Van zoekopdracht naar prompt: het raamwerk dat in 1 uur te leren is

De meeste collega's (en familieleden) die ik met AI zie werken, gebruiken het als een soort van Google. Er gaat een zoekopdracht in — "behandeling spasticiteit na CVA" — en er komt een antwoord uit dat net zo goed uit een willekeurig leerboek had kunnen komen. De eerste paar keer indrukwekkend, en zeker als je nog wat doorvraagt  __" wat is de plaats van ESWT?" --. Maar na een tijdje valt een patroon op: generieke antwoorden, twijfel bij de juistheid, en zelden bruikbaar voor de exacte situatie waarin je het nodig had. De conclusie ligt dan voor de hand: aardig speelgoed, maar (nog) niet bruikbaar voor mijn dagelijkse werk.

Die conclusie is begrijpelijk, maar volstrekt onjuist. Het probleem zit meestal niet bij de AI, maar in de manier van je vraag stellen.

Vier velden vóór je iets vraagt

Het afgelopen jaar gaf ik onze aios revalidatiegeneeskunde een workshopserie over praktisch AI-gebruik in de kliniek. De eerste workshop en de kern van het gebruik van AI in de praktijk is een eenvoudig raamwerk, RTCF: vier velden die je invult vóór je iets aan een taalmodel vraagt.

Rol — wie moet de AI zijn? Een klinisch epidemioloog leest een artikel anders dan een voorlichter die op B1-niveau schrijft. Een internist zoekt andere antwoorden dan een electricien.
Kies een expert met het juiste niveau en de juiste toon.

Taak — wat moet er gebeuren, in één sturend werkwoord: leg uit, vergelijk, beoordeel kritisch, vat samen, herschrijf, overhoor mij. Niet "vertel iets over".

Context — wat moet de AI weten? Voor wie het is, welk niveau, welke setting, welke bron, wat je al weet en wat je wilt vermijden. Dit veld is cruciaal en maakt alle verschil tussen een generiek en een bruikbaar antwoord.

Format — hoe wil je je antwoord hebben? Lengte, structuur, toon, bullet points of vloeiende tekst, eventueel word document, powerpoint? En vergeet de veiligheidsinstructie niet: markeer wat onzeker is, werk alleen met de aangeleverde bron, geen patiëntgegevens, geef expliciet aan wat wel en wat je niet weet.

Wat dat oplevert

Een voorbeeld uit de opleidingspraktijk. De zoekopdracht-versie: "maak toetsvragen over dwarslaesie". Het resultaat is een rijtje weetjesvragen waar je niets van leert.

De RTCF-versie:

Rol: Je bent opleider revalidatiegeneeskunde.
Taak: Overhoor mij over de neurologische niveaubepaling bij dwarslaesie.
Context: Ik ben derdejaars aios en bereid een referaat voor.
Format: Stel één vraag tegelijk, wacht op mijn antwoord en word per vraag iets moeilijker. Geef na elk antwoord kort feedback en markeer wat je niet zeker weet.

Het is dezelfde chatbox in de AI, maar met een betere vraag krijg je nu een overhoring op maat op in plaats van een algemeen, grotendeels onbruikbare quizz.

Hetzelfde patroon werkt voor onderwijs voorbereiden, teksten herschrijven naar een ander niveau, of een aangeleverd artikel kritisch laten samenvatten. Steeds geldt: hoe specifieker de context, hoe minder generiek het antwoord.

Veilig werken is onderdeel van de prompt

Wat er níet in gaat is minstens zo belangrijk als wat erin gaat. Drie regels die ik strikt hanteer, en die in het Format-veld van elke prompt thuishoren:

• Geen patiëntgegevens in publieke AI-tools. Ook niet "geanonimiseerd" — een casus met datum, leeftijd en aandoening is voor AI middels cross referencing snel herleidbaar.
• Veranker aan een bron. Laat het model werken met het artikel of de richtlijn die jíj aanlevert, in plaats van met wat het zich meent te herinneren.
• Laat de AI markeren wat ontbreekt of onzeker is. Een model dat hardop twijfelt is bruikbaarder dan een model dat stellig gokt.

De invulprompt

Zo gebruiken wij hem in de workshops:

Geen tijd voor het volledige raamwerk? Drie reflexen geven het grootste deel van de winst:

1. Zeg voor wie het is — rol en doelgroep bepalen niveau en toon.
2. Zeg vorm en lengte — tabel of stappen? Hoeveel woorden?
3. Zeg wat je níet wilt — grenzen, veiligheid, geen cijfers verzinnen.

Slechts één uur

Toen ik hiermee begon verwachtte ik dat het weken zou kosten om een groep dit aan te leren. In de praktijk bleek een uur oefenen op eigen casuïstiek genoeg: aan het eind van één sessie schreef vrijwel iedereen prompts die ze de week erna nog gebruikten. De winst zit niet in de techniek, maar in de gewoonte om die vier velden even langs te lopen voordat je op enter drukt.

Kost dit meer tijd? Ik denk het niet. Het principe is erg eenvoudig te automatiseren (daarover in een volgend artikel meer) en het kost waarschijnlijk meer tijd als je begint met een matige zoek-opdracht dan een veel betere zoekopdracht. Rubbish in, rubbish out en dit is de snelle manier om dat te voorkómen.