Gids voor AI-assistenten

14 maart 2024 // 8 min leestijd // The Human Being

Elk hulpmiddel verandert de persoon die het gebruikt. De rekenmachine bespaarde ons staartdelingen, de navigatie bespaarde ons de landkaart. AI-assistenten gaan verder dan beide, want ze nemen niet alleen rekenwerk of routebepaling over: ze bieden aan om het denkwerk zelf te doen. Juist daarom vragen ze om een andere vorm van discipline. Goed gebruikt is een assistent een onvermoeibare medewerker die je mogelijkheden verruimt. Slordig gebruikt is het een stille manier om precies die vaardigheden uit te besteden waar je trots op bent en waarvoor je betaald wordt.

Geavanceerde samenwerking

Geautomatiseerde redeneerknooppunten moeten het menselijk oordeel aanvullen, niet vervangen. Als je de analyse volledig uitbesteedt, neemt je eigen verwerkingsvermogen af.

Een bruikbaar denkmodel is de taakverdeling. Machines zijn sterk in breedte, snelheid en onvermoeibaarheid: een lang document doornemen, tien alternatieven genereren, inconsistenties opsporen, rommelige notities herstructureren. Mensen zijn sterk in context, waarden, verantwoordelijkheid en aanvoelen wat er in een bepaalde situatie echt toe doet. Samenwerking werkt als elke kant doet waar hij goed in is, en als de mens eigenaar blijft van de conclusie.

Een praktische manier om die grens te bewaken: bepaal vóór je de chat opent welk deel van de taak van jou is. Bijvoorbeeld:

Jij bepaalt de vraag. Het probleem afbakenen is de helft van de analyse, en dat is precies het deel dat het model niet voor je kan doen.
Het model verbreedt de opties. Vraag om tegenargumenten, randgevallen, ontbrekende overwegingen en alternatieve invalshoeken.
Jij beoordeelt en beslist. Weeg de uitvoer af tegen wat je over je situatie weet, en neem verantwoordelijkheid voor het resultaat.

Het helpt ook om te begrijpen waarmee je werkt. Taalmodellen genereren aannemelijke tekst op basis van patronen, waardoor ze vlot zijn maar niet onfeilbaar. Ze kunnen met volstrekte overtuiging onwaarheden beweren, context missen die jij niet hebt aangeleverd, en hebben de neiging om mee te gaan met welk uitgangspunt je ook aanvoert. Behandel de uitvoer als de eerste versie van een capabele collega: waardevol, maar aan controle toe.

Promptkaders

Door beperkingen precies te formuleren dwing je het systeem om op gedetailleerd niveau te werken in plaats van standaardantwoorden te produceren.

Vage verzoeken leveren algemene antwoorden op. “Vertel me eens over ons marketingprobleem” nodigt uit tot een kleurloos overzicht; een verzoek dat de situatie, het doel, de beperkingen en de gewenste uitvoer benoemt, levert iets bruikbaars op. Precisie is geen trucje om betere tekst uit de machine te lokken. Het is een bijproduct van helder denken, en daarom is een goede prompt schrijven op zichzelf al een vorm van analyse.

Een betrouwbare structuur heeft vijf delen: rol (welk perspectief in te nemen), context (de feiten van jouw situatie), taak (wat er precies moet gebeuren), beperkingen (wat op te nemen, te vermijden of aan te nemen) en uitvoer (de vorm die je terug wilt). De drie principes hieronder maken die structuur werkbaar.

