Over jargon, ‘promptologen’ en hoe AI pas werkt als jij het snapt.
AI is relatief nieuw en dus duiken de methodes, modellen en 'mensen-met-meningen' overal op. Iedereen noemt zich expert, maar vaak blijken het charlatans.
Pas op voor wie strooit met termen als “symantic reasoning models”, “chainkeeping line flipper technology methods” of andere zelfbedachte termen. Want de output van AI zit niet in modellen of methodes, maar in bedachtzame context en de manier waarop jij je vragen logisch ordent.
Wie dat begrijpt, haalt er verrassend veel uit.
Wie dat mist, blijft hangen in hocus-pocus.
Dit artikel helpt je het verschil te zien.
GPT-5 biedt voordelen ten opzichte van voorgaande modellen omdat het nu nog slechts één model gebruikt en dat handig en onzichtbaar weet te combineren met voorgaande modellen. Dat maakt wel dat het nóg belangrijker is dat jij je vragen scherp stelt.
Soms voelt LinkedIn als op de Albert Cuyp
Eentje vol standwerkers. Alsof je over de Albert Cuyp loopt: iedereen roept harder dan de ander, allemaal met hun eigen ‘AI-methodes, ‘prompt-hack’ of ‘reasoning-model’ in de aanbieding. De aardappelschilmesjesverkoper zou er jaloers op zijn — de man met de handige blikopeners misschien nog meer.
“Nu tijdelijk: semantische pre-chaining, met adaptive agent control!”
“Mis het niet!
De reasoning modeling writers method — beter dan een heel team copywriters!”
Mijn wenkbrauwen gaan dan omhoog. Niet door de onderwerpen, want die zijn vaak best interessant. Maar door de reacties eronder. De zelfbedachte termen. Het jargon. Zinnen waar je met goed fatsoen niet meer uitkomt. Of door mensen die niet snappen hoe je een goede vraag stelt, en dan “Prompt” intikken in de comments. In de hoop dat ze op de mailinglijst komen en die ene “wonder-prompt” ontvangen.
Op de markt klinkt de poeha, maar de kat wijst nuchter de eenvoud aan: pen en papier als echte waard
Zelf werk ik als creatief strateeg binnen de marketingcommunicatie-branche, en heb mij gespecialiseerd in technologie. En ik geloof in helderheid. In denken voor je doet. Zonder poeha.
Want hoe krachtig AI ook is: het wordt pas waardevol als je begrijpt wat het doet, wat het níet doet, en hoe je het nuchter inzet voor werk dat ertoe doet.
Nieuwe taal voor oude handelingen
Naast de nieuwe technologie en tools die AI ons brengt, is er ook iets anders ontstaan: een hele beroepsgroep met de meest wonderlijke namen. Iedereen lijkt ineens ‘promptoloog’, ‘AI architect’, ‘chain-operator’ of — mijn favoriet — ‘Consultant – AI Deep Interface Reasoning Master’. Het zijn titels die ik op LinkedIn ben tegengekomen en die mensen zichzelf hebben gegeven. En het blijft niet bij die zelfbedachte functies. Er is ook een compleet nieuw jargon bijgekomen.
Een simpele serie vragen heet ineens een “Prompt-Stack”.
Een herschreven paragraaf wordt een “Semantic Cascade”.
En wie drie keer op Enter drukt, bouwt naar eigen zeggen een “Multi-Agent Feedbackloop”.
Nieuw in de bingo: “Reasoning Graphs” — wat meestal gewoon betekent dat we ons denkwerk ordenen.
We lachen er misschien om, maar de verleiding om te strooien met nieuwe termen is begrijpelijk. AI is nieuw en grensverleggend. En als je nog zoekende bent, voelt zelfbedacht jargon als houvast. Soms is het zelfs leuk om te zien wat iemand nu weer heeft bedacht om op te vallen.
Maar zodra termen vooral bedoeld zijn om indruk te maken — om je als ‘expert’ te profileren — dan verandert jargon in een mistmachine. De opdrachtgever loopt vast, en jij verliest de regie.
De promptoloog en het bureau met z’n eigen modelnaam
Zo stuitte ik laatst op een bureau dat met veel tamtam hun “persoonlijke AI-aanpak” presenteerde. Ze werken er, zo stond er, volgens het:
“Adaptive Prompt-to-Agent Modeling Framework™.”
Keurige visuals erbij met allerlei lagen, loops, lijnen, tokens en temperatuurmeters. En dan een pijltje richting een magisch woord waar veel organisaties voor vallen: synergie.
Ze zijn er zelf erg enthousiast over. Maar hoe langer ik keek, hoe duidelijker het werd: Wat zij deden was niet iets dat door Hogwarts (Zweinstein) zou worden goedgekeurd. Geen magische prompt, maar gewoon logica. Iets dat iedereen kan: dóórvragen. De diepte in gaan en je stelling toetsen aan je eigen kennis.
Feitelijk dus een normale ChatGPT-sessie waarin werd doorgevraagd. Goedbedoeld natuurlijk. Maar breng het niet als pitch bij een onwetende klant die zelf geen vragen weet te stellen.
Zo’n kreet als “Adaptive Prompt-to-Agent Modeling Framework™” is niet transparant en bovendien niet herhaalbaar. Dan heb je geen bruikbaar model, maar ben je gewoon wat aan het rommelen.
De presentatie vol pijlen en modellen moet structuur tonen, maar bij de klant blijft alleen verwarring achter.
