WEBVTT 00:00:00.140 --> 00:00:07.520 Klaar voor 10 dagen Microsoft 365, Copilot, AI, Azure en de mensen die de toekomst van werk vormgeven? 00:00:07.860 --> 00:00:12.400 Deze januari is M365, kom terug en we pakken het groter aan. 00:00:12.400 --> 00:00:18.540 Doe mee voor live-sessies, praktijkdemos en praktische kennis van MVP's en experts van over de hele wereld. 00:00:18.720 --> 00:00:21.740 Geen algemene slieders, geen eindeloze modewoorden. 00:00:22.000 --> 00:00:29.140 We pakken de echte uitdagingen aan Copilot Studio, AI Agents, Fabric, Beveiliging, Governance en Automatisering. 00:00:29.140 --> 00:00:34.900 Of je nu IT-professional, ontwikkelaar of zakelijk leider bent, er zijn sessies speciaal voor jou. 00:00:34.900 --> 00:00:40.520 Met 10 volledige dagen kun je diverse technologieën verkennen en in contact komen met een wereldwijde community. 00:00:40.900 --> 00:00:43.900 Kijk live mee en neem praktische inzichten mee terug naar je organisatie. 00:00:44.900 --> 00:00:49.140 Januari 2027, 10 dagen, 1 Microsoft Community. 00:00:49.660 --> 00:00:51.200 Registratie is nu geopend. 00:00:51.940 --> 00:00:53.240 Claim vandaag nog je plek. 00:00:55.420 --> 00:00:57.680 Dat is M365.com.net 00:00:57.680 --> 00:01:04.840 Meld je nu aan op M365.com.net en we zien je live in januari. 00:01:05.080 --> 00:01:10.820 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? 00:01:11.000 --> 00:01:15.820 Wat als ik je vertel dat Microsoft Designers dat werk nu in seconden kan doen zonder dat je de muis aanraakt? 00:01:16.040 --> 00:01:19.840 Maar het punt is, het is niet alleen sneller, het leert je stel terwijl je werkt. 00:01:19.840 --> 00:01:27.220 Vandaag laat ik zien hoe dit het einde kan betekenen van saai ontwerpwerk en waarom het de manier waarop je marketingteamwerkt voorgoed kan veranderen. 00:01:27.680 --> 00:01:31.040 De vraag is, ben je klaar om uit te vertrouwen met je meridentiteit? 00:01:31.720 --> 00:01:34.280 Van handmatige aanpassingen naar slimme machines. 00:01:34.680 --> 00:01:41.260 Als je wel eens aan een marketingflyer of pitchdeck hebt gewerkt, weet je hoe snel een paar aanpassingen een hele middag in beslag nemen. 00:01:41.260 --> 00:01:53.540 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. 00:01:53.800 --> 00:01:55.740 Dat is nog voordat het echte plezier begint. 00:01:55.980 --> 00:02:01.700 Iemand anders opent het bestand, maakt eigen wijzigingen en nu zit je versies te vergelijken om te zien wat echt definitief is. 00:02:01.700 --> 00:02:06.180 Het is niet alleen vervelend, het vreet de tijd op die je eigenlijk nodig hebt voor creatief werk. 00:02:06.180 --> 00:02:11.860 Het deel dat vaak de meeste tijd kost, zijn niet eens de grotere visies, maar de eindeloze kleine feedback rondes. 00:02:12.040 --> 00:02:20.780 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. 00:02:21.020 --> 00:02:26.440 Het is een soort dood door duizend kleine wijzigingen en in groepsprojecten vermenigvuldigen die wijzigingen zich. 00:02:26.440 --> 00:02:31.720 Het is niet ongebruikelijk om tien of twaalf keer heen en weer te gaan om te zorgen dat het resultaat aanvoelt als het merk. 00:02:32.120 --> 00:02:35.540 Dat is waar de AI in Microsoft Designers de vergelijking verandert. 00:02:35.540 --> 00:02:43.240 Zodra deze is getraind op jouw brandkit, kleuren, lettertypes, logo's en beeldstijlen, begint het die keuzes automatisch toe te passen. 00:02:43.440 --> 00:02:49.380 Je voert tekst en afbeeldingen in en de tool bouwt layouts die al weten dat je koptekst 32 punten groot moet zijn. 00:02:49.600 --> 00:02:53.680 Je knoppen de marineblauwe kleurcode hebben en je foto's een warm kleurprofiel volgen. 