Hoe laten we AI werken vanuit onze eigen visie?

Geef AI naast de opdracht jullie overtuigingen, doelgroep, grenzen, schrijfvoorbeelden en actuele bedrijfsfeiten mee. Leg per feit de bron, eigenaar en datum vast. Vertaal jullie keuzes naar afkeurzinnen en laat een beoordelaar passages aanwijzen die wel of niet voldoen. Vergelijk dezelfde taken met en zonder die context. Een ander model kan helpen, maar garandeert geen juist oordeel.

Je laat AI vanuit je eigen visie werken door jullie overtuigingen, doelgroep, grenzen, schrijfvoorbeelden en actuele bedrijfsfeiten bij de opdracht beschikbaar te maken. Leg per feit de bron, eigenaar en datum vast. Vertaal jullie keuzes naar afkeurzinnen en laat een beoordelaar concrete passages langs die maat leggen. Vergelijk dezelfde opdrachten met en zonder jullie context, zonder de varianten te labelen voor de beoordelaar. Zo toets je of de uitvoer jullie keuzes werkelijk volgt. Een andere vraagvorm kan meer variatie ontsluiten; een tweede model kan fouten vinden. Geen van beide vervangt de bedrijfskeuzes die je wilt laten toepassen.

Waarom AI-uitvoer naar het vertrouwde midden trekt

Een vlotte, correcte tekst kan toch inwisselbaar zijn. Het onderzoek hieronder onderscheidt daarvoor verschillende vragen: welke uitvoer bevoordeelt de training, welke variatie ontsluit de opdracht en welke eigen informatie brengt de gebruiker mee? Minder variatie tussen antwoorden is iets anders dan een verkeerde bedrijfskeuze binnen één antwoord. Een tekst kan origineel zijn en jullie aanbod verkeerd voorstellen; een zakelijke standaardzin kan juist nodig zijn om een voorwaarde helder te maken. Toets daarom zowel verscheidenheid als trouw aan de context.

Afstemming op menselijke voorkeur kan de uitvoervariatie verkleinen. Kirk en collega’s meten dat in hun onderzochte modellen en taken en vatten het zo samen: “RLHF significantly reduces output diversity compared to SFT across a variety of measures”, dus afstemming op menselijke terugkoppeling verlaagt de variatie in de uitvoer aanzienlijk ten opzichte van bijsturing met voorbeelden. Zij noemen het een ruil: beter omgaan met onbekende invoer, tegen minder verscheidenheid. Dat is een gemeten uitkomst in hun opstelling, geen algemene wet die iedere vlakke tekst verklaart.

Waarom die ruil ontstaat, maken Zhang en collega’s aannemelijk. Zij onderbouwen voorkeur voor vertrouwde antwoorden als een verklarend mechanisme en noemen het typicality bias: beoordelaars “systematically favor familiar text”, ze geven stelselmatig de voorkeur aan tekst die hun bekend voorkomt. Die voorkeur zit in de data waarmee modellen worden afgestemd, en de auteurs noemen haar “a fundamental, pervasive data-level driver” van het verlies aan variatie. Zij zetten die verklaring naast algoritmische oorzaken, niet in plaats daarvan, en zij verklaart niet iedere algemene tekst. Hun onderzoek laat bovendien zien dat een andere opdracht meer variatie kan ontsluiten: zij vragen het model niet om een enkel antwoord, maar om meerdere antwoorden met hun waarschijnlijkheid erbij. Variatie en trouw aan jullie bedrijfsvisie zijn daarbij verschillende uitkomsten. Voor die trouw blijven jullie eigen keuzes en feiten nodig.

Dat werkt door in wat mensen met zo’n model schrijven. Padmakumar en He lieten deelnemers essays schrijven met en zonder een op terugkoppeling afgestemd model: schrijven met dat model “results in a statistically significant reduction in diversity”, en de verklaring is precies dat het door het model bijgedragen deel minder divers was, terwijl het menselijke deel onaangetast bleef. Hun conclusie: de betere generatiekwaliteit “might come at the cost of more homogeneous and less diverse content”.

Anderson, Shah en Kreminski vonden hetzelfde bij het bedenken van ideeën: “different users tended to produce less semantically distinct ideas with ChatGPT than with an alternative CST”, dus verschillende gebruikers kwamen bij elkaars ideeën uit. Zij noteren daarnaast iets dat zwaarder weegt dan de gelijkvormigheid: de deelnemers voelden zich minder verantwoordelijk voor wat ze maakten. Dat roept de vraag op wie het uiteindelijke oordeel blijft dragen.

Gelijkvormigheid en AI slop zijn verschillende kwesties: het eerste gaat over variatie, het tweede hier over ongewenste publicatie. Simon Willison schreef er op 8 mei 2024 over en citeert de formulering dat “slop” het woord wordt voor “unwanted AI generated content”. Zijn criterium is bruikbaar als werkafspraak: “if it’s mindlessly generated and thrust upon someone who didn’t ask for it”, dus achteloos gemaakt en opgedrongen aan iemand die er niet om vroeg. Hij voegt eraan toe: “Not all AI-generated content is slop.” Het onderscheid zit niet in de machine, maar in de aandacht en de verantwoordelijkheid die erin gingen zitten.

