Home › Thema's › Beter werken met ChatGPT en taalmodellen: prompt engineering en hallucinaties

Beter werken met ChatGPT en taalmodellen: prompt engineering en hallucinaties

ChatGPT, Claude en Gemini zijn razendsnel onderdeel geworden van het dagelijks werk van kenniswerkers — maar het verschil tussen een goed antwoord en een waardeloze output zit vaak in de prompt. Hoe schrijf je effectieve prompts in het Nederlands? Waarom hallucineert een taalmodel en wat doe je eraan? Wanneer helpt meta-prompting en wanneer is het overkill? AIToday Live heeft deze vragen in concrete afleveringen uitgewerkt, met tips die verder gaan dan de standaardadviezen. Denk aan 'betere prompts in vijf woorden', een technisch perspectief op waarom 'niet hallucineren' zeggen niets oplost, en gesprekken met experts over hoe teams structureel beter met taalmodellen leren werken. Deze pillar bundelt de praktische kennis: van basisprompting tot geavanceerdere technieken als meta-prompting, context-engineering en retrieval-augmented generation.

Veelgestelde vragen

Hoe schrijf ik goede prompts in het Nederlands?

Goede prompts zijn specifiek, voorzien van context en leggen het gewenste formaat vast. In het Nederlands werkt het goed om de rol van het model te benoemen ('Jij bent een juridisch redacteur'), de taak helder te formuleren en een voorbeeld mee te geven. Vermijd vage termen als 'maak iets over X' — geef liever bron, doelgroep en lengte mee. In S08E17 bespreekt Joop Snijder de DOVE-aanpak (Define, Optimize, Verify, Evaluate) als structuur voor iteratieve prompts.

Waarom hallucineert ChatGPT en hoe voorkom ik dat?

Taalmodellen genereren tekst op basis van statistisch waarschijnlijke vervolgwoorden — ze 'weten' niets, ze voorspellen. Daardoor kunnen ze plausibel klinkende maar onjuiste feiten produceren. Je vermindert hallucinaties door het model bronnen mee te geven (retrieval-augmented generation), het te vragen zijn redenering te tonen (chain-of-thought) en outputs kritisch te verificeren, zeker bij feiten en cijfers. Zie S08E01 voor een praktijkles over kritisch blijven denken bij AI-output.

Wat is meta-prompting en wanneer gebruik je het?

Meta-prompting betekent dat je een taalmodel vraagt om zelf een betere prompt te schrijven of te verbeteren voor een specifieke taak. Het is nuttig als je niet zeker weet hoe je een complexe opdracht het beste formuleert, of als je een prompt wilt hergebruiken voor meerdere situaties. Het kost extra tokens maar levert vaak duidelijk betere output op. S08E17 legt uit wanneer meta-prompting de moeite waard is en wanneer een directe prompt simpelweg sneller werkt.

Welke tips voor prompt-engineering werken echt?

De tips die in de praktijk het meeste opleveren: geef altijd context (wie ben jij, wat is het doel), gebruik rolformatting ('Jij bent een...'), vraag om een stapsgewijze redenering bij complexe taken, en itereer — een eerste prompt is zelden optimaal. Voeg een voorbeeld toe als je een specifiek formaat wilt. Vermijd negaties ('schrijf geen...') en wees concreet over lengte en toon. In S07E68 legt Joop uit waarom Chain-of-Draft — meerdere korte iteraties — beter werkt dan één uitgebreide prompt.

Wat gasten hierover zeiden

“
AI is juist heel goed in het produceren van dingen die er overtuigend uitzien, maar waar de diepgang ontbreekt. In de wetenschap zien we dit probleem al: er worden zoveel papers gepubliceerd dat onderzoekers het niet meer kunnen bijhouden. Hetzelfde kan gebeuren bij jou in je organisatie.
Joop Snijder — S08E01

“
AI maakt me sneller. Kritisch denken maakt me beter. Het begint al bij het moment dat je overweegt om AI in te zetten. Misschien is het antwoord wel: nee, ik wil hier helemaal geen AI bij.
Joop Snijder — S08E01

“
Ik was gestopt met kritisch denken. Voegden al deze extra's iets toe voor de workshop deelnemers? Door steeds meer toe te voegen werd de aanpak veel te complex in uitvoering. Van eenvoud was ik afgedreven naar complex.
Joop Snijder — S08E01

Afleveringen over Beter werken met ChatGPT en taalmodellen: prompt engineering en hallucinaties

S08E17

Meta-prompting en de DOVE-aanpak voor betere prompts

Joop Snijder legt uit hoe meta-prompting werkt en waarom het DOVE-principe (Define, Optimize, Verify, Evaluate) de kwaliteit van prompts structureel verbetert.

S07E68

Chain of Draft: betere output door iteratie met taalmodellen

Joop Snijder bespreekt de Chain of Draft-techniek en waarom iteratief werken met een taalmodel vaak betere resultaten geeft dan een perfecte one-shot prompt.

S08E01

Kritisch blijven denken in een tijdperk van snelle AI-output

Joop Snijder laat met een persoonlijk voorbeeld zien hoe enthousiasme voor AI-output kan leiden tot onbruikbare complexiteit, en waarom kritisch denken in drie fases (voor, tijdens, na) essentieel is.

S07E78

Basismythes over AI en agents: waarom een prompt geen agent is

Joop Snijder laat zien dat veel 'agents' in de praktijk gewoon prompts of workflows zijn en legt uit waarom goed promptwerk de basis blijft voor effectief AI-gebruik.