00:02:53.680 --> 00:02:58.860 In plaats van elk ontwerpelement handmatig te controleren, begin je met iets dat al consistent is. 00:02:59.080 --> 00:03:01.340 Denk eens aan het verschil met een concreet voorbeeld. 00:03:01.340 --> 00:03:13.840 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. 00:03:13.840 --> 00:03:22.460 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. 00:03:22.460 --> 00:03:26.900 Je kunt de volgorde van de elementen nog aanpassen, maar de structuur staat al vast. 00:03:28.060 --> 00:03:33.060 Een van de marketingmanagers die ik onlangs sprak, was overspoeld met werk voor een seizoenscampagne. 00:03:34.120 --> 00:03:39.940 Voordat ze designers gebruikten, besteden ze ongeveer 6 uur per ontwerpcyclus aan het opmaken van de layouts. 00:03:41.120 --> 00:03:47.060 Toen ze overstapten, bracht ze dezelfde taak terug tot iets meer dan een uur, zonder in te leveren op stijl of kwaliteit. 00:03:47.060 --> 00:03:52.300 Dat bespaart elke week een volledige werkdag door simpelweg het repetitieve opmaakwerk te schrappen. 00:03:52.920 --> 00:03:55.300 Pilotprogramma's laten vergelijkbare resultaten zien. 00:03:55.500 --> 00:04:07.900 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. 00:04:08.120 --> 00:04:10.940 Het interessante is dat de creativiteit er niet onder leed. 00:04:10.940 --> 00:04:19.500 Sterker nog, omdat er minder energie gaat naar tactische afstemming, gaven ontwerpers en marketeers aan meer ruimte te hebben voor brainstormen en conceptontwikkeling. 00:04:20.140 --> 00:04:23.860 Eén reden daarvoor is de manier waarop designers layout suggesties doet. 00:04:24.880 --> 00:04:33.380 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. 00:04:33.380 --> 00:04:38.360 Dat betekent dat je reageert op een goed eerste concept in plaats van dat je worstelt om er een vanaf nul op te bouwen. 00:04:38.360 --> 00:04:43.180 Het biedt genoeg sturing om creatieve vermoeidheid tegen te gaan, maar jij bepaalt nog steeds wat er daadwerkelijk wordt gepubliceerd. 00:04:43.340 --> 00:04:45.380 Er speelt hier een stille vraag op de achtergrond. 00:04:45.560 --> 00:04:47.320 Hoe weet designers wat jouw stijl is? 00:04:47.900 --> 00:04:57.060 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. 00:04:57.060 --> 00:05:04.760 Als je consequent een standaard stokfoto vervangt door iets met een specifieke uitstraling, begint de tool die stijl voorrang te geven in toekomstige suggesties. 00:05:04.760 --> 00:05:08.540 Je team is het aan het onderwijzen, zelfs als je niet expliciete model aan het trainen bent. 00:05:08.860 --> 00:05:10.360 Uiteindelijk is dat het echte verhaal. 00:05:10.520 --> 00:05:13.620 Dit gaat niet om het vervangen van menselijke smaak of beoordelingsvermogen. 00:05:13.820 --> 00:05:23.240 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. 00:05:23.380 --> 00:05:24.700 Die komen nog steeds van mensen. 00:05:25.000 --> 00:05:29.420 Designers zorgt er alleen voor dat de pixels al op de juiste plek staan, zodat jij je energie daar niet aan verspilt. 00:05:29.620 --> 00:05:32.200 En geautomatiseerde visuals zijn nog maar het begin. 00:05:32.200 --> 00:05:38.880 De grotere verandering is wat er gebeurt zodra deze intelligentie direct wordt geïntegreerd in hoe teams daadwerkelijk samenwerken. 00:05:39.420 --> 00:05:40.800 Samenwerken zonder de chaos. 00:05:41.100 --> 00:05:46.720 Als je ooit aan een gedeeld ontwerpbestand hebt gewerkt, ken je het moment waarop versiebeheer volledig in de soep loopt. 