De meeste mensen gebruiken ChatGPT of Copilot zoals een zoekmachine: een paar woorden, op enter drukken en hopen. Wat terugkomt is vlot geschreven, maar generiek. De conclusie is dan snel getrokken: “AI is nog niet zo slim.”
Meestal ligt het niet aan het model, maar aan de vraag.
De nieuwe-collega-test
Stel je voor dat er morgen een slimme nieuwe collega begint. Je zou nooit zeggen: “Schrijf een mail over het project.” Je vertelt voor wie de mail is, wat je ermee wil bereiken, wat er al gebeurd is en hoe het eruit moet zien.
Een taalmodel heeft precies hetzelfde nodig. Het mist zelfs wat die collega nog wel heeft: de koffiepauze waarin die de rest van de context oppikt. Een taalmodel voorspelt telkens het meest waarschijnlijke volgende woord. Geef je een vage vraag, dan krijg je dus het meest waarschijnlijke antwoord: het gemiddelde.
Het verschil in één voorbeeld
Vaag:
Schrijf een mail over de nieuwe planningstool.
Gebriefd:
Je bent onze HR-verantwoordelijke. Schrijf een korte mail aan alle teamleads, die niet technisch zijn, over de nieuwe planningstool die op 1 maart start. Doel: dat ze zich inschrijven voor een demo van 30 minuten. Gebruik de toon van deze vorige aankondiging: […]. Maximaal 120 woorden, met onderaan één duidelijke actie.
De tweede prompt bevat een rol, een doelgroep, context, een voorbeeld en een formaat. Dat zijn vier zinnen extra, en je hoeft het resultaat geen drie keer te herschrijven.
Drie gewoontes die het meeste verschil maken
- Geef een voorbeeld. Eén goed voorbeeld zegt meer dan een alinea uitleg over toon en structuur. Het is de grootste winst die je met de minste moeite haalt.
- Zeg wat je wél wil. “Schrijf in korte zinnen voor managers zonder technische achtergrond” werkt beter dan “niet te technisch”. Een model volgt instructies beter dan verboden.
- Bewaar wat werkt. Een prompt die goede resultaten geeft, is eigenlijk een werkinstructie. Bewaar hem, deel hem met je team en test hem opnieuw wanneer het model verandert. Zo wordt een persoonlijke truc een gedeelde standaard. Waarom dat zelden vanzelf gebeurt, lees je in Waarom goede werkwijzen niet vanzelf verspreiden.
En als de basis zit?
Dan begint het pas echt. Je kan een model eerst laten nadenken voor het antwoordt, het zelf vragen laten stellen voor het begint, of zijn eigen antwoord laten controleren voor je het gebruikt. En met instellingen zoals temperature bepaal je of je een creatief of een voorspelbaar antwoord wil. Voor een brainstorm wil je het eerste, voor het uitlezen van facturen het tweede.
Download de Prompt Engineering Toolkit
We bundelden het allemaal in een gratis toolkit (Engelstalig, 9 pagina’s):
- 29 prompttechnieken, elk met wanneer je ze gebruikt en concrete voorbeelden
- aanbevolen instellingen voor feitelijke, gebalanceerde en creatieve taken
- 15 best practices en de valkuilen om te vermijden
- een stappenplan om alles samen te brengen in je eigen werk