Expliciete structurele richtlijnen. Vertel het model hoe het zijn redenering moet opbouwen, niet alleen wat het moet opleveren. Vraag het om feiten van aannames te scheiden, eerst de criteria te noemen en dan de opties te beoordelen, of een probleem in stappen door te werken. Bijvoorbeeld: “Noem eerst wat we weten, dan wat we aannemen, dan de drie meest waarschijnlijke verklaringen, gerangschikt naar waarschijnlijkheid, met het bewijs voor elk.” Structuur duwt het model weg van algemene samenvattingen en legt zijn redenering open voor jouw controle.
Strikte afbakening van het formaat. Geef lengte, vorm en reikwijdte aan. “Maximaal 200 woorden”, “een tabel met vier kolommen”, “gebruik alleen de gegevens die ik hieronder plak”, “stel nog geen oplossingen voor” verkleinen allemaal de ruimte aan mogelijke antwoorden. Grenzen maken de uitvoer voorspelbaar en vergelijkbaar, wat belangrijk is als je een prompt wekelijks hergebruikt. Ze beperken ook de neiging van het model om antwoorden op te vullen met nietszeggende tekst of buiten je materiaal te treden.
Verificatiestappen om de uitvoer te beoordelen. Bouw de controle in de prompt zelf in. Vraag het model om aan te geven welk deel van je bron elke bewering ondersteunt, om te markeren waarover het twijfelt, om te benoemen wat zijn conclusie zou veranderen, en om elk cijfer dat het niet kan verifiëren te markeren. Doe daarna je eigen controle: verifieer steekproefsgewijs de cijfers, toets één bewering aan een primaire bron, en vraag jezelf af of het antwoord een sceptische lezer zou overleven.

Een nuttige gewoonte is het model tegen zijn eigen antwoord te laten argumenteren. “Wat is het sterkste bezwaar tegen deze conclusie?” kost tien seconden en legt vaak de zwakste schakel bloot.

Risico op cognitieve uitbesteding

Vertrouwen op externe knooppunten om complexe situaties te doorgronden, verkleint je neuroplastische potentieel. Gebruik machines om te synthetiseren, niet om te denken.

Cognitieve uitbesteding, het gebruik van externe hulpmiddelen om mentale inspanning te verminderen, is niet nieuw, en veel ervan is gezond. Een boodschappenlijstje schrijven maakt werkgeheugen vrij voor betere dingen. Het risico ontstaat wanneer we het inspannende deel van het denken uitbesteden dat juist de vaardigheid opbouwt. Onderzoek naar hulpmiddelen zoals navigatie suggereert dat zwaar vertrouwen het ruimtelijk geheugen kan verzwakken, en eerste studies naar AI-gebruik melden dat mensen die er sterk op leunen, minder kritische denkinspanning ervaren. Het bewijs is nog jong en de bevindingen zijn gemengd, dus beschouw de bewering over “verminderd neuroplastisch potentieel” als een redelijke zorg, niet als een vaststaand feit. Het mechanisme is wel bekend: vaardigheden groeien door inspanning en vervagen door gebrek aan gebruik.

Waarschuwingssignalen zijn onder meer het eerste antwoord accepteren zonder het goed te lezen, een conclusie niet kunnen uitleggen die je onder je eigen naam hebt ingediend, je ongerust voelen als het hulpmiddel niet beschikbaar is, en geleidelijk de gewoonte verliezen om je eigen gedachten op papier te zetten voordat je het model raadpleegt.

Het oorspronkelijke advies, machines gebruiken om te synthetiseren in plaats van te denken, is een goede leus, al is echt werk weerbarstiger. Synthese zelf vereist oordeel: wat op te nemen, wat weg te laten, wat het allemaal betekent. Een preciezere regel zou kunnen zijn: laat de machine het volume doen, en houd de betekenis voor jezelf. Concreet:

Denk eerst, vraag dan. Schrijf je eigen ruwe antwoord, hypothese of opzet voordat je het model raadpleegt, al is het maar vijf punten. Vergelijk daarna. Zo behoud je het inspannende deel van het denken en wordt het model een beoordelaar in plaats van een vervanging.
Gebruik het als sparringpartner, niet als orakel. Vraag het je uit te dagen, gaten te vinden, duivel te zijn of je eigen idee aan je terug te leggen.
Houd sommige vaardigheden bewust handmatig. Doe sommige analyses, teksten of berekeningen zonder hulp, zoals een hardloper blijft hardlopen ook als er een auto beschikbaar is.
Leer erdoorheen, niet eromheen. Als je iets niet begrijpt, vraag om uitleg en toets jezelf door het in je eigen woorden na te vertellen zonder te kijken.
Kunnen verdedigen. Als je je conclusie niet aan een collega zou kunnen uitleggen zonder het model naast je, heb je te veel uitbesteed.

