Waarom je een mini-audit doet vóór je iets “overneemt”

Je hebt een conceptnotitie of analyse klaar in Copilot. De tekst leest strak, de argumenten klinken logisch, en de tijdsdruk is hoog. Dit is precies het moment waarop plausibele taal gevaarlijk wordt: je brein ervaart “vloeiend en professioneel” als “waarschijnlijk correct”. In DNB-context is dat een kwaliteitsrisico, omdat een kleine onnauwkeurigheid of impliciete aanname kan doorsijpelen naar besluitvorming, verantwoording of interne afstemming.

Een prompt- en kwaliteitscheck mini-audit is een korte, herhaalbare controle (denk: 5–8 minuten) waarmee je vóór gebruik expliciet maakt: wat vroeg ik eigenlijk (intent)?, wat leverde de AI (type output)?, en welke checks horen daarbij (controlefocus)? Je gebruikt Copilot daarmee niet als waarheidsbron, maar als versneller binnen een proces dat jij bestuurt.

De kern: een mini-audit helpt je snel te blijven (kernwaarde efficiëntie) zonder blind te worden (kernwaarde betrouwbaarheid/kwaliteit). Het is de “harde rem” die je inzet zodra output van input richting besluitrijp verschuift.

De mini-audit in taal die je direct kunt gebruiken

Een mini-audit bestaat uit drie begrippen die je al kent, maar nu als vaste check achter elkaar:

  • Prompt-intent: het denkdoel onder je vraag. Niet “schrijf een memo”, maar “ik wil opties verbreden”, “ik wil mijn redenering testen”, of “ik wil structuur verbeteren zonder betekenisverschuiving”.

  • Controlefocus: het specifieke risico dat je afdekt. Bijvoorbeeld: feit/interpretatie/aanname, interne consistentie, ontbrekende definities, of noodzakelijke bronnen/data.

  • Calibratie van vertrouwen: hoeveel mag je leunen op AI-output gezien het risicoprofiel? Een snelle samenvatting van jouw tekst is laag-risico; een conclusie of aanbeveling zonder toetsing is hoog-risico.

Zie de mini-audit als een korte “kwaliteitslens” die je over elke Copilot-output legt. Zoals bij een camera: dezelfde scène (tekst) ziet er anders uit met een andere stand (archetype). De mini-audit checkt of je per ongeluk in portretstand iets hebt gefotografeerd dat eigenlijk sportstand vroeg: te weinig scherpte op feiten, te veel nadruk op overtuigingskracht.

Belangrijk: de mini-audit is geen extra bureaucratische stap. Het is een manier om je archetype-keuze (Offloader, Self-Checker, Critical Verifier, etc.) te laten terugkomen in je review, zodat je niet alleen beoordeelt op “lekker leesbaar”, maar op “toetsbaar en verantwoord”.

De audit-logica: van snelle scan naar gerichte verificatie

1) Intent-check: kreeg je het soort antwoord dat je bedoelde?

Start altijd met één vraag aan jezelf: “Welke archetype-stand dacht ik te gebruiken?” Intermediate gebruikers maken vaak een archetype-mix: je vraagt om “aanbevelingen” (AI Trusteer), maar leest het alsof het “gevalideerde kennis” is (Critical Verifier vergeten). De intent-check voorkomt dat je onbewust van verkennen naar beslissen glijdt.

Doe de intent-check op drie signalen in de output:

  • Taalzekerheid: klinkt het stelliger dan jouw vraag rechtvaardigt?

  • Scopeverschuiving: worden er extra aannames toegevoegd (nieuwe doelen, andere definities, bredere context)?

  • Type deliverable: kreeg je een tekstproduct (mooi verhaal) terwijl je eigenlijk een checklist/claims-lijst nodig had?

Als de intent niet matcht, is dat geen “AI-fout” maar een stuurfout. Dan corrigeer je door te herpositioneren met archetype-taal: “Behandel dit als Self-Checker” of “Schakel nu naar Critical Verifier en label claims”. Daarmee zet je het proces terug op rails: eerst het juiste soort output, dán pas verfijnen.

