Prompt engineering is het bewust en doelgericht formuleren van instructies (prompts) aan een AI-taalmodel, met als doel betrouwbaardere, consistentere en bruikbaardere antwoorden te krijgen. Dit omvat bijvoorbeeld het duidelijk specificeren van de gewenste vorm van het antwoord, het meegeven van relevante context, en het expliciet instrueren van het model om bij onzekerheid geen antwoord te verzinnen. Bij AI-functies die zijn ingebouwd in bedrijfssoftware wordt prompt engineering vaak al door de leverancier gedaan; bij eigen AI-toepassingen (zoals een chatbot of agent) is het een vaardigheid die je zelf, of je implementatiepartner, moet toepassen.
Waarom dit relevant is bij softwareselectie
De kwaliteit van een AI-toepassing hangt voor een belangrijk deel af van hoe goed de onderliggende instructies zijn opgesteld, niet alleen van welk taalmodel wordt gebruikt. Een chatbot die slecht is geïnstrueerd (bijvoorbeeld zonder duidelijke grenzen aan wat hij wel en niet mag beweren) hallucineert sneller dan een zorgvuldig geconfigureerde chatbot met hetzelfde onderliggende model.
Bij het beoordelen van een leverancier van een AI-chatbot of -agent is het relevant om te vragen hoe zij omgaan met het instrueren en testen van het model, en of dit proces herhaalbaar en aanpasbaar is naarmate je ervaring opdoet.
Praktisch voor het MKB
Voor een MKB-bedrijf hoeft dit geen technische specialisatie te zijn: de basis van goede prompts (wees specifiek, geef context, benoem expliciet wat het model niet moet doen) is een aanleerbare, praktische vaardigheid die medewerkers zelf kunnen toepassen bij het gebruik van generieke AI-tools zoals ChatGPT.
Meer lezen
Vraag een gratis, onafhankelijke selectiescan aan
In drie korte stappen naar een eerste advies. Betaald door jou als afnemer, nooit door een leverancier.
Start je selectiescan