Waarom “een snelle prompt” bij DNB risico’s creëert

Je zit in een werksituatie met tijdsdruk: een nota moet naar een overleg, een interne Q&A moet kloppen, of er ligt een samenvatting van beleidsdocumenten die morgen af moet. Copilot kan dan voelen als een veilige versneller: je typt een vraag, krijgt een vloeiende tekst terug, en je kunt door. Alleen: vlot klinkt vaak overtuigend, maar overtuigend is niet hetzelfde als betrouwbaar.

In een omgeving waar uitkomsten de kernwaarden van het Instituut DNB moeten ondersteunen (zorgvuldigheid, kwaliteit, transparantie en verantwoord handelen), gaat het niet alleen om “iets produceren”. Het gaat om herleidbaarheid, controleerbaarheid en begrensde aannames. Dat geldt extra wanneer je werkt vanuit verschillende AI-archetypes: de Offloader wil snelheid, de Critical Verifier wil bewijs, de AI-Assisted Editor wil structuur, en de Creative Director wil richting.

Deze les geeft je daarom een praktische “prompt-anatomie”: de bouwstenen die een Copilot-vraag betrouwbaar, toetsbaar en doelgericht maken—zonder dat je prompt een roman wordt.

Wat bedoelen we met prompt-betrouwbaarheid?

Prompt-anatomie is de manier waarop je een vraag opbouwt met vaste onderdelen zodat de output voorspelbaar, controleerbaar en bruikbaar wordt. Het doel is niet om “mooie prompts” te schrijven, maar om de kans te vergroten dat Copilot binnen jouw kaders blijft: qua brongebruik, definities, context, onzekerheden en format.

Betrouwbaarheid betekent hier: de output is zó gespecificeerd dat jij (of een collega) kunt nagaan:

  • Waarop conclusies zijn gebaseerd (data/tekst/beleid/definities).

  • Welke aannames zijn gemaakt.

  • Welke grenzen gelden (scope, uitzonderingen, wat niet doen).

  • Hoe je de kwaliteit kunt verifiëren (criteria, checks, bronverwijzing).

Een nuttige metafoor: zie je prompt als een werkopdracht aan een ervaren collega. Als je alleen zegt “maak even een samenvatting”, krijg je iets dat misschien leesbaar is, maar dat niet per se voldoet aan jullie kwaliteitsnormen. Zeg je: “vat samen voor doelgroep X, gebruik alleen document Y, markeer onzekerheden, en geef een checklijst”, dan wordt het werk auditeerbaar.

Belangrijk onderscheid: de prompt maakt de output niet automatisch waar. Wel maakt een goede prompt de output beter te controleren. Je verschuift van “blind vertrouwen” naar “gestructureerd toetsen”.

De bouwstenen van een betrouwbare prompt (van simpel naar robuust)

1) Doel en beslissing: waarvoor dient de output?

Een prompt zonder expliciet doel leidt vaak tot generieke tekst. Copilot optimaliseert dan op “een plausibel antwoord”, niet op jouw besluit of taak. Betrouwbaarheid begint daarom met het beoogde gebruik: moet de output informeren, vergelijken, voorbereiden op een meeting, of een proces versnellen? En wat is het besluitmoment: wie leest dit, en wat moeten ze ermee kunnen?

Als je het doel benoemt, kun je ook het kwaliteitsniveau bepalen. Een interne brainstorm heeft andere eisen dan een notitie die richting governance gaat. Dit is precies waar de archetypes verschillen: de Creative Director wil koers en criteria, de Power User wil doorlooptijd en herhaalbaarheid, en de AI Trusteer wil opties zien. Door het doel expliciet te maken, voorkom je dat Copilot “te vroeg precies” wordt of juist “te vaag blijft”.

Veelvoorkomende misvatting: “Als ik het doel niet noem, blijft het antwoord neutraler.” In de praktijk gebeurt het omgekeerde: Copilot vult het doel impliciet in op basis van algemene patronen. Dat kan leiden tot onzichtbare biases: te stellig taalgebruik, een standaardstructuur die niet past bij DNB-context, of het overslaan van nuance. Doel = jouw stuurwiel.

Typische valkuil: doelen stapelen (“maak een samenvatting én een advies én een communicatieplan”) zonder prioriteit. Dan krijg je een hybride output waar niets echt helder is. Betrouwbaar prompten betekent: één primair doel en eventueel één secundair doel, met duidelijke scheiding.

2) Context en input: wat mag Copilot wél en niet gebruiken?

