Met ChatGPT, Gemini, Anthropic en co beschikken we allemaal over een ploeg van persoonlijke assistenten. Deze AI-tools zijn welwillend en kunnen bergen werk verzetten, maar je moet ze wel heel precieze opdrachten of ‘prompts’ geven. Roland Legrand, technologiejournalist bij De Tijd, leerde ons in een workshop van de VVJ Academy hoe je dat doet.
“Een huiskat heeft veel meer gezond verstand en begrip van de wereld dan welk LLM dan ook.”
Met dit citaat begint Roland Legrand zijn uiteenzetting over de fascinerende wereld van de grote taalmodellen, oftewel large language models (LLM), de grote datasets achter artificieel intelligente toepassingen als ChatGPT, Gemini, Anthropic, Deepseek, Perplexity en co.
Het schetst de sterkte en tegelijk de zwakte van deze systemen: ze kunnen heel snel monsterlijke hoeveelheden gegevens verwerken, maar ze begrijpen niet echt hoe de wereld in elkaar zit.
“Die taalmodellen doen iets wat op redeneren lijkt. Ze zien patronen in grote hoeveelheden gegevens, die ze bij elkaar rapen over het hele internet. Op basis daarvan, samen met doorlopende training, voorspellen ze welke woorden ze achter elkaar moeten zetten.”
Hoe preciezer de prompt, of de opdracht, die ze krijgen, hoe beter echter het resultaat. ‘Prompting’ is op korte tijd een vakgebied op zichzelf geworden. Je hoeft daarvoor gelukkig geen computercode te kunnen schrijven, een instructie in mensentaal volstaat om van generatieve AI iets gedaan te krijgen.
OpenAI vergelijkt dit met een nieuwe collega, die vers van de schoolbanken komt en die eenvoudige taken aankan, mits ze duidelijk geformuleerd zijn. Redenerende AI-modellen, waarover we het verderop hebben, vergelijkt het bedrijf met een meer ervaren collega, die je een doel voorschotelt en die dat vervolgens tot een goed einde brengt.
(De slides die tijdens deze voordracht door Roland Legrand getoond werden, vind je hier.)
Stap 1: Prompten voor beginners
We beginnen met enkele bruikbare prompting-strategieën voor generatieve AI, oftewel de chatbots die we sinds enkele jaren kennen, en die steeds accurater worden.
Een rol toewijzen
Voorbeeld: “Je bent een ervaren onderzoeksjournalist gespecialiseerd in financiële criminaliteit. Je bent sceptisch en nauwkeurig in je verslaggeving. Schrijf een intro van 150 woorden over een nieuw corruptieschandaal, met een kritische toon.”
Door het model een specifieke rol te geven, zal het vanuit dat perspectief schrijven. Door te benadrukken dat het kritisch en nauwkeurig moet zijn, zet het daar extra op in.
Stilistische aanwijzingen
“Schrijf in de stijl van een nieuwsbericht voor een landelijke krant, feitelijk en to-the-point, voor lezers zonder technische achtergrond. Blijf onder de 100 woorden en vermijd vakjargon.”
Generatieve modellen hebben de neiging om oppervlakkige tekst te schrijven, met herhaling en holle uitdrukkingen. Deze instructie dwingt het model tot bondige en klare taal, voor een duidelijk afgebakend publiek.
Brainstormen (zero-shot prompting)
“Noem 5 mogelijke invalshoeken voor een artikel over de gevolgen van klimaatverandering in Brussel.”
Hiermee kan je snel brainstormen. Eventueel kan je zelf een voorbeeld bijvoegen om het taalmodel duidelijker op weg te helpen.
Vervolgaanwijzingen
“Het 2de en 5de idee zijn interessant. Kan je op basis daarvan 5 nieuwe ideeën geven, en de rest weglaten?”
De eerste suggesties zijn zelden de beste. Met vervolgaanwijzingen kan je de voorstellen verder laten verfijnen. Dit werkt het best in combinatie met rolprompting (zie 1).
Herschrijven, samenvatten en vertalen
“Herschrijf de volgende alinea op een toon die begrijpbaar is voor iemand van 12 jaar.”
“Vat dit artikel samen in 3 kernbevindingen.”
“Vertaal de volgende zin naar het Engels.”
Dit is wellicht de meest gebruikte prompttechniek in de journalistiek. Hoewel dit ook het nauwst aanleunt bij het sterke punt van taalmodellen, blijft menselijke controle essentieel om inhoudelijke verdraaiingen te onderscheppen. Bij vertalingen moet je ook opletten voor barbarismen.
Basisinfo voeden
“Schrijf een kort nieuwsbericht op basis van de volgende twee tabellen met misdaadcijfers. Voeg geen extra analyse toe, blijf bij de gegeven cijfers. Let op mogelijke vooringenomenheid in je kennis en probeer die te vermijden in je antwoord.”
Voeg enkele relevante gegevens in als bron. Zo zal de chatbot bij de kwestie blijven en niet met andere info komen, die mogelijk irrelevant is. Vraag een zo pertinent mogelijk antwoord om afdwalen te voorkomen.
Meta-prompting
“Welke vragen zou ik aan ChatGPT kunnen stellen om meer te weten te komen over onderwerp X? Geef 5 suggesties voor prompts.”
Prompts voor wie op zoek is naar prompts.
