AI-geletterdheid

…

AI is een gereedschap, geen magie.

Grote taalmodellen kunnen code schrijven, een document samenvatten, een mail opstellen, een tegenargument bedenken — en met volle overtuiging een bronvermelding verzinnen die niet bestaat. Dat verschil leren zien is het hele spel.

Deze module geeft je het werkende mentale model, de prompt-gewoontes die echt iets opleveren, en een eerlijke case study over hoe dit platform met AI in de lus gebouwd is.

Hoe een LLM eigenlijk werkt (in één alinea)

Een groot taalmodel voorspelt het meest waarschijnlijke volgende token (ruwweg: woordfragment) op basis van alles wat ervoor stond. Dat is het. Het heeft enorm veel tekst gelezen en is heel goed geworden in die ene voorspeltaak. Het zoekt dingen niet op, het redeneert niet zoals een mens, en het heeft geen idee of wat het zojuist produceerde waar is.

Zodra je dat verinnerlijkt, stopt het meeste vreemde gedrag van AI mysterieus te zijn. Het hallucineert omdat het op plausibiliteit optimaliseert, niet op waarheid. Het excelleert bij patronen die vaak in de trainingsdata voorkomen en stort in op zeldzame of recente onderwerpen. Het kan briljant en fout zijn in één zin.

De ene zin die je over AI moet onthouden

"Het is een systeem dat plausibel klinkende tekst produceert." Plausibel is niet hetzelfde als waar. Behandel elke output als een concept dat je moet verifiëren.

Vier prompt-gewoontes die echt werken

Het meeste "prompt engineering" is gewoon helder denken op papier. Vier gewoontes dekken 80% van de waarde:

1.

Wees specifiek over de output — Vraag niet "schrijf me een mail". Vraag "schrijf een antwoord van twee zinnen waarin ik de meeting beleefd afzeg en donderdagmiddag voorstel". Hoe meer randvoorwaarden, hoe minder het model hoeft te gokken.

2.

Laat zien, geef geen instructies — Als je één voorbeeld kunt plakken van wat "goed" is, doe het dan. Modellen matchen patronen beter dan dat ze abstracte regels volgen.

3.

Itereer, perfectioneer niet — Je eerste prompt is zelden de juiste. Lees het antwoord, zie wat misging, verfijn. Drie iteratie-rondes verslaan één lange prompt.

4.

Verifieer alles wat ertoe doet — Zelfvertrouwen is geen accuratesse. Voor feiten, datums, code die productie raakt, juridische taal, medische claims — check eerst tegen een primaire bron voor je het vertrouwt.

Waar AI echt schittert

  • — Boilerplate code, refactors, repeterende transformaties
  • — Eerste versies van teksten die je toch nog redigeert
  • — Uitleg van onbekende code, foutmeldingen, jargon
  • — Brainstormen over opties als je vastzit

Waar het overtuigend doet alsof

  • — Recente gebeurtenissen, niche-feiten, exacte datums en getallen
  • — Alles juridisch, medisch of financieel — zonder verifieerbare bron
  • — Redeneerketens met meerdere echte stappen (het slaat de saaie tussenstappen over)
  • — Code in obscure libraries — API's worden compleet verzonnen

Case study — hoe dit platform met AI gebouwd is

Eerlijk over wat hielp, wat niet, en waar de mens het werk moest doen.

Waar AI het meeste van deed

Nieuwe pagina's opzetten, API-routes aan de database koppelen, Tailwind-class-soep schrijven, test-mocks genereren, vertalen tussen Engels en Nederlands, en onbekende stukken Next.js uitleggen als er iets brak. De 1.000-regelige Investeren-module is in passes opgebouwd — sectie voor sectie, met AI dat typte en de mens die de oordelen velde over wat de lezer echt nodig had.

Waar de mens moest leiden

Elke productbeslissing — wat als volgende te bouwen, wat te schrappen, hoe de copy moest aanvoelen, waar de framing scheef stond — kwam van de mens. AI is goed in het "hoe". Het is middelmatig in het "wat" en waardeloos in het "waarom". Plannen eerst geschreven, dan pas aan AI voor uitvoering. Zonder dat krijg je een zelfverzekerde stapel niet-samenhangende features.

De fouten die het waard zijn om te kennen

AI verzon functienamen die bijna bestonden maar net niet. Het schreef "fixes" die niet-gerelateerde tests braken omdat het ze nooit gezien had. Het beschreef libraries met overtuiging maar met het verkeerde API-oppervlak. De verdediging was dezelfde als voor elke code: lees de diff, draai de tests, en merge niets wat je niet kunt uitleggen.

De conclusie

AI verving het werk niet. Het verlaagde de kosten om van idee naar werkende software te komen, wat het mogelijk maakte een platform als dit als side-project te lanceren. De mens behoudt de richting en de verificatie.

Waar te beginnen als je AI goed wilt gebruiken

Je hebt geen cursus nodig. Je hebt reps met intentie nodig. Een praktische eerste maand:

1.

Kies één taak die je wekelijks doet. Probeer hem vier weken lang met AI. Noteer wanneer het hielp en wanneer het je vertraagde.

2.

Telkens als AI je vol overtuiging een feit geeft, zoek het op. Bouw die verifieer-gewoonte vroeg — later wordt het nooit makkelijker.

3.

Sla prompts op die werken. Een klein persoonlijk "prompts ik vertrouw"-bibliotheekje groeit sneller dan blogs over prompt engineering lezen.

4.

Probeer minstens twee verschillende modellen op dezelfde taak, één keer per maand. Je leert snel dat ze andere sterktes hebben — en welke bij jouw werk past.

Flashkaarten

Alle kaarten →
Module Quiz

Beantwoord de vragen om de module af te ronden. Slagingsgrens: 4/5.

Laden...

Bronnen & inspiratie

Bekijk de hele bibliotheek → →
AI-geletterdheid