Fine-tuning: wat het is en hoe je het inzet

Fine-tuning — Fine-tuning is een bestaand AI-model verder trainen met eigen voorbeelden, zodat het de stijl, vorm en taken van jouw organisatie vanzelfsprekend toepast zonder dat je dat elke keer opnieuw moet uitleggen.

Wat fine-tuning wél en niet doet

Met fine-tuning leert een model van voorbeelden: hoe een tekst eruitziet, welke toon past, hoe een taak wordt afgerond. Het resultaat is een aangepaste versie van het model die consistent werkt volgens jouw standaard. Wat fine-tuning níét doet: nieuwe actuele kennis toevoegen. Een fijn-getraind model weet nog steeds niets over gisteren, en feiten die je in de trainingsdata stopt kunnen verouderen of door het model verkeerd worden gereproduceerd.

Daarom geldt als vuistregel: gedrag en stijl regel je met fine-tuning, kennis en feiten regel je met ophalen (RAG) of door context mee te geven.

Fine-tuning of RAG?

• Fine-tuning: vaste taken, vaste vorm, veel voorbeelden beschikbaar. Denk aan het opmaken van teksten volgens huisstijl of het classificeren van leads.
• RAG: antwoorden moeten actueel, controleerbaar en gebaseerd op eigen documenten zijn. Denk aan een chatbot over je diensten of prijzen.
• Combinatie: stijl via fine-tuning, kennis via RAG. Zo werkt het in de praktijk vaak het best.
• Eerst prompts: voor de meeste marketingtaken is goed prompten goedkoper en flexibeler. Fine-tuning pas als prompts te lang of te inconsistent worden.

Wanneer zet je het in voor marketing?

Fine-tuning wordt interessant bij herhaaltaken met een vaste vorm: socialteksten in de huisstijl, productbeschrijvingen volgens een vast format, het vertalen van interne jargon naar klanttaal, of het voorbeoordelen van binnenkomende leads. Je betaalt met voorbeeldmateriaal en onderhoud: de trainingsdata moet kloppen, en elke wijziging in stijl betekent opnieuw trainen of bijwerken.

Verder lezen

• Large language model (LLM)
• Retrieval augmented generation (RAG)
• AI & Data: datasets optimaliseren

Deze uitleg komt uit de begrippenlijst van ons AI marketing bureau. Bekijk alle termen in de begrippenlijst.

Veelgestelde vragen over fine-tuning

Kan ik met fine-tuning mijn eigen kennis toevoegen aan een model?

Technisch wel, maar het is niet betrouwbaar voor feiten. Modellen reproduceren getrainde informatie niet gegarandeerd en actuele kennis verandert. Gebruik RAG voor kennis en fine-tuning voor gedrag.

Hoeveel voorbeelden heb ik nodig?

Voor eenvoudige taken of een vaste stijl werken soms al enkele tientallen goede voorbeelden. Hoe consistenter de voorbeelden, hoe minder je nodig hebt.

Is fine-tuning duur?

Het trainen is eenmalig betaald, maar een fijn-getraind model draaien kost per antwoord vaak meer dan een standaardmodel via een prompt. Begin daarom altijd met prompten en meet of het verschil het waard is.