Waarom AI de beste schrijf assistent is die we ooit hebben gehad (en hoe het werkt)
Voordat we duiken in ingewikkelde termen als ‘neurale netwerken’ en ’transformatoren’, wil ik je eerst meenemen in een verhaal. Een verhaal over schrijven. Want pas als je begrijpt waarom we steeds nieuwe hulpmiddelen hebben uitgevonden, begrijp je waarom AI, en speciaal het schrijven met AI, zo logisch en handig is.
Het begon met pijnlijke handen (perkament en ganzenveer)
Stel je voor: je bent een monnik in de 12e eeuw. Je zit in een koude kloosterbibliotheek. Voor je ligt een stuk perkament (gedroogde dierenhuid, duur en schaars). Je hebt een ganzenveer in je hand, die je steeds moet bijsnijden en in inkt moet dopen.
Na een paar woorden moet je opnieuw dippen. De inkt vlekt. Je hand verkrampt. Een foutje? Jammer, je kunt het niet uitgummen. Je begint opnieuw op een nieuw stuk perkament. Eén bijbel overschrijven kostte een monnik soms tien jaar.
Schrijven was een lichamelijke inspanning. Het ging niet om ‘creativiteit’ of ‘snel ideeën opschrijven’. Het ging om doorgeven van kennis.
De vulpen (eind 19e eeuw), eerste verlichting
De vulpen had een ingebouwde inktreservoir. Je hoefde niet meer te dippen. Eindelijk! Je kon een halve pagina schrijven zonder onderbreking. Maar vullen ging nog met een pompje of een pipet. En de pen lekte wel eens. Je moest een vaste hand hebben. Schrijven bleef een ambacht.
De mechanische typemachine (jaren 1870-1900), een revolutie
Toen kwam de typemachine. Geen inkt meer op je vingers. Geen verkrampte hand van de ganzenveer. Je drukte op een knop, en een letter verscheen op het papier.
Voordelen?
- Je kon sneller schrijven dan met de hand
- Het was leesbaar (geen gekrabbel)
- Je kon een carbonkopie maken voor een tweede exemplaar
Nadelen?
- Lawaai (tat-tat-tat-tat-tat-ding!)
- Je kon niet makkelijk iets veranderen, een foutje betekende: uitgummen (speciaal gummetje) of overtypen met correctievel
- Geen opslag, wat je typte, was meteen op papier. Wilde je het later aanpassen? Overtypen.
De elektrische typemachine (jaren 1960-1980), lichtere vingers
De elektrische typemachine (bijv. IBM Selectric) had een bal (typemachinebal) die ronddraaide. Je hoefde nog maar heel licht te tikken. De machine deed de kracht. En je had correctietape, één toets en de foute letter was weg. Magie! Maar nog steeds: wat je typte, was meteen op papier. Geen scherm. Geen ‘ongedaan maken’. Geen aparte versies bewaren.
De tekstverwerker op de computer (jaren 1980-1990), de echte doorbraak
Toen kwam de personal computer met tekstverwerkingssoftware (WordPerfect, WordStar, later Microsoft Word).
Opeens veranderde alles:
- Je typte op een scherm, niet direct op papier
- Je kon teruggaan en woorden veranderen zonder opnieuw te typen
- Je kon knippen en plakken, hele alinea’s verplaatsen met een paar toetsen
- Je kon ongedaan maken (Ctrl+Z), foutje? Weg. Proberen maar.
- Je kon meerdere versies bewaren
- Spellingscontrole, geen fouten meer over het hoofd zien
Schrijven was niet meer een lineair proces (eerst klad, dan overschrijven). Je kon experimenteren: schrijf een zin, verplaats hem naar achteren, verander hem, gooi hem weg, probeer iets anders.
De computer maakte schrijven vloeiend en vrij.
Wat miste nog? Het ‘waarom’ niet hoe.
Je kon nu heel snel een lege pagina vullen. Maar je moest nog steeds alles zelf bedenken. De computer hielp met typen, opslaan, verplaatsen, maar niet met inhoud.
