“Arnoud, gebruik jij ook AI om te schrijven?” Ik krijg die vraag om de paar weken. Op feestjes, na lezingen, in de wandelgangen van een congres. Soms nieuwsgierig, soms licht beschuldigend, altijd met de aanname dat het antwoord ja of nee is.
Het eerlijke antwoord: ja. En ook nee. Het hangt ervan af wat je bedoelt met “schrijven.”
Ik gebruik AI-tools om teksten te herstructureren als ik vastloop in mijn eigen argumentatie. Om drie alinea’s opbouw die niet loopt te herschikken. Om te checken of ik een stap in mijn redenering heb overgeslagen die voor mij vanzelfsprekend is maar voor de lezer niet. Dat is ontzettend nuttig. Het geeft mij coherentere, betere teksten.
Wat ik niet doe: een prompt typen en het resultaat versturen. Ik verstuur nooit een eerste concept. Of het klopt weet ik op dat moment nog niet. Ik moet het eerst verwerken, eigen maken, doordenken of het mijn redenering is en wat ik nog mis. Oftewel: vervolgprompts. Veel vervolgprompts. “Pas dit aan.” “Reflecteer kritisch op dat argument.” “Wat als ik er dit van maak.” Ik ben geen oneshotter maar een doorvrager — ik gebruik de tool als sparringpartner, niet als ghostwriter.
Tegen de tijd dat ik iets verstuur is het mijn tekst, niet omdat ik de AI-output heb geredigeerd maar omdat ik er doorheen heb gedacht. Ik las ooit: AI is just an explicit way of talking to yourself. De waarde zit niet in het antwoord dat de machine geeft. De waarde zit in de gedachtengang die ik moet formuleren om dat antwoord te krijgen. “Reflecteer kritisch op dit argument” dwingt mij om eerst te bepalen wát het argument eigenlijk is. “Wat als ik het zo aanpak” dwingt mij om “zo” eerst uit te werken. Het gesprek is met de machine. Het denkwerk is met mezelf.
Wat me oprecht stoort in gesprekken over AI is hoe makkelijk mensen de tool vermenselijken. “ChatGPT vindt dat…” “Claude weet dat…” “De AI begrijpt het probleem.”
Nee. De AI vindt niets. De AI weet niets. De AI begrijpt niets. Moderne taalmodellen doen iets dat complexer is dan patronen herhalen, en wie dat ontkent neemt de tool niet serieus genoeg om hem goed te gebruiken. Maar dat maakt “Claude weet dat” niet minder misleidend. Wat de tool produceert lijkt op kennis, functioneert soms als kennis, maar het komt zonder iemand die ervoor instaat. Niemand die verantwoordelijkheid draagt.
Het probleem is: als je de output behandelt als het werk van een ander, ga je je ook zo gedragen. Doorlezen, hier en daar een opmerking, aftekenen. Maar het is niet het werk van een ander. Het is jouw werk, je bent nog met jezelf aan het praten. Alleen heb je het denkwerk nog niet afgemaakt. Zitten de aannames er wel goed in? Is dit waar de klant (of lezersgroep) behoefte aan heeft? Welke keuzes heb jij gemaakt, en welke heb je aan de AI overgelaten?
Soms is het antwoord: ja, ik ben klaar. Standaard NDA, routinematige bijwerking, snelle interne notitie — niet alles verdient een uur nadenken. Maar soms merk je pas achteraf dat je niet klaar was. Dat je het gesprek met jezelf te vroeg hebt afgekapt.
Dat begon me op te vallen. Niet als incident maar als patroon. Ik begon die situaties te noteren. Waar ging het mis, wat miste ik, waar ging ik te snel. Na een paar maanden had ik een patroon. Ik bleek het kwetsbaarst op het soort casuïstiek waar ik de meeste ervaring mee heb. Precies daar waar mijn brein het snelst schakelt naar “goed verhaal” en het langzaamst naar “maar klopt het voor déze situatie.”
Dat was ongemakkelijk. Ik werd niet scherper naarmate ik langer met deze tools werkte. Ik werd efficiënter. En efficiënter is niet hetzelfde als beter.
Toen ik na een jaar er eens goed voor ging zitten, vielen mijn aantekeningen steeds in dezelfde drie bakken.
Soms had ik een route gemist. De AI gaf de standaardroute, en ik was meegegaan. Terwijl er voor deze klant een andere weg was, een aanpassing, een uitzondering, een structurering waardoor het wél kon. Maar die had ik niet gezien omdat ik niet voorbij het eerste antwoord had gekeken.
Soms had ik het antwoord geaccepteerd zonder het echt te wegen. De tekst las goed, de structuur klopte, ik had geen fout gevonden, dus had ik het doorgestuurd. Niet beoordeeld, niet onderschreven. Doorgestuurd. Het verschil merk je pas als iemand je vraagt waarom je voor deze aanpak hebt gekozen en je eerlijke antwoord is: dat heeft de AI gedaan.
En soms had ik een juridisch correct antwoord geleverd dat de klant niet verder hielp. Technisch juist, praktisch nutteloos. Niet “dit is het fundament onder uw datapartnerschap” maar “u moet een DPIA uitvoeren.” De klant had iets bruikbaars nodig, en ik had iets juridisch gegeven.
Drie bakken, steeds dezelfde. Ik ben ze reflexen gaan noemen (herkennen, oordelen, vertalen) omdat het gewoonten zijn die je moet inslijten, niet kennis die je kunt opzoeken.
