Latest / M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands / Microsoft Designer: zo bespaart AI je elke week uren aan lay-out, huisstijl en samenwerking (AI-nasynchronisatie)

Transcript

Microsoft Designer: zo bespaart AI je elke week uren aan lay-out, huisstijl en samenwerking (AI-nasynchronisatie) · M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands

• 0:00
  Klaar voor 10 dagen Microsoft 365, Copilot, AI, Azure en de mensen die de toekomst van werk vormgeven?
• 0:07
  Deze januari is M365, kom terug en we pakken het groter aan.
• 0:12
  Doe mee voor live-sessies, praktijkdemos en praktische kennis van MVP's en experts van over de hele wereld.
• 0:18
  Geen algemene slieders, geen eindeloze modewoorden.
• 0:22
  We pakken de echte uitdagingen aan Copilot Studio, AI Agents, Fabric, Beveiliging, Governance en Automatisering.
• 0:29
  Of je nu IT-professional, ontwikkelaar of zakelijk leider bent, er zijn sessies speciaal voor jou.
• 0:34
  Met 10 volledige dagen kun je diverse technologieën verkennen en in contact komen met een wereldwijde community.
• 0:40
  Kijk live mee en neem praktische inzichten mee terug naar je organisatie.
• 0:44
  Januari 2027, 10 dagen, 1 Microsoft Community.
• 0:49
  Registratie is nu geopend.
• 0:51
  Claim vandaag nog je plek.
• 0:55
  Dat is M365.com.net
• 0:57
  Meld je nu aan op M365.com.net en we zien je live in januari.
• 1:05
  Weet je nog dat je uren bezig was om een PowerPoint slide precies goed uit te lijnen, om vervolgens iemand de merkleuren te zien veranderen?
• 1:11
  Wat als ik je vertel dat Microsoft Designers dat werk nu in seconden kan doen zonder dat je de muis aanraakt?
• 1:16
  Maar het punt is, het is niet alleen sneller, het leert je stel terwijl je werkt.
• 1:19
  Vandaag laat ik zien hoe dit het einde kan betekenen van saai ontwerpwerk en waarom het de manier waarop je marketingteamwerkt voorgoed kan veranderen.
• 1:27
  De vraag is, ben je klaar om uit te vertrouwen met je meridentiteit?
• 1:31
  Van handmatige aanpassingen naar slimme machines.
• 1:34
  Als je wel eens aan een marketingflyer of pitchdeck hebt gewerkt, weet je hoe snel een paar aanpassingen een hele middag in beslag nemen.
• 1:41
  Een tekstvak een halve millimeter verschuiven zodat het uitlijnt met de foto, een afbeelding vervangen omdat iemand van de directie het niet mooi vindt, zorgen dat de kop het juiste bedrijfslettertype heeft, niet ongeveer, maar precies.
• 1:53
  Dat is nog voordat het echte plezier begint.
• 1:55
  Iemand anders opent het bestand, maakt eigen wijzigingen en nu zit je versies te vergelijken om te zien wat echt definitief is.
• 2:01
  Het is niet alleen vervelend, het vreet de tijd op die je eigenlijk nodig hebt voor creatief werk.
• 2:06
  Het deel dat vaak de meeste tijd kost, zijn niet eens de grotere visies, maar de eindeloze kleine feedback rondes.
• 2:12
  Een logo een halve centimeter verplaatsen, één tint blauw aanpassen zodat het bij het goedgekeurde palet past, zorgen dat bullet points de juiste dikte van het eigen lettertype hebben.
• 2:21
  Het is een soort dood door duizend kleine wijzigingen en in groepsprojecten vermenigvuldigen die wijzigingen zich.
• 2:26
  Het is niet ongebruikelijk om tien of twaalf keer heen en weer te gaan om te zorgen dat het resultaat aanvoelt als het merk.
• 2:32
  Dat is waar de AI in Microsoft Designers de vergelijking verandert.
• 2:35
  Zodra deze is getraind op jouw brandkit, kleuren, lettertypes, logo's en beeldstijlen, begint het die keuzes automatisch toe te passen.
• 2:43
  Je voert tekst en afbeeldingen in en de tool bouwt layouts die al weten dat je koptekst 32 punten groot moet zijn.