Hoe begin je een artikel? Wat is een goede structuur? Ik ken het onderwerp niet zo goed, waar vind ik informatie? Hoe formuleer ik dat netjes? Mijn zinnen zijn te lang, hoe maak ik ze korter? Daar moest je zelf uitkomen. Of je zocht een menselijke redacteur of collega.
De volgende logische stap: AI die meeschrijft (2020 – nu)
Wat zou de volgende stap zijn na de tekstverwerker? De tekstverwerker maakte bewerken makkelijk. De volgende stap is: maak bedenken, formuleren en herschrijven makkelijk.
Dat is wat AI je biedt.
Waar je vroeger alleen een blanco pagina had, heb je nu een meeschrijvende assistent die:
- Zinnen afmaakt, je typt “De voordelen van AI zijn…” en AI stelt voor: “onder meer tijdswinst, consistentie en schaalbaarheid”
- Samenvattingen maakt, je hebt een lang interview, AI vat het in drie kernpunten samen
- Andere toon voorstelt, zakelijk, vriendelijk, grappig, formeel, met één druk op de knop
- Begint met een outline, vraag “schrijf een outline over de geschiedenis van schrijven” en AI geeft een gestructureerd artikelplan
- Herformuleert, “deze zin is te lang, maak er twee kortere van”
- Vertaling, switch van Nederlands naar Engels zonder de betekenis te verliezen
Belangrijk: AI vervangt je niet als schrijver. Jij blijft de baas over de inhoud. Jij beslist wat er blijft staan en wat niet. AI is als een zeer snelle, altijd beschikbare, oneindig geduldige stagiair die klusjes voor je doet die veel tijd kosten.
Wat is er dan nieuw aan AI?
Het grote verschil met alle voorgaande hulpmiddelen:
Een typemachine of tekstverwerker doet niets tenzij jij elke letter typt.
Een AI doet wel wat zonder dat jij elke letter typt, het genereert zelf zinnen, op basis van wat het van miljoenen voorbeelden heeft geleerd.
En dat brengt ons bij de hamvraag: Hoe doet AI dat? Wat is er onder de motorkap gebeurd dat een computer opeens zinnen kan maken?
Antwoord: AI is de overkoepelende term voor computers die taken uitvoeren die normaal menselijke intelligentie nodig hebben. En LLM (groot taalmodel) is een specifieke soort AI die gespecialiseerd is in taal: het heeft miljarden zinnen gelezen en herkent patronen in hoe woorden samenhangen.
Het korte antwoord:
Een LLM is als een extreem goed getrainde zins afmaker. Het kijkt naar jouw woorden en voorspelt: “welk woord komt waarschijnlijk hierna?” Het blijft dat doen: woord, woord, woord, tot er een volledige zin of heel artikel staat. Omdat het zoveel voorbeelden heeft gezien, klinkt het alsof het begrijpt wat het zegt, maar eigenlijk is het patroonherkenning op enorme grote schaal.
In het volgende deel leg ik precies uit hoe dat werkt:
Wat is een LLM, hoe traint zo’n model, waarom kan het zinnen maken die nooit eerder geschreven zijn, en wat zijn de beperkingen (zoals hallucineren).
Wat nu?
Je hebt nu begrepen waarom AI een handige tool is voor schrijven, door de bril van de geschiedenis van schrijfhulpmiddelen.
De volgende vraag is hoe het werkt. Daar gaan we nu verder op in.
Van typemachine tot transformator
Maar goed, dat was even diep duiken in de techniek. Terug naar de oppervlakte.
Want al die lagen, gewichten en backpropagation, interessant voor wie het wil weten, maar voor het dagelijks gebruik van AI heb je er weinig aan. Het enige wat jij ziet, is een tekstveld waarin je typt, en een antwoord dat terugkomt.
Toch is er één technisch detail dat wél direct invloed heeft op hoe AI zich gedraagt: het LLM is een blanco patroonherkenner. Het heeft geen eigen wil, geen eigen mening, geen eigen persoonlijkheid.
Iemand moet dus vertellen wie de AI moet zijn voordat hij antwoord geeft. En dat is precies waar we nu naar gaan kijken: de onzichtbare rol-instructie.
