Vorige maand kreeg ik een opdracht van een ondernemer wiens bedrijf in dertig jaar van servet naar tafellaken was gegroeid. Ter gelegenheid daarvan wilde hij een biografisch boek laten maken voor zijn medewerkers, klanten en leveranciers. Voordat ik met interviews begin en één zin schrijf, vind ik het leuk om eerst achtergrondinformatie te verzamelen over wie mijn opdrachtgever is, zijn achtergrond, hoe hij begon, in welke markt hij zo succesvol is geworden, wie zijn concurrenten zijn en wat er al over hem is geschreven. Deze informatie helpt bij het opstarten van het project en laat zien dat ik mijn ‘huiswerk’ heb gedaan.
Vroeger kostte dat uitzoekwerk me zeker een dag aan losse zoekopdrachten, maar tegenwoordig gebruik ik chatbots om dat proces te versnellen. Maar sinds ik de gebruiksvoorwaarden van die verschillende schrijfhulpjes nog eens goed doornam, heb ik mijn keuzes aangepast omdat ik me bewuster ben geworden van de consequenties van het gebruik ervan. Ik raad je aan dit ook te doen, want wat daar staat raakt namelijk direct aan wat je met de informatie wel en niet mag doen!
Waar AI goed in is bij onderzoek
Een AI-machine doorzoekt het internet en geeft antwoorden op je vragen met één of meerdere bronvermeldingen, in plaats van alleen een lijst met links. Dat scheelt tijd, want je hoeft niet zelf tien artikelen open te klikken om een citaat of cijfer terug te vinden.
Voor een biografie is het handig om snel de tijdgeest van een periode op te roepen en antwoorden te geven op de vraag welke gebeurtenissen er toen speelden. Bijvoorbeeld: wat kostte een huis in dat jaar? Voor een zakelijk boek werkt het net zo goed om een markt of concurrent in een paar minuten in kaart te brengen. Op basis van de antwoorden kun je doorvragen en voortbouwen op je vorige vraag. De meeste chatbots geven je zelfs een paar suggesties voor vervolgvragen.
Naast het raadplegen van internetbronnen is er nog een tweede vindplaats die vaak wordt vergeten: je eigen materiaal. Voor het boek verzamelde ik uren aan interviewverslagen, jaarverslagen, oude nieuwsbrieven en krantenknipsels. Daarvoor gebruik ik NotebookLM van Google. Dat werkt precies andersom dan een zoekmachine. Je laadt zelf je bronnen in en het programma beantwoordt vragen uitsluitend op basis van dat materiaal. Als ik bijvoorbeeld vraag wanneer de oprichter voor het eerst over zijn eerste overname sprak, geeft NotebookLM me de specifieke passage in het juiste interviewverslag.
Het gesloten karakter van dit systeem is meteen het grote voordeel voor onderzoek. Omdat het programma niet buiten je eigen bronnen treedt, kan het er ook niets bij verzinnen; elk antwoord verwijst naar de vindplaats in je eigen documenten. Bij een boekproject met tientallen gespreksverslagen bespaart dat me uren bladeren en legt het verbanden bloot die ik zelf over het hoofd zou zien, bijvoorbeeld wanneer twee geïnterviewden dezelfde gebeurtenis net iets anders vertellen. Wat ik ook prettig vind, is dat Google de geüploade bronnen en vragen niet gebruikt om haar modellen te trainen. Voor de vertrouwelijke gespreksverslagen van mijn opdrachtgevers is dat een pré; het beschermt hun privacy. Dus aan de ene kant kun je informatie van buitenaf onderzoeken en met NotebookLM de binnenkant. Zo krijg je antwoorden waar je wat aan hebt
Een AI-zoekmachine is zo goed als de vraag die je stelt. Stel een vage vraag en je beloning is een vaag antwoord. Vergelijk deze twee zoekopdrachten maar eens: ‘vertel me iets over de transportsector’ tegenover ‘hoe ontwikkelde de Nederlandse transportsector zich tussen 1995 en 2005, welke bedrijven groeiden het hardst en waardoor?’ De eerste levert informatie die overal en nergens over gaat. De tweede geeft je bruikbare en specifieke informatie.
Gebruik de volgende drie vaste gewoonten bij het gebruik van je favoriete chatbots om de juiste informatie te krijgen:
- Geef je zoekopdracht de juiste context mee. Vertel waarvoor je de informatie nodig hebt. Bijvoorbeeld: ‘Ik schrijf een biografie over een ondernemer die in 1995 zijn bedrijf startte. Welke economische omstandigheden speelden er toen in Nederland?’ De antwoorden sluiten dan veel beter aan bij je doel.