00:05:46.960 --> 00:05:55.180 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. 00:05:55.440 --> 00:05:55.880 Definitief. 00:05:56.060 --> 00:05:56.800 Deze gebruiken. 00:05:57.200 --> 00:06:00.620 Vermenigvuldig dat met drie mensen die tegelijkertijd werken en je hebt een puinhoop. 00:06:00.620 --> 00:06:02.140 Het is geen gebrek aan inzet. 00:06:02.300 --> 00:06:06.700 Het zijn de tools die mensen vragen om te werken op een manier die los staat van hoe samenwerking in de praktijk werkt. 00:06:06.880 --> 00:06:12.640 De realiteit is dat assets, zelfs bij bedrijven die volledig op Microsoft 365 vertrouwen, verspreid raken. 00:06:12.840 --> 00:06:17.980 Er is de versie in een Teams chat van afgelopen dinsdag nog een die verstopt zit in iemands email thread. 00:06:18.220 --> 00:06:21.580 En het hoofdschabloon dat drie mappen diep in SharePoint begraven ligt. 00:06:21.580 --> 00:06:27.840 Het juiste bestand vinden betekent vaak drie verschillende collega's pingen en hopen dat niemand de laatste update heeft overschreven. 00:06:28.040 --> 00:06:31.700 Tegen de tijd dat je het vindt, heeft de helft van het team al naar het verkeerde bestand gekeken. 00:06:31.900 --> 00:06:36.500 Dit is waar de integratie van designers in het M365-ecosysteem verandering in brengt. 00:06:36.640 --> 00:06:44.980 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. 00:06:45.580 --> 00:06:49.060 Bewerkingen vinden in real-time plaats in dezelfde versie die iedereen ziet. 00:06:49.220 --> 00:06:53.660 Als je een kop wijzigt of een afbeelding vervangt, is dit direct zichtbaar voor de rest van het team. 00:06:53.840 --> 00:06:58.640 Je hoeft niets te versturen. Designers is slechts een ander venster in dezelfde verbonden werkplek. 00:06:58.840 --> 00:07:03.880 Stel je dit voor, jij en een teamgenoot werken beiden in designers aan een flyer voor een sales-event. 00:07:04.140 --> 00:07:09.320 Deze wordt rechtstreeks uit de Marketing SharePoint bibliotheek gehaald, al voorverladen met de juiste merkontwerpspecificaties. 00:07:09.320 --> 00:07:14.620 Jij past de hoofdafbeelding aan, zij verfijnen de ondertitel en je ziet elkaars wijzigingen direct verschijnen. 00:07:14.620 --> 00:07:20.840 Wanneer je klaar bent, staat het bijgewerkte bestand precies waar het begon, met de versiegeschiedenis automatisch opgeslagen op basis van jullie gebruikersrollen. 00:07:20.940 --> 00:07:24.180 Als je moet terugkeren naar een eerdere versie, hoef je niet door willekeurige bijlagen te spitten. 00:07:24.340 --> 00:07:29.160 Je herstelt gewoon het juiste checkpoint. Dat is een grote verschuiving ten opzichte van traditionele schabloonsystemen. 00:07:29.300 --> 00:07:31.500 Ouderwetse schablonen bestonden als statische bestanden. 00:07:31.840 --> 00:07:33.800 Downloaden, bewerken, opnieuw uploaden. 00:07:33.980 --> 00:07:40.860 Elke wijzigingsronde hing af van mensen die eraan dachten om handmatig de juiste stijlen toe te passen en onvermijdelijk vergat er iemand iets. 00:07:40.860 --> 00:07:46.620 Je had nog steeds een manager nodig die lette op bestandsnamen, kleurcodes en of het logo niet was vervormd. 00:07:47.020 --> 00:07:57.080 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. 00:07:57.500 --> 00:08:01.440 Maar er is ook een onverwacht voordeel in hoe het anticipeert op wat er ontbreekt. 00:08:01.440 --> 00:08:16.200 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. 00:08:17.000 --> 00:08:23.880 Als een teamsvergadering notices bevatten over een product focus, kan dat de aanbevelingen voor tekstblokken of afbeeldingen sturen. 