• 2:49
  Je knoppen de marineblauwe kleurcode hebben en je foto's een warm kleurprofiel volgen.
• 2:53
  In plaats van elk ontwerpelement handmatig te controleren, begin je met iets dat al consistent is.
• 2:59
  Denk eens aan het verschil met een concreet voorbeeld.
• 3:01
  In de oude situatie betekende het maken van een product flyer beginnen met een leeg powerpoint of indesign bestand om vervolgens handmatig stijlen toe te voegen, tekstblokken uit te lijnen en tijdelijke kleuren te vervangen.
• 3:13
  In designers voer je de kop, subtekst en een productafbeelding in en binnen enkele seconden genereert de AI 5 of 6 gepolijste ontwerpen, allemaal volgens jouw merkregels.
• 3:22
  Je kunt de volgorde van de elementen nog aanpassen, maar de structuur staat al vast.
• 3:28
  Een van de marketingmanagers die ik onlangs sprak, was overspoeld met werk voor een seizoenscampagne.
• 3:34
  Voordat ze designers gebruikten, besteden ze ongeveer 6 uur per ontwerpcyclus aan het opmaken van de layouts.
• 3:41
  Toen ze overstapten, bracht ze dezelfde taak terug tot iets meer dan een uur, zonder in te leveren op stijl of kwaliteit.
• 3:47
  Dat bespaart elke week een volledige werkdag door simpelweg het repetitieve opmaakwerk te schrappen.
• 3:52
  Pilotprogramma's laten vergelijkbare resultaten zien.
• 3:55
  Teams die designers gebruiken voor routinematig productiemateriaal zagen een meetbare stijging in output, meer campagnes op tijd opgeleverd, minder laten verzoeken voor kleine aanpassingen en een duidelijke afname in het aantal revisies per project.
• 4:08
  Het interessante is dat de creativiteit er niet onder leed.
• 4:10
  Sterker nog, omdat er minder energie gaat naar tactische afstemming, gaven ontwerpers en marketeers aan meer ruimte te hebben voor brainstormen en conceptontwikkeling.
• 4:20
  Eén reden daarvoor is de manier waarop designers layout suggesties doet.
• 4:24
  In plaats van een statisch schabloon waar je je aan moet houden, kijkt de AI naar de inhoud die je hebt aangeleverd en stelt visuele hiërarchieën voor waarvan hij denkt dat ze werken.
• 4:33
  Dat betekent dat je reageert op een goed eerste concept in plaats van dat je worstelt om er een vanaf nul op te bouwen.
• 4:38
  Het biedt genoeg sturing om creatieve vermoeidheid tegen te gaan, maar jij bepaalt nog steeds wat er daadwerkelijk wordt gepubliceerd.
• 4:43
  Er speelt hier een stille vraag op de achtergrond.
• 4:45
  Hoe weet designers wat jouw stijl is?
• 4:47
  Het antwoord is dat het gevoed kan worden met een gedefinieerde brand kit via Microsoft 365 en na verloop van tijd leert het van de revisies die je goedkeurt of afwijst.
• 4:57
  Als je consequent een standaard stokfoto vervangt door iets met een specifieke uitstraling, begint de tool die stijl voorrang te geven in toekomstige suggesties.
• 5:04
  Je team is het aan het onderwijzen, zelfs als je niet expliciete model aan het trainen bent.
• 5:08
  Uiteindelijk is dat het echte verhaal.
• 5:10
  Dit gaat niet om het vervangen van menselijke smaak of beoordelingsvermogen.
• 5:13
  Het gaat erom die versie van ontwerpwerk te schrappen die als gegevensinvoer voelt, de keuzes, de creatieve sprongen, de dit zal onze doelgroep aanspreken, momenten.
• 5:23
  Die komen nog steeds van mensen.
• 5:25
  Designers zorgt er alleen voor dat de pixels al op de juiste plek staan, zodat jij je energie daar niet aan verspilt.
• 5:29
  En geautomatiseerde visuals zijn nog maar het begin.
• 5:32
  De grotere verandering is wat er gebeurt zodra deze intelligentie direct wordt geïntegreerd in hoe teams daadwerkelijk samenwerken.
