Klaar met gemiddelde AI-resultaten? Zo leer je beter prompten

Ben je met AI bezig of lees je erover, dan hoor en merk je dat prompten steeds eenvoudiger lijkt te worden. Met een paar regels heb je zo betere resultaten. Leren prompten? Dat is niet meer nodig. Sterker nog, de AI kan zelf betere prompts maken. Met nieuwe AI-modellen zoals ChatGPT 01, die kunnen redeneren en nadenken, lijkt het alsof een kind de was kan doen. Maar is dat echt zo?

Ja, de resultaten worden steeds beter, maar het blijft een gemiddeld resultaat. Dat kan soms goed genoeg zijn, maar vaak ook niet. Het leidt tot wat we de komende jaren steeds meer zullen zien: average content. De vraag is: ben je daarmee tevreden, of wil je meer? Wil je meer dan gemiddeld presteren, lees dan vooral verder.

Escape from average

Ontsnappen aan het gemiddelde klinkt als de titel van een spannende Hollywood-film. Maar het is geen film, het is realiteit. Ontsnappen aan average zal steeds moeilijker worden. De huidige manier van prompten, via trial en error, is als een doolhof. Op die manier ontsnappen aan het AI-gemiddelde? Succes daarmee.

Maar hoe dan wel?

De oplossing? Dat is teruggaan naar de basis. Net zoals een mens jouw woorden interpreteert, doet AI dat ook. AI leert uit data en interacties en trekt daaruit een gemiddelde conclusie, zijn eigen interpretatie. Alles draait om het begrijpen van die interpretatie.

Een voorbeeld: je hebt misschien gelezen dat je “no yapping” in je prompt kunt gebruiken om betere resultaten te krijgen. Maar zelfs de experts die dit aanraden, weten vaak niet waarom het werkt. Het begrijpen van dat “waarom” is essentieel, en dat kun je simpelweg aan de AI vragen.

Dit is geen magie, maar gewoon duidelijkheid en controle. Dat is waar de promptoloog-techniek om draait. Met deze techniek kun je de AI eenvoudig vragen hoe het woorden en zinnen interpreteert. Vervolgens kun je verschillende formuleringen vergelijken. Dit verdiept je inzicht in de werking van AI en geeft je meer controle. Met meer controle krijg je een beter resultaat.

Prompten draait om interpretatie

Prompten gaat over leren hoe AI woorden interpreteert. Verschillende AI-modellen kunnen woorden en zinnen, net zoals mensen, anders interpreteren. Bij een update verandert die interpretatie opnieuw, gebaseerd op nieuwe data en interacties. Daarom zien we dat eenvoudige prompts steeds ‘beter gemiddelde’ resultaten opleveren.

Met de promptoloog-techniek kun je niet alleen leren hoe AI interpreteert, maar ook ontdekken dat het veel meer keuzes maakt op basis van een eenvoudige prompt. Sommige keuzes zijn wenselijk, andere juist niet.

Rollen en verwachtingen

Een voorbeeld: stel dat je een artikel schrijft en aan de prompt toevoegt:
“Gedraag je als een marketeer, copywriter en SEO-expert met 20 jaar ervaring.”
Dat klinkt indrukwekkend, en je verwacht een goed resultaat. Maar weet je hoe de AI die rol interpreteert? Of is het slechts een verwachting?

Stel de volgende vraag met de promptoloog-techniek:
Prompt: Wat doe je als ik je als AI in een prompt vraag: “Gedraag je als een marketeer, copywriter en SEO-expert met 20 jaar ervaring”? Leg uit hoe jij als AI dit interpreteert en uitvoert. Leg ook het verschil uit tussen 5, 10, 20 en 40 jaar ervaring.

Zo krijg je inzicht in hoe AI het template interpreteert en wat het effect is van het aantal jaren ervaring. Vaak lijkt meer ervaring beter, maar dat is niet altijd het geval.

Stel bijvoorbeeld deze aanvullende vraag:
Prompt: Als de doelgroep generatie Z is, hoeveel jaar ervaring is dan het beste?

Het antwoord zal je verbazen. Het is niet 30 of 40 jaar ervaring. Dit laat zien dat interpretatie van het AI-model en rollen vooral subjectief zijn.

Generatieve AI en creativiteit

De waarde van generatieve AI wordt vaak onderschat, simpelweg omdat de meeste gebruikers het niet goed begrijpen. Alles draait opnieuw om interpretatie.

Neem bijvoorbeeld een SWOT-analyse. Als je niet weet wat dat is, kun je eenvoudig vragen:
Prompt: Wat is een SWOT-analyse?

De AI zal uitleggen dat dit een analyse is van sterktes en zwaktes binnen een bedrijfsmodel. Interessant genoeg kun je de AI ook vragen een SWOT-analyse te maken van deze tekst. Iets waarvoor het SWOT-model eigenlijk niet bedoeld is, maar wat dankzij AI’s interpretatie wel mogelijk is.

Prompt: Analyseer het onderstaande artikel en maak, gezien vanuit de doelgroep Nederlandse gebruikers van AI, een SWOT-analyse van dit artikel: [kopie artikel].

Na het antwoord kun je vragen:
Prompt: Een SWOT-analyse is voor deze toepassing niet bedoeld. Hoe interpreteer jij als AI een SWOT-analyse in deze context?

Dieper in het AI-model duiken

Wil je ontsnappen aan average content? Dan moet je dieper in het AI-model duiken. Door te begrijpen hoe AI werkt, kun je gerichter en met meer controle sturen. De promptoloog-techniek maakt dit mogelijk en verkort het tijdrovende trial en error-proces. Sterker nog, met de juiste vragen laat AI zelf de weg uit het doolhof zien.

Deze aanpak helpt je ook om principes of methodes uit andere vakgebieden te gebruiken voor jouw doelen. Door te vragen naar de interpretatie van AI, en door context, doel en doelgroep duidelijk te specificeren, kun je beoordelen of de interpretatie van de AI nieuwe inzichten kan opleveren.

Opdracht (marketing)

Als je tot hier bent gekomen, kun je jezelf uitdagen met de volgende opdracht:

Kun je het SCARF-model van David Rock combineren met de 7 marketing rincipes van Cialdini én met Kahnemans systeem 1 en 2? Zelfs als deze termen je weinig zeggen, kun je met de eerder beschreven promptoloog-technieken vragen stellen en ontdekken wat de AI hiermee doet.

Tip: stel bijvoorbeeld de vraag op welke punten het SCARF-model en de principes van Cialdini tegenstrijdig kunnen zijn. Geef altijd een specifiek doel en een duidelijke doelgroep mee om de interpretatie gerichter te maken.

De toekomst is aan de promptoloog

Wil je meer halen uit AI dan alleen een gemiddeld resultaat en echt ontsnappen aan average content? Dan zul je met de promptoloog-techniek dieper in het AI-model moeten duiken. Door te begrijpen wat AI doet, kun je gericht en gecontroleerd sturen. Deze methode levert niet alleen betere resultaten op, maar verkort ook het huidige trial-and-error-proces aanzienlijk. Sterker nog, AI kan je met de juiste vragen zelf de weg uit het doolhof wijzen.