Zo’n zes weken geleden vond ik een brochure over de T-shaped lawyer. Diepe juridische expertise als verticale streep, horizontale vaardigheden er bovenop. Alleen: die massieve kolom van eigen kennis en productie is niet meer massief. AI-tooling zit er nu middenin. De vraag wordt dan wat er omheen zit. Dat moet de mens zijn: een jurist die de route ziet die de machine niet zag, die het antwoord weegt in plaats van doorstuurt, en die de uitkomst vertaalt naar iets dat de klant daadwerkelijk helpt.
Dat zijn mijn drie bakken. Dat zijn de drie reflexen. En samen vormen ze een ander profiel dan de T. Ik ben het de AI-shaped lawyer gaan noemen.
Zeer goede post en ga ik rekening mee houden! “Gebruik ik AI om te schrijven? Ja. Als gereedschap, niet als auteur. En ik houd bij waar het gereedschap me op het verkeerde been zet. . Het probleem ben ik, op de momenten dat ik vergeet dat ik het zelf moet kunnen.”
Ik gebruik AI ook als een hulpmiddel. Het eerste concept zet ik op, daarna laat ik het nakijken, in eerste instantie vanuit die van een kritische lezer, of, als ik een bepaalde stelling inneem, vanuit het standpunt van een potentiële tegenstander van dat mijn positie. Laat de AI er maar op schieten. Daarmee scherp ik mijn betoog aan, pareer ik proactief mogelijke bezwaren, en pas ik desnoods mijn positie aan.
Na een paar ronden van werken op deze manier (iedere keer in een nieuwe context) gooi ik het verhaal nog een keer in de AI voor de eindredactie, met de opdracht om alleen te letten op spelfouten en grammaticale dingetjes.
Ik heb een paar keer geprobeerd de AI de eerste versie te laten maken door het te voeren met standpunten en argumenten als in een lijstje, maar dat werkt voor een stuk minder goed: de toon wordt niet de mijne, er worden dingen bij verzonnen die ik niet verwacht. Uiteindelijk ben ik daarna langer bezig met redigeren dan als ik het concept zelf opzet.
Mijn aanpak is dat ik eerst nadenk over de structuur die ik wil voor mijn document. Als ik die heb opgezet dan schrijf ik een inleiding met waarom een onderzoek is gedaan. Een management samenvatting met mijn conclusies uit het onderzoek.
De verschillende hoofdstukken vul ik in met genummerde lijsten om de logica die ik in dat hoofdstuk wil hebben uit te werken. Mijn voorkeur is (met extra logische stappen waar nodig):
X is waar
Want A en B zijn war en daaruit volgt X.
korte onderbouwing A
Korte onderbouwing B
(Ik prefereer met de conclusie te beginnen en die verder uit te diepen. Lezers die dan niet in de uitleg geinteresseerd zijn kunnen dan de rest skippen)
Als ik de logica van mijn hele document zo heb opgezet laat ik de AI één voor één de lijsten omzetten in een tekst met de rest van het document als context. Daar bij staat in de instructie altijd: geen emojis, geen pictogrammen, geen underline gebruiken. Terughoudend zijn met vet gedrukte en scheef gedrukte tekst voor nadruk.
De gegenereerde tekst lees ik en controleer ik, onder andere of deze juist de stappen weergeeft die ik had opgegeven. Waar ik edits wil maken doe ik kleine wijzigingen met de hand, als ik een stuk herschreven wil of ergens uitgebreider op in wil gaan, dan zet ik onderstreept in de tekst de edits die ik wil. De AI krijgt dan de opdracht om mijn onderstreepte edit instructies in de tekst te verwerken (vandaar de instructie dat de AI nooit onderstreping mag gebruiken)
ALs het hele document gedaan is dan lees en controleer ik het hele document nogmaals en edit handmatig plus nog een rondje onderstreepte instructies. De laatste ronde is altijd alleen handmatige edits. Wijzigingen door de AI leg ik naast het oorspronkelijke document dat ik heb opgeslagen met de Word compare functie.
Ik heb dit laatst omschreven als “Ik gebruik AI als georganiseerde tegenspraak”.
Ik gebruik AI ook voor mijn schrijven en volg een vergelijkbaar proces.
Eén stap die ik extra zet is dat ik een tweede LLM gebruik om de feedback van de eerste LLM extra te valideren. Soms geeft dat een extra inzicht of toont dat een manco aan in mijn eigen redeneren.
Haha, ik lees deze post met veel plezier. Er komen vermoedelijk express veel AI-stijlgebruiken in voor. Ik schrijf dit als trouwe lezer, niet als criticaster — maar lelijk zijn ze wel.
I see what you did there
Een uitspraak die ik met enige regelmaat in mijn werk en vrije tijd doe is “Artificial Intelligence needs Actual Intelligence”.
Je moet weten hoe je een gereedschap gebruikt en bij AI is dat door bewust zelf te blijven nadenken en intens kritisch te blijven op wat het produceert. En dan kan de conclusie best zijn “bruikbaar”, zolang je het maar zelf geëvalueerd hebt. Ik zal bijvoorbeeld nooit met AI code komen zonder te doorgronden hoe het werkt en dat het doet wat ik wil. Maar dat wil niet zeggen dat AI geen goede code kan afleveren.
Ik ben het met je eens dat AI recentelijk bruikbaar is geworden als codeer-gereedschap. Bij het programmeren kan een taalmodel heel snel code produceren, op het niveau van een getalenteerde junior. Je moet niet bang zijn om de AI terug te sturen met de boodschap “Maak de code begrijpelijk en onderhoudbaar.”
En sommige taken zijn te complex om goed aan een AI uit te leggen of te complex voor de AI om goed te begrijpen, maar coderen van simpelere routines en modules is goed uit te besteden.