Veel aandacht gaat uit naar prompts: hoe stuurt u een AI tot een goede output? Minstens zo belangrijk — en vaak onderbelicht — is wat u dáárna doet. AI-output is een eerste concept, geen kant-en-klaar product. Deze pagina behandelt een werkwijze om die output zorgvuldig te controleren, te redigeren, te attribueren en te bewaren.
Een werkwijze in zes stappen
De stappen hieronder vormen samen een routinecyclus. Voor korte taken hoeft u niet alle stappen door te lopen; voor zwaardere stukken — offertes, beleidsdocumenten, juridische teksten — lonen ze allemaal.
Stap 1: Eerste lezing — klopt de bedoeling?
Lees de output eerst zonder te corrigeren. Vraag uzelf: zegt dit wat ik bedoelde? Vaak heeft de AI een wezenlijke nuance verschoven of een aanname gemaakt die u niet wilde. Als de bedoeling niet klopt, is bijschaven zinloos — herformuleer dan eerst de prompt.
Stap 2: Feitencheck
Markeer alle uitspraken die als feit worden gepresenteerd: cijfers, jaartallen, namen, gebeurtenissen, citaten, bronvermeldingen. Controleer ze stuk voor stuk via een onafhankelijke bron. Een AI-tool kan zelfverzekerd nepcitaten produceren; daarom helpt het om cijfers en citaten standaard te wantrouwen tot u ze hebt geverifieerd. Zie ook AI veilig gebruiken.
Stap 3: Stijl- en toonredactie
Veel AI-output klinkt herkenbaar “modelmatig”: lange zinnen, te veel opsommingstekens, vage zekerheidstaal. Schrap clichés (“in de wereld van vandaag”, “essentieel om”), maak zinnen korter, en pas het register aan op uw lezer. Een eindredactie van een paar minuten maakt het verschil tussen tekst die uit u lijkt te komen en tekst die uit een blender komt.
Stap 4: Specifiek maken
Vervang generieke uitspraken door concrete, controleerbare formuleringen die alleen u kunt bedenken. “Wij hebben veel ervaring” wordt “Wij begeleiden sinds 2018 installateursbedrijven”. AI levert vaak het skelet; uw waarde zit in de specifieke aanvullingen die de tekst uniek maken.
Stap 5: Attributie en transparantie
Beslis bewust hoe transparant u wilt zijn over AI-gebruik. Voor sommige contexten (academisch, journalistiek, contractueel) is volledige attributie verplicht of verstandig. Voor andere (intern memo, brainstorm-document) speelt de vraag amper. Bij twijfel vermeldt u liever té ruim dan te weinig — bijvoorbeeld in de colofon of voetnoot — in plaats van later in de problemen te komen.
Stap 6: Bewaren wat reproduceerbaar moet zijn
Voor belangrijke output: bewaar de prompt en de oorspronkelijke output naast het eindproduct. Dat helpt later bij vragen (“hoe kwam u tot deze cijfers?”) en bij audits. Een eenvoudige map in een tekstbestand of notitie-app is voldoende.
Worked example: een vacaturetekst herschrijven
Stel, u laat een AI-tool een vacaturetekst herschrijven. De eerste output is grammaticaal keurig, maar:
- Bevat een “wij bieden”-blok met een loonindicatie die u niet hebt opgegeven — de AI heeft die geraden. Dit is een hallucinatie en moet eruit.
- Spreekt de kandidaat aan met “jij”, terwijl uw andere communicatie “u” gebruikt. Toon harmoniseren in stap 3.
- Schrijft “ervaring met cloud-platforms”, terwijl u specifiek Azure bedoelt. Specifiek maken in stap 4.
- Herhaalt drie keer dat het bedrijf “innovatief” is, zonder voorbeelden. Vervangen door één concreet project.
Door deze stappen te lopen verandert het generieke skelet in een tekst die vacatureplatforms beter ranken én die kandidaten correcte verwachtingen geeft — precies omdat u de controle heeft teruggenomen.
Beslissingsmomenten in de werkwijze
Onderweg komt u steeds drie soorten beslissingen tegen:
- Inhoudelijk: klopt het, en is het wat ik bedoelde? Verantwoordelijk: u, niet het model.
- Vormgevend: past de stijl, lengte en toon bij mijn lezer en kanaal?
- Procedureel: moet ik dit transparant maken, archiveren of laten meelezen?
Wie de drie soorten door elkaar haalt — bijvoorbeeld door cosmetisch te redigeren zonder feiten te checken — haalt het slechtste uit beide werelden: de tekst leest goed, maar klopt mogelijk niet.
Veelgemaakte fouten
- Alleen aan de oppervlakte redigeren. Een mooi gestripte tekst kan inhoudelijk nog steeds onjuist zijn.
- Vertrouwen op “volgt u dit zelf nog na?”-disclaimers van de AI. Die zijn er om u op te roepen tot controle, niet als bewijs dat alles klopt.
- Direct doorzetten. Een korte pauze tussen genereren en publiceren onthult vaak fouten die u in flow zou missen.
- Te veel iteraties bij dezelfde tool. Soms is uw prompt al goed, en zit het probleem in een blinde vlek van het model. Een ander model proberen kan dan helpen — zie tools vergelijken.
- Bronnen niet bewaren. Wie achteraf moet uitleggen hoe een tekst tot stand kwam, is veel kwijt zonder de oorspronkelijke prompt en context.
Praktische checklist na elke generatie
- Heb ik de bedoeling gecheckt voordat ik begon te redigeren?
- Heb ik elk feit, getal of citaat geverifieerd via een onafhankelijke bron?
- Klopt de stijl bij mijn lezer en kanaal?
- Heb ik generieke claims vervangen door specifieke, controleerbare formuleringen?
- Is duidelijk wie verantwoordelijk is voor de inhoud (ik, niet het model)?
- Heb ik prompt en eerste output bewaard voor mogelijke navraag?
- Is mijn attributiekeuze passend bij de context?
Verder lezen
Voor de techniek van het schrijven van betere prompts verwijzen wij naar de prompt engineering-gids op onze gidsen-pagina. Voor het kiezen van de juiste tool, lees ons vergelijkingsraamwerk. En voor het veilig delen van data met AI: zie AI veilig gebruiken.