconden tot twee minuten — en levert een kant-en-klare tekst op, die Picasi als rapport opslaat.
Wat de kwaliteit beïnvloedt
Drie factoren bepalen in belangrijke mate hoe nuttig een rapport wordt:
De updatebasis: een rapport over drie updates wordt onvermijdelijk oppervlakkiger dan een rapport over 50. Te weinig input betekent te weinig output. Er is geen minimum aantal, maar voor een analyse is het zinvol om ten minste een week aan activiteit te verzamelen.
De AI-context: Zonder eigen contextdocumenten weet de AI niet wie jullie zijn. De analyse blijft dan algemeen en beschrijft wat de concurrent doet — zonder te duiden wat dat voor jullie betekent. Met een goed ingevulde AI-context worden analyses concreet en actiegericht.
De focustekst: Zonder focus stelt de AI een algemeen overzicht op. Met een focustekst zoals Was kommunizieren unsere Wettbewerber über KI und Automatisierung? wordt het rapport gericht. Focusteksten helpen vooral als je een concrete vraag hebt en niet alleen een overzicht nodig hebt.
Wat de AI niet kan
De AI genereert rapporten op basis van de updates die jullie hebben aangeleverd — ze kan geen updates vinden of opzoeken die niet in jullie inbox staan. Als een bedrijf een relevante post heeft gepubliceerd die Picasi nog niet heeft opgehaald, verschijnt deze niet in het rapport.
Analyses bevatten geen beweringen over interne gegevens van de concurrent — alleen over openbaar beschikbare inhoud die jullie in Picasi hebben verzameld.
Rapporten zijn niet deterministisch
Dezelfde invoer kan bij twee generaties al snel tot licht verschillende rapporten leiden. Dat is het normale gedrag van AI-modellen. Als een rapport niet klopt, kan het nuttig zijn om de focustekst aan te scherpen of andere filters in te stellen en opnieuw te genereren.
Hoe gespreksstarters worden geselecteerd
Gespreksstarters volgen een andere selectielogica dan andere rapporttypes. In plaats van een samenvatting te maken, beoordeelt de AI afzonderlijke updates op hun geschiktheid als aanknopingspunt voor een reactie op LinkedIn.
Scoring: elke update krijgt een score van 0 tot 14. Deze bestaat uit een basisscore (7–9 punten) en mogelijke bonussen (0–5 punten). Alleen updates met een score van minimaal 8 worden in het resultaat opgenomen — updates met een lagere score worden niet meegenomen, ook al leidt dit tot minder dan drie suggesties. Minder, maar betere suggesties is het doel.
Brondiversiteit: Per bron wordt maximaal één update voorgesteld. Als een bron zeer actief was, verschijnt toch alleen de beste treffer. Uitzondering: een tweede bericht van dezelfde bron kan worden meegenomen als het een score van 12 of meer heeft.
Aantal: Het resultaat bevat nul tot vijf gespreksstarters. Als geen enkele update de drempelwaarde haalt, blijft het rapport leeg — dit is geen fout, maar geeft aan dat er momenteel geen geschikte aanknopingspunten zijn.
Wanneer er meer suggesties ontstaan: Als de inbox veel updates uit verschillende bronnen bevat en de concurrenten op dat moment bijzonder relevante inhoud hebben gepubliceerd, stijgt het aantal treffers. Voor periodes met weinig activiteit is het normaal dat er weinig of geen suggesties zijn.