De hier aangehaalde onderzoeken meten variatie in bepaalde modellen en taken. Zij stellen niet vast hoe vaak vlakke marketingtekst door training, opdracht of ontbrekende context ontstaat. Zhang laat bovendien zien dat anders vragen meer variatie kan ontsluiten. Maak daarom twee beoordelingen: levert de opdracht voldoende verschillende mogelijkheden op, en volgt de gekozen tekst jullie feiten en grenzen? Meer variatie alleen is geen bewijs van een eigen stem; minder variatie alleen is geen bewijs van slecht werk.

Welke zin uit jullie laatste publicatie had je naaste concurrent letterlijk zo kunnen versturen?

Wat context engineering is, en waarom de opdracht alleen niet genoeg is

Context engineering is het vak van kiezen wat een model op het moment van werken ziet: niet alleen de opdracht, maar alle instructies, achtergrondstukken, voorbeelden en eerdere berichten erbij. De term kwam in 2025 op naast het oudere “prompt engineering”, en dat verschil is geen mode: de vraag verschuift van “hoe formuleer ik mijn verzoek” naar “wat moet hier aanwezig zijn om dit werk goed te kunnen doen”.

In de verzamelde formuleringen van Simon Willison omschrijft Andrej Karpathy haar zo: “context engineering is the delicate art and science of filling the context window with just the right information for the next step”, het nauwkeurige vak van het contextvenster vullen met precies de juiste informatie voor de volgende stap. Tobi Lütke noemde haar “the art of providing all the context for the task to be plausibly solvable by the LLM”: alle context leveren waardoor de taak voor het model aannemelijk oplosbaar wordt. Let op het woord oplosbaar. Een opdracht die zonder jouw feiten en grenzen niet goed te vervullen is, wordt niet beter van een scherpere formulering.

Anthropic beschrijft het vak als “the set of strategies for curating and maintaining the optimal set of tokens (information) during LLM inference”. Twee dingen daarin doen ertoe. Het eerste: dit is onderhoud en geen eenmalige klus, want elke keer dat er informatie naar het model gaat kies je opnieuw. Het tweede is de waarschuwing tegen stapelen: “Context, therefore, must be treated as a finite resource with diminishing marginal returns.” Context is een eindige hulpbron met afnemende opbrengst, geen voorraadkast waar meer altijd beter is.

Voor de instructielaag gebruikt Anthropic een bruikbaar beeld: “The right altitude is the Goldilocks zone between two common failure modes.” De juiste hoogte zit tussen te hard dichtgespijkerde regels, die breken zodra de werkelijkheid afwijkt, en te vage richtlijnen, die niets beslissen. Het is de afweging bij een nieuwe medewerker: geen script voor elk gesprek, en ook niet alleen “doe het goed”, maar uitleggen waarvoor jullie bestaan, wie jullie helpen en wat jullie weigeren.

Hier zit het tweede misverstand. De markt verkoopt promptbibliotheken met honderden kant-en-klare opdrachten. Een gedeelde opdracht kan nuttig zijn, maar bevat op zichzelf jullie specifieke keuzes niet. Vul haar daarom aan met eigen feiten, grenzen en voorbeelden. De hefboom zit een laag dieper, bij materiaal dat niemand anders heeft.

Als je morgen één document aan je AI-opdrachten mocht toevoegen, welk document zou het meest aan jullie uitvoer veranderen?

Systeemprompt, kennisbestand, voorbeeldenbank en geheugenlaag: wat doet wat

Vier plekken dragen context, en ze zijn geen varianten van hetzelfde. Wie ze verwisselt, krijgt een opstelling die onderhoudbaar lijkt en stilletjes verkeerd antwoordt.

PlekWat hij doetKies hem wanneerHoe hij faalt
SysteempromptVaste gedragsregels en rol die de toepassing bij elke opdracht meegeeftDe regel geldt altijd en is kort te zeggenWordt een vuilnisbelt van uitzonderingen en spreekt zichzelf tegen
KennisbestandNaslag die per taak wordt opgehaald: aanbod, voorwaarden, goedgekeurde claimsDe feiten veranderen, de regels nietVerouderde versie blijft meeliften zonder dat iemand het ziet
VoorbeeldenbankToont wat goed en niet goed is, met de reden erbijEen keuze is beter te zien dan te beschrijvenOude voorbeelden worden feitenbron voor nieuwe publicaties
GeheugenlaagBewaart wat over sessies heen moet blijven en wordt per taak teruggelezenWerk loopt over meerdere gesprekken of dagenBewaart aannames als waarheden en groeit zonder opruiming

De geheugenlaag is de minst begrepen van de vier. Anthropic beschrijft hem technisch zo: “The memory tool lets Claude store and retrieve information across conversations in a directory of memory files”, en het werkingsprincipe is “just-in-time context retrieval”, dus ophalen op het moment dat het nodig is in plaats van alles vooraf meegeven. Een geheugenlaag is daarmee geen groter contextvenster, maar een manier om het klein te houden: weinig context die op het juiste moment arriveert.

De voorbeeldenbank wordt in de andere richting verkeerd begrepen: veel mensen denken dat voorbeelden meegeven betekent dat het model iets leert en onthoudt. Dat is niet zo. Brown en collega’s toonden in 2020 dat een taalmodel een nieuwe taak kan uitvoeren uit een handvol voorbeelden in de opdracht, en benadrukken dat dat gebeurt “without any gradient updates or fine-tuning”. Voorbeelden veranderen bij deze werkwijze de modelgewichten niet. Ze beïnvloeden een volgende taak alleen wanneer het systeem ze opnieuw beschikbaar maakt, en gebeurt dat niet, dan is het effect weg zonder dat iemand een foutmelding krijgt.

