GPT Image 2 veranderde mijn kijk op AI-visuals
AI-beeldgeneratie leek lang een speeltje voor memes en stockfoto’s. GPT Image 2 laat zien dat de interessantere categorie altijd uitleg was.
Ik had AI-beeldgeneratie stilletjes afgeschreven voor mijn werk.
Niet voor alles: voor productfoto's, advertentiebeelden of social media-content begrijp ik de waarde. Maar dat is niet hoe ik werk. Wat ik nodig heb zijn visualisaties: diagrammen, processchema's, uitlegplaten. Beelden die iets verklaren, geen beelden die iets voorstellen. Voor die categorie had AI-beeldgeneratie me tot nu toe consequent teleurgesteld.
Totdat ik vorige week wilde begrijpen hoe een wasmachine van binnen werkt. De binnentrommel, de buitenkuip, de lagers, de afdichting, hoe de as naar buiten komt. Tekst komt je een eind, maar een diagram verder. Dus ik vroeg ChatGPT Images 2.0, gebouwd op het nieuwe GPT Image 2-model, er een te genereren.
Wat terugkwam veranderde mijn oordeel.
Wat er terugkwam
Geen mooie illustratie van een wasmachine. Een coherente technische infographic: meerdere aanzichten van dezelfde machine, gelabelde onderdelen, leesbare typografie, voor- en achterkant logisch in relatie tot elkaar, drijfriem en motor op de juiste plek. Het had opmaakhiërarchie. Het zag eruit als een serviceboekje dat nog niet geschreven was.
De verrassing zat in de specificiteit. Een wasmachine is een goede test precies omdat er geen esthetiek is om op te leunen. Het diagram klopt mechanisch of het klopt niet. Er is geen artistieke meerwaarde om achter te schuilen. En dit klopte.
Waarom dit relevant is voor je organisatie
Elke organisatie legt dingen uit. Hoe een product werkt, hoe een proces verloopt, wat er gebeurt als iets misgaat. Dat soort uitleg leunt zwaar op visuals, en visuals kosten tijd: een briefing, een designer, een doorlooptijd. De bottleneck zit zelden in de kennis, maar in de productie.
GPT Image 2 is gebouwd op het idee dat het model nadenkt voor het tekent. Het redeneert over wat een technisch diagram eigenlijk vereist, voor er iets gegenereerd wordt. Tekst in afbeeldingen, jarenlang de zwakste schakel van dit soort tools, is sterk verbeterd: labels, pictogrammen, correcte spelling, consistente uitlijning. Het resultaat is een model dat niet alleen rendert, maar plant.
Dat is de verschuiving. Niet mooiere kunst. Betere uitleg.
De categorie die we oversloegen
De meeste discussies over AI-beeldgeneratie gaan over de eerste golf: avatars, nep-foto's, memes, visueel spektakel. Dat oordeel is niet onjuist, het is gewoon verouderd.
De relevantere categorie is de kennisvisualisatie: beelden die een professional iets sneller laten begrijpen dan proza alleen. Technische diagrammen, procesflows, onboardingmateriaal, infrastructuurplaten. Het soort materiaal dat organisaties voortdurend nodig hebben en langzaam produceren.
Als die drempel nu lager is, heeft dat operationele betekenis. Niet omdat designers overbodig worden, maar omdat uitleg goedkoop genoeg wordt om vaker te gebeuren.
Ik wilde alleen begrijpen hoe mijn wasmachine werkt. Het diagram dat terugkwam stelde een andere vraag: wat is er nog meer uitlegbaar in een kwartier dat vroeger een budgetpost vereiste?