Stap 2: Redenerende AI
Tegenwoordig hebben de meeste AI-modellen ook een redeneerfunctie, oftewel ‘deep research’. Daarmee kunnen ze ingewikkeldere opdrachten aan, maar het vraagt wel een nog preciezere aansturing.
Vaak kan je de ‘redeneer’-functie eenvoudigweg aanvinken, afhankelijk van welk programma je gebruikt. Omdat het hierbij honderden online bronnen gaat consulteren, kan het tot een half uur duren eer je resultaat krijgt.
Redenerende modellen presteren het best bij korte, duidelijke instructies. Vermijd hier keten-van-gedachten-prompts: aangezien deze modellen intern redeneren, is het niet nodig om ze te vragen om "stap voor stap na te denken" of hun redenering uit te leggen.
Gebruik scheidingstekens zoals quotes om verschillende delen van de invoer duidelijk te markeren, zodat het model de structuur beter begrijpt.
Probeer eerst de zero-shot- of eventueel de few-shot-techniek. Redeneringsmodellen hebben vaak geen voorbeelden nodig om goede resultaten te leveren. Begin met een prompt zonder voorbeelden. Als je output complexere eisen heeft, kun je een paar voorbeelden van invoer en gewenste uitvoer toevoegen. Zorg er dan wel voor dat deze nauw aansluiten bij je instructies, anders kan dit de resultaten verslechteren.
Geef specifieke richtlijnen en wees zeer specifiek over je einddoel en parameters. Moedig het model aan om door te redeneren totdat het aan je succescriteria voldoet
Voor het prompten met redenerende AI kan je daarnaast volgende technieken hanteren.
Feitenchecken met bronvermelding
“Je bent een factchecker, die enkel geloof hecht aan bewijsbare informatie. Controleer de feiten in de volgende alinea. Markeer welke kloppen en welke niet, en geef een betrouwbare bron of uitleg voor je oordeel. Als je het niet zeker weet, geef dit dan aan. (tekst)”
Dit kan je meteen op weg zetten naar de juisten bronnen voor je verificatie. Maar ook hier is een menselijke dubbelcheck essentieel om tot een oordeel te komen.
Kritische analyse van teksten
“Bekijk onderstaand betoog en geef aan of alle beweringen logisch consistent zijn. Zo niet, wijs de inconsistentie aan en leg uit.”
Hier handelt het taalmodel als een eindredacteur die nagaat of je uitgewerkte analyse steek houdt.
Argumentatie-opbouw
“Noem de sterkste tegenargumenten die iemand kan inbrengen tegen de stelling: (tekst) Hoe zou ik die kunnen weerleggen?”
Zo kan je aftoetsen of je geen argument over het hoofd hebt gezien, bijvoorbeeld in een analyse, of bij de voorbereiding van een interview.
Complexe taken opdelen
“1. Lees de volgende onderzoeksnotities en vat per thema samen wat de belangrijkste bevinding is: (tekst en/of data).”
“2. Geef een logische opzet voor een artikel met deze 3 thema’s, inclusief welke info in de inleiding en conclusie moet.”
“3. Werk nu het eerste thema uit in een paragraaf van ongeveer 100 woorden.”
Soms is een opdracht te ingewikkeld voor het model, en kan je de taak beter opdelen in verschillende prompts. Zo kan je de AI-tool vooral inzetten voor taken waar die goed is, zoals structureren, samenvatten en formuleren.
Data-analyse
“Hier zijn de verkoopcijfers per kwartaal: (tabel). Beschrijf de trend en noem eventuele uitschieters.”
Dit kan dienen om snel een grote dataset te doorploegen, en verklaringen te vinden die niet voor de hand liggen.
Werken met canvas
ChatGPT heeft ook een canvas-functie, met een apart venster waarin je bijsturingen kan vragen aan een gegenereerde tekst. Je kan bijvoorbeeld met een schuifregelaar het leesniveau aanpassen, van kleuter tot master, de lengte aanpassen, emoji’s toevoegen, enzovoort.
Daarmee fungeert het programma als een soort eindredacteur, zonder dat je steeds opnieuw in het chatvenster een volledig nieuwe tekst moet laten genereren. Via canvas kan je ook bronnen opvragen.
Welke tools?
Het landschap van de grote taalmodellen en de chatbots verandert haast elke week.
De belangrijkste spelers zijn ChatGPT (OpenAI), Gemini (Google), Claude (Anthropic), DeepSeek, X (Grok) en Le Chat (Mistral). Die laatste is de enige grote Europese chatbot, wat betekent dat deze werkt op servers die voldoen aan de GDPR-wetgeving.
Elk systeem heeft zijn eigen privacyvoorwaarden. In een apart artikel komen we hierop uitgebreider terug.
De meeste hebben verschillende formules en modellen, van gratis tot zeer duur (de Pro-functie van ChatGPT kost momenteel 200 dollar per maand). Hoe meer je betaalt, hoe slimmer.
De werking is steeds dezelfde, met een berichtenvenster waarin je converseert. Ook de redeneerfunctie, het canvas of de mogelijkheid om beelden te genereren of onderzoek te ordenen in mappen is quasi universeel.
Een apart geval is Perplexity, dat zich meer richt op opzoekingswerk. Deze tool geeft steeds een bronvermelding bij zijn antwoorden. De bronkeuze is echter niet altijd goed.
Hans Dierckx