2) Claim-check: maak expliciet wat feit is en wat niet

De claim-check is de ruggengraat van kritisch denken met AI: je haalt de tekst uit de “verhaalmode” en zet hem in toetsmodus. In praktijk betekent dat: elk belangrijk punt in het stuk wordt één van deze drie dingen:

  • Feit (controleerbaar, tijd/bron-gebonden)

  • Interpretatie (redenering, duiding, weging)

  • Aanname (impliciet uitgangspunt, vereenvoudiging, ontbrekende data)

Deze stap werkt juist goed bij Copilot-output, omdat hallucinaties vaak niet als “gek” aanvoelen; ze voelen als nette, plausibele invulling. Door labels te eisen, dwing je explicietheid af. Je maakt verborgen sprongen zichtbaar: causaliteit die eigenlijk correlatie is, definities die impliciet blijven, of generalisaties die te breed worden.

Een typische misconceptie is: “Als er bronnen genoemd worden, is het wel goed.” Maar bronvermelding kan ook verkeerd, verzonnen, of niet-passend zijn. De claim-check maakt bronvermelding ondergeschikt aan de logica: eerst helder krijgen wat er beweerd wordt, dan pas hoe je het controleert.

3) Consistentie- en betekenischeck: wordt de tekst beter zonder inhoud te verschuiven?

Zodra je richting “publiceerbaar” gaat, wordt AI-Assisted Editor-denken belangrijk. Een mini-audit checkt dan niet alleen taal, maar vooral deze drie kwaliteitsfouten die vaak onopgemerkt blijven:

  • Definities driften: hetzelfde begrip betekent net iets anders per alinea.

  • Conclusies lopen vooruit: de tekst klinkt besluitvaardig terwijl de onderbouwing nog verkennend is.

  • Nuance verdwijnt: onzekerheden, randvoorwaarden of alternatieven raken “gladgestreken”.

Dit is het punt waar AI Refiner verleidelijk wordt: je kunt alles perfect laten klinken, maar daarmee maskeer je mogelijk juist de zwakke plekken. De mini-audit helpt je hier bewust te kiezen: wil je nu mooi (Refiner) of controleerbaar en consistent (AI-Assisted Editor met betekenisbehoud)?

Een bruikbare checkvraag: “Welke zin, als hij onwaar blijkt, maakt het hele stuk misleidend?” Dat is vaak je kernclaim. Die verdient ofwel harde verificatie (Critical Verifier), of expliciete onzekerheidsmarkering in de tekst.

Welke audit-vragen passen bij welk archetype?

Onderstaande tabel koppelt archetype-intent aan mini-audit focus. Zo voorkom je dat je Offloader-output beoordeelt met Creative Director-criteria, of Trusteer-output behandelt alsof het al Verifier-proof is.

Audit-dimensie Productiviteit (Offloader / Power User) Kwaliteit (Self-Checker / Critical Verifier / AI-Assisted Editor) Richting (AI Trusteer / Creative Director / Co-creator / AI Refiner)
Waar let je primair op? Scope en veiligheid: heeft Copilot alleen gedaan wat je veilig kon delegeren? Let op sluipende inhoudelijke invulling. Toetsbaarheid: zijn claims gelabeld (feit/interpretatie/aanname) en is zichtbaar wat je moet controleren? Keuzekwaliteit: zijn opties en trade-offs expliciet, zonder dat “mooie” opties zwaarder wegen dan realistische?
Beste mini-audit vragen “Wat moet ik zelf houden?” en “Welke delen zijn format/structuur vs. inhoudelijke claims?” “Welke claims moeten bewezen of genuanceerd?” en “Waar zitten definities, aannames, en interne inconsistenties?” “Welke selectiecriteria gebruik ik?” en “Waar verwarren we verkennen met adviseren/beslissen?”
Typische valkuil Snelheid schaalt fouten: een nette tekst wordt onterecht als ‘klaar’ gezien. Alleen interne logica checken: het klinkt consistent, maar klopt extern niet of is niet verifieerbaar. Verkenning wordt besluit: AI-advies voelt als richting, terwijl bewijs/haalbaarheid nog ontbreekt.
Wat is ‘goed genoeg’ na audit? Output is bruikbaar als startpunt met duidelijk gemarkeerde plekken waar jij inhoud toevoegt of controleert. Output is controleerbaar: kernclaims, onzekerheden en benodigde bronnen/data zijn expliciet. Output is keuzegericht: opties zijn scherp, trade-offs benoemd, en er is geen schijnzekerheid.