Anthropic kiest voorbeelden daarom niet als een uitputtende verzameling uitzonderingen, maar als een klein aantal uiteenlopende, kenmerkende gevallen, want “examples are the ‘pictures’ worth a thousand words”. Een handvol voorbeelden die elk een andere keuze tonen werkt meestal beter dan een lange reeks die hetzelfde laat zien. De uitwerking per schrijftaak staat in AI laten schrijven in je eigen merkstem.

En wat in geen van de vier hoort, laat je weg: dat is de enige laag die geen onderhoud kost.

Als concrete indeling kun je de korte gedragsregels bij de vaste instructies van je toepassing onderbrengen, het actuele aanbod als naslag aanbieden en de geselecteerde voorbeelden bij de schrijftaak voegen. Dat is een toepassing van het onderscheid hierboven, geen garantie dat een toegevoegd bestand ook wordt gebruikt. Laat de uitvoer daarom aanwijzen welke passage uit het aanbod een belofte draagt. Ontbreekt die passage in de beschikbare context, dan blijft de belofte een open vraag. Voor werk over meerdere sessies controleer je bovendien of de benodigde informatie opnieuw beschikbaar is gemaakt.

Wat er in je bedrijfscontext hoort, en wat eruit moet

Een werkbare bedrijfscontext bestaat uit vijf blokken, elk met een eigen toets. Het gaat niet om een mooi document, maar om materiaal waarmee een buitenstaander, mens of machine, jullie keuzes zou kunnen maken zonder jullie te bellen.

BlokWat erin hoortDe toets
Wat we gelovenDe twee of drie overtuigingen waaruit jullie keuzes volgen, in gewone taalZou een branchegenoot dit kunnen ondertekenen? Dan is het te algemeen
Voor wie we werkenDe beslissing die jullie koper moet nemen en waar die vastlooptStaat er een echte onzekerheid, of een demografisch profiel?
Wat we niet doenWerk, klanten en claims die jullie weigeren, met de redenKost de grens jullie soms een opdracht? Zo niet, dan is het geen grens
Hoe we pratenAanspreekvorm, ritme, verboden formuleringen, elk met een alternatiefKan een nieuwe medewerker hiermee een zin afkeuren?
Welke feiten waar zijnAanbod, voorwaarden, goedgekeurde claims, met eigenaar en datumKan iemand per feit zeggen wie hem onderhoudt?

Hoe die vijf blokken samen één stuk sturen, laat een fictief geval het snelst zien. Denkvoorbeeld: jullie overtuiging is dat een koper eerst moet kunnen bepalen of de dienst past. De contextregel wordt: noem voor wie de dienst ongeschikt is en onderbouw beloften met het goedgekeurde aanbod. De opdracht luidt: “Schrijf de dienstpagina met deze context. Benoem ontbrekende feiten voordat je schrijft.” Een tekst met alleen voordelen wordt afgekeurd omdat de geschiktheidsgrens ontbreekt.

In ditzelfde denkvoorbeeld is de afkeurreden dus concreet: de uitvoer noemt voordelen, maar geen geschiktheidsgrens. De correctie is niet om zelf een grens te verzinnen. Laat het model de ontbrekende grens aanwijzen en de eigenaar om het goedgekeurde gegeven vragen. Pas na dat antwoord kan de tekst worden herzien. De beoordelaar controleert vervolgens zowel of de grens genoemd is als of zij overeenkomt met het aangeleverde aanbod. Zo volgt uit dezelfde overtuiging achtereenvolgens een contextregel, een opdracht, een waarneembare fout en een gerichte correctie.

Het blok “wat we niet doen” is het meest verwaarloosde en het meest waardevolle. Een model kan uit duizend bronnen opmaken hoe een bureau zich presenteert; waar jullie nee zeggen kan het uit niets opmaken, en juist daar zit wat een koper wil weten. Een pagina die zegt voor wie iets niet geschikt is, laat iemand terecht afhaken, en dat is goed werk, ook al staat het in geen rapport als winst.

Wat eruit moet is even belangrijk. Haal weg: ambitie die als feit is opgeschreven (“wij zijn marktleider in aandacht”), elke claim zonder bewijs of eigenaar, oude campagnetaal die niemand meer zou verdedigen, interne afkortingen die buiten hun vergadering niets betekenen, en elke tweede formulering van iets dat al ergens anders staat. Voor bronnen, eigenaren en toegangsgrenzen is het gedeelde bedrijfsgeheugen voor AI-agents de plek waar dit beheer thuishoort.

Gebruik het schrijven van deze blokken ook om te onderzoeken of jullie intern hetzelfde antwoord geven op de vraag voor wie jullie werken. Laat verschillende collega’s dezelfde passage langs de context leggen en hun oordeel onderbouwen. Verschillende oordelen kunnen wijzen op een onduidelijke regel, een ontbrekend feit of een werkelijk verschil van inzicht. Vraag eerst welk van die problemen speelt. Het document is daarbij een hulpmiddel om besluiten expliciet te maken, geen bewijs dat jullie het al eens zijn.

