Goede prompts schrijven: waarom je collega het criterium is

Waarom de formulering überhaupt uitmaakt

Omdat een taalmodel niet weet wat er in jouw hoofd zit, en omdat het gevoeliger is voor de vorm van je vraag dan de meeste mensen aannemen. Onderzoekers lieten in 2025 zien dat een op het oog onbeduidende keuze — welk scheidingsteken je gebruikt om onderdelen van een prompt te scheiden — de prestaties op de standaardtest MMLU met zo'n 23 procent kan laten variëren, bij toonaangevende modelfamilies als Llama, Qwen en Gemma.⁶

Dat is geen reden om aan een prompt te gaan zitten prutsen tot hij toevallig werkt. Het is een reden om te schrijven zoals je een opdracht aan een mens zou geven: gestructureerd, expliciet, en met de onderdelen zichtbaar van elkaar gescheiden. De onderzoekers vonden zelf ook dat het benoemen van het gekozen scheidingsteken ín de prompt de robuustheid verhoogt.⁶ Duidelijkheid over de vorm is dus onderdeel van de inhoud.

De gouden regel: zou een collega dit kunnen uitvoeren?

Anthropic geeft in zijn eigen documentatie één toets die alle andere overbodig maakt: laat je prompt zien aan een collega met minimale context en vraag of die de opdracht kan uitvoeren. Zou die in de war raken, dan raakt Claude dat ook.¹

Die vergelijking is bruikbaarder dan hij klinkt. Een nieuwe collega weet niet dat 'de standaardofferte' een specifiek sjabloon is, dat 'kort' bij jullie twee alinea's betekent, of dat klant X altijd via de projectleider loopt. Precies die dingen laat je weg in een prompt — omdat je ze zelf vanzelfsprekend vindt. Het is dezelfde impliciete kennis die bij het inwerken van mensen misgaat, alleen merk je het hier binnen tien seconden.

Zes technieken die aantoonbaar werken

1. Geef de reden, niet alleen de opdracht

Anthropic beschrijft dat het meegeven van context of motivatie achter je instructies — uitleggen waaróm bepaald gedrag belangrijk is — het model helpt je doel beter te begrijpen en gerichtere antwoorden te geven; het model is slim genoeg om vanuit die uitleg te generaliseren.¹ In de praktijk: 'schrijf het simpel' levert iets anders op dan 'dit wordt gelezen door monteurs die de machine kennen maar het contract niet'.

2. Geef drie tot vijf voorbeelden

Voorbeelden zijn volgens Anthropic een van de betrouwbaarste manieren om format, toon en structuur te sturen; de aanbeveling luidt drie tot vijf voorbeelden voor het beste resultaat.¹ Dit is geen nieuw idee: het is de kern van wat sinds 2020 few-shot prompting heet, geïntroduceerd in het GPT-3-onderzoek waarin taken en voorbeelden puur via tekst werden meegegeven, zonder het model opnieuw te trainen.⁴

3. Vraag om stappen als de volgorde ertoe doet

Anthropic adviseert instructies als genummerde stappen te geven wanneer de volgorde of de volledigheid ervan uitmaakt.¹ Er is bovendien een aparte, goed onderzochte variant: het model zelf laten redeneren voordat het antwoordt. De onderzoekers die 'chain-of-thought' introduceerden lieten zien dat het genereren van tussenstappen het vermogen tot complex redeneren aanzienlijk verbetert.³

4. Zeg wat je wél wilt

Anthropic formuleert het als een regel: vertel het model wat het moet doen in plaats van wat het niet moet doen. In plaats van 'gebruik geen opmaak' schrijf je 'je antwoord bestaat uit doorlopende alinea's'.¹ Een verbod laat open wat er dan wél moet gebeuren; een instructie niet.

5. Zet een rol neer — één zin is genoeg

Een rol in de systeeminstructie richt het gedrag en de toon op jouw toepassing, en volgens Anthropic maakt zelfs één enkele zin al verschil.¹ Belangrijk: een rol vervangt geen kennis. 'Je bent een arbeidsrechtjurist' maakt het antwoord juridischer van toon, niet juridisch juister. Wie feitelijke betrouwbaarheid wil, moet bronnen meegeven — zie AI op je eigen bedrijfsdocumenten.

6. Hak een grote opdracht in stukken

OpenAI noemt in zijn cookbook vier algemene principes voor betrouwbaardere resultaten: geef duidelijkere instructies, splits complexe taken op in eenvoudiger deeltaken, structureer de instructie zo dat het model bij de les blijft, en vraag het model om uit te leggen voordat het antwoordt.² Vooral dat opsplitsen wordt te weinig gedaan. 'Analyseer dit contract en schrijf een advies' is twee opdrachten; los gesteld krijg je twee bruikbare antwoorden in plaats van één vage.

Voor en na: dezelfde vraag, twee keer gesteld

Waar prompten ophoudt te helpen

Bij feiten die het model niet heeft, en bij vragen waarop je zelf al een antwoord hebt gesuggereerd. Dat tweede is geen anekdote maar een gemeten eigenschap: onderzoek van Anthropic naar sycophancy — vleierigheid — laat zien dat een antwoord dat aansluit bij de opvatting van de gebruiker eerder de voorkeur krijgt, en dat zowel menselijke beoordelaars als voorkeursmodellen overtuigend geschreven vleiende antwoorden soms verkiezen boven correcte.⁵

De praktische consequentie: stel geen vragen waarin het gewenste antwoord al besloten ligt. 'Dit mag toch volgens de AVG?' is een vraag waarop je bevestiging uitlokt. 'Op welke gronden zou dit volgens de AVG níet mogen?' is dezelfde vraag zonder duim op de weegschaal. En wat er dan uitkomt, controleer je alsnog — hoe je dat in twee minuten doet, staat in AI-antwoorden controleren.

Van losse trucs naar iets wat het bedrijf onthoudt

1. 1

   Bewaar prompts die werken

   De collega die na twintig pogingen een goede offerteprompt heeft, is de enige die hem heeft. Zet werkende prompts op een gedeelde plek — dit is gewoon een werkinstructie in een ander jasje.

2. 2

   Zet er één zin bij waarom hij werkt

   'Deze versie noemt expliciet dat de lezer de machine kent' is waardevoller dan de prompt zelf, want daarmee kan iemand hem aanpassen voor een andere situatie.

3. 3

   Standaardiseer de context, niet de vraag

   De vaste elementen — wie jullie zijn, voor wie je schrijft, welke toon — horen in een sjabloon. De vraag zelf verschilt per keer en moet dat blijven.

4. 4

   Neem twee eigen voorbeelden op in het sjabloon

   Geanonimiseerd, uit je eigen archief. Dit is de goedkoopste kwaliteitswinst die er is, en de reden dat de output ineens naar jullie bedrijf klinkt.

5. 5

   Spreek af wat er niet in een prompt gaat

   Persoonsgegevens, klantnamen, tarieven — leg vast wat er wel en niet in mag; zie bedrijfsgegevens in ChatGPT en het AI-beleid.

Er is ook een formele reden om dit te organiseren. Artikel 4 van de AI-verordening vraagt van werkgevers dat zij maatregelen nemen die de ontwikkeling van AI-geletterdheid van hun personeel ondersteunen. Een gedeelde set werkende prompts met uitleg erbij is precies zo'n maatregel — laagdrempelig, aantoonbaar, en nuttig los van de regelgeving. Wat die plicht wel en niet inhoudt, staat in AI-geletterdheid is verplicht.