00:08:23.880 --> 00:08:29.480 Het idee is om de kloof tussen gesprek en uitvoering te dichten zonder dat jij op zoek hoeft naar alle context. 00:08:30.320 --> 00:08:36.160 Maar dat roept natuurlijk de vraag op, kan AI de nuances van toon en stel tussen verschillende afdelingen echt begrijpen? 00:08:36.500 --> 00:08:39.500 De taal van marketing komt niet altijd overeen met die van ouwer. 00:08:40.160 --> 00:08:46.120 Een ontwerp dat perfect werkt voor een klantgerichte advertentie kan voor interne communicatie te informeel aanvoelen. 00:08:46.120 --> 00:08:53.920 AI is goed in het herkennen van patronen, maar een menselijke toon is ongrijpbaar en geautomatiseerde suggesties voelen al snel een beetje vreemd aan. 00:08:54.200 --> 00:08:56.100 Daarom is de leercyclus zo belangrijk. 00:08:56.360 --> 00:09:02.620 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. 00:09:02.620 --> 00:09:11.240 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. 00:09:11.240 --> 00:09:17.320 Het is niet perfect, maar hoe meer het interacteert met echt gebruikersgedrag, hoe minder het dezelfde fouten maakt. 00:09:17.720 --> 00:09:23.900 We komen dichter bij een samenwerkingsmodel waarin de tools de chaos beheren en het team zich richt op de boodschap en de uitstraling. 00:09:23.900 --> 00:09:29.760 Maar voordat we het als een perfecte oplossing zien, is het goed om te onthouden dat AI nog steeds vreemde keuzes maakt. 00:09:29.980 --> 00:09:33.220 Die blinde vlekken vormen het begin van het volgende deel van het verhaal. 00:09:33.700 --> 00:09:35.500 Wanneer AI het nog steeds mis heeft. 00:09:35.500 --> 00:09:43.660 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. 00:09:44.280 --> 00:09:53.300 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. 00:09:53.540 --> 00:09:57.760 Het is technisch gezien niet fout, maar het past simpelweg totaal niet bij je context. 00:09:58.080 --> 00:10:00.720 Dat zijn de momenten die je niet ziet in een Microsoft demo. 00:10:01.040 --> 00:10:03.960 Live presentaties laten vaak de best case scenario's zien. 00:10:03.960 --> 00:10:11.100 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. 00:10:11.240 --> 00:10:14.240 In de echte wereld slaat de AI de plank niet altijd raak. 00:10:14.640 --> 00:10:19.860 Hij kan de beoogde toon verkeerd inschatten en beelden tonen die niet aansluiten bij je doelgroep of cultuur. 00:10:20.900 --> 00:10:25.960 Dat verschil kan klein zijn, zoals een achtergrondafbeelding die iets te speels is voor een serieus persbericht, 00:10:26.760 --> 00:10:31.660 of opvallend, zoals stokfoto's die een heel andere sector suggereren dan die waarin je actief bent. 00:10:31.660 --> 00:10:37.600 Een marketingteam dat ik sprak, zag dit gebeuren tijdens de uithol van interne ethische richtlijnen. 00:10:37.800 --> 00:10:42.760 De AI stelde beelden voor van lachende medewerkers die elkaar high-five schaven in een open kantoorruimte. 00:10:42.940 --> 00:10:46.900 Hoewel opgewekt, ondermijnde dit de serieuze toon die het management wilde neerzetten. 00:10:47.100 --> 00:10:51.120 Een ander voorbeeld kwam naar voren bij een klantpresentatie van een zakelijk dienstverlener. 00:10:51.120 --> 00:10:58.060 De AI selecteerde automatisch een felgekleurde start-up werkplek voor een slide die gericht was op een conservatief financieel publiek. 00:10:58.180 --> 00:11:01.020 De boodschap, de feiten en zelfs de layout waren in orde. 00:11:01.240 --> 00:11:04.400 De visuele omlijsting gaf echter het verkeerde signaal af. 00:11:04.980 --> 00:11:09.360 Vroege professionele gebruikers zien patronen in de correcties die zij aanbrengen. 