Sony lanceerde de Xperia 1 VIII met een functie die fotograferen slimmer moest maken. De AI Camera Assistant analyseert je onderwerp, de scène en het licht, en stelt vervolgens instellingen voor op het gebied van belichting, bokeh en kleur. In de promotiematerialen zag dat er veelbelovend uit. In de praktijk liep het anders.
Wat er misging bij Sony
In de officiële "voor en na"-beelden die Sony deelde, waren de "na"-foto's aanzienlijk slechter dan de originelen. Overbelicht, uitgewassen kleuren, verlies van detail. Foto's die er met de AI-suggesties eerder minder professioneel uitzagen dan ervoor.
De reactie op sociale media was navenant. Commentatoren wereldwijd vroegen zich af hoe Sony dit had kunnen publiceren zonder het zelf te zien. De beelden gingen rond als voorbeeld van hoe AI-functies in consumentenproducten doorslaan.
Sony reageerde met een verduidelijking: de AI Camera Assistant bewerkt foto's niet achteraf, maar geeft vier creatieve instellingen als suggestie. Gebruikers kunnen die overnemen of aanpassen. Maar die verduidelijking hielp weinig. Gebruikers en reviewers concludeerden dat de suggesties zelf het probleem waren, niet de technische uitleg ervan.
Waarom dit patroon vaker voorkomt
Dit is geen incident dat alleen Sony overkomt. Smartphone-fabrikanten voegen al jaren AI-functies toe aan camera's, en de trend is dezelfde: agressieve nabewerking, overdreven huidverfijning, kleuren die er digitaal en onwerkelijk uitzien.
De aanname achter die functies is dat gebruikers willen dat hun foto's er "beter" uitzien. Maar wat "beter" betekent, verschilt per persoon en per context. Een marketeer die een product fotografeert, wil kleurnauwkeurigheid. Een fotograaf wil controle. Een gebruiker die zijn lunch deelt, wil misschien iets anders dan iemand die een zakelijke presentatie opmaakt.
AI-functies die één definitie van "beter" opleggen, lopen vroeg of laat vast op de diversiteit van wat gebruikers werkelijk nodig hebben.
Wat dit betekent voor Nederlandse bedrijven die AI bouwen of inzetten
Het Sony-geval gaat verder dan smartphones. Voor elk bedrijf dat AI integreert in een product of dienst, zijn hier herkenbare valkuilen.
Testen op het eigen oordeel is niet genoeg
Een team dat een AI-functie bouwt, raakt gewend aan wat die functie doet. De vraag is niet of het intern acceptabel lijkt, maar of het klopt met wat gebruikers buiten het bedrijf verwachten. Sony's promotieteam keurde beelden goed die breed als mislukt worden ervaren. Dat wijst op een testproces dat te weinig externe feedback bevatte.
Bij AI-implementatie geldt: test bij mensen die niets weten van hoe de technologie werkt. Hun reactie is de meest betrouwbare maatstaf.
De kloof tussen demo en dagelijks gebruik
Promoties laten de beste gevallen zien. AI-functies worden beoordeeld op de gemiddelde situatie. Die kloof zorgt voor teleurstelling, zeker als de promotie zelf al twijfelachtige resultaten toont.
Bedrijven die AI-functies lanceren, doen er goed aan hun communicatie te baseren op representatieve voorbeelden. Niet op gevallen waarbij de AI net goed uitpakte.
Controle houden over het eindresultaat
De AI Camera Assistant geeft suggesties, zegt Sony. Maar als die suggesties structureel slechter zijn dan geen suggesties, schiet de functie haar doel voorbij. De aanwezigheid van een "je kunt het aanpassen"-optie lost dat niet op. Gebruikers verwachten dat een aanbeveling iets toevoegt.
Dit geldt voor elke AI-toepassing waarbij het systeem adviseert of automatiseert. Als de uitvoer gemiddeld slechter is dan handmatig werken, is de functie geen hulp maar ruis.
Concrete lessen voor MKB-bedrijven
Veel MKB-bedrijven gebruiken smartphone-camera's voor productfotografie, contentcreatie en sociale media. Daarnaast bouwen of integreren steeds meer bedrijven AI-functies in hun eigen diensten. Voor beide groepen zijn hier bruikbare conclusies.
Voor fotografische content: schakel AI-verbeteringen in camera-apps uit als je producten fotografeert voor webshops of marketing. Kleuren die door AI worden aangepast, komen zelden overeen met hoe een product er werkelijk uitziet. Dat leidt tot retourzendingen en klachten.
Voor AI-implementatie in producten of diensten: zorg dat je weet wat je AI-toepassing doet bij gemiddeld gebruik, niet alleen bij ideale invoer. Test met mensen buiten je eigen organisatie. Publiceer geen vergelijkingsbeelden tenzij je zeker weet dat de "na"-versie de "voor"-versie overtreft.
Voor communicatie over AI: wees concreet over wat een AI-functie doet en wat niet. Sony's verduidelijking achteraf hielp niet, omdat de beelden al rondgingen. Leg vooraf uit wat gebruikers mogen verwachten.
De bredere context
Sony is niet het enige bedrijf dat moeite heeft met de kloof tussen AI-belofte en AI-resultaat. Onderzoek van McKinsey (2024) laat zien dat 70% van AI-projecten geen meetbare business value oplevert. Een deel van die projecten draait op precies dit probleem: functies die intern goed klinken, maar in de praktijk niet leveren wat gebruikers nodig hebben.
Dat betekent niet dat AI-functies in producten per definitie mislukken. Het betekent dat de drempel voor lancering hoger zou moeten liggen dan "het werkt technisch gezien".
Conclusie
Sony's AI Camera Assistant is geen ramp voor het bedrijf, maar wel een zichtbaar voorbeeld van wat er mis gaat als AI-functies onvoldoende worden getoetst aan gebruikersverwachtingen. De beelden spreken voor zich, en de verduidelijking achteraf verandert weinig aan de indruk die is ontstaan.
Voor Nederlandse bedrijven die AI inzetten of integreren, zijn de lessen concreet: test buiten je eigen team, communiceer eerlijk over wat een functie doet, en lanceer pas als de uitvoer structureel beter is dan de situatie zonder AI. Niet omdat dat makkelijk is, maar omdat gebruikers het verschil zien.
