In een eerder artikel in GZ-Psychologie (februari 2026, GZP-nr.1) beschreven we hoe het gebruik van Machine Learning in de ggz kan bijdragen aan het nemen van meer evidence-based beslissingen. Het is belangrijk dat er zorgvuldig wordt omgegaan met datakwaliteit, transparantie en ethische risico’s. Machine Learning is een domein dat zich richt op het herkennen van complexe patronen in historische data om vervolgens de toekomst te voorspellen. Denk aan het inschatten van de behandelduur of het risico op terugval of suïcide. In dit artikel willen we de waaier van AI nog wat diepgaander belichten en in dit artikel kijken we daarvoor naar een domein dat in razend tempo de samenleving heeft veroverd: natuurlijke taalverwerking (Natural Language Processing of NLP) en specifiek naar de opkomst van Large Language Models (LLM’s). Waar traditionele ML toepassingen vaak ongemerkt op de achtergrond draaien, hebben tools als ChatGPT, Gemini en Co-pilot hun directe intrede gedaan in ons dagelijks leven en in de spreekkamer. Deze modellen zijn in staat om teksten te genereren, te redigeren, vragen te beantwoorden en kunnen zelfs plaatjes, muziek, video’s en podcasts genereren. In dit artikel beschouwen we een aantal trends uit de wetenschap en de praktijk. In de rest van dit artikel gebruiken we de term AI, maar bedenk dat we hier specifiek kijken naar de AI-categorie van LLM’s. In het GZ-psychologie nummer van februari stond ook een interessant interview met Tom van Daele. Hij gaf daarin helder aan dat AI zal blijven, en dat AI geen vervanging is van