Archetypes als denkstanden

Wanneer AI “meedenkt” maar jij moet sturen

Je zit in Copilot en je hebt een concrete vraag: “Maak een samenvatting van dit adviesstuk en geef de belangrijkste risico’s.” Binnen seconden krijg je een strak antwoord, met bullets en een overtuigende toon. Het probleem: overtuigend is niet hetzelfde als betrouwbaar, en “compleet” is niet hetzelfde als “relevant voor DNB”. Zeker in een omgeving waar zorgvuldigheid, uitlegbaarheid en publieke verantwoordelijkheid zwaar wegen, kun je niet volstaan met één goede prompt en een mooi antwoord.

Daarom werken we met archetypes als denkstanden: bewuste manieren van kijken die je helpt kiezen welk soort vraag je aan AI stelt, wanneer je dat doet, en hoe je controle houdt. Het doel is niet om jezelf in een hokje te duwen, maar om je denkmodus te schakelen zodra de situatie daarom vraagt. Dat maakt je prompts gerichter en je oordelen robuuster.

In deze les leer je hoe de 9 archetypes functioneren als een soort “mentaal bedieningspaneel” voor kritisch denken met AI—zodat jouw uitkomsten niet alleen snel zijn, maar vooral verantwoord, navolgbaar en waardevol.

Wat we bedoelen met archetypes, denkstanden en kritisch denken

Een archetype is hier geen persoonlijkheidstype, maar een rol die je tijdelijk aanneemt in je interactie met AI. Denk aan een professionele houding: soms ben je primair aan het delegeren (Offloader), soms aan het verifiëren (Critical Verifier), soms aan het sturen op richting (Creative Director). Hetzelfde persoon kan in één werksessie meerdere archetypes inzetten.

Een denkstand is het praktische effect: je zet je aandacht “op scherp” voor een bepaald soort kwaliteit. In de ene stand optimaliseer je voor tijdswinst, in de andere voor validatie, in weer een andere voor structuur en redactie. Cruciaal: elk archetype heeft een eigen definitie van ‘goed’. Als je niet expliciet kiest, laat je de AI (en je eigen gemak) vaak onbewust bepalen wat “goed genoeg” is.

Kritisch denken in het tijdperk van AI betekent dat je:

• Doel en criteria expliciteert: wat moet dit opleveren en waaraan moet het voldoen?

• Aannames zichtbaar maakt: welke verstopt de AI, welke verstopt jij?

• Controlepunten inbouwt: waar check je feiten, waar check je redenering, waar check je stijl/impact?

• Menselijke verantwoordelijkheid behoudt: AI ondersteunt, jij verantwoordt.

Een helpende analogie: zie de archetypes als lensfilters op dezelfde camera. Het onderwerp (je werk) is hetzelfde, maar je kiest een filter afhankelijk van wat je wil vastleggen: snelheid, scherpte, kleurcorrectie, of compositie.

De 9 archetypes als bedieningspaneel voor kwaliteit

De kracht van deze aanpak zit in twee principes: (1) elke prompt heeft een primaire intentie, en (2) elke intentie vraagt om een andere kwaliteitscontrole. Als je bijvoorbeeld “iets laat schrijven” zonder eerst te bepalen of je in de stand Offloader, Co-creator of AI-Assisted Editor zit, krijg je vaak een mix: snel, maar mogelijk inhoudelijk wankel of niet passend bij de governance-context.

1) Intentie boven formulering: het archetype bepaalt “waarom” je vraagt

Bij AI-gebruik gaat veel aandacht naar formulering (“gebruik bullets”, “schrijf in B1”), maar de grootste winst zit vaak in intentiekeuze. Het archetype helpt je die keuze expliciet te maken. Offloader draait om delegeren van werk dat je al begrijpt; AI Trusteer draait om opties verkennen; Self-Checker draait om je eigen redenering spiegelen; Critical Verifier draait om controle van juistheid en bewijs; Creative Director draait om richting en kaders; AI Refiner en AI-Assisted Editor draaien om kwaliteit van uitwerking, maar met een ander accent (precisie versus structuur/stijl).

Wanneer je intentie onhelder is, ontstaan typische fouten. Je vraagt bijvoorbeeld om “risico’s”, maar bedoelt eigenlijk “toets mijn redenering op blinde vlekken” (Self-Checker) of “controleer claims op wetenschappelijke juistheid” (Critical Verifier). Dan kan de AI best nuttige tekst geven, maar jij krijgt het verkeerde soort zekerheid: het voelt goed, maar het is niet het antwoord op de werkvraag.

