Heb je weleens geprobeerd om honderden content-guidelines te vertalen naar GPT-geschikte versies? Nee? Snap ik. Ik namelijk wel en is het venijnig veel werk. Maar ik schrijf dit niet om te klagen. Hoewel ik daar uitermate veel talent voor heb. Ik schrijf dit omdat ik in gesprekken, maar ook in mijn eigen hoofd, de vraag tegenkom: WHY?
Dus laten we het daar eens over hebben.
Elke grote corporate heeft er eentje: de schrijfwijzer. Het is de bijbel van de contentspecialist, met regels voor specifieke spelling van producten of sectorspecifieke woorden, met een praktische uitleg van de merkstem en de merkbelofte, met voorbeelden zodat je precies weet hoe je het moet toepassen.
Daar werken we natuurlijk al jaren mee.
Enter AI…
Er kan nog meer bij
Het eerste idee dat ontstaat (na wat geëxperimenteer natuurlijk), is om die 50 of 100 of soms 150 richtlijnen uit de schrijfwijzer lekker direct in de systeemprompt te stoppen. En eerlijk: dat klinkt slim en voelt ook serieus efficiënt.
Maarrrrrrrrrr, onderzoek (van OpenAI bijv.) laat zien dat GPT-modellen helemaal niet superbetrouwbaar tientallen regels tegelijkertijd kunnen volgen.
En hoe voller je promptEen prompt is de instructie die je aan een AI-model geeft zoals bijvoorbeeld ChatGPT. Het is hoe je communiceert met het systeem: wat je vraagt, hoe je het vraagt en... Meer (systeem of anderszins) is, hoe groter het risico dat GPT de regels negeert of samenperst tot een hele rare, vaak nogal smakeloze tekst-smoothie.
Het resultaat: output die nog steeds niet aan alle regels voldoet én vaak ook nog eens heel vlak aandoet, ontdaan van letterlijk elke vorm van menselijkheid.
Hint hint
En dat laatste is een hint. Want mensen, en in het bijzonder contentspecialisten, lopen ook niet rond met alle 100 regels in hun hoofd. Maar belangrijker nog, ze passen die 100 regels ook niet de hele tijd op alle content, precies op dezelfde manier toe. Dat doen ze contextueel. Bij een hypotheekafwijzing ligt de nadruk van het toepassen van de richtlijnen heel ergens anders, dan bij het schrijven van een verjaardagsmail. Toch? Toch!
En hoewel GPT’s steeds slimmer worden, zijn ze nog steeds best slecht in interpreteren. Het is een beetje hit/miss. Soms is het bijna magisch en soms klinken ze als een jaren 90-gabber die wel erg hard aan het kauwen is #winkwink
Oké, oké, óké, maar we laten ons niet kisten. Wat als we dan het systeem slimme systeem-sets meegeven met de juiste guidelines per contenttype en het dan per gebruik met de hand (of via een slimme UI) vertellen dat het een e-mail is of juist een webpagina?
Bad news everyone!
Dat is jammer genoeg net te mager. Een e-mail kan nog steeds luchtig zijn of zwaar, vol compliance-zaken of juist informeel. Zonder context, denk aan urgentie, doelgroep, risico’s, blijft de output generiek. En hoewel ik niet verwacht dat GPT direct de allerbeste e-mail ooit genereert, is elke stap die ik verwijderd ben van die allerbeste-e-mail-ooit vervelend. En de start van een heleboel gesleutel, bijsturen, checks, balances, en meer zaken die vaak zoveel tijd kosten, dat ik het net zo goed zelf had kunnen schrijven.
Het is goed om hier te benadrukken dat prompt-onderzoek dit ook bevestigt: hoe specifieker en rijker de context in je prompt, hoe beter de output.
Je ontkomt niet aan prompting
[Voeg hier gefrustreerde zucht toe] Maar wat dan wel? Want wat iedereen natuurlijk wil, is zoveel mogelijk automatisering (ik niet per se hoor). Dus geen contentspecialisten die met de hand prompts ontwerpen en dan in GPT plakken. Nee man. We willen systemen die begrijpen welke typen content er precies zijn, welke set guidelines er dan in een specifieke situatie bij horen en hoe ze die moeten toepassen, zodat ze drafts uitspugen waarvan de human in the loop blij wordt zonder 50 revisies.
Er zijn grofweg 2 manieren om die nuance in je opdracht aan GenAI mee te geven:
- Vooraf in het systeem. Door de systeemprompt vol te proppen of bijv. Te werken met verschillende agents die deeltaken uitvoeren.
- Door handmatig te prompten, voor specifieke taken, met mensenhanden en -ogen.
Kortom: prompten moet sowieso, de vraag is, waar prompt je? En het antwoord moet zijn: waar het gepast is. Uhu, lekker vaag. Iets concreter dan: voeg een overzichtelijke set richtlijnen, die in de meeste situaties gelden toe aan je systeem, ontwerp daarnaast goede prompts die nuance toevoegen op taak-, toon-, type-basis en gebruik die contextueel.
Systeemprompt: gebruik “u” als aanspreekvorm
Gebruikersprompt: sluit deze tekst af met een concrete vervolgstap of vat in de eerste alinea de boodschap samen.