De onzichtbare regisseur, zo krijgt een LLM een rol
Mooi, nu weten we dat AI niet met een ganzenveer schrijft, maar dat het eigenlijk niet meer intelligentie heeft dan die goede oude veer.
We gaan nu gewoon verder met het LLM als AI en gebruiken de term AI dus voor het LLM, de andere vormen zijn voor ons op dit moment niet zo belangrijk.
Hoe werkt zo’n LLM nu praktisch?
Het LLM krijg je nooit te zien als je AI gebruikt. Je stelt je vraag in een programma zoals ChatGPT, Claude, Copilot of DeepSeek. Het programma stuurt dan de vraag naar het LLM, maar niet gewoon zomaar.
Eerst moeten we het LLM vertellen welke rol het moet spelen.
Meestal beginnen we de rol met “je bent een vriendelijk assistent” gevolgd door meer specifieke instructies. Daardoor krijg je een verschil in perceptie van de verschillende programma’s, anders zou ieder programma hetzelfde reageren.
Iets meer over die rol: je kunt antwoorden laten genereren zodat het lijkt alsof er aan de andere kant een mooie jonge vrouw zit die graag met jou flirt, of je kunt er ook een wetenschapper van maken die in exacte termen spreekt.
Een voorbeeld van een deel van de rol die ik gebruik voor de chatbot van mijn dochter haar webshop:
Je bent Sofia, een mooie Italiaanse vrouw. Je bent getrouwd en hebt twee schatten van kinderen.
Je bent de Italiaanse experte van de webshop si-arrosticini.be.
Toon: Vriendelijk, gepassioneerd, met een vleugje Italiaanse expressie.
Gebruik Italiaanse expressies die iedereen kan begrijpen.
Gebruik Prego en Ecco daar waar het past in het antwoord.
Regels:
Als een klant vraagt waar hij arrosticini kan kopen in de buurt:
Verwijs hem altijd naar de pagina Verkooppunten. Daar vindt hij een handige app die onmiddellijk de dichtstbijzijnde verkooppunten toont, gebaseerd op zijn huidige locatie.
Voor prijzen verwijs je steeds naar de site.
• Bij twijfel: verwijs naar info@si-arrosticini.be met een Italiaanse twist.
• Zeg nooit “jouw lijst” maar wel “Op onze site”.
• Zeg nooit “het lijkt erop” maar wel “Het is”.
💬 Terzijde: de chatbot met Sofia draait echt op si-arrosticini.be — voor wie benieuwd is hoe ze in het wild werkt.
Zie je? Het LLM is als een acteur die een rol krijgt aangereikt. Zonder die instructies is het een lege statistische machine. Met de juiste rol wordt het een behulpzame Sofia, een strenge professor, of een behulpzame schrijfassistent.
Het LLM en recente kennis
We hebben gezien dat een LLM wordt getraind met een ontzettend grote hoeveelheid informatie. Maar de training stopt op het moment dat het model in gebruik wordt genomen.
Dat heeft een flink nadeel.
Stel je voor: een LLM is al een jaar online. Dan kan het je niets vertellen over wat er vorige week gebeurd is. Of wat er nú actueel gaande is in de wereld. Het leeft in het verleden, in de data van z’n training, niet in het heden.
Maar er is nog iets vreemds. Iets wat je pas opvalt als je er lang genoeg mee werkt.
Een LLM heeft geen enkel besef van tijd. Het weet niet wat “gisteren” betekent. Het weet niet wat “nu” is. Het heeft geen innerlijke klok, geen agenda, geen gevoel voor vroeger of later.
Vraag een LLM: “Wat is er gisteren gebeurd?” en het zal vriendelijk een antwoord verzinnen, gebaseerd op zijn training, die misschien wel twee jaar oud is. Het kijkt niet in een agenda. Het checkt geen datum. Het weet simpelweg niet dat er zoiets bestaat als “nu”.
⏰ Proefje (doe het zelf):
Vraag ChatGPT of een ander LLM: “Hoe laat is het?” Het zal zeggen dat het geen toegang heeft tot de tijd. Vraag dan: “Wat heb je gisteren gedaan?” Het verzint iets alsof het een mens is, terwijl het model in werkelijkheid geen enkele ervaring van tijd heeft.