Copilot kan alleen betrouwbaar redeneren binnen duidelijke inputkaders. Als je geen bronnen of input meegeeft, gaat het model leunen op algemene kennis en aannames, met als risico: verzonnen details, verkeerde definities, of een context die niet aansluit bij jullie interne terminologie. Daarom hoort bij prompt-anatomie een expliciete afspraak: welke teksten, data of passages zijn leidend?

In een DNB-achtige omgeving betekent dit vaak: “gebruik uitsluitend dit memo”, “baseer je alleen op de meegeleverde bulletpoints”, of “verwerk deze tabel en citeer de rijen waar je conclusie op steunt”. Context gaat ook over begrenzing: definieer termen die intern beladen zijn (bijvoorbeeld “risico”, “mitigatie”, “materialiteit”) zodat Copilot niet terugvalt op een algemeen woordenboek.

Een tweede laag is het onderscheid tussen samenvatten en aanvullen. Als je wilt samenvatten, zeg dan expliciet: “voeg geen externe informatie toe”. Als je wilt aanvullen, zeg dan: “markeer aanvullingen als hypothese” of “label als ‘aanname’”. Dit helpt de Critical Verifier en Self-Checker-modus: je maakt zichtbaar wat feit vs. interpretatie is.

Veelvoorkomende valkuil: “Hier is document X, geef een conclusie.” Zonder aanwijzing hoe om te gaan met tegenstrijdigheden in de tekst, kiest Copilot vaak één lijn en maakt die mooi rond. Betrouwbaarheid vraagt dat je ook procedureel stuurt: “als er inconsistenties zijn, lijst ze eerst, en geef pas daarna een voorzichtige conclusie met voorwaarden.”

3) Rol en taakafbakening: welke pet draagt Copilot?

Een verrassend sterke betrouwbaarheidshendel is het expliciet maken van de rol. Niet omdat Copilot echt een persoon is, maar omdat “roltaal” je dwingt om de taak scherp te formuleren: ben je aan het verifiëren, redigeren, structureren, delegeren, of divergent verkennen?

Voor de 9 archetypes kun je rol-afbakening bijna letterlijk gebruiken. Voorbeelden: “Agiereer als Critical Verifier: controleer claims op interne consistentie en markeer wat niet uit de input volgt.” Of: “Agiereer als AI-Assisted Editor: verbeter structuur en helderheid, maar verander de inhoud niet.” Zo voorkom je dat Copilot ineens nieuwe inhoud introduceert terwijl jij alleen redactie wilde.

Misvatting: “Rolprompts zijn vooral trucjes.” In werkelijkheid zijn ze een methode om het gedrag te beperken. Als je Copilot vraagt te co-creëren zonder grenzen, krijg je veel nieuwe ideeën (soms ongewenst). Als je Copilot vraagt te refinen met behoud van inhoud, minimaliseer je inhoudelijke drift. Betrouwbaarheid is vaak: minder vrijheid, meer controle.

Valkuil: een rol kiezen die niet past bij je fase. In een vroege fase wil je misschien AI Trusteer of Co-creator (opties) en pas later Critical Verifier (toetsen). Als je te vroeg verifieert, toets je halfbakken ideeën. Als je te laat verifieert, ben je al emotioneel gehecht aan de output. De prompt-anatomie helpt je die volgorde bewust te maken.

4) Output-specificatie: vorm, detailniveau en traceerbaarheid

Zelfs goede inhoud wordt onbetrouwbaar bruikbaar als de outputvorm niet klopt. Daarom specificeer je: lengte, structuur, doelgroep, toon, en vooral: wat moet traceerbaar zijn. Traceerbaarheid betekent dat de lezer kan zien welke uitspraak op welke input steunt. Dat kan via citaten, verwijzing naar paragrafen, of een tabel “claim → bronpassage”.

In een professionele setting werkt het goed om output te laten leveren in een vaste container, zoals: “(1) kernpunten, (2) aannames, (3) open vragen, (4) risico’s, (5) voorstel voor vervolgstappen”. Je dwingt Copilot daarmee om niet alleen een verhaal te schrijven, maar ook de onzekerheden zichtbaar te maken. Dit is een directe steun voor de kernwaarde “zorgvuldigheid”: je maakt expliciet wat nog niet zeker is.

Een typische misvatting is dat “meer details” automatisch betrouwbaarder is. Het tegendeel komt vaak voor: meer tekst creëert meer plekken waar iets subtiel fout kan gaan. Betrouwbaar prompten betekent precisie in de vraag, niet per se maximaal volume in het antwoord. Vraag liever om compacte output met expliciete onzekerheidslabels dan om lange alinea’s zonder bronverankering.

Valkuil: “Maak het professioneel” als enige output-eis. Dat stuurt vooral op stijl, niet op inhoudelijke kwaliteit. Voeg daarom kwaliteitsankers toe: “gebruik voorbehouden taal bij onzekerheid”, “geen absolute claims zonder bron”, “markeer interpretaties als interpretatie”.