• 5:39
  Samenwerken zonder de chaos.
• 5:41
  Als je ooit aan een gedeeld ontwerpbestand hebt gewerkt, ken je het moment waarop versiebeheer volledig in de soep loopt.
• 5:46
  Iemand pakt een oude kopie van zijn bureaublad, brengt wijzigingen aan, slaat het op als definitief 2 en nu vergelijk je dat met het bestand in de SharePoint map genaamd.
• 5:55
  Definitief.
• 5:56
  Deze gebruiken.
• 5:57
  Vermenigvuldig dat met drie mensen die tegelijkertijd werken en je hebt een puinhoop.
• 6:00
  Het is geen gebrek aan inzet.
• 6:02
  Het zijn de tools die mensen vragen om te werken op een manier die los staat van hoe samenwerking in de praktijk werkt.
• 6:06
  De realiteit is dat assets, zelfs bij bedrijven die volledig op Microsoft 365 vertrouwen, verspreid raken.
• 6:12
  Er is de versie in een Teams chat van afgelopen dinsdag nog een die verstopt zit in iemands email thread.
• 6:18
  En het hoofdschabloon dat drie mappen diep in SharePoint begraven ligt.
• 6:21
  Het juiste bestand vinden betekent vaak drie verschillende collega's pingen en hopen dat niemand de laatste update heeft overschreven.
• 6:28
  Tegen de tijd dat je het vindt, heeft de helft van het team al naar het verkeerde bestand gekeken.
• 6:31
  Dit is waar de integratie van designers in het M365-ecosysteem verandering in brengt.
• 6:36
  In plaats van te schakelen tussen best- en slocaties, open je designers en werk je direct waar je assets al staan, SharePoint, OneDrive of zelfs gekoppeld via Teams.
• 6:45
  Bewerkingen vinden in real-time plaats in dezelfde versie die iedereen ziet.
• 6:49
  Als je een kop wijzigt of een afbeelding vervangt, is dit direct zichtbaar voor de rest van het team.
• 6:53
  Je hoeft niets te versturen. Designers is slechts een ander venster in dezelfde verbonden werkplek.
• 6:58
  Stel je dit voor, jij en een teamgenoot werken beiden in designers aan een flyer voor een sales-event.
• 7:04
  Deze wordt rechtstreeks uit de Marketing SharePoint bibliotheek gehaald, al voorverladen met de juiste merkontwerpspecificaties.
• 7:09
  Jij past de hoofdafbeelding aan, zij verfijnen de ondertitel en je ziet elkaars wijzigingen direct verschijnen.
• 7:14
  Wanneer je klaar bent, staat het bijgewerkte bestand precies waar het begon, met de versiegeschiedenis automatisch opgeslagen op basis van jullie gebruikersrollen.
• 7:20
  Als je moet terugkeren naar een eerdere versie, hoef je niet door willekeurige bijlagen te spitten.
• 7:24
  Je herstelt gewoon het juiste checkpoint. Dat is een grote verschuiving ten opzichte van traditionele schabloonsystemen.
• 7:29
  Ouderwetse schablonen bestonden als statische bestanden.
• 7:31
  Downloaden, bewerken, opnieuw uploaden.
• 7:33
  Elke wijzigingsronde hing af van mensen die eraan dachten om handmatig de juiste stijlen toe te passen en onvermijdelijk vergat er iemand iets.
• 7:40
  Je had nog steeds een manager nodig die lette op bestandsnamen, kleurcodes en of het logo niet was vervormd.
• 7:47
  Nu designers in dezelfde omgeving staat als de rest van je M365 content en aan je op de achtergrond merkregels handhaaft, verdwijnt een groot deel van dat toezichthoudende werk.
• 7:57
  Maar er is ook een onverwacht voordeel in hoe het anticipeert op wat er ontbreekt.
• 8:01
  Als de AI ziet dat je een campagne materiaal maakt voor een evenement dat al in de Outlook agenda van het bedrijf staat, kan deze ontwerpvoorstellen tonen die je helpen het werk sneller te voltooien, zoals een locatiespecifieke afbeelding of de slogan van het evenement.