00:11:10.220 --> 00:11:17.120 Vaak is het het verfijnen van de layout-hierarchie wanneer de AI te veel nadruk legt op secundaire details of de hoofdboodschap onderbelicht. 00:11:17.120 --> 00:11:25.660 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. 00:11:25.920 --> 00:11:35.280 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. 00:11:35.520 --> 00:11:38.280 De branding-schablonen zelf bieden niet altijd bescherming. 00:11:38.440 --> 00:11:41.580 AI-suggesties kunnen deze op subtiele wijze overschrijven. 00:11:42.100 --> 00:11:46.240 Een lichtere tint van de officiële kleur hier, een iets aangepast lettertype daar. 00:11:46.240 --> 00:11:54.140 Op papier blijven die wijzigingen misschien onopgemerkt, maar voor iemand die jarenlang de merkintegriteit heeft bewaakt, vallen ze direct op. 00:11:54.300 --> 00:12:00.220 Als niemand de uiteindelijke export met die oog voor detail beoordeelt, sluipen die kleine afwijkingen in de productieassets. 00:12:00.480 --> 00:12:03.440 Dat is waar de behoefte aan menselijk toezicht onvermijdelijk wordt. 00:12:03.740 --> 00:12:09.480 Zelfs als de generatiestap sneller en nauwkeuriger wordt, moet iemand nog steeds optreden als bewaker van het merk. 00:12:09.480 --> 00:12:11.700 Dit gaat niet over het wantrouwen van de AI. 00:12:11.920 --> 00:12:21.160 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. 00:12:21.300 --> 00:12:23.400 Je kunt het volgen van een stijl automatiseren. 00:12:23.600 --> 00:12:25.260 Je kunt instinct niet automatiseren. 00:12:25.460 --> 00:12:28.640 En ja, een deel van de wrijving hier is simpelweg de aard van machine learning. 00:12:28.880 --> 00:12:33.080 Het haalt informatie uit trainingsdata, gebruikersgedrag en de input die je het voert. 00:12:33.080 --> 00:12:39.180 Als die signalen tegenstrijdig zijn of als het verzoek aan de rand ligt van wat het eerder heeft gezien, neemt het gissen toe. 00:12:39.400 --> 00:12:42.620 Dat gissen is misschien onzichtbaar voor jou wanneer het de juiste keuze maakt. 00:12:42.820 --> 00:12:44.700 Het wordt erg zichtbaar wanneer het misgaat. 00:12:44.900 --> 00:12:49.560 Interessant genoeg is deze vereiste voor menselijke tussenkomst niet alleen een issue in de designwereld. 00:12:49.780 --> 00:12:58.500 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. 00:12:58.740 --> 00:13:02.360 In beide gevallen kan AI een enorme hoeveelheid zwaar werk verzetten. 00:13:02.360 --> 00:13:10.040 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. 00:13:10.220 --> 00:13:16.460 Dus, hoewel designers duidelijk uren bespaart op contentproductie, heeft het de rol van de creatieve reviewer niet vervangen. 00:13:16.680 --> 00:13:24.640 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. 00:13:24.800 --> 00:13:30.600 De efficiëntiewinst is reëel, maar dat geldt ook voor de noodzaak van een laatste interne controle voordat iets de deur uitgaat. 00:13:30.600 --> 00:13:38.280 En als we kijken naar hoe AI buiten de designwereld wordt gebruikt, zien we die mix van automatisering en toezicht op verrassende plekken, 00:13:38.280 --> 00:13:43.720 vooral in de wereld van data-workflows die traditioneel net zo vervelend waren als handmatig designwerk. 00:13:45.280 --> 00:13:48.440 Van ETL-pijn naar de winst van dataflows gen 2. 00:13:48.700 --> 00:13:53.340 Als je ooit een data-pipeline op de ouderwetse manier hebt beheerd, weet je hoe fragiel die konden zijn. 00:13:53.340 --> 00:14:00.140 Coran Jobs geplant op vreemde uren, best scripts die maanden geleden in elkaar zijn gezet door iemand die niet meer bij het bedrijf werkt, 00:14:00.320 --> 00:14:05.600 een keten van afhankelijkheden zolang dat een kleine opmaakwijziging in een CSV de heleboel deed stoppen. 