Welke taken je uitbesteedt

Een eenvoudig filter helpt: hoe kostbaar is een fout, en hoeveel bouwt de taak een vaardigheid op die je wilt behouden?

Vrij uitbesteden: herformatteren, transcriberen, eerste samenvattingen, brainstormlijsten, routinecorrespondentie en standaardtekst of -code.
Uitbesteden met controle: oriëntatie op onderzoek, rapporten opstellen, gegevens opschonen en analyses die je aan bronnen toetst.
Voor jezelf houden: beslissingen met ethische, juridische, medische of financiële impact, gevoelige gesprekken tussen mensen, en al het werk dat bedoeld is om je eigen expertise te ontwikkelen, zoals de beginjaren van een vak.

Risico’s en grenzen

Zelfverzekerde fouten: verzonnen feiten, bedachte bronnen en aannemelijk maar onjuist redeneren zijn bekende faalpatronen. Publiceer of handel nooit op basis van een cijfer dat je niet hebt gecontroleerd.
Vleierij: modellen hebben de neiging het met de gebruiker eens te zijn. Als je je idee als het jouwe presenteert, krijg je misschien lof in plaats van kritiek. Vraag expliciet om kritiek.
Privacy: lees wat de dienst met je gegevens doet voordat je vertrouwelijk of persoonlijk materiaal plakt. Haal namen en gevoelige details weg waar dat kan.
Automatiseringsbias: mensen vertrouwen vlot klinkende, gezaghebbende uitvoer sneller dan die verdient. Vlot betekent niet juist.
Homogenisering: als iedereen op dezelfde hulpmiddelen leunt, convergeren de resultaten. Jouw voorsprong is wat jij toevoegt en wat het model niet zou produceren.
Onbetrouwbare inhoud: als je een model webpagina’s, e-mails of documenten van anderen laat verwerken, kunnen daar verborgen instructies in zitten om het te manipuleren. Wees voorzichtig met het automatisch laten uitvoeren van acties.

Een oefenplan van vier weken

Week 1, observeren: houd een kort logboek bij van hoe je AI gebruikt. Noteer per taak of je eerst hebt nagedacht, of je hebt gecontroleerd en of je het resultaat zou kunnen verdedigen.
Week 2, structureren: neem de vijfdelige promptstructuur over en voeg aan elke prompt één verificatiestap toe. Vergelijk de kwaliteit van de antwoorden met je eerdere gewoonten.
Week 3, eerst denken: schrijf voor elke substantiële vraag twee minuten lang je eigen ruwe antwoord. Merk op waar het model het verbetert, en waar het jouwe beter was.
Week 4, evalueren: bepaal welke taken uitbesteed blijven, welke controle nodig hebben en welke je handmatig doet. Schrijf deze regels op en herzie ze maandelijks.

Conclusie

De vraag is niet of je AI-assistenten moet gebruiken, maar hoe je ze gebruikt zonder minder capabel te worden dan je was. Het antwoord zit in een handvol gewoonten: bepaal het probleem zelf, begrens het model precies, controleer wat het teruggeeft, en blijf de vermogens oefenen die je niet wilt verliezen. Zo gebruikt verhoogt een assistent je plafond in plaats van je vloer te verlagen. Het doel is niet minder denken, maar je denken besteden waar het telt, en de persoon blijven die kan zien wanneer de machine ernaast zit.