• 8:17
  Als een teamsvergadering notices bevatten over een product focus, kan dat de aanbevelingen voor tekstblokken of afbeeldingen sturen.
• 8:23
  Het idee is om de kloof tussen gesprek en uitvoering te dichten zonder dat jij op zoek hoeft naar alle context.
• 8:30
  Maar dat roept natuurlijk de vraag op, kan AI de nuances van toon en stel tussen verschillende afdelingen echt begrijpen?
• 8:36
  De taal van marketing komt niet altijd overeen met die van ouwer.
• 8:40
  Een ontwerp dat perfect werkt voor een klantgerichte advertentie kan voor interne communicatie te informeel aanvoelen.
• 8:46
  AI is goed in het herkennen van patronen, maar een menselijke toon is ongrijpbaar en geautomatiseerde suggesties voelen al snel een beetje vreemd aan.
• 8:54
  Daarom is de leercyclus zo belangrijk.
• 8:56
  Designers past niet alleen vaste regels uit je merkit toe, maar merkt ook de wijzigingen op die mensen aanbrengen nadat de AI een concept heeft gemaakt.
• 9:02
  Als de AI steeds een layout voor interne memo's voorstelt die je ouwer team consequent aanpast, kan het de aanbevelingen in de loop van de tijd aanpassen aan die context.
• 9:11
  Het is niet perfect, maar hoe meer het interacteert met echt gebruikersgedrag, hoe minder het dezelfde fouten maakt.
• 9:17
  We komen dichter bij een samenwerkingsmodel waarin de tools de chaos beheren en het team zich richt op de boodschap en de uitstraling.
• 9:23
  Maar voordat we het als een perfecte oplossing zien, is het goed om te onthouden dat AI nog steeds vreemde keuzes maakt.
• 9:29
  Die blinde vlekken vormen het begin van het volgende deel van het verhaal.
• 9:33
  Wanneer AI het nog steeds mis heeft.
• 9:35
  Als je ooit een AI-tool hebt gehad die een afbeelding voor je campagne voorstelde waarvan je je afvroeg of die voor een heel ander publiek bedoeld was, dan ken je dat gevoel.
• 9:44
  Misschien kondig je een bedrijfstrainingsprogramma aan en serveert de AI vol vertrouwen een afbeelding van een tropisch strand met de tekstvakken al klaar voor je evenementdatum.
• 9:53
  Het is technisch gezien niet fout, maar het past simpelweg totaal niet bij je context.
• 9:58
  Dat zijn de momenten die je niet ziet in een Microsoft demo.
• 10:01
  Live presentaties laten vaak de best case scenario's zien.
• 10:03
  Merkpaletten die vlekkeloos zijn toegepast, tekst die perfect in balans is op de pagina en afbeeldingen die lijken te komen uit je eigen interne bibliotheek.
• 10:11
  In de echte wereld slaat de AI de plank niet altijd raak.
• 10:14
  Hij kan de beoogde toon verkeerd inschatten en beelden tonen die niet aansluiten bij je doelgroep of cultuur.
• 10:20
  Dat verschil kan klein zijn, zoals een achtergrondafbeelding die iets te speels is voor een serieus persbericht,
• 10:26
  of opvallend, zoals stokfoto's die een heel andere sector suggereren dan die waarin je actief bent.
• 10:31
  Een marketingteam dat ik sprak, zag dit gebeuren tijdens de uithol van interne ethische richtlijnen.
• 10:37
  De AI stelde beelden voor van lachende medewerkers die elkaar high-five schaven in een open kantoorruimte.
• 10:42
  Hoewel opgewekt, ondermijnde dit de serieuze toon die het management wilde neerzetten.
• 10:47
  Een ander voorbeeld kwam naar voren bij een klantpresentatie van een zakelijk dienstverlener.
• 10:51
  De AI selecteerde automatisch een felgekleurde start-up werkplek voor een slide die gericht was op een conservatief financieel publiek.
• 10:58
  De boodschap, de feiten en zelfs de layout waren in orde.
• 11:01
  De visuele omlijsting gaf echter het verkeerde signaal af.
• 11:04
  Vroege professionele gebruikers zien patronen in de correcties die zij aanbrengen.