00:14:05.740 --> 00:14:07.980 Het was niet alleen ingewikkeld, het was broos. 00:14:08.180 --> 00:14:14.520 Een hapering stroom opwaarts en plotseling staar je naar gedeeltelijke data, terwijl je je afvraagt welke server de job vannacht überhaupt heeft gedraaid. 00:14:14.680 --> 00:14:17.860 Het ergste was dat storingen zelden op een gunstig moment gebeurden. 00:14:17.860 --> 00:14:24.720 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. 00:14:24.880 --> 00:14:29.440 Tegen de tijd dat je de pipeline had herstart, was de helft van de dashboard gebruikers al gaan mailen. 00:14:29.560 --> 00:14:30.300 Waarom is dit leeg? 00:14:30.460 --> 00:14:34.480 Die uren die verloren gingen aan die bubben hadden vaak niets te maken met de eigenlijke datawaarde. 00:14:34.680 --> 00:14:40.900 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. 00:14:41.300 --> 00:14:45.120 Microsoft Fabrics dataflows gen 2 verschuift die last op grote schaal. 00:14:45.120 --> 00:14:52.920 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. 00:14:53.120 --> 00:15:00.380 Power Query, dezelfde technologie die veel mensen al gebruiken in Excel en Power BI, handelt de extractie- en transformatiestappen af. 00:15:00.580 --> 00:15:05.620 Dat betekent dus dat je geen parser vanaf nul hoeft te bouwen om drie verschillende bestandsformaten te combineren. 00:15:05.780 --> 00:15:12.440 Je verbindt de bronnen, wijst de velden aan, vormt de data visueel en laat de service het achterliggende loodgieterswerk afhandelen. 00:15:12.440 --> 00:15:15.860 Wat gen 2 interessant maakt is de ingebouwde AI-assistentie. 00:15:16.020 --> 00:15:19.480 Het is niet zomaar een hulpmiddel om tabellen samen te voegen of kolommen te hernoemen. 00:15:19.700 --> 00:15:25.180 Het kijkt actief naar uw geïmporteerde gegevens en suggereert transformaties op basis van gedetecteerde patronen. 00:15:25.520 --> 00:15:31.160 Als u altijd datum- en tijdkolommen combineert tot één veld, begint het die stap automatisch voor te stellen. 00:15:32.020 --> 00:15:39.360 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. 00:15:39.360 --> 00:15:47.860 Stel dat u marketing-campagnegegevens consolideert, een mix van Google Ads exports, e-mailbetrokkenheidsstatistieken en social media statistieken. 00:15:48.060 --> 00:15:56.740 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. 00:15:56.740 --> 00:16:06.080 Met Gen 2 kunt u elke gegevensbron in Power Query slepen, de AI-inconsistente kolomtype laten markeren en de voorgestelde correcties direct toepassen. 00:16:06.380 --> 00:16:12.100 Uiteindelijk heeft u één schone tabel die klaar is voor rapportage, zonder handmatig elk gegevensverschil op te sporen. 00:16:12.280 --> 00:16:14.980 Tests laten tot nu toe zien dat er meer is dan alleen gemak. 00:16:15.120 --> 00:16:23.700 De vernieuwingssnelheid is verbeterd ten opzichte van eerdere datastromen, waarbij de engine transformaties parallel afhandelt en herstelt van gedeeltelijke fouten zonder een volledige herstart. 00:16:23.700 --> 00:16:26.200 Fouttolerantie is een ander groot pluspunt. 00:16:26.380 --> 00:16:34.800 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. 00:16:34.980 --> 00:16:38.340 Dat alleen al bespaart veel verspeelde verwerkingscycliën giswerk. 00:16:38.540 --> 00:16:43.360 De logische vraag is of dit de behoefte aan gespecialiseerde data engineers daadwerkelijk vermindert. 