5) Kwaliteitscriteria en checks: hoe wil je dat het zichzelf controleert?

Copilot kan fouten maken die er netjes uitzien. Een betrouwbaar prompt bevat daarom expliciete acceptatiecriteria: waaraan moet dit voldoen om bruikbaar te zijn? Denk aan: volledigheid (alle punten uit input verwerkt), consistentie (geen interne tegenspraak), definities (termen één keer gedefinieerd), en beperkingen (geen externe bronnen).

Je kunt Copilot ook vragen een zelf-check uit te voeren in dezelfde output: “Controleer of je iets hebt toegevoegd dat niet in de input staat, en zet dat in een aparte sectie ‘Toegevoegd/afgeleid’.” Dit is geen garantie, maar wel een stevige reductie van stilzwijgende hallucinaties. In termen van archetypes: je laat de Self-Checker-modus meelopen met de taak.

Misvatting: “Als ik om een check vraag, is het gecontroleerd.” Het blijft een model, dus je gebruikt de check als structuur voor menselijke verificatie. De winst is dat het model zichzelf dwingt tot explicietheid: waar het onzeker is, waar het extrapoleert, waar het iets niet kan onderbouwen. Dat maakt jouw review sneller en effectiever.

Valkuil: te veel criteria tegelijk, waardoor de output bureaucratisch wordt. Kies 3–5 criteria die passen bij de situatie. Voor snelle interne concepten: consistentie, scope, aannames. Voor besluitvormingsdocumenten: bronverankering, risico’s, uitzonderingen, en open vragen.

Overzicht: welke bouwsteen helpt welk archetype het meest?

Bouwsteen Waarom dit betrouwbaarheid verhoogt Archetypes die er het meest op leunen
Doel en beslissing Dwingt Copilot te optimaliseren voor het gebruik en voorkomt generieke output die niet aansluit op besluitvorming. Het maakt ook prioriteiten expliciet. Creative Director, Power User, Offloader
Context en inputkaders Verkleint de ruimte voor aannames en “invulling”. Maakt duidelijk wat leidend is en wat niet gebruikt mag worden. Critical Verifier, AI Trusteer, Self-Checker
Rol en taakafbakening Beperkt gedrag (verifiëren vs. creëren vs. redigeren) en reduceert inhoudelijke drift. Het maakt intentie toetsbaar. Co-creator, AI-Assisted Editor, AI Refiner
Output-specificatie en traceerbaarheid Maakt de uitkomst controleerbaar en overdraagbaar. Helpt reviewers snel zien wat bron vs. interpretatie is. AI-Assisted Editor, Critical Verifier, Self-Checker
Kwaliteitscriteria en checks Bouwt een “reviewlaag” in die inconsistenties, ontbrekende punten en onbewezen claims zichtbaar maakt. Self-Checker, Critical Verifier, Power User

[[flowchart-placeholder]]

Twee uitgewerkte voorbeelden (van losse vraag naar betrouwbare prompt)

Voorbeeld 1: Offloader → Self-Checker voor een interne notitie

Je wilt tijd winnen: je hebt ruwe bullets van een overleg en je moet daar een compacte interne notitie van maken. De verlokking is: “Maak hier een notitie van.” Copilot levert dan vaak een nette tekst, maar met onzichtbare gaten: ontbrekende nuance, verzachte risico’s, of ingevulde context die niet in je bullets stond.

Een betrouwbaardere prompt gebruikt de anatomie in volgorde. Eerst leg je het doel vast: een interne notitie voor collega’s, met nadruk op besluiten en open punten. Daarna begrens je input: alleen de meegeleverde bullets zijn leidend, geen externe aanvulling. Vervolgens geef je de rol: Offloader (structureren) met een Self-Checker-laag (controle op toevoegingen). Ten slotte specificeer je output: vaste secties en een lijst “Aannames/Interpretaties”.

Stap-voor-stap effect in de praktijk:

  1. Copilot structuurt je bullets naar een heldere notitie (tijdswinst).
  2. De Self-Checker-sectie maakt zichtbaar waar Copilot iets heeft geparafraseerd vs. geïnterpreteerd (objectiviteit).
  3. Je review wordt sneller: je kijkt primair naar “Aannames/Interpretaties” en “Open vragen” om risico’s te vinden. Beperking: als je bullets zelf onvolledig of tegenstrijdig zijn, kan Copilot dat niet oplossen; wél kan het die tegenstrijdigheden expliciet maken als je daarom vraagt.

