AI Nieuws · Dinsdag 15 september 2026

Is AI prompten nog nodig in 2026? Dit zegt de data

Leestijd 8 minuten · Door Maria Cappon, So-MC B.V. · Onderdeel van AI Nieuws van So-MC

AI prompten werkt nog steeds, alleen zit de winst ergens anders dan drie jaar geleden. Onderzoek van Wharton laat zien dat een klassieke techniek als “denk stap voor stap” op moderne AI-modellen 2,9 procent oplevert. Heldere specificaties en goede context leveren tot 39 procent op. Dit is waar je vandaag het verschil maakt.

Wat is AI prompten in 2026?

AI prompten is het geven van een instructie aan een AI-model, zodat het precies levert wat jij nodig hebt. Tot en met 2024 draaide dat vooral om formuleringen: de juiste woorden, de juiste rol, de juiste volgorde. Dat tijdperk is voorbij. Moderne modellen redeneren zelfstandig en hebben jouw aanwijzingen niet meer nodig om tot een antwoord te komen.

Wat ervoor in de plaats komt, heet context engineering: zorgen dat het model de juiste informatie, bestanden en gereedschappen bij zich heeft op het moment dat het werkt.

Anthropic mat in maart 2026 hoe die verhouding er in de praktijk uitziet. In een echte research-agent besloeg de prompt van de gebruiker 0,1 procent van alles wat het model las. De inhoud van bestanden was goed voor 96,3 procent.

Dat is het hele verhaal in twee getallen. Je zit te sleutelen aan een duizendste van wat het model ziet.

Wat laten de metingen zien over prompttechnieken?

Onderzoekers van de Wharton School hebben de bekendste technieken systematisch gemeten, met 25 herhalingen per vraag, op vragen van promovendusniveau. De uitkomsten verrassen, ook mensen die dagelijks met AI werken.

Die laatste twee verdienen uitleg, want ze draaien jarenlang advies om. Google schrijft in de documentatie van Gemini 3 dat een lage temperatuur juist schadelijk is. En Anthropic schrijft voor Claude Opus 5 letterlijk dat je verificatie-instructies moet weghalen: het model controleert zichzelf al en gaat anders dubbelop.

Waarom voelen die trucs dan wél effectief? Omdat de uitschieters per losse vraag enorm zijn. Iemand probeert één keer “ik geef je 200 euro fooi”, ziet een spectaculair resultaat en trekt een conclusie. Pas over 25 herhalingen zie je het echte gemiddelde. Dat is precies waarom meten meer waard is dan ervaring met losse voorbeelden.

Wat werkt er dan wél bij AI prompten?

Zes dingen. Ze zijn saai, en precies daarom werken ze.

1. Leg het uitvoerformaat hard vast. Zeg exact welke velden je terug wilt, welke verplicht zijn en wat er moet gebeuren bij ontbrekende gegevens. “Laat ontbrekende data leeg” voorkomt dat het model iets verzint.
2. Vraag om lengte in getallen. Niet “houd het kort”, maar “3 tot 6 zinnen” of “maximaal 5 bullets”.
3. Geef toestemming om te twijfelen. Eén zin — “zeg het als je het niet weet” — verlaagt aantoonbaar het aantal verzinsels. Dit is de goedkoopste kwaliteitswinst die er is.
4. Kies het denkniveau in plaats van het te beschrijven. Moderne modellen hebben een knop voor denkdiepte. Zet hem hoog bij analyse en laag bij eenvoudig herschrijven.
5. Gebruik voorbeelden voor vorm, niet voor denkwerk. Wil je dat een mail klinkt zoals jij schrijft? Plak drie eigen mails mee. Dat werkt uitstekend.
6. Bewaar de prompt die werkt in een bestand. Een promptbibliotheek is het verschil tussen een handigheidje van één persoon en een werkwijze van je hele team.

Waarom is context belangrijker dan je prompt?

Omdat de cijfers dat aanwijzen. Anthropic testte wat er gebeurt als je de context actief beheert: oude tussenresultaten opruimen en samenvatten in plaats van alles laten staan. Het resultaat was 84 procent minder tokens over honderd beurten, 29 procent betere prestaties op zoektaken en 39 procent zodra er geheugen bij kwam. Dat is een andere orde van grootte dan de paar procent die een prompttruc oplevert.

Nog een cijfer dat de discussie sluit: bij dezelfde research-agent verklaarde het tokenverbruik alleen al 80 procent van de prestatieverschillen. Samen met gereedschapskeuze en modelkeuze kwam dat op 95 procent. Kwaliteit in AI-werk hangt vooral af van hoeveel bruikbare informatie je het model geeft, niet van hoe mooi je de vraag formuleert.

Wat gebeurt er als je alleen je prompts verbetert?

Dan blijf je op de eerste trede staan. Zie AI-waarde als een trap met vier treden.