Welke opdracht hebben jullie dit jaar geweigerd, en staat de reden ergens opgeschreven?

Hoe je context vers houdt, en wat dubbel opschrijven doet

Context veroudert sneller dan een stijlgids: een dienst verdwijnt, een voorwaarde wijzigt, een claim verloopt met zijn bewijs. Zolang het oude bestand ergens meereist is er geen foutmelding, alleen een vloeiend, overtuigend, achterhaald antwoord.

Twee gemeten verschijnselen laten zien waarom stapelen geen oplossing is. Het eerste: modellen gebruiken lange invoer niet gelijkmatig. In de onderzochte taken vonden Liu en collega’s vaak betere prestaties wanneer de relevante informatie aan het begin of het einde stond, en lagere wanneer het model iets uit het midden moest halen, ook bij modellen die voor lange invoer zijn gebouwd. Het tweede komt uit een onderzoek van Chroma onder achttien modellen: “Models do not use their context uniformly; instead, their performance grows increasingly unreliable as input length grows.” Hun scherpste bevinding gaat over verwante ruis: “Even a single distractor reduces performance relative to the baseline (needle only).” Chroma vond in die afleiderproef dus al verslechtering door één verwant maar niet-antwoordend tekstfragment.

Dat maakt een tweede, iets afwijkende versie van je eigen stijlgids riskant. Xu en collega’s brachten botsende kennis in kaart en onderscheiden drie soorten: tussen context en wat het model al weet, tussen stukken context onderling, en inconsistentie in het model zelf. Hun bevinding over de eerste is dubbelzinnig en daarom belangrijk: “LLMs are highly receptive to external evidence” wanneer die samenhangend en overtuigend is, en tegelijk vertonen ze een bevestigingsneiging, want “the models tend to favor information consistent with their internal memory”.

Xu en collega’s beschrijven geen vaste regel voor welke kennis wint. Samenhangende, overtuigende informatie kan een model misleiden. Laat het model daarom bij tegenstrijdige bedrijfsinformatie de botsende passages aanwijzen en vraag de eigenaar welke versie geldt. Een dubbele waarheid is daarmee geen slordigheid, maar een vraag die iemand moet beantwoorden. Dat geeft ook grond voor voorzichtigheid met de aanname dat je “voor de zekerheid” beter alles meegeeft. Weerlegd is die aanname niet: Chroma schrijft onder zijn eigen kop Limitations dat de proef “not exhaustive of real-world use cases” is, en meet ophalen en herhalen, niet schrijven met een stijlgids. Mijn gevolgtrekking is daarom een werkregel en geen uitkomst: zekerheid ontstaat eerder door intrekken dan door toevoegen.

Vier afspraken houden het vers. Eén: per onderwerp precies één leidende bron, waar elke andere vermelding naar verwijst. Twee: elk feit draagt een eigenaar en een datum, zodat veroudering zichtbaar is voordat iemand erover valt. Drie: een vervangen regel wordt ingetrokken, niet aangevuld, en verdwijnt uit elke kopie. Vier: bij een botsing stopt het werk en vraagt het systeem de eigenaar. Hoe een claim verbonden blijft met zijn bewijs, staat bij interne kennis omzetten naar marketingcontent.

Welk feit op jullie website wordt door niemand onderhouden, en hoelang staat het er al?

Je eigen maatstaf: de zinnen waarmee je een stuk afkeurt

“Schrijf goed” is geen maatstaf. Het is een wens die elke beoordelaar anders invult, inclusief de machine. Een maatstaf is een korte reeks zinnen waarmee jullie een stuk zouden afkeuren, geformuleerd zodat twee mensen onafhankelijk tot hetzelfde oordeel komen. Vijf tot tien zinnen is genoeg; meer wordt een formulier dat niemand leest.

Je haalt die zinnen niet uit een visiesessie, maar uit afwijzingen. Leg vijf tot tien stukken werk naast elkaar die jullie weggooiden, terugstuurden of grondig herschreven, en noteer per stuk de ware reden, niet de nette. “Te lang” is meestal geen reden; “er stond niets in dat de lezer morgen anders doet” wel. Welke reden kwam drie keer terug? Dat zijn jullie echte criteria, en ze zijn ouder dan jullie merkstem.

Het verschil tussen een wens en een toetsbare afkeurzin zit in wat iemand moet aanwijzen om het oordeel te onderbouwen.

WensToetsbare afkeurzinWat de beoordelaar aanwijst
Het moet overtuigend zijnAfkeuren als een belofte niet terug te vinden is in het aanbodDe belofte en de regel in het aanbod die haar dekt
Het moet eerlijk zijnAfkeuren als een cijfer geen bron, datum en noemer heeftHet cijfer en de ontbrekende herkomst
Het moet duidelijk zijnAfkeuren als een vakterm niet in de zin erna wordt uitgelegdDe term en de zin die volgt
Het moet bij ons passenAfkeuren als onze naaste concurrent dit letterlijk had kunnen versturenDe passage die van iedereen kan zijn
Het moet werkenAfkeuren als de lezer na afloop niets anders doet of weetDe ontbrekende vervolgstap of het ontbrekende inzicht
Het moet netjes zijnAfkeuren als de lezer tot handelen wordt gebracht door angstDe zin die een verlies aankondigt dat jullie niet kunnen aantonen
Het moet van waarde zijnAfkeuren als het stuk niets waard is voor wie niets kooptDe alinea die alleen bestaat om naar het aanbod te leiden
Het moet kloppenAfkeuren als het alleen waar is in het gunstigste gevalDe aanname die stilzwijgend meegaat