Een voorbeeldprompt (als format, pas inhoud aan) kan eruitzien als:text Doel: Zet de onderstaande overlegbullets om in een interne notitie (max. 350 woorden) voor collega’s. Bronkader: Gebruik uitsluitend de meegeleverde bullets; voeg geen externe informatie toe. Rol: Agieer als Offloader + Self-Checker: structureer helder, en markeer alles wat interpretatie is. Outputstructuur: 1) Kernpunten (5 bullets max) 2) Besluiten / afspraken 3) Open vragen / ontbrekende info 4) Aannames of interpretaties die niet letterlijk uit de bullets volgen Kwaliteitscheck: Controleer dat elk kernpunt terug te leiden is tot een bullet; zo niet, zet het in sectie 4. Input: [plak bullets]

Voorbeeld 2: Critical Verifier → AI-Assisted Editor voor een “klopt dit?”-check

Je krijgt een concepttekst waarin een paar stevige claims staan. De vraag is niet: “schrijf dit mooier”, maar: “is dit intern consistent en verdedigbaar op basis van wat er staat?” Als je Copilot alleen vraagt “check op fouten”, kan het alsnog stellig worden of buiten de tekst treden. Betrouwbaarheid ontstaat door te specificeren wat voor soort check je wilt en hoe de output moet laten zien wat controleerbaar is.

Je gebruikt hier bewust de rol Critical Verifier: verifieerbaarheidsdenken. Je vraagt Copilot om claims te isoleren, de onderbouwing in de tekst te zoeken, en alles wat niet volgt te labelen. Daarna schakel je naar AI-Assisted Editor om de tekst strakker te maken zonder inhoud te wijzigen. Deze volgorde is belangrijk: eerst waarheids- en consistentiecontrole, dan pas stijl en structuur.

Stap-voor-stap effect:

  1. Copilot maakt een claimlijst (“Claim A/B/C”) en koppelt per claim de relevante passage (traceerbaarheid).
  2. Het markeert waar causaliteit wordt gesuggereerd zonder expliciete onderbouwing (“lijkt te volgen, maar staat niet expliciet”).
  3. Pas daarna herschrijft het zinnen om onzekerheid correct te formuleren (“mogelijk”, “op basis van”, “voor zover uit de tekst blijkt”). Voordeel: je krijgt een tekst die minder “overclaimt” en beter past bij zorgvuldige communicatie. Beperking: Copilot kan niet bewijzen wat waar is in de buitenwereld als je geen bronnen geeft; het kan wél laten zien wat binnen de tekst wel/niet gedragen wordt.

Een voorbeeldprompt (als format) kan eruitzien als:text Doel: Verifieer de interne consistentie van de onderstaande concepttekst en maak hem daarna helderder zonder inhoudelijke toevoegingen. Bronkader: Gebruik alleen de concepttekst; geen externe feiten toevoegen. Rol 1 (Critical Verifier): - Extraheer alle feitelijke claims en sterke conclusies. - Noteer per claim: (a) exacte zin, (b) waar in de tekst de onderbouwing staat, (c) of het logisch volgt. - Markeer: ONDERBOUWD / ONVOLDOENDE ONDERBOUWD / MENING-OF-INTERPRETATIE. Rol 2 (AI-Assisted Editor): - Herschrijf alleen zinnen die ONVOLDOENDE ONDERBOUWD zijn zodat de mate van zekerheid klopt. Output: A) Claim-tabel B) Verbeterde tekst (met dezelfde inhoud, alleen scherpere formuleringen) Concepttekst: [plak tekst]

Een compacte checklist in je hoofd (zonder dat je prompt lang wordt)

Betrouwbaar prompten hoeft niet veel woorden te kosten als je steeds dezelfde kernvragen langsloopt. Als je één zin per bouwsteen gebruikt, heb je al een robuuste prompt.

  • Doel: Waarvoor is dit bedoeld en wie gebruikt het?

  • Inputkader: Welke tekst/data is leidend en wat is verboden?

  • Rol: Verifiëren, creëren, structureren, redigeren, of verfijnen?

  • Outputvorm: Welke vaste onderdelen moeten erin voor controleerbaarheid?

  • Checks: Welke 3–5 kwaliteitscriteria moeten zichtbaar worden?

Deze anatomie ondersteunt verschillende archetypes tegelijk, zonder dat je wisselt van tool of proces. Het laat Copilot doen waar het goed in is (structureren, herformuleren, varianten genereren) en houdt de menselijke verantwoordelijkheid scherp (valideren, besluiten, context bewaken).

This sets you up perfectly for Vraagtypes die denken aanscherpen [35 minutes].

Laatste wijziging: woensdag, 1 juli 2026, 13:39