Twee mini-audits zoals je ze echt bij DNB-werk doet

Voorbeeld 1: Conceptnotitie met analyse (Offloader → Self-Checker → AI-Assisted Editor)

Je gebruikt Offloader om snel een notitie-structuur en een eerste concepttekst te krijgen. In de mini-audit markeer je eerst wat “veilig” is: kopjes, samenvatting van door jou aangeleverde punten, en neutrale herformuleringen. Daarna scan je op plekken waar Copilot waarschijnlijk is gaan invullen: causaliteitswoorden (“dus”, “leidt tot”), stelligheid (“evident”, “zorgt voor”), of nieuwe begrippen die jij niet introduceerde.

Vervolgens schakel je auditmatig naar Self-Checker: je behandelt de output als spiegel voor jouw redenering. Je checkt of de kernlogica compleet is: staat elke conclusie op expliciete aannames? Zijn tegenargumenten genoemd die echt pijn doen? Vaak blijkt dat één definitie ontbreekt of dat een risicoafweging te impliciet is. Je corrigeert dan niet door “mooier schrijven”, maar door de redenering te versterken of onzekerheden expliciet te maken.

Tot slot doe je een AI-Assisted Editor mini-audit: je let op betekenisbehoud. Je controleert terminologieconsistentie (zelfde term, zelfde betekenis), en je zorgt dat nuance zichtbaar blijft (randvoorwaarden, onzekerheidszinnen, beperkingen). De opbrengst is een tekst die sneller tot stand kwam, maar óók beter toetsbaar is voor collega’s: helder waar jij zeker bent, waar je aannames zitten, en wat nog gecontroleerd moet worden.

Voorbeeld 2: Beleidsopties verkennen (AI Trusteer → Critical Verifier → Creative Director)

Je start als AI Trusteer om opties en perspectieven breed te krijgen. In de mini-audit check je dan vooral op “verkenningshygiëne”: zijn er meerdere echte routes, of variaties op één route? Staan de trade-offs erbij, of alleen voordelen? En vooral: gebruikt de tekst al aanbevelingstaal (“de beste optie is…”) terwijl je intent nog divergent was? Zo ja, dan zet je het terug naar “opties zonder conclusie”.

Daarna komt de harde rem: Critical Verifier. In je mini-audit haal je uit elke optie de kernclaims en label je ze als feit/interpretatie/aanname. Je ask-yourself check is: “Wat zouden we móéten controleren voordat dit intern als serieuze optie geldt?” Denk aan benodigde data, definities, of randvoorwaarden die de optie maken of breken. Belangrijk is dat je ook onzekerheid laat staan; een te ‘glad’ stuk is vaak juist een signaal dat er claims ongezien zijn overgenomen.

Pas wanneer de opties toetsbaar zijn, ga je naar Creative Director: je mini-audit checkt dan of selectiecriteria expliciet zijn (effectiviteit, uitvoerbaarheid, risico, consistentie met kernwaarden). Je laat de tekst niet eindigen in “mooie voorkeur”, maar in een uitlegbare keuze met geaccepteerde trade-offs. Zo voorkom je dat AI Trusteer-output per ongeluk als besluitvoorstel gaat circuleren.

Wat je na 15 minuten audit wél (en niet) hebt

Een mini-audit levert geen “waarheidsstempel” op. Wat je wél krijgt is: een korte, herhaalbare manier om AI-output te ontplooien in controleerbare onderdelen, zodat jouw professionele verantwoordelijkheid zichtbaar blijft.

Belangrijkste takeaways:

  • Intent eerst, dan pas stijl: je checkt of je archetype-keuze matcht met hoe je de output gaat gebruiken.

  • Claims labelen breekt de hallucinatie-glans: feit/interpretatie/aanname maakt toetsing mogelijk en voorkomt schijnzekerheid.

  • Refinen is geen valideren: perfecte formulering kan zwakke onderbouwing juist verbergen; laat verfijning volgen op controle.

This sets you up perfectly for Persoonlijk actieplan & next steps [10 minutes].

Last modified: Wednesday, 1 July 2026, 1:39 PM