De verwisseltoets onderzoekt onderscheid: zet de naam van je naaste concurrent boven het stuk en wijs aan welke keuzes dan nog herkenbaar van jullie zijn. Een verwisselbare voorwaarde hoeft niet fout te zijn; zoek het onderscheid in aanbod, grenzen en onderbouwing. De waardetoets onderzoekt wat de lezer aan de tekst heeft. Een verkooppagina kan ook waarde bieden door geschiktheid, voorwaarden en alternatieven duidelijk te maken, zonder dat de lezer koopt.

Laat de maatstaf met tekstbewijs werken: een beoordeling zonder aangewezen passage is geen beoordeling maar een stemming. Bewaar de betwiste gevallen, want daar leer je of een zin te streng, te vaag of overbodig is. Begin met vijf zinnen die jullie vandaag al zouden gebruiken, en voeg er pas een toe als een fout twee keer doorglipte.

Welke drie redenen kwamen terug toen je voor het laatst iets afkeurde, en zou een collega ze onafhankelijk hebben genoemd?

Nakijken: waarom de schrijver zijn eigen werk niet goedkeurt

Gebruik zelfcontrole niet als enige grond voor publicatie. Laat de schrijver wel controleren op bijvoorbeeld ontbrekende bronverwijzingen of tegenstrijdige formuleringen, en organiseer daarnaast een tweede lezing met dezelfde taakvereisten. De onderzoeken hieronder geven redenen om zo’n oordeel kritisch te behandelen. Ze bewijzen niet dat zelfcontrole bij elke redactionele taak faalt, of dat wisselen van model de fouten oplost. Het verschil zit ook in de beschikbare informatie en in wat de beoordelaar aantoonbaar controleert.

Het eerste is zelfvoorkeur. Panickssery, Bowman en Feng vonden dat modellen hun eigen uitvoer boven andermans uitvoer verkiezen, terwijl menselijke beoordelaars die gelijkwaardig vinden. Ze vonden bovendien dat de onderzochte modellen, in 2024 onder meer GPT-4 en Llama 2, hun eigen tekst met meer dan toevallige nauwkeurigheid herkennen (“non-trivial accuracy”), en dat er “a linear correlation between self-recognition capability and the strength of self-preference bias” bestaat: hoe beter een model zijn eigen werk herkent, hoe sterker zijn voorkeur ervoor. Geen toeval dus, maar een patroon.

Het tweede gaat over zelfcorrectie zonder nieuwe informatie. Huang en collega’s onderzochten zelfcorrectie bij redeneertaken zonder externe terugkoppeling: de onderzochte modellen hadden daar moeite mee, en soms verslechterden de prestaties na zelfcorrectie. Hun bevindingen bewijzen niet dat een model geen nuttige redactionele controle kan uitvoeren. Mijn praktische gevolgtrekking is daarom beperkt: geef bij een correctieronde aan welke bron, eis of aangewezen fout aanleiding geeft tot herziening, en controleer daarna of juist dat probleem is opgelost.

Richt de tweede lezing daarom zo in. Geef de beoordelaar de oorspronkelijke taakvereisten, relevante bronnen en afkeurzinnen. Houd de identiteit van de schrijver, eerdere beoordelingen en diens verdediging buiten beeld. Een ander model kan aanvullende fouten vinden, maar maakt de beoordeling niet vanzelf onafhankelijk of juist.

Ook een beoordelend model heeft bekende zwakheden. Zheng en collega’s noemen vier: positievoorkeur, waarbij de volgorde van twee varianten het oordeel beïnvloedt; voorkeur voor langere antwoorden; zelfverheffing; en beperkt redeneervermogen bij taken die precies narekenen vragen. Zij melden tegelijk dat een sterk model als beoordelaar “the same level of agreement between humans” haalt, dus ongeveer even vaak met mensen overeenkomt als mensen onderling. Dat bewijst niet dat het oordeel juist is, maar maakt een blinde tweede lezing een redelijke eerste zeef.

Drie tegenmaatregelen volgen daaruit. Wissel de volgorde en verwijder de labels als je twee versies laat vergelijken. Vraag per afkeurzin om de letterlijke passage, zodat een oordeel zonder tekstbewijs als “niet beoordeeld” telt in plaats van als “voldoet”. En laat de beoordelaar geen totaalcijfer geven: een gemiddelde verbergt precies het ene criterium dat je niet mag opgeven.

De menselijke blik blijft op drie punten onvervangbaar. Een mens beslist of een belofte waargemaakt kan worden, want dat hangt af van capaciteit en bedoeling buiten de tekst. Een mens beslist of de toon past bij wat er tussen jullie en deze lezer gebeurd is. En een mens beslist bij een klacht, een fout of slecht nieuws, want daar is de vraag niet of de tekst klopt maar of hij iemand recht doet. Google is op dit punt expliciet: “It is critical to manually factcheck and review all AI-generated content” voordat je publiceert.