00:16:43.560 --> 00:16:52.000 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. 00:16:52.000 --> 00:16:54.400 In de praktijk is het antwoord genuanceerder. 00:16:54.600 --> 00:17:08.280 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. 00:17:08.820 --> 00:17:11.680 Wat het wel verandert, is hoe die experts hun tijd besteden. 00:17:11.680 --> 00:17:23.960 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. 00:17:24.120 --> 00:17:30.580 Het repetitieve voorbereidende werk, waar ze voorheen dagelijks door werden onderbroken, wordt stroomopwaarts afgehandeld door tools zoals Gen2. 00:17:30.800 --> 00:17:32.520 En daar komt de rode draad naar voren. 00:17:32.520 --> 00:17:40.600 Of we het nu hebben over AI-aangedreven ontwerp in Microsoft, Designers of AI-ondersteunde datavoorbereiding in Fabric, het patroon is hetzelfde. 00:17:40.700 --> 00:17:43.800 Schrap het routinewerk, behoud menselijk oordeel waar het telt. 00:17:44.180 --> 00:17:47.460 Content-teams en data-teams liggen niet zo ver uit elkaar als ze lijken. 00:17:47.740 --> 00:17:57.780 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. 00:17:57.940 --> 00:18:00.020 Eén ecosysteem, twee revoluties. 00:18:00.020 --> 00:18:04.260 De meeste bedrijven zien creatieve teams en data-teams als gescheiden werelden. 00:18:04.500 --> 00:18:07.320 Marketing bouwt het verhaal, analytics meet de impact. 00:18:08.280 --> 00:18:10.960 Maar in de praktijk overlappen die workflows constant. 00:18:11.340 --> 00:18:14.420 Een campagne eindigt niet nadat de social post live is gegaan. 00:18:14.600 --> 00:18:19.640 Creatieve beslissingen beïnvloeden wat er gemeten wordt, en de data vormt de volgende ronde creatieve uitingen. 00:18:19.840 --> 00:18:27.140 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. 00:18:27.140 --> 00:18:34.940 Daarom voelen de veranderingen die we hebben gezien bij Microsoft Designers en Fabric Data Flows Gen 2 verbonden, zelfs als ze verschillende problemen oplossen. 00:18:35.180 --> 00:18:39.300 Aan de ene kant neemt AI het werk rond layout en merkconsistentie uit handen. 00:18:39.560 --> 00:18:44.220 Aan de andere kant pakt AI het repetitieve, zware werk van datavoorbereiding echt aan. 00:18:44.220 --> 00:18:48.580 Samen verkorten ze de tijd die nodig is om van idee naar resultaatmeting te gaan. 00:18:49.260 --> 00:18:53.940 Je bespaart niet alleen moeite op twee afzonderlijke gebieden, je verkort de cirkel tussen beiden. 00:18:54.220 --> 00:18:55.860 Stel je een productlancering voor. 00:18:56.080 --> 00:19:02.820 Het creatieve team gebruikt designers om de volledige set visuals te bouwen, promotiebanners, e-mail afbeeldingen, events leaders. 00:19:02.820 --> 00:19:09.460 Elke asset sluit automatisch aan bij de brandkit, dus niemand hoeft kleuren aan te passen of te zoeken naar het juiste logo. 00:19:10.460 --> 00:19:20.660 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. 00:19:20.660 --> 00:19:27.460 Wanneer de campagne live gaat, ben je al in staat om elke creatieve asset te koppelen aan de cijfers die de prestaties tonen. 00:19:27.460 --> 00:19:32.580 De details zijn hier belangrijk. Designers is niet zomaar een Canva-kloon die in 365 is ingebakken. 00:19:32.740 --> 00:19:35.340 Het is gekoppeld aan je M365-context. 00:19:35.560 --> 00:19:43.840 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. 00:19:44.060 --> 00:19:46.640 Gen 2 werkt op dezelfde manier in zijn eigen domein. 