Best practice is daarom: kies één primaire denkstand per prompt en spreek die ook uit. Niet omdat AI het “moet weten”, maar omdat jij jezelf dwingt om criteria te definiëren. Daardoor ga je automatisch concreter vragen: ofwel om snelheid, ofwel om controle, ofwel om alternatieven, ofwel om verfijning. En dat maakt het makkelijker om achteraf te beoordelen of de output voldoet.

Veelvoorkomende misvatting: “Als ik maar een goede prompt schrijf, krijg ik een correct antwoord.” In werkelijkheid is een prompt vooral een stuurmiddel voor waarschijnlijkheid, niet voor waarheid. Je verhoogt de kans op nuttige output, maar je elimineert geen risico’s. Het archetype-denken compenseert dit door je proces slimmer te maken: je zet verificatie en reflectie op de plekken waar het ertoe doet.

2) Eén vraag, negen kwaliteitscriteria: hoe de archetypes elkaar aanvullen

De 9 archetypes vormen samen een kwaliteitssysteem. Elk archetype beschermt je tegen een specifieke klasse van fouten, en elk heeft een eigen “schaduwkant” als je het te dominant inzet. Offloader kan je snel maken maar oppervlakkig; Critical Verifier kan je veilig maken maar traag; AI Trusteer kan je creatief maken maar ook besluiteloos; AI Refiner kan je output perfect laten lijken maar inhoudelijk geen stap verder brengen.

Het helpt om de archetypes te zien als een set van complementaire controles: je hoeft niet altijd alle negen te gebruiken, maar je wil wél bewust kiezen welke ontbreken en welk risico je daarmee accepteert. In een context waar uitkomsten kernwaarden moeten ondersteunen, is het vooral belangrijk dat je weet wanneer je moet schakelen naar objectiviteit (Self-Checker), validatie (Critical Verifier), en helderheid/structuur (AI-Assisted Editor).

Onderstaande tabel maakt zichtbaar hoe intentie, waarde en risico per archetype verschilt. Lees dit niet als “zo ben ik”, maar als “zo kan ik denken” afhankelijk van de situatie.

3) Schakelen in plaats van stapelen: denkstanden als minimale set per situatie

In de praktijk is de vraag niet: “Welk archetype ben ik?”, maar: welke 2–3 denkstanden heb ik nú nodig? Een effectieve werkwijze is om per taak een minimale set te kiezen: één om te produceren, één om te controleren, en één om te presenteren. Bijvoorbeeld: Offloader (eerste versie) → Critical Verifier (juistheid) → AI-Assisted Editor (structuur en leesbaarheid). Of: AI Trusteer (opties) → Creative Director (keuze en richting) → AI Refiner (precisie).

Dit schakelen voorkomt een veelvoorkomende fout bij intermediate gebruikers: prompt-inflatie. Dan stop je alles in één mega-prompt (“maak een beleidsnotitie, met bronvermelding, met risicoanalyse, met stakeholdermapping, met samenvatting”), waarna de AI iets levert dat overal een beetje op lijkt. De output oogt compleet, maar je weet niet welke delen betrouwbaar zijn, waar aannames zitten, en welke criteria zijn gevolgd. Door te schakelen per denkstand maak je de kwaliteit controleerbaar: elke stap heeft één dominante bedoeling.

Een tweede misvatting is: “Meer iteraties betekent hogere kwaliteit.” Iteraties verhogen vooral consistentie en stilistische afwerking, maar niet automatisch waarheid of relevantie. Als je merkt dat je vooral mooier en langer aan het maken bent, is dat vaak een signaal om te schakelen: van AI Refiner naar Critical Verifier, of van Co-creator naar Creative Director (keuzes maken). Het archetype-model is daarmee niet alleen een taal voor prompts, maar ook een diagnose-instrument: als je vastloopt, vraag je jezelf af welke denkstand ontbreekt.

[[flowchart-placeholder]]

Twee uitgewerkte situaties: zo werken denkstanden in echte Copilot-werkstromen

Voorbeeld 1: Een memo sneller maken zonder inhoudelijke risico’s te vergroten

Stel: je moet een interne memo maken op basis van een lang document, en je doel is tijdswinst met behoud van zorgvuldigheid. Je start met Offloader: je laat Copilot een eerste samenvatting maken met duidelijke afbakening (“alleen kernpunten”, “geen nieuwe claims toevoegen”). Dat geeft je snelheid, maar nog geen zekerheid. De winst zit in het feit dat jij nu tijd overhoudt voor de denkstanden die risico reduceren.