Wat nooit zonder mens de deur uit gaat: een prijs, een toezegging of een voorwaarde; een nieuw standpunt namens het bedrijf; elke tekst met de naam van een klant of medewerker erin; een reactie op een klacht of een incident; en elk cijfer. De routine erachter, met rollen, vastgelegde goedkeuringen en wat er gebeurt als iemand na het akkoord nog iets wijzigt, staat in een AI-contentworkflow met goedkeuring bouwen.

Wie bij jullie mag een tekst tegenhouden die technisch in orde is maar niet klopt?

Het risico dat niemand noemt: je maatstaf wordt een doel

Zodra je een maatstaf opschrijft, gaat er iets op hem optimaliseren. Een afkeurzin die een score wordt, verliest zijn werk: teksten gaan er langs de zin heen schrijven in plaats van hem waar te maken. Hoe dat mechanisme loopt, met de oorspronkelijke formuleringen van Goodhart, Strathern en Campbell, staat in Goodharts wet in marketing. De toepassing op je eigen beoordelingsmaat heeft twee vormen.

De eerste is dat de maatstaf de tekst gaat schrijven. Als “elke vakterm wordt uitgelegd” een punt oplevert, verschijnen er uitgelegde vaktermen die niemand nodig had; als “geen claim zonder bron” een punt oplevert, verschijnen er bronnen bij beweringen die geen bron vragen. De vorm is in orde en de tekst is slechter geworden. Het tegengif is ongemakkelijk: de afkeurzinnen zijn vetorechten, geen punten. Je kunt niet genoeg punten verdienen om een geschonden grens te compenseren.

Mijn toepassing van Goodhart op deze onderzoeken is een vergelijking, geen afzonderlijk gemeten verklaring voor vlakke marketingtekst. Kirk meet minder uitvoervariatie na afstemming; Zhang onderzoekt voorkeur voor vertrouwde tekst én manieren om via de opdracht variatie terug te krijgen. Daaruit volgt geen algemene wet dat menselijke voorkeur tot dezelfde tekst leidt. Het geeft wel aanleiding om de eigen maat te blijven bevragen: beloon je herkenbare formuleringen, of toets je of de lezer de juiste informatie krijgt?

Daarnaast is er de kennispoel, en die redenering staat los van vindbaarheid. Shumailov en collega’s beschreven in 2023 wat er gebeurt als modellen herhaald leren van wat modellen maakten: zij noemen het model collapse, en het kenmerk ervan is dat de “tails of the original content distribution disappear”. Hun onderzoek gaat over trainingsdata en niet over één bedrijfsartikel; wij trekken de vergelijking omdat jullie eigenheid in diezelfde staart zit.

Doshi en Hauser meten de maatschappelijke kant: verhalen die met ideeën van een taalmodel werden geschreven, kregen hogere beoordelingen, vooral bij de minder creatieve schrijvers, en leken tegelijk onderling meer op elkaar. Hun eigen woorden: “This dynamic resembles a social dilemma.” Individueel winnen, collectief verliezen.

Mijn redactionele werkafspraak is: beoordeel wat iemand aan de pagina heeft, ook als die niets koopt. Dat voorkomt op zichzelf geen trainingsproblemen of collectieve gelijkvormigheid; daarvoor leveren deze onderzoeken geen bewijs. Google waarschuwt daarnaast dat veel pagina’s maken met generatieve AI zonder waarde voor gebruikers in strijd kan zijn met het beleid tegen grootschalig contentmisbruik. Dat is een publicatiegrens, geen toezegging over vindbaarheid of opbrengst. Toets de bruikbaarheid daarom met de informatie die de lezer nodig heeft om te beslissen.

Waar dit niet werkt

Context is geen universeel middel, en de eerlijke afbakening scheelt maanden. In drie situaties raakt meer en betere context het probleem niet.

Taken met te weinig voorbeelden. Een afkeurmaatstaf en een voorbeeldenbank veronderstellen bestaand werk. Een bedrijf dat voor het eerst een nieuw segment aanspreekt heeft geen weggegooide stukken, geen bewezen formuleringen en geen eigen feiten over die lezer. Daar is de eerste stap vijf gesprekken en één met de hand geschreven stuk, niet een inrichting. Hetzelfde geldt voor een eenmalige tekst: de kosten van context maken zich pas terug bij herhaling.

Werk waar een fout duur is. Bij een prijs, een juridische voorwaarde, een veiligheidsinstructie of een cijfer in een rapportage is de verwachte opbrengst van automatisering klein en de staart van de verliezen lang. Dat is geen reden om AI uit het proces te houden, wel om de rol te beperken tot voorbereiden, ordenen en controleren, met een bevoegd mens die beslist. Het helpt het meest als het model aanwijst wat het niet kan verifiëren, in plaats van een afgeronde tekst af te leveren. Hoe je bewijs en grenzen per claim vastlegt, staat bij AI laten zien wat je bedrijf echt waard is.

Teams die zelf niet weten wat ze geloven. Dit is de belangrijkste en de minst besproken. AI maakt een onduidelijke visie niet duidelijk, hij vergroot haar: als drie mensen in de directie een ander antwoord geven op “voor wie zijn we er”, produceert een goed ingerichte contextlaag drie keer zoveel van die onduidelijkheid, netjes geformuleerd, in alle kanalen tegelijk. Het onderzoek naar ideeënvorming waarschuwt hier: deelnemers voelden zich minder verantwoordelijk voor wat ze met hulp maakten. Zonder iemand die het oordeel draagt, doet een maatstaf niets.