00:19:46.640 --> 00:19:54.900 Het detecteert overeenkomsten tussen kolommen in bronbestanden, suggereert normalisaties en markeert datagaten voordat je ze in Power BI laat. 00:19:55.160 --> 00:20:01.860 Beiden gebruiken context alleen vanuit verschillende hoeken van de workflow om het werk tussen ruwe input en bruikbare output te verminderen. 00:20:02.100 --> 00:20:04.580 Dat is het gedeelde principe dat beide aandrijft. 00:20:05.280 --> 00:20:07.580 Contextbewustzijn plus intelligente suggesties. 00:20:07.920 --> 00:20:09.520 Het is geen generatieve magie. 00:20:09.740 --> 00:20:14.140 Het is gerichte automatisering gevoed door de signalen die jouw omgeving al produceert. 00:20:14.140 --> 00:20:19.560 Hoe meer je werkt binnen het M365-ecosysteem, hoe meer signalen de AI kan oppikken. 00:20:19.720 --> 00:20:23.400 Een ontwerpprompt die het doelgroepsegment kent zonder dat je het hoeft in te typen. 00:20:23.560 --> 00:20:28.680 Een datastroom die opmerkt dat de helft van je advertentiebudget niet is getagd en vraagt of je dit wilt afstemmen. 00:20:28.880 --> 00:20:30.500 Dit zijn geen eenmalige gimmicks. 00:20:30.740 --> 00:20:34.480 Het zijn patronen die de dagelijkse uitvoering van projecten kunnen veranderen. 00:20:35.020 --> 00:20:40.640 Bekijk het door de bredere lens van Microsoft en het is duidelijk dat ze koersen naar een AI-first werkplekmodel. 00:20:40.640 --> 00:20:48.120 Geen AI op zichzelf, maar AI ingebed in de tools die je al gebruikt, afgestemd op je eigen operationele data. 00:20:48.340 --> 00:20:53.160 De kracht van dat model is dat verbeteringen in de AI van het ene product vaak kunnen worden toegepast op het andere. 00:20:53.400 --> 00:21:01.700 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. 00:21:01.700 --> 00:21:07.820 De anomaliedetectie in Gen 2 zou inconsistente cijfers in een Word Business Case kunnen markeren voordat iemand deze presenteert. 00:21:08.000 --> 00:21:10.220 Dit roept een vraag op die het overwegen waard is. 00:21:10.440 --> 00:21:23.480 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. 00:21:23.640 --> 00:21:25.060 Het is geen luchtkasteel meer. 00:21:25.300 --> 00:21:26.460 De bouwstenen bestaan. 00:21:26.660 --> 00:21:29.700 Ze zijn alleen nog niet samengevoegd tot één centraal overzicht. 00:21:29.700 --> 00:21:34.700 Voor organisaties die beide tools al gebruiken, is de directe winst duidelijk. 00:21:34.920 --> 00:21:42.820 Je kunt merkverhalen afstemmen op live prestatiegegevens zonder handmatige exports, emailoverdrachten en updatevertragingen die campagnes voorheen vertraagden. 00:21:43.040 --> 00:21:45.960 Dat is niet alleen sneller, maar ook minder foutgevoelig. 00:21:46.620 --> 00:21:49.400 Creatieven zien de resultaten vrijwel in realtime. 00:21:50.380 --> 00:21:57.700 Analytics ziet precies welke assets resultaten opleveren en aanpassingen vinden plaats terwijl de campagne nog loopt, niet achteraf. 00:21:57.700 --> 00:22:04.700 En er komt een volgende golf aan, AI die niet alleen binnen individuele apps werkt, maar deze ook onderling orkestreert. 00:22:05.660 --> 00:22:11.280 Dat is het moment waarop een wijziging in campagne media automatisch bijgewerkte visuals in designers kan triggeren. 00:22:11.540 --> 00:22:16.980 De tagregels in je datastromen kan aanpassen en vernieuwde analyses aan je dashboard kan leveren zonder dat je iets hoeft te doen. 00:22:16.980 --> 00:22:17.980 is dat je wiltttt in je gang? 00:22:17.980 --> 00:22:18.480 Is dat je niet alleen? 00:22:18.480 --> 00:22:18.960 Is dat mij ook niet goed? 00:22:18.960 --> 00:22:19.440 Is dat je niet? 00:22:19.440 --> 00:22:21.500 Is dat je niet echt? 00:22:21.500 --> 00:22:35.900 Je kan...