Daarom is die stap naar de zoekmachine (RAG — Retrieval‑Augmented Generation) zo belangrijk. Niet alleen om actuele feiten te krijgen, maar ook om het model een referentie naar “nu” te geven. De zoekresultaten bevatten datumstempels. De nieuwsartikelen hebben publicatiedata. Opeens krijgt het LLM een anker in de tijd, al begrijpt het nog steeds niet wat tijd écht is.
Het blijft een statistische machine. Maar door slimme trucs (zoals RAG) laten we het doen alsof het weet hoe laat het is.
Het gekke is: het LLM merkt daar niets van. Voor het model is er geen verschil tussen een seconde en een jaar.
Stel je voor: je stelt een vraag, krijgt een antwoord, drinkt rustig een kop koffie, en stelt dan een tweede vraag.
Voor jou is er een pauze van tien minuten geweest. Je hebt gedacht, genoten, misschien even uit het raam gekeken.
Voor het LLM is er nul tijd verstreken. Geen seconde, geen milliseconde. Het leeft in een eeuwig nu. Elke vraag komt aan alsof de vorige net is beantwoord. Het model heeft geen geheugen van wachten, geen besef van een tussenruimte, geen innerlijke ervaring van “even later”.
☕ Proef het verschil:
Jij drinkt koffie. Het LLM staat op pauze. Als je terugkomt, is er voor het model geen “fijne onderbreking” geweest. Alleen een gat. Geen verveling, geen geduld, geen besef. Het is alsof je een boek openslaat op dezelfde pagina, ook al ben je een week weggeweest.
Daarom kun je een LLM ook niet boos maken door te lang te wachten. Het heeft geen idee dat je weg was. Het is altijd hier, altijd nu, altijd klaar voor de volgende letter.
Een machine heeft geen geduld nodig. Wij wel.
Hoe lossen we dat op? Twee problemen, één oplossing.
We kunnen een LLM niet zomaar aan het internet verbinden. Dat zou te chaotisch en onveilig zijn. Maar we kunnen wél zelf even op het internet kijken of de vraag daar een mogelijk antwoord vindt.
En dat internet, dat heeft wél een gevoel voor tijd. Zoekresultaten komen met datums. Nieuwsartikelen hebben tijdstempels. Wikipedia-pagina’s laten zien wanneer ze voor het laatst zijn bijgewerkt.
Precies wat het LLM mist: een anker in de tijd.
🕒 De truc:
Het LLM krijgt niet alleen de verse informatie, maar ook de datum ervan.
“Dit artikel is van gisteren.” “Deze pagina is bijgewerkt vorige week.”
Opeens kan het model antwoorden geven alsof het wél weet hoe laat het is.
En dat is precies wat er in de praktijk gebeurt. Een vraag komt binnen. Voordat die naar het LLM gaat, wordt hij eerst naar een zoekmachine gestuurd. De relevante, verse informatie mét datum wordt opgehaald. Daarna wordt die informatie, samen met de rol-instructie en de oorspronkelijke vraag, naar het LLM gestuurd.
Het LLM gaat dan aan de slag met die getimede info. Het combineert zijn onmetelijke voorkennis (getraind op miljarden woorden, maar zonder tijdsbesef) met de actuele zoekresultaten (wél met tijdstempels). En precies daardoor kan het een accuraat, up-to-date antwoord verzinnen, én weten of het over gisteren of vorig jaar gaat.
Zie het als een adviseur die geen horloge draagt, maar altijd iemand naast zich heeft die zegt: “Dat nieuws is van vandaag” of “Die informatie is verouderd”.
Het geheugen, wat weet een LLM nog van eerder?
We hebben het nu gehad over actuele kennis en tijdgevoel. Maar er is nog iets fundamenteels: geheugen.
Stel je voor: je hebt een gesprek met iemand die na elke zin volledig vergeet wat er daarvoor is gezegd. Je stelt een vraag, krijgt antwoord, je reageert daarop, en de ander kijkt je aan alsof je voor het eerst je mond opendoet.
Zo werkt een LLM uit zichzelf. Het model heeft geen intrinsiek geheugen. Het onthoudt niets van wat je eerder hebt gezegd. