Prompt Engineering voor L&D Professionals

AI-taalmodellen zijn krachtige gereedschappen — maar hun output is sterk afhankelijk van hoe je de vraag stelt. Prompt engineering is de vaardigheid om instructies zo te formuleren dat het model begrijpt wat je bedoelt, voor wie het is en wat goede output er concreet uitziet. Voor L&D-professionals opent dat een wereld aan mogelijkheden: sneller prototypen, betere leercontent, scherpere feedbackloops.

Vijf kernprincipes

Geef context: wie, wat en waarom

Een model werkt beter als het weet wie de ontvanger is, welk doel je hebt en in welke situatie de output gebruikt wordt. Zonder context geeft het model een generiek antwoord.

Maak een quiz voor nieuwe medewerkers (geen IT-achtergrond) over informatiebeveiliging, week 1 onboarding.

Wees specifiek over de gewenste vorm

Beschrijf het gewenste format: aantal items, structuur, toon, lengte, niveau. Hoe concreter de vorm, hoe bruikbaarder de output — en hoe minder je achteraf hoeft te redigeren.

Geef vijf leerdoelen op toepassingsniveau (Bloom), in actieve werkwoordsvorm, max. één zin elk.

Geef een rol of perspectief mee

Door het model een rol te geven — expert, critical friend, leerling — stuur je de toon en het referentiekader. Dit helpt bij feedback, casusontwerp en doelgroepcheck.

Reageer als een sceptische manager die weinig tijd heeft. Welke bezwaren heb je bij dit e-learningvoorstel?

Gebruik voorbeelden als anker

Voeg een voorbeeld toe van wat je wel of niet wilt. Modellen leren razendsnel van voorbeelden in de prompt. Dit is de snelste manier om consistente output te krijgen.

Schrijf drie cases in dezelfde stijl als dit voorbeeld: [plak voorbeeld]. Gebruik dezelfde opbouw en lengte.

Itereer: behandel je prompt als een ontwerp

Een eerste prompt is zelden de beste. Bekijk de output kritisch: wat klopt niet, wat ontbreekt, wat is te vaag? Stuur bij met een gerichte vervolgvraag of herschrijf de prompt op basis van wat je geleerd hebt. Goede prompts zijn opgebouwd — niet gevonden.

De intro is te formeel voor onze doelgroep (hbo-studenten). Herschrijf die in een directere, toegankelijker toon — max. drie zinnen.

Checklist voor elke prompt

Heb ik de doelgroep beschreven? Is het doel van de output helder? Heb ik het gewenste format opgegeven? Heb ik een rol of perspectief meegegeven? Heb ik een voorbeeld of negatief voorbeeld toegevoegd? Is de toon of het niveau gespecificeerd? Heb ik beperkingen aangegeven (lengte, structuur, verboden)? Ben ik bereid de prompt bij te sturen na eerste output?

Reflectievragen

V1 Denk aan een recente L&D-taak waarbij AI je had kunnen helpen. Welke informatie zou je hebben moeten meegeven om een bruikbaar resultaat te krijgen?
V2 Wanneer is een AI-output goed genoeg? Hoe bepaal jij de grens tussen bruikbaar, bewerkbaar en onbruikbaar — en wat zegt dat over jouw kwaliteitscriteria?
V3 Welk principe uit deze handout sluit het minst aan op jouw huidige manier van werken? Wat zou je concrete eerste stap zijn om dat te veranderen?