Beter prompten: wat ik leerde over de juiste vragen stellen aan AI

In mijn vorige blog concludeerde ik dat AI-tools gereedschap zijn, geen magie. Wat ik er niet bij vertelde: de grootste sprong in resultaat kwam niet van een nieuwe tool of een duurder model, maar van hoe ik leerde vragen stellen. Prompten is een vaardigheid en net als elke vaardigheid wordt die beter met oefening, veel oefening.

Specifiek zijn loont

“Maak dit beter” levert een vaag antwoord op. “Verkort deze functie naar maximaal 20 regels, behoud de bestaande foutafhandeling en gebruik geen externe libraries” levert iets bruikbaars op. Het verschil zit niet in beleefdheid of lengte, maar in hoeveel ruimte je openlaat voor gokwerk. Hoe concreter de vraagstelling, de gewenste werkruimte en het verwachte resultaat, hoe minder rondes je nodig hebt om tot een werkende oplossing te komen in een vorm die jij wilt.

Ditzelfde geldt voor bugs en fouten. “Er gaat iets mis” is voor een AI net zo onbruikbaar als voor jouzelf of een collega. De daadwerkelijke foutmelding, inclusief een eventuele error-trace en bij voorkeur wat je verwachtte dat er zou gebeuren: dat is het verschil tussen drie pogingen en één.

Itereren in plaats van de perfecte prompt zoeken

Ik ben gestopt met zoeken naar de ene perfecte prompt die in één keer het juiste antwoord geeft. Die bestaat bij complexe taken meestal niet. Wat wel werkt: een eerste prompt die de richting bepaalt, gevolgd door gerichte correcties. “Bijna goed, maar laat de validatie aan de bovenkant staan” is een prima tweede stap. Door het als gesprek te behandelen in plaats van als complete all-in-one opdracht, kom ik sneller tot een resultaat dat echt past en voorkom ik dat ik een half uur wacht op een antwoord dat op zijn zachtst gezegd sub-optimaal is.

Structuur en een rol meegeven

De grootste verbetering kwam toen ik begon met het meegeven van structuur in plaats van losse verzoeken. Een AI vragen om eerst een plan te schetsen voordat er code wordt geschreven (de Planmode uit mijn vorige blog) dwingt tot nadenken vóór het uitvoeren. Hetzelfde geldt voor het meegeven van een rol: “kijk hier als senior reviewer naar” geeft andere, kritischere feedback dan een neutraal verzoek om verbetering. Sub-agents met een afgebakende taak; zoek dit op, controleer dat, schrijf alleen de tests; leveren consistenter werk dan één doorlopend gesprek waarin alles tegelijk gebeurt.

AI wil je graag gelijk geven

Onthoud dat AI altijd probeert je gelijk te geven en naar de mond te praten. Resultaten neigen daardoor naar “Wat een geweldig idee” of “Heel goed gezien”. Leg daarom in je basisinstellingen vast wie je bent en hoe je wilt dat AI reageert. Bijvoorbeeld: “ik ben softwareontwikkelaar met 30 jaar ervaring, praat tegen me als een gelijkwaardige partner”. Dat houdt de toon scherp, de feedback eerlijk en voorkomt dat je tijd verspilt aan antwoorden die meer je ego strelen dan je daadwerkelijk helpen.

Wat dit in de praktijk oplevert

Het resultaat is niet dat AI plotseling slimmer wordt. Het resultaat is dat je minder tijd verliest aan antwoorden waar je niets aan hebt. Minder eindeloos heen en weer vragen, minder frustratie en misschien wel het belangrijkst; minder de verleiding om een matig antwoord toch maar te accepteren omdat opnieuw beginnen te veel tijd en moeite kost.

Tot slot

Prompten leer je niet uit een artikel, zelfs niet uit dit artikel. Het is een vaardigheid die je moet leren door te zien wanneer een antwoord misloopt en jezelf de vraag te stellen: “had ik dit anders moeten vragen?”. Negen van de tien keer is het antwoord ja. Begin daar en de rest volgt vanzelf.