- Stel één vraag tegelijk. Wie vijf vragen in één zoekopdracht propt, krijgt op elk van die vragen een half antwoord. Gebruik liever vervolgvragen om de diepte in te gaan; het gesprek bouwt tenslotte verder op wat er al ligt.
- Vraag ook naar de andere kant. Ik laat een zoekhulp geregeld tegenargumenten of kritiek opzoeken op basis van wat mijn opdrachtgever me heeft verteld. Niet uit wantrouwen, maar omdat een boek geloofwaardiger wordt als de schrijver de bezwaren kent voordat de lezer ze bedenkt.
Het grootste struikelblok bij het formuleren van zoekopdrachten is het stellen van suggestieve vragen. Taalmodellen zijn getraind om behulpzaam te zijn en geven soms antwoorden waarvan ze denken dat je die wilt horen. Wie zijn eigen aanname in de vraag verstopt, krijgt die vaak terug met een keurig overtuigend verhaal dat uit de AI-duim wordt gezogen. Het is de digitale variant van een geïnterviewde die sociaal wenselijke antwoorden geeft. Elke interviewer weet hoe waardeloos die zijn.
Een paar voorbeelden uit mijn eigen praktijk maken het verschil zichtbaar. Vraag niet: ‘Klopt het dat de Nederlandse detailhandel in de jaren negentig explosief groeide?’ Grote kans dat je een bevestiging krijgt, ook als de werkelijkheid genuanceerder is. Vraag in plaats daarvan: ‘Hoe ontwikkelde de Nederlandse detailhandel zich in de jaren negentig en waaruit blijkt dat?’ Vraag ook niet: ‘Waarom was dit bedrijf marktleider?’ In die vraag zit de aanname al ingebakken en het model gaat gehoorzaam redenen verzinnen, of het bedrijf marktleider was of niet. Vraag liever: ‘Welke positie had dit bedrijf in zijn markt en op welke bronnen is dat gebaseerd?’ Hetzelfde geldt voor vragen met een oordeel erin, zoals ‘Dit was toch een gouden tijd voor ondernemers?’ Voor je het weet, krijg je iets moois te lezen over de VOC-mentaliteit.
Daarnaast kun je het model zelf instructies meegeven om het fantaseren af te remmen. Als een zoekmachine niet automatisch de bron van het antwoord noemt, gebruik dan standaard drie aanvullende vragen. Eén: ‘Geef bij elk antwoord de bronvermelding.’ Twee: ‘Als je iets niet zeker weet, zeg dat dan; ik heb liever een eerlijk ‘weet-ik-niet’ dan een gok.’ Een taalmodel zegt uit zichzelf zelden dat het iets niet weet, maar als je er uitdrukkelijk om vraagt, doet het dat opvallend vaak wel. Drie: ‘Wat is hierover onzeker of omstreden?’ Die laatste vraag levert me geregeld nuances op die ik anders was misgelopen. Als ik aan een antwoord twijfel, draai ik de vraag ter controle om. Krijg ik op ‘Waarom was deze overname een succes?’ én op ‘Waarom mislukte deze overname?’ een even stellig verhaal, dan weet ik genoeg: het model praat me naar de mond en ik moet terug naar de bronnen.
Dan de uitkomsten zelf. Het grootste gevaar van AI-zoekmachines is niet dat ze fouten maken, maar dat ze fouten met volle overtuiging presenteren. Een taalmodel twijfelt nooit zichtbaar. Het verzint soms feiten, jaartallen of zelfs complete publicaties en verpakt die in dezelfde stellige toon als de juiste informatie. In het vak heet dat hallucineren. Ik heb meegemaakt dat ik een prachtig citaat kreeg aangereikt, compleet met naam en jaartal. Het citaat bestond niet. Sindsdien hanteer ik een simpele regel: alles wat ik letterlijk wil overnemen, controleer ik eerst. Namen, cijfers, jaartallen, citaten. Zonder uitzondering.
Nog een aandachtspunt is het controleren van de bron en niet alleen de bronvermelding. Een keurige verwijzing onder een antwoord wekt vertrouwen, maar zegt op zichzelf niets. Voor hetzelfde geld ben je op de website van een wappie beland die desinformatie verspreidt. Klik door en controleer of de pagina de bewering werkelijk bevat; het komt voor dat een bronvermelding verwijst naar een pagina waar iets anders op staat. Vraag je af wie de informatie heeft geschreven en welk belang ermee gemoeid is. Controleer ook even hoe oud de informatie is. Een persbericht van een bedrijf is geen onafhankelijke bron over datzelfde bedrijf. Ga, waar mogelijk, naar de oorspronkelijke bron in plaats van naar die van de doorverteller. Als een nieuwssite een onderzoek aanhaalt, zoek dan het onderzoek zelf op. Bij elke doorvertelling is de kans groot dat er iets extra’s wordt bijgehaald of vergeten. Tot zover het gereedschap en het vakmanschap. Nu de kleine lettertjes.
De kleine lettertjes van Perplexity en ChatGPT
Perplexity was lange tijd mijn eerste keuze voor onderzoek, totdat ik de voorwaarden las. Die beperken het gebruik tot persoonlijke, niet-zakelijke doeleinden, ook als je voor het Pro-abonnement betaalt. Wie de antwoorden verwerkt in teksten voor klanten, verkoopmateriaal of publicaties, handelt daarmee in strijd met de gebruiksovereenkomst. Daar komt bij dat, als je iets met Perplexity hebt gemaakt, het bedrijf eist dat je Perplexity als bron vermeldt. Mijn vak als ghostwriter draait om onzichtbaar blijven, en daarom is dat een onwerkbare eis. Wat mij ook verbaasde, was dat je met alles wat je invoert, een brede licentie uit handen geeft. De voorwaarden leggen nergens vast dat de antwoorden van jou zijn. Kortom, je privacy is niet gegarandeerd, evenmin als je copyrights.
ChatGPT kent die beperkingen niet. Je mag de uitkomsten zakelijk gebruiken en OpenAI draagt de rechten op de output aan jou over. Toch zitten er addertjes onder het gras. In de gratis versie en het Plus-abonnement gebruikt OpenAI je gesprekken standaard om zijn modellen te trainen. Je kunt dat uitzetten, maar je moet dat dan wel zelf doen bij de instellingen. Verwijderde gesprekken en zelfs tijdelijke chats blijven daarnaast minstens 30 dagen op de servers staan. Hoe kwetsbaar dat is, bleek in de rechtszaak van The New York Times tegen OpenAI. Een Amerikaanse rechter kon het bedrijf verplichten gesprekken van gebruikers te bewaren en later zelfs miljoenen chatlogboeken aan de tegenpartij te overleggen. Sinds begin 2026 test OpenAI advertenties in de gratis versies, waardoor er nog een tweede gegevensstroom bijkomt. Een extra reden om alert te zijn op gekleurde informatie is dat advertentieteksten het niet altijd erg nauw nemen met de waarheid. (Denk maar aan de beweringen die fabrikanten van voedingssupplementen de wereld insturen.) Wie met vertrouwelijk klantmateriaal werkt, zoals ik met de levensverhalen en bedrijfsgeheimen van mijn opdrachtgevers, doet er verstandig aan om uiterst voorzichtig te zijn met het gebruik van ChatGPT.
Alternatieven die wél ruimte laten
Gelukkig valt er voldoende te kiezen. Claude van Anthropic, tot nu toe het beste model voor het schrijven van natuurlijke teksten, wordt steeds beter en heeft ondertussen een volwaardige zoekfunctie met bronvermelding. In de voorwaarden staat nadrukkelijk dat de rechten op de output aan de gebruiker worden overgedragen. Zakelijk gebruik is toegestaan en een verplichte naamsvermelding is niet vereist. Ook hier controleer je even bij de instellingen of het trainen op je gesprekken uitstaat. Dat regel je zelf.
Wie het grondiger wil aanpakken, kiest voor een Pro-abonnement. Bij de zakelijke versies van ChatGPT, Claude en Gemini staat het trainen op jouw gegevens standaard uit. Voor een schrijver die met vertrouwelijke manuscripten werkt, is dat een belangrijke plus!
Naast de bekende AI-giganten verdienen ook een paar kleinere modellen een plek op je lijstje. Kagi is een betaalde zoekmachine zonder advertenties, met een ingebouwde AI-assistent. Het verdienmodel is je abonnementsgeld, niet je gegevens. Brave Search is gratis, respecteert je privacy en levert korte AI-samenvattingen. Die zijn prima voor een snelle feitencontrole tussendoor.
De lessen die ik als gebruiker van AI-modellen tot nu toe kan trekken zijn dat het gebruik me zeeën van tijd bespaart en dat ik mijn klanten beter en sneller kan helpen. De modellen zijn voor mij ook geweldige sparringpartners voor ideeontwikkeling en de redactie van de geproduceerde teksten.
Ik wens je veel lees- en toepassingsplezier.