• 11:10
  Vaak is het het verfijnen van de layout-hierarchie wanneer de AI te veel nadruk legt op secundaire details of de hoofdboodschap onderbelicht.
• 11:17
  Soms is het het verwijderen van extra decoratieve elementen die de AI toevoegt omdat hij denkt dat ze bij de stijl passen, ook al zijn ze afleidend in jouw specifieke context.
• 11:25
  En vaker dan je zou verwachten, is het het vervangen van automatisch geselecteerde stokafbeeldingen die de merkrichtlijnen niet volledig respecteren, ondanks dat die regels in het systeem staan.
• 11:35
  De branding-schablonen zelf bieden niet altijd bescherming.
• 11:38
  AI-suggesties kunnen deze op subtiele wijze overschrijven.
• 11:42
  Een lichtere tint van de officiële kleur hier, een iets aangepast lettertype daar.
• 11:46
  Op papier blijven die wijzigingen misschien onopgemerkt, maar voor iemand die jarenlang de merkintegriteit heeft bewaakt, vallen ze direct op.
• 11:54
  Als niemand de uiteindelijke export met die oog voor detail beoordeelt, sluipen die kleine afwijkingen in de productieassets.
• 12:00
  Dat is waar de behoefte aan menselijk toezicht onvermijdelijk wordt.
• 12:03
  Zelfs als de generatiestap sneller en nauwkeuriger wordt, moet iemand nog steeds optreden als bewaker van het merk.
• 12:09
  Dit gaat niet over het wantrouwen van de AI.
• 12:11
  Het gaat om het erkennen dat het systeem het culturele en strategische inzicht mist dat voortkomt uit het kennen van de geschiedenis van het merk, de beoogde markt en de gevoeligheden van je publiek.
• 12:21
  Je kunt het volgen van een stijl automatiseren.
• 12:23
  Je kunt instinct niet automatiseren.
• 12:25
  En ja, een deel van de wrijving hier is simpelweg de aard van machine learning.
• 12:28
  Het haalt informatie uit trainingsdata, gebruikersgedrag en de input die je het voert.
• 12:33
  Als die signalen tegenstrijdig zijn of als het verzoek aan de rand ligt van wat het eerder heeft gezien, neemt het gissen toe.
• 12:39
  Dat gissen is misschien onzichtbaar voor jou wanneer het de juiste keuze maakt.
• 12:42
  Het wordt erg zichtbaar wanneer het misgaat.
• 12:44
  Interessant genoeg is deze vereiste voor menselijke tussenkomst niet alleen een issue in de designwereld.
• 12:49
  Dit heeft een parallel in gebieden zoals databeheer, waar tools 80% van het zaaie werk kunnen automatiseren, maar nog steeds een expertbeoordeling nodig hebben voordat iets live gaat.
• 12:58
  In beide gevallen kan AI een enorme hoeveelheid zwaar werk verzetten.
• 13:02
  Maar als het gaat om het interpreteren van betekenis, het verifiëren van context of het opmerken van subtiele fouten, houdt menselijke controle alles op koers.
• 13:10
  Dus, hoewel designers duidelijk uren bespaart op contentproductie, heeft het de rol van de creatieve reviewer niet vervangen.
• 13:16
  Het heeft die rol verschoven van het corrigeren van typfouten en het uitlijnen van kaders naar het maken van beoordelingen op hoger niveau over boodschap, toon en geschiktheid.
• 13:24
  De efficiëntiewinst is reëel, maar dat geldt ook voor de noodzaak van een laatste interne controle voordat iets de deur uitgaat.
• 13:30
  En als we kijken naar hoe AI buiten de designwereld wordt gebruikt, zien we die mix van automatisering en toezicht op verrassende plekken,
• 13:38
  vooral in de wereld van data-workflows die traditioneel net zo vervelend waren als handmatig designwerk.
• 13:45
  Van ETL-pijn naar de winst van dataflows gen 2.
• 13:48
  Als je ooit een data-pipeline op de ouderwetse manier hebt beheerd, weet je hoe fragiel die konden zijn.
• 13:53
  Coran Jobs geplant op vreemde uren, best scripts die maanden geleden in elkaar zijn gezet door iemand die niet meer bij het bedrijf werkt,
• 14:00
  een keten van afhankelijkheden zolang dat een kleine opmaakwijziging in een CSV de heleboel deed stoppen.
• 14:05
  Het was niet alleen ingewikkeld, het was broos.
• 14:08
  Een hapering stroom opwaarts en plotseling staar je naar gedeeltelijke data, terwijl je je afvraagt welke server de job vannacht überhaupt heeft gedraaid.
• 14:14
  Het ergste was dat storingen zelden op een gunstig moment gebeurden.
• 14:17
  Je kreeg om twee uur een melding dat de cijfers van gisteren niet waren geladen en de eigenaar van het bronsysteem was pas es-ochtends beschikbaar.
• 14:24
  Tegen de tijd dat je de pipeline had herstart, was de helft van de dashboard gebruikers al gaan mailen.
• 14:29
  Waarom is dit leeg?
• 14:30
  Die uren die verloren gingen aan die bubben hadden vaak niets te maken met de eigenlijke datawaarde.
• 14:34
  Ze werden besteed aan het uitpluizen van logs, het tweaken van reguliere expressies en het opnieuw draaien van stappen om weer te komen waar je dacht dat je zou zijn.
• 14:41
  Microsoft Fabrics dataflows gen 2 verschuift die last op grote schaal.
• 14:45
  In plaats van die aangepaste pipelines regel voor regel te bouwen en te onderhouden, kun je veel van het werk verplaatsen naar een no-code of low-code interface.
• 14:53
  Power Query, dezelfde technologie die veel mensen al gebruiken in Excel en Power BI, handelt de extractie- en transformatiestappen af.
• 15:00
  Dat betekent dus dat je geen parser vanaf nul hoeft te bouwen om drie verschillende bestandsformaten te combineren.
• 15:05
  Je verbindt de bronnen, wijst de velden aan, vormt de data visueel en laat de service het achterliggende loodgieterswerk afhandelen.
• 15:12
  Wat gen 2 interessant maakt is de ingebouwde AI-assistentie.
• 15:16
  Het is niet zomaar een hulpmiddel om tabellen samen te voegen of kolommen te hernoemen.
• 15:19
  Het kijkt actief naar uw geïmporteerde gegevens en suggereert transformaties op basis van gedetecteerde patronen.
• 15:25
  Als u altijd datum- en tijdkolommen combineert tot één veld, begint het die stap automatisch voor te stellen.
• 15:32
  Als het klant die deze in twee systemen ziet met een overeenkomstig schema, kan het de relatie aanwijzen zonder dat u deze handmatig hoeft te koppelen.
• 15:39
  Stel dat u marketing-campagnegegevens consolideert, een mix van Google Ads exports, e-mailbetrokkenheidsstatistieken en social media statistieken.
• 15:48
  In een traditionele ETL-opstelling schrijft u waarschijnlijk scripts om veldnamen te normaliseren, valuta's om te rekenen, datum bereiken uit te lijnen en ontbrekende waarden in te vullen.
• 15:56
  Met Gen 2 kunt u elke gegevensbron in Power Query slepen, de AI-inconsistente kolomtype laten markeren en de voorgestelde correcties direct toepassen.
• 16:06
  Uiteindelijk heeft u één schone tabel die klaar is voor rapportage, zonder handmatig elk gegevensverschil op te sporen.
• 16:12
  Tests laten tot nu toe zien dat er meer is dan alleen gemak.
• 16:15
  De vernieuwingssnelheid is verbeterd ten opzichte van eerdere datastromen, waarbij de engine transformaties parallel afhandelt en herstelt van gedeeltelijke fouten zonder een volledige herstart.
• 16:23
  Fouttolerantie is een ander groot pluspunt.
• 16:26
  Als één gegevensbron halverwege het vernieuwen faalt, kunnen de anderen nog steeds voltooien en krijgt u een duidelijke foutmelding in plaats van een algemene pijplijn mislukt.
• 16:34
  Dat alleen al bespaart veel verspeelde verwerkingscycliën giswerk.
• 16:38
  De logische vraag is of dit de behoefte aan gespecialiseerde data engineers daadwerkelijk vermindert.