Vervolgens schakel je naar Self-Checker. Je gebruikt AI niet om “het gelijk” te krijgen, maar om je eigen redenering te testen: waar maak ik sprongen, welke aannames neem ik stilzwijgend mee, welke tegenargumenten zijn plausibel? In deze stap ontstaat vaak de grootste kwaliteitswinst, omdat je voorkomt dat je eigen voorkeuren onopgemerkt de memo sturen. Het effect is subtiel maar belangrijk: je memo wordt niet alleen correcter, maar ook eerlijker over onzekerheden en afwegingen.

Daarna ga je naar Critical Verifier: je laat Copilot expliciet markeren welke uitspraken feitelijk zijn, welke interpretatief, en welke mogelijk verificatie vereisen. Je gebruikt dit als checklijst voor wat jij alsnog moet valideren (bijvoorbeeld definities, cijfers, causaliteit). Beperking: Copilot kan helpen signaleren, maar kan geen garantie geven op juistheid zonder gecontroleerde bronnen. De waarde zit in het structureren van je controlewerk, zodat je minder vergeet.

Tot slot gebruik je AI-Assisted Editor om de memo leesbaar en consistent te maken: heldere koppen, logische volgorde, expliciete conclusie en “wat betekent dit” alinea’s. De uitkomst: sneller geproduceerd en beter gestructureerd, terwijl je de grootste risico’s (onzichtbare aannames, ongetoetste claims) actief hebt gemanaged.

Voorbeeld 2: Beleidsopties verkennen zonder te verdwalen in ideeën

Stel: je wil beleidsopties of interventies verkennen rond een complex vraagstuk. Je start bewust niet met “schrijf het antwoord”, maar met AI Trusteer: laat Copilot meerdere opties genereren vanuit verschillende perspectieven, inclusief voor- en nadelen. Het doel is divergent denken: je wil breedte voordat je diepte kiest. Dit is waardevol omdat AI snel patronen en standaardopties kan aandragen die jij anders pas later zou overwegen.

Als tweede stap schakel je naar Co-creator: je pakt één of twee opties en werkt ze samen uit. Hier gaat het om synthese: welke aannames horen erbij, welke randvoorwaarden zijn nodig, welke implementatierisico’s zie je? Dit is het moment waarop je Copilot laat helpen met structureren, scenario’s uitwerken, en het expliciteren van argumentlijnen. De beperking: co-creatie kan de illusie geven dat er al een besluit is, terwijl je eigenlijk nog aan het verkennen bent. Daarom is de volgende schakel cruciaal.

Vervolgens neem je de Creative Director-stand in: jij bepaalt richting en kaders. Je kiest criteria (bijvoorbeeld maatschappelijke impact, uitvoerbaarheid, uitlegbaarheid, consistentie met kernwaarden) en je laat Copilot helpen de opties te rangschikken op basis van die criteria—maar jij beslist wat zwaarder weegt. Dit voorkomt “AI-geleide besluitvorming”, waarin de meest overtuigend geschreven optie wint in plaats van de best passende. Je verplaatst de macht terug naar jouw afwegingskader.

Tot slot gebruik je AI Refiner om de gekozen optie precies te formuleren: scherpere definities, heldere scope, minder ruis, betere argumentatie. Het voordeel is een professioneel eindproduct; de beperking is dat verfijning verleidelijk is om onzekerheden weg te poetsen. Daarom blijft de gouden regel: verfijnen mag nooit een vervanging worden van verifiëren—het is een andere denkstand met een ander doel.

Een werkbare afsluiting: kies je denkstand vóór je prompt

Archetypes werken omdat ze je dwingen te kiezen: wat probeer ik hier te bereiken, en welke kwaliteit moet domineren? Als je dat vooraf doet, wordt prompten minder gokken en meer sturen. Je merkt ook dat “kritisch denken” niet één zware activiteit is, maar een set kleine, bewuste schakelmomenten: delegeren waar het kan, spiegelen waar het schuurt, verifiëren waar het moet, en redigeren waar het telt.

Belangrijkste takeaways:

• Archetypes zijn tijdelijke rollen, geen labels voor wie je bent.

• Elke denkstand heeft een eigen definitie van ‘goed’ en een eigen valkuil.

• Schakelen in 2–3 standen per taak maakt kwaliteit controleerbaar en beslissingen uitlegbaar.

Next, we'll build on this by exploring Archetypes 1–3: nauwkeurigheid & grounding [35 minutes].