En dan is er de ‘promptoloog’. Ik kwam hem tegen op LinkedIn. Blik recht in de camera, profiel volgeladen met bulletpoints. Hij sprak in een draadje over “Deep-layered semantic scaffolding” in combinatie met “deep reasoning chain model technology”. En toen iemand hem vroeg waar hij die aanpak had geleerd, was zijn antwoord letterlijk:
“Nou, dat moet ik eerlijk zeggen — ik ben nog aan het onderzoeken waar het model eigenlijk z’n context vandaan haalt.”
Dat is alsof je als patiënt aan een openhartchirurg vraagt hoe de operatie gaat verlopen en als antwoord krijgt:
“Goeie vraag, ik denk dat ik even op Google ga kijken…”
Van gewichtig naar gewichtloos
Misschien is het allemaal niet kwaad bedoeld, maar verstandig is anders. Ik vermoed dat er achter al die zelfverzonnen terminologie vooral onzekerheid schuilgaat. Voor hen is het een manier om grip te krijgen op iets dat nog ongrijpbaar voelt. Maar het is ook risicovol.
Want wie zich te zwaar voordoet, valt sneller door de mand. En dan wordt dat bureau dat interessant wil lijken, ineens een twijfelachtige partner. Niet omdat ze slechte bedoelingen hebben, maar omdat ze lucht verkopen in plaats van richting.
Je kunt het bijna vergelijken met alternatieve genezers. Die zelfbenoemde promptoloog is gewoon de Jomanda van de promptwereld: vriendelijke lach, indrukwekkende vertoning, beetje toneelspel en dan strooien met een handoplegging vol semantische termen.
En zoals je weet: Hoe meer iemand roept dat hij de waarheid in pacht heeft, hoe groter de kans dat je met een kruidendrankje en een PDF zonder inhoud naar huis gaat.
Hoe meer iemand roept dat hij de waarheid in pacht heeft, hoe groter de kans dat je met een kruidendrankje en een PDF zonder inhoud naar huis gaat.
En wat er dan wél gebeurt
Het grootste misverstand?
Dat je ingewikkelde termen, visuals of methodes nodig hebt om AI goed toe te passen.
Achter al dat theater en opsmuk zit in de praktijk iets veel eenvoudiger. Geen “symantic layering” [sic] of “adaptive feedback modeling”, maar gewoon een duidelijke vraag en een model dat daarop antwoordt.
Wie het over “prompt stacks” heeft, zegt eigenlijk: ik stel een serie vragen om meer diepgang te krijgen. Scherpe, open vragen die inzicht geven, terwijl je ChatGPT gebruikt om extra context toe te voegen aan je vraagstelling.
In dát verschaffen van context zit de waarde. Pas dan wordt AI een serieus krachtig stuk gereedschap. In mijn werk gebruik ik AI dagelijks. Niet als probeersel of showpony, maar als denkpartner. Om structuur aan te brengen en logica te controleren. Voor verdieping en gelaagdheid in mijn werk als strategisch creatief.
Hoe beter ik weet wat ik nodig heb, hoe eenvoudiger het wordt. Niet simpeler, maar écht eenvoudiger.
Geen gok, maar zekerheid: wie de inhoud begrijpt, weet welke kaarten op tafel komen.
Als ik op een seminar hoor dat AI een gokautomaat zou zijn, schrik ik.
Dan denk ik:
- “Waarom sta je daar?”
Een gokautomaat?
Nee, dat is precies wat ChatGPT níet is.
Je kunt het resultaat uitstekend sturen. Er komt geen gok aan te pas. De structuur en inhoud zijn te regisseren. De enige variabele is de woordkeuze, en zelfs die is te sturen in toon, stijl, creativiteit en temperatuur. Misschien niet woordelijk, maar zeker semantisch.
Alles wat je hoeft te doen is goed nadenken en de juiste vragen stellen. Als je dat goed structureert, klopt je output en sluit die aan op je doel. Het begint niet met een model, maar met een doel.
En met GPT-5 is dat doelgericht werken alleen maar makkelijker geworden: één model dat onzichtbaar de kracht van eerdere versies combineert. Juist daarom is het nóg belangrijker dat jij je vraag scherp stelt.
Terug naar normaal
De echte kracht van AI — in mijn geval ChatGPT — zit niet in de versie die je gebruikt, en ook niet in ‘chains’, ‘stacks’ of andere termen.
Het zit ’m in hoe jij het gebruikt. Zie ChatGPT niet als systeem, maar als collega. Niet als typemiep die alles braaf overschrijft, maar als die ene slimme collega die altijd beschikbaar is. Loop je vast?
Vraag wat zij zou doen.
Heb je een idee?
Laat het prikkelen of tegenspreken.
Twijfel je over toon, volgorde of scherpte?
Vraag feedback. Spar. Test. Herlees.
Blijf schaven tot het klopt.
AI is geen wondermiddel, maar een aanvulling in je gereedschapskist. Er is geen hocus-pocus. Geen geheime methodieken. Geen ‘chain’ die vanzelf tot betere output leidt. De waarde zit in hoe jij het inzet.
Dus laat al die marktkoopmannen maar roepen. Je hebt het antwoord vaak al op zak. Hoe scherper je jouw vraag stelt, hoe beter het antwoord. Hoe duidelijker je instructies, hoe sterker de uitkomst.
Laat je niet verleiden door grote woorden of grafieken vol rook. Je hoeft niets te kopen dat je zelf beter kunt maken. Gebruik wat werkt. Negeer de rest.
En loop je toch vast?
Dan help ik je graag — zonder poeha.