• 16:43
  Als een marketinganalyst een functionerende pijplijn kan bouwen vanuit meerdere bronnen zonder één regel code te schrijven, heb je dan nog wel een toegewijd ETL-team nodig.
• 16:52
  In de praktijk is het antwoord genuanceerder.
• 16:54
  De eenvoudige, herhaalbaar taken kunnen volledig verschuiven naar self-service, maar complexe pijplijnen met tientallen bronnen, ingewikkelde bedrijfslogica of regelgeving profiteren nog steeds van het toezicht en de architectuurvaardigheden van een ervaren engineer.
• 17:08
  Wat het wel verandert, is hoe die experts hun tijd besteden.
• 17:11
  In plaats van eenmalige verzoeken te beantwoorden om een dataset te herformateren of een gebroken koppeling te repareren, kunnen ze zich richten op het ontwerpen van schaalbare modellen, het optimaliseren van queries en het bouwen van analyse-mogelijkheden die de hele organisatie kan gebruiken.
• 17:24
  Het repetitieve voorbereidende werk, waar ze voorheen dagelijks door werden onderbroken, wordt stroomopwaarts afgehandeld door tools zoals Gen2.
• 17:30
  En daar komt de rode draad naar voren.
• 17:32
  Of we het nu hebben over AI-aangedreven ontwerp in Microsoft, Designers of AI-ondersteunde datavoorbereiding in Fabric, het patroon is hetzelfde.
• 17:40
  Schrap het routinewerk, behoud menselijk oordeel waar het telt.
• 17:44
  Content-teams en data-teams liggen niet zo ver uit elkaar als ze lijken.
• 17:47
  Beide bouwen aan assets, beide hebben workflows die vertragen door repetitieve, makkelijk te automatiseren stappen, en nu hebben beide tools in M365 die die stappen voor hen beginnen uit te voeren.
• 17:57
  Eén ecosysteem, twee revoluties.
• 18:00
  De meeste bedrijven zien creatieve teams en data-teams als gescheiden werelden.
• 18:04
  Marketing bouwt het verhaal, analytics meet de impact.
• 18:08
  Maar in de praktijk overlappen die workflows constant.
• 18:11
  Een campagne eindigt niet nadat de social post live is gegaan.
• 18:14
  Creatieve beslissingen beïnvloeden wat er gemeten wordt, en de data vormt de volgende ronde creatieve uitingen.
• 18:19
  Ze opdelen in silo's verhult dat ze beide steunen op dezelfde uitdaging, ruwe input snel genoeg omzetten in iets bruikbaars zodat het ertoe doet.
• 18:27
  Daarom voelen de veranderingen die we hebben gezien bij Microsoft Designers en Fabric Data Flows Gen 2 verbonden, zelfs als ze verschillende problemen oplossen.
• 18:35
  Aan de ene kant neemt AI het werk rond layout en merkconsistentie uit handen.
• 18:39
  Aan de andere kant pakt AI het repetitieve, zware werk van datavoorbereiding echt aan.
• 18:44
  Samen verkorten ze de tijd die nodig is om van idee naar resultaatmeting te gaan.
• 18:49
  Je bespaart niet alleen moeite op twee afzonderlijke gebieden, je verkort de cirkel tussen beiden.
• 18:54
  Stel je een productlancering voor.
• 18:56
  Het creatieve team gebruikt designers om de volledige set visuals te bouwen, promotiebanners, e-mail afbeeldingen, events leaders.
• 19:02
  Elke asset sluit automatisch aan bij de brandkit, dus niemand hoeft kleuren aan te passen of te zoeken naar het juiste logo.
• 19:10
  Tegelijkertijd zet het analytics team een gen 2 data flow op die site verkeer, advertentie uitgaven, e-mail engagement en webinar aanwezigheid samenvoegt tot een kant-en-klare data set.
• 19:20
  Wanneer de campagne live gaat, ben je al in staat om elke creatieve asset te koppelen aan de cijfers die de prestaties tonen.
• 19:27
  De details zijn hier belangrijk. Designers is niet zomaar een Canva-kloon die in 365 is ingebakken.
• 19:32
  Het is gekoppeld aan je M365-context.