Onderzoek terugkerende fouten voordat je automatiseert: ontbreken er besluiten, feiten, voorbeelden of vaardigheden? Automatiseer pas wat met de hand al goed gaat.

Op welke vraag over jullie eigen bedrijf zou je team vandaag drie verschillende antwoorden geven?

Een stappenplan voor deze maand

Dit is te doen zonder project en zonder nieuwe software. Per stap staat waaraan je ziet dat hij werkt.

  1. Verzamel tien afwijzingen. Tien stukken werk die jullie weggooiden of herschreven, met per stuk de ware reden. Het werkt als minstens drie redenen terugkomen.
  2. Schrijf vijf afkeurzinnen. Zet die redenen om in zinnen die aanwijzen wat een beoordelaar moet kunnen laten zien. Zo maak je een maatstaf waarmee je verschillen tussen oordelen kunt onderzoeken. Laat twee collega’s onafhankelijk dezelfde stukken beoordelen en hun oordeel per passage onderbouwen.
  3. Schrijf de vijf contextblokken. Eén pagina per blok, nooit meer. Het werkt als een buitenstaander er een concept mee kan beoordelen zonder jullie te bellen.
  4. Zet eigenaar en datum op elk feit. Trek in wat niemand verdedigt, zodat veroudering zichtbaar is voordat een klant erover valt. Het werkt als niets meer zonder eigenaar in het bestand staat.
  5. Richt één schrijfplek in. Scheid vaste regels, naslag en voorbeelden, en laat de opdracht ontbrekende feiten eerst terugvragen. Het werkt als het concept open vragen aanlevert in plaats van gaten te vullen.
  6. Laat een tweede beoordelaar blind nakijken. Geef de oorspronkelijke taakvereisten, relevante bronnen en afkeurzinnen, en vraag per punt om tekstbewijs. Houd schrijversnaam, eerdere beoordelingen en de verdediging buiten beeld. Vergelijk dezelfde opdrachten met en zonder jullie context, zonder de varianten te labelen. Laat passages aanwijzen die de keuzes wel of niet volgen. Een ander model kan helpen, maar garandeert geen juist oordeel. Controleer de gevonden fouten op hun bewijs voordat je de tekst aanpast.
  7. Lees na twee weken de beoordelingen terug. Vergelijk afgekeurde én goedgekeurde stukken: welke fouten ving de maatstaf, welke glipten door en welke afwijzingen waren onterecht? Pas een regel pas aan nadat je de betreffende passage opnieuw hebt gecontroleerd. Zo onderzoek je zowel gemiste fouten als fouten van de beoordelaar.

Wat dit bij elkaar doet, is het werk weghalen dat niemand hoeft te doen, zodat de aandacht naar het deel gaat dat alleen een mens kan: beslissen wat waar is, wat jullie beloven en wat jullie weigeren. De uitvoering, de herhaling en het ordenen mag de machine hebben.

Welke stap hierboven zou je deze week kunnen zetten zonder iemand om toestemming te vragen?

Zo pak ik dit aan

Piet Baudoin van Poldermarketing is een AI-native marketeer die niet alleen adviseert maar ook bouwt en uitvoert: één freelance marketeer voor marketing, AI en automatisering, zodat je voor de context, de schrijfregels, de koppelingen en de opvolging geen aparte specialisten nodig hebt. Hij werkt op afstand, in het Nederlands en het Engels.

Bij dit onderwerp begint het werk niet bij een tool, maar bij de vijf contextblokken en de zinnen waarmee jullie werk zou afkeuren: daarmee valt of staat alles wat erna geautomatiseerd wordt. Daarna richt hij de schrijfplek in, zet de blinde tweede lezing erop en verbindt het geheel met vindbaarheid in Google en in AI-antwoorden, zodat dezelfde kern terugkomt in de kleinste uiting: een eerste mail, een profiel, een pagina. Dat is waar die volgorde op gericht is: zichtbaar zijn met een kern die klopt, op de plek waar iemand die beslist je voor het eerst tegenkomt. Bekijk de aanpak voor positionering of begin met een kosteloze groeiscan om te zien welke keuzes op jullie site nog niet terug te vinden zijn.

Hoe dit aansluit bij mijn grotere visie

Ik ben niet bang dat machines het schrijven overnemen. Ik ben banger voor het omgekeerde: dat we ze om het gemiddelde vragen en ons er daarna over verbazen dat alles op elkaar gaat lijken. De onderzoeken naar gelijkvormigheid maken dat risico concreet, zonder te bewijzen dat elk model altijd hetzelfde antwoord geeft. Als niemand daar eigen keuzes tegenover zet, ontbreekt de maat waarmee ik zo’n tekst wil beoordelen. Wat mensen dagelijks lezen, gaan ze normaal vinden. Ik begin liever bij wat een bedrijf gelooft en wat het weigert, want daar zitten de keuzes die niemand anders kan maken.

Wat mij aan dit werk bevalt, is dat het eerlijk maakt. Je kunt een machine pas iets van jezelf meegeven als je het zelf hebt uitgezocht, en de vragen die daarvoor nodig zijn gaan niet over tekst: voor wie zijn we er, wat beloven we, wie sturen we weg. Wie dat opschrijft, verkoopt daarna anders. Hij hoeft niemand meer binnen te praten die er niet bij past, en dat maakt elke afspraak die wel doorgaat voor allebei de kanten beter.

En dan is er de winst waar ik het meest van houd. Gaat de uitvoering naar de machine, dan komt er aandacht vrij voor het deel dat alleen van ons is: beslissen wat waar is en wat we tegenover iemand willen waarmaken. Die aandacht is het echte schaarse goed. Elke mail en elke pagina draagt haar in zich, hoe klein ze ook is, en daarom is geen enkele zin te klein om goed te doen.

Veelgestelde vragen

Lost een duurder of nieuwer model het vlakke gevoel op?

Een ander model kan verschil maken, maar kent daardoor niet vanzelf jullie keuzes, grenzen en afwijzingen. Onderzoek naar afstemming op menselijke voorkeur laat in de onderzochte modellen en taken minder uitvoervariatie zien; dat voorspelt niet welk model jullie beste tekst schrijft. Vergelijk modellen op dezelfde eigen opdrachten, met dezelfde context en afkeurzinnen. Zo toets je kwaliteit voor jullie werk in plaats van prijs als maat te gebruiken.

Hoeveel context is te veel?

Beoordeel context op wat zij aan de taak bijdraagt. Liu en collega's vonden bij hun zoektaken vaak slechtere prestaties wanneer relevante informatie midden in lange invoer stond. Chroma vond in zijn afleiderproef al verslechtering door één verwant maar niet-antwoordend fragment. Dat levert geen algemene woordgrens op. Houd vaste regels kort, bied naslag per taak aan en vergelijk de uitvoer voordat je context schrapt.

Kan het model dat schreef zijn eigen werk nakijken?

Ja, maar gebruik zelfcontrole niet als enige grond voor publicatie. Panickssery en collega's vonden zelfvoorkeur bij de onderzochte modellen; Huang en collega's onderzochten beperkingen van zelfcorrectie bij redeneertaken zonder externe terugkoppeling. Dat sluit nuttige redactionele controle niet uit. Geef een tweede beoordelaar taakvereisten, bronnen en afkeurzinnen, zonder schrijversnaam of eerdere oordelen. Een ander model maakt de beoordeling niet vanzelf onafhankelijk of juist.

Moeten we een eigen model trainen op onze teksten?

Zelden als eerste stap. Voorbeelden en instructies in de opdracht sturen het resultaat zonder dat er iets aan het model verandert. Overweeg modelaanpassing pas als een vaste verzameling opdrachten laat zien welke fouten ondanks goede context blijven terugkomen, en als iemand die verzameling kan onderhouden. Een onduidelijk aanbod los je er niet mee op.

Wat als onze visie nog niet op papier staat?

Begin dan niet bij een visiedocument maar bij afwijzingen. Zoek vijf stukken werk die jullie hebben weggegooid of herschreven en noteer per stuk waarom. Die redenen zijn je eerste maatstaf en bevatten bijna altijd de kern. Een visie die alleen in iemands hoofd zit, wordt door AI niet duidelijker; hij wordt alleen sneller vermenigvuldigd.

Lees ook

Bronnen

  1. Anthropic (2025): Effective context engineering for AI agents
  2. Simon Willison (27 juni 2025): Context engineering, met de uitspraken van Andrej Karpathy en Tobi Lütke
  3. Simon Willison (8 mei 2024): Slop is the new name for unwanted AI-generated content
  4. Zhang en collega's (2025): Verbalized Sampling, over typicality bias en mode collapse
  5. Kirk en collega's (2023): Understanding the Effects of RLHF on LLM Generalisation and Diversity
  6. Padmakumar en He (ICLR 2024): Does Writing with Language Models Reduce Content Diversity?
  7. Anderson, Shah en Kreminski (2024): Homogenization Effects of Large Language Models on Human Creative Ideation
  8. Doshi en Hauser, Science Advances (2024): Generative AI enhances individual creativity but reduces the collective diversity of novel content
  9. Brown en collega's (2020): Language Models are Few-Shot Learners
  10. Anthropic: Memory tool, officiële documentatie
  11. Xu en collega's (2024): Knowledge Conflicts for LLMs, a Survey
  12. Hong, Troynikov en Huber, Chroma (14 juli 2025): Context Rot, How Increasing Input Tokens Impacts LLM Performance
  13. Liu en collega's (2023): Lost in the Middle, How Language Models Use Long Contexts
  14. Huang en collega's (ICLR 2024): Large Language Models Cannot Self-Correct Reasoning Yet
  15. Panickssery, Bowman en Feng (2024): LLM Evaluators Recognize and Favor Their Own Generations
  16. Zheng en collega's (2023): Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena
  17. Shumailov en collega's (2023): The Curse of Recursion, Training on Generated Data Makes Models Forget
  18. Google Search Central: AI-gegenereerde content en kwaliteit, geraadpleegd 11 november 2026

Over de auteur: Piet Baudoin

Ik ben Piet. Ik help je de stap van een marketingvraag naar uitvoering te maken. Ik werk met je aan je merk en bouw AI-automatiseringen die klantnotities omzetten in contentconcepten en opvolgtaken. Daarbij bespreek ik met je wat jou én je klanten helpt. Wil je dit op je eigen bedrijf toepassen? Vraag een groeiscan aan of plan een gesprek.