Prompten als een pro

Naarmate de AI-toepassingen steeds krachtiger worden en de uitvoer steeds beter wordt, zijn we als gebruiker geneigd te denken dat we met ‘iemand’ te maken hebben, en niet met slechts een machine. Maar zo is het wel degelijk: AI heeft geen bewustzijn, geen begrip en geen intenties. Maar het kan wel buitengewoon overtuigend klinken. Daarom is de manier waarop je een AI instrueert doorslaggevend voor de kwaliteit van het antwoord. En de prompt is het instrument dat we daarvoor gebruiken.

Nuances

In plaats van op Bestand, Openen te klikken voeren we een instructie in normaal Nederlands in, in de hoop dat de reactie er eentje is die we verwachten: to-the-point, foutloos, afgestemd op de lezer enzovoort. En daarin zit de crux: de instructie die we geven kan zó zijn opgesteld dat de AI je niet precies snapt en een antwoord geeft waar je niet op zit te wachten (te lang, te kort, te ingewikkeld enzovoort). Taal zit vol nuances, en de ChatGPT’s van deze wereld werken met grote taalmodellen, waardoor ze enorm gevoelig zijn voor de manier waarop de prompt is opgesteld.

Heb je een beetje ervaring met generatieve AI, dan weet je dat een prompt als ‘schrijf een artikel van maximaal 400 worden over empathisch leiderschap; de doelgroep bestaat uit senior managers’ een betere prompt is dan ‘schrijf een blogpost voor managers’. Maar dan? Hoe weet je zeker of het artikel feitelijk correct is? En weet je wel zeker dat de AI niet heeft zitten hallucineren (lees: nepantwoorden heeft zitten bedenken)?

Beter prompten

Door beter te prompten kun je de AI zo sturen dat de uitvoer sterk wordt verbeterd. Dat begint met duidelijker aan te geven wat je wilt, zonder te uitvoerig te worden. Het eenvoudige DUB-C-model dat in het boek wordt geïntroduceerd (doel, uitvoerformaat, beperkingen en context) is daar een goed startpunt voor. Maar er is veel meer mogelijk. Middels chain-of-thought reasoning bijvoorbeeld dwing je de AI via tussenstappen tot een antwoord te komen. Hiermee geeft de AI niet alleen een antwoord, maar legt het ook uit hoe het tot dat antwoord komt. Dit maakt de uitvoer nauwkeuriger en inzichtelijker, vooral bij complexe vraagstukken.

Een andere techniek om de uitvoer te verbeteren is via few-shot prompting, waarbij je in je prompt alvast enkele voorbeelden aan de AI doorgeeft; het is de tegenhanger van zero-shot prompting, de variant waarbij de AI geen voorbeelden krijgt van hoe een taak moet worden uitgevoerd, zodat het puur op basis van de prompt een antwoord moet genereren. Intuïtief kun je aanvoelen dat je met few-shot prompting meer voorspelbare antwoorden kunt krijgen.

Valideren

Een ander voorbeeld van een in het boek besproken techniek is de AI dwingen om zichzelf te controleren en de uitvoer te valideren. Dit is een beproefde methode om hallucineren tot een minimum te beperken. Maar ook AI als multi-step probleemoplosser inzetten – waarbij je op basis van slim gekozen vervolgprompts samen stapsgewijs naar de gewenste uitvoer toewerkt – is een goede, geavanceerde techniek die het gebruik van AI voor bijvoorbeeld research en rapportage veel effectiever maakt.

Al met al zijn er talloze technieken om betere resultaten uit generatieve AI te halen. AI is een krachtig hulpmiddel – mits je weet hoe je het moet sturen. Prompten als een pro laat zien hoe je dat doet.