• 19:35
  Als de campagne in de bedrijfsagenda staat, als afbeeldingen in SharePoint staan, als conceptteksten in Teamschats staan, kan de AI dat gebruiken om layout-suggesties te starten.
• 19:44
  Gen 2 werkt op dezelfde manier in zijn eigen domein.
• 19:46
  Het detecteert overeenkomsten tussen kolommen in bronbestanden, suggereert normalisaties en markeert datagaten voordat je ze in Power BI laat.
• 19:55
  Beiden gebruiken context alleen vanuit verschillende hoeken van de workflow om het werk tussen ruwe input en bruikbare output te verminderen.
• 20:02
  Dat is het gedeelde principe dat beide aandrijft.
• 20:05
  Contextbewustzijn plus intelligente suggesties.
• 20:07
  Het is geen generatieve magie.
• 20:09
  Het is gerichte automatisering gevoed door de signalen die jouw omgeving al produceert.
• 20:14
  Hoe meer je werkt binnen het M365-ecosysteem, hoe meer signalen de AI kan oppikken.
• 20:19
  Een ontwerpprompt die het doelgroepsegment kent zonder dat je het hoeft in te typen.
• 20:23
  Een datastroom die opmerkt dat de helft van je advertentiebudget niet is getagd en vraagt of je dit wilt afstemmen.
• 20:28
  Dit zijn geen eenmalige gimmicks.
• 20:30
  Het zijn patronen die de dagelijkse uitvoering van projecten kunnen veranderen.
• 20:35
  Bekijk het door de bredere lens van Microsoft en het is duidelijk dat ze koersen naar een AI-first werkplekmodel.
• 20:40
  Geen AI op zichzelf, maar AI ingebed in de tools die je al gebruikt, afgestemd op je eigen operationele data.
• 20:48
  De kracht van dat model is dat verbeteringen in de AI van het ene product vaak kunnen worden toegepast op het andere.
• 20:53
  De logica voor merkconsistentie die de layouts van ontwerpers op elkaar afstemt, zou op een dag kunnen helpen zorgen dat datavisuals in Power BI dezelfde visuele identiteit uitstralen.
• 21:01
  De anomaliedetectie in Gen 2 zou inconsistente cijfers in een Word Business Case kunnen markeren voordat iemand deze presenteert.
• 21:08
  Dit roept een vraag op die het overwegen waard is.
• 21:10
  Als AI zowel creatief als analytisch werk even vloeiend kan begeleiden, hoe ver zijn we dan nog van een uniform dashboard waar je de asset ontwerpt, de doelgroep kiest, de campagne lanceert en de prestatiegegevens ziet binnenstromen op één plek.
• 21:23
  Het is geen luchtkasteel meer.
• 21:25
  De bouwstenen bestaan.
• 21:26
  Ze zijn alleen nog niet samengevoegd tot één centraal overzicht.
• 21:29
  Voor organisaties die beide tools al gebruiken, is de directe winst duidelijk.
• 21:34
  Je kunt merkverhalen afstemmen op live prestatiegegevens zonder handmatige exports, emailoverdrachten en updatevertragingen die campagnes voorheen vertraagden.
• 21:43
  Dat is niet alleen sneller, maar ook minder foutgevoelig.
• 21:46
  Creatieven zien de resultaten vrijwel in realtime.
• 21:50
  Analytics ziet precies welke assets resultaten opleveren en aanpassingen vinden plaats terwijl de campagne nog loopt, niet achteraf.
• 21:57
  En er komt een volgende golf aan, AI die niet alleen binnen individuele apps werkt, maar deze ook onderling orkestreert.
• 22:05
  Dat is het moment waarop een wijziging in campagne media automatisch bijgewerkte visuals in designers kan triggeren.
• 22:11
  De tagregels in je datastromen kan aanpassen en vernieuwde analyses aan je dashboard kan leveren zonder dat je iets hoeft te doen.
• 22:16
  is dat je wiltttt in je gang?
• 22:17
  Is dat je niet alleen?
• 22:18
  Is dat mij ook niet goed?
• 22:18
  Is dat je niet?
• 22:19
  Is dat je niet echt?
• 22:21
  Je kan...