McKinsey ondervroeg in 2026 wereldwijd 1.719 organisaties. De bedrijven die aantoonbaar winst maken op AI herontwerpen hun werkprocessen fundamenteel: 73 procent van hen doet dat, tegen 25 procent van de rest. Dat is de scherpste scheidslijn in de hele dataset.

Tegelijk laat hetzelfde onderzoek zien hoe weinig bedrijven daar aankomen. 44 procent heeft AI bedrijfsbreed uitgerold, maar slechts 37 procent ziet effect op de winst en maar 6 procent haalt meer dan 5 procent winstimpact. Die laatste twee cijfers staan al twee jaar stil terwijl de adoptie doorgroeit.

De conclusie is niet dat AI tegenvalt. De conclusie is dat de meeste bedrijven op trede 1 of 2 blijven hangen en daar hun oordeel op baseren.

Veelgestelde vragen over AI prompten

Moet ik nog een cursus prompt engineering volgen?

Alleen als die cursus over specificeren en context gaat, niet over trucs. De technieken uit 2023 zijn inmiddels gemeten en leveren niets of zelfs schade op. Wat je wel moet leren: eisen stellen aan het uitvoerformaat en je eigen data aan het model koppelen.

Werkt dezelfde prompt in ChatGPT, Claude en Gemini?

Steeds minder. De drie aanbieders geven in 2026 tegengestelde adviezen. Google zegt: houd je prompt kort en de temperatuur op 1.0. Anthropic zegt: haal controle-instructies eruit. OpenAI staat standaard op geen redeneerdiepte, de andere twee op hoog. Test een belangrijke prompt dus per model.

Hoeveel context moet ik meesturen?

Zoveel als nodig en niet meer. Meer context helpt tot een bepaald punt, daarna gaat de kwaliteit omlaag. Onderzoek van Chroma mat dit over achttien modellen. Stuur de bronbestanden mee die echt nodig zijn en ruim tussenresultaten op zodra ze klaar zijn.

Kan AI mijn eigen schrijfstijl overnemen?

Ja, en dit is precies waar voorbeelden nog wél voor werken. Plak drie teksten mee die je zelf schreef en vraag om dezelfde toon en zinslengte. Vraag daarna welke stijlkenmerken het model heeft overgenomen, dan zie je meteen of het je stijl goed heeft gelezen.

Wat is de goedkoopste verbetering die ik vandaag kan doorvoeren?

Zet in elke zakelijke prompt de regel “zeg het als je het niet weet” en laat het model ontbrekende gegevens markeren in plaats van invullen. Dat verlaagt het aantal verzinsels meteen en maakt zichtbaar welke informatie je zelf nog moet aanleveren.

Meest gestelde vragen over prompt engineering

Wat is prompt engineering precies?

Prompt engineering is het opstellen en verfijnen van instructies voor een AI-model om een gewenst resultaat te krijgen. In 2026 verschuift het vakgebied van formuleringstechnieken naar specificatie: vastleggen wat er terug moet komen, in welk formaat en met welke kwaliteitseisen.

Hoe gebruik je AI prompten voor marketing en sales?

Door vaste prompts te maken voor terugkerend werk: citeerbare antwoordblokken voor AI-zoekmachines, gespreksnotities omzetten naar een kwalificatietabel en teksten herschrijven naar het taalniveau van je doelgroep. Het verschil zit in herhaalbaarheid, niet in creativiteit.

Waarom kiezen ondernemers voor context engineering?

Omdat de gemeten winst er groter is. Contextbeheer leverde in tests 84 procent minder tokenverbruik en tot 39 procent betere taakprestatie op, terwijl klassieke prompttrucs op moderne modellen rond de 3 procent blijven steken.

Wat zijn de voordelen van AI prompten voor online traffic?

AI-verwezen verkeer groeide in het eerste kwartaal van 2026 met 393 procent en converteert 54 procent beter dan regulier verkeer. Met de juiste prompts schrijf je antwoordblokken en productinformatie die AI-assistenten daadwerkelijk kunnen citeren.

Hoe verschilt context engineering van prompt engineering?

Prompt engineering gaat over de instructie die je typt. Context engineering gaat over alles wat het model verder leest: bestanden, data, gereedschappen en geheugen. In een praktijkmeting was de prompt 0,1 procent van de context en bestandsinhoud 96,3 procent. Daar ligt dus de winst.

Bronnen

• Wharton GAIL — Prompting Science Report 2: Chain-of-Thought
• Wharton GAIL — Playing Pretend: Expert Personas
• Anthropic — Effective context engineering for AI agents
• Google — Gemini 3 developer docs
• Chroma — Context Rot
• McKinsey — The State of AI 2026
• Adobe — AI-verkeer naar retailsites

AI Nieuws is de vaste rubriek van So-MC waarin we ontwikkelingen in AI vertalen naar wat ze concreet betekenen voor ondernemers en professionals. Elke week, zonder hype. Bekijk ook ons overzicht van de beste AI-tools of volg onze gratis AI Masterclass op YouTube.