Met een kritische blik kijken naar je systeemprompt levert op dat contentspecialisten nog steeds nuance kunnen toevoegen en dat de systeemprompt zelf niet verdrinkt in guidelines. Want hoe voller je prompts stopt, hoe groter het risico dat instructies elkaar tegenspreken en hoe slechter ze worden uitgevoerd.
En ja, je kunt nog steeds iets bouwen waar je met if E-mail, then specific-guideline-set dit regelt. Maar als je dat doet, ben je het technisch onnodig complex aan het maken, een mini-LLM-achtige machine in je LLM aan het bouwen, die waarschijnlijk dan nog steeds niet de contextualiteit oplevert die nodig is voor goede content.
Maar hoe dan?
Oké, ben je er nog. Mooi. Je bent een beetje een nerd en dat is het nieuwe zwart *boks ouwe*. Nu dat allemaal duidelijk is, wat is dan de volgende stap: dat zijn er 4:
- Vertaal richtlijnen en regels uit je schrijfwijzer, naar content guidelines en guardrailsGuardrails zijn beperkingen die je instelt in je prompt om te voorkomen dat een AI ongewenste, onjuiste of riskante output genereert. Guardrails werken als veiligheidsregels in je prompt. Ze vertellen... Meer. Haal dubbelzinnigheden, vaagheden en ruimte voor interpretatie eruit. Definieer strak of kwantificeer waar mogelijk (niet “korte zinnen”, wel “zinnen van maximaal 8 woorden”)
- Maak ze gemakkelijk vindbaar en doorzoekbaar. Voeg metadata en tags toe zodat je een bruikbare bak met content guidelines in handen hebt. Zo kunnen ze door iedereen gebruikt worden. (zo vind je alle guidelines die over B1 gaan of alle guidelines die comp[liance raken snel terug)
- Bepaal welke guidelines je handmatig in prompts wil opnemen en welke op een hoger niveau opgenomen kunnen worden: systeemprompt versus manual prompts.
- Beheer je guidelines centraal, zodat wanneer er iets verandert (nieuwe brand voice, nieuwe wetgeving die content raakt enz.), iedereen altijd beschikt over de nieuwste versies van je guidelines.
Je denkt nu misschien: “Wie is die iedereen die contentguidelines moet gebruiken.” Nou, het feitelijke product van GenAI ís content. Of dat nou content is voor een website, een nieuwsbrief, een servicemail, een chatbot, een enkele mail naar een klant, een speech door de CEO. Elk project waar GenAI wordt gebruikt om content te genereren, moet in feite gebruikmaken van dezelfde guidelines. Daarom werden ze ook pre-GenAI vastgelegd in zo’n documentje op je intranet.
Een gedeelde, up-to-date versie van die richtlijnen, zorgt er dus voor dat je merktaal – nog beter dan pre-GenAI – in al je communicatie consistent gesproken wordt.
Daarnaast leg je met een dergelijke repository van content guidelines de basis voor mooie automatisering (inmiddels is dit ook een best practice). Ik droom zelf (en dat is best sad) over het moment dat tech teams met een API de correcte set guidelines automagisch ophalen (on the fly of op gezette momenten) en we altijd zeker weten dat we de juiste set hebben voor de taak in kwestie.
Maar, dat is nog een droom. Op dit moment ben ik al diepgelukkig dat er een allereerste versie is met content guidelines die GPT-proof, makkelijk vindbaar, verdeeld in sets en getagd over relevante dimensies, in een excel zitten die mijn leven de afgelopen periode oneigenlijk veel heeft overheerst.
Standaardisatie vs nuance
Een kleine notitie: niet elke organisatie of zelfs elk team heeft dezelfde behoefte, waar het gaat om inzet van GenAI. Denk aan juridische of compliance-afdelingen, die veel meer hebben aan sterk gestandaardiseerde output. Altijd dezelfde formulering en zo min mogelijk variatie. Daar kan een wat zwaarder gevulde systeemprompt best werken, zolang de regels eenvoudig en onveranderlijk zijn.
Maar zodra er variatie, doelgroepgerichtheid of nuance nodig is, zoals in marketing, HR of klantenservice, werkt die aanpak averechts. Daar maximaliseer je kwaliteit door per situatie een selectie van regels toe te passen. Modulariteit en contextbewust prompting zijn dan geen luxe, maar noodzaak. Althans, als je risico’s wil mitigeren, je merkstem wilt behouden en je GenAI-gebruik inzichtelijk en beheer(s)baar wilt houden.
Dus… why?
Dus ja, het is een onwijze klus geweest, maar wel een relevante. Want een systeemprompt is niet de opslagplaats voor je hele schrijfwijzer, het is eerder een skelet: belangrijk, maar onvoldoende.
De echte intelligentie zit in het maken van keuzes: welke regels zijn nú relevant? Als je dat niet centraal organiseert en het liefst modulair toepast, dan automatiseer je geen kwaliteit, effectiviteit of zelfs efficiency, maar chaos.
Ik ga op adem komen en wil het woord guideline even niet meer horen. Maar, we zijn er nog niet. Want naast je guidelines, zijn er nog andere repositories die het bouwen waard zijn. Daarover een andere keer meer.
Ik ben het maar hoor, niet stressen.
I’ve spent over 25 years working in content strategy and digital transformation, which means I’ve seen enough technology hype cycles to be skeptical and enough genuine innovation to stay curious.
Want to talk shop? Do get in touch!
