Elk AI-antwoord begint ergens. Niet bij het model. Niet bij de trainingsdata. Het begint bij wat jij het model meegeeft. Die invoer heet een prompt. En het verschil tussen een korte vraag en een doordachte instructie is groter dan je op het eerste gezicht verwacht.
Roland Bieleveldt
Een prompt is de volledige invoer die een AI-model ontvangt voordat het output genereert. In de meest elementaire vorm is dat een vraag: “Wat is inflatie?” In de meest uitgewerkte vorm is dat een gestructureerde instructie met context, voorwaarden, voorbeelden en een gewenst format.
Het woord “prompt” komt uit het Engels en betekent letterlijk “aanwijzing” of “aanzet”. In de context van AI verwijst het naar alles wat je het model meegeeft voordat het een antwoord produceert. Dat is een belangrijk onderscheid. Een prompt is niet per se een vraag. Het kan een opdracht zijn (“schrijf een samenvatting”), een verzoek om analyse (“vergelijk deze twee scenario’s”), een instructie met randvoorwaarden (“beantwoord in maximaal vijf zinnen, gericht op een bestuur zonder financiële achtergrond”) of een combinatie van al die elementen.
De meeste mensen gebruiken een AI-model zoals ze een zoekmachine gebruiken: typ een paar woorden, druk op enter, bekijk het resultaat. Dat werkt, maar het benut een fractie van wat het model kan. Vergelijk het met het verschil tussen tegen een taxichauffeur zeggen “rijd maar ergens heen” en “breng me naar het Centraal Station, via de ring, vóór half tien.” In beide gevallen rijdt de taxi. Maar de kans dat je op tijd op de juiste plek aankomt, verschilt aanzienlijk.
Een prompt kan uit één zin bestaan. Maar de prompts die het meeste opleveren, bevatten meer dan een losse vraag of opdracht. Ze geven het model ook de informatie die het nodig heeft om de opdracht goed uit te voeren.
Neem een concreet voorbeeld. “Schrijf een samenvatting” is een prompt. Het model krijgt een taak, maar verder niets. Van welk document? Voor wie? Hoe lang? In welke toon? Het model vult al die ontbrekende keuzes zelf in, op basis van de meest waarschijnlijke patronen uit de trainingsdata. Soms is het resultaat bruikbaar. Vaak is het generiek.
“Vat dit kwartaalrapport samen in drie alinea’s voor de raad van commissarissen, met nadruk op de afwijkingen ten opzichte van de prognose, in een zakelijke toon” is ook een prompt. Maar deze prompt bevat naast de taak ook achtergrondinformatie over het document en de doelgroep, een gewenst format, en een aanwijzing over de toon. Het model heeft minder ruimte om zelf keuzes te maken, en dat is precies de bedoeling. Het resultaat is gerichter en bruikbaarder.
Dit patroon keert steeds terug: hoe meer relevante informatie de prompt bevat, hoe preciezer de output. Dat geldt voor de taak zelf, voor de context eromheen, voor het gewenste format, voor de grenzen waarbinnen het antwoord moet blijven, en voor voorbeelden van hoe een goed resultaat eruitziet. Welke onderdelen in welke situatie het meeste verschil maken, en hoe je ze systematisch combineert, is het onderwerp van De 7 bouwstenen van de ideale prompt (cluster 4.2).
Hier zit het kernprincipe van werken met AI. Een AI-model genereert output op basis van de patronen die het heeft geleerd uit zijn trainingsdata, gestuurd door de input die het ontvangt. De prompt is die sturing. Hoe specifieker de sturing, hoe gerichter de output.
Dat klinkt misschien als een open deur. Maar kijk wat het in de praktijk betekent. De meeste mensen die teleurgesteld zijn in AI-output, geven het model de schuld. Te vaag, te breed, niet relevant. En soms klopt dat. Maar bij complexe opdrachten zit het probleem vaker niet in het model. Het zit in de prompt. Bij korte feitelijke vragen en eenduidige verzoeken presteert het model doorgaans goed met minimale input. Het omslagpunt zit bij opdrachten waar het model keuzes moet maken: wie is het publiek, welke toon past, hoe lang mag het zijn, welke informatie moet het benadrukken. Dezelfde principes die gelden voor het geven van een goede opdracht aan een collega, gelden hier: wees concreet over wat je wilt, geef de context die nodig is, en beschrijf hoe het resultaat eruit moet zien.
Het verschil met een menselijke collega is dat een AI-model geen gedeelde context heeft. Een collega weet wie de klant is, kent de huisstijl en begrijpt de onuitgesproken verwachtingen. Een AI-model heeft alleen toegang tot wat er in de prompt staat. Alles wat je weglaat, vult het model zelf in. En dat is zelden wat je in gedachten had.
Het model brengt de kennis en de taalvaardigheid mee. De prompt brengt de richting.
Een specialist wil een AI-model inzetten om ontslagbrieven op te stellen voor patiënten die na een operatie naar huis gaan. De eerste prompt bevat alleen de opdracht: “Schrijf een ontslagbrief.” Het model produceert een correcte maar generieke brief die niet aansluit bij de situatie van de patiënt. De tweede prompt bevat de opdracht, de relevante informatie uit het dossier, de instructie dat de brief begrijpelijk moet zijn voor iemand zonder medische achtergrond, en de structuur die de kliniek hanteert: diagnose, wat er is gedaan, hoe het herstel verloopt, wanneer contact op te nemen. Het resultaat is een brief die de specialist alleen nog hoeft te controleren en te ondertekenen. Het verschil zit volledig in de prompt: dezelfde kennis in het model, maar een andere richting.
Een consultancybureau wil offertes sneller opstellen door de eerste conceptversie door een AI-model te laten genereren. De prompt “schrijf een offerte” levert een template op dat op elk bureau van toepassing zou kunnen zijn. De prompt die werkt, bevat de naam en sector van de potentiële klant, de uitdaging die in het intakegesprek naar voren kwam, de drie voorgestelde diensten met scope en doorlooptijd, de gewenste toon (zakelijk maar persoonlijk) en het format (managementsamenvatting op pagina één, gedetailleerde aanpak op pagina twee en drie). Het resultaat is een concept dat herkenbaar is als het werk van dit bureau voor deze klant.
Een zelfstandig beleidsadviseur gebruikt een AI-model om beleidsstukken te analyseren. De prompt “analyseer dit document” levert een generieke samenvatting op. De prompt die werkt, specificeert wat de adviseur zoekt: “Identificeer in dit beleidsstuk de drie maatregelen met de grootste financiële impact voor gemeenten met minder dan 50.000 inwoners. Geef per maatregel de verwachte kostenpost en het implementatierisico. Presenteer als tabel.” Het verschil is dat de tweede prompt het model precies vertelt welk type analyse gewenst is, voor welke doelgroep en in welk format.
Wie wil weten hoe je de verschillende onderdelen van een prompt doelgericht combineert, leest verder bij De 7 bouwstenen van de ideale prompt (cluster 4.2).
Wie wil begrijpen hoe je van losse prompts naar een systematische aanpak komt die betrouwbare resultaten oplevert, vindt dat bij Wat is prompt engineering? (cluster 4.1b).
Wie wil weten waarom een AI-model op bepaalde instructies reageert zoals het doet en hoe dat samenhangt met de manier waarop het model is getraind, leest Posttraining: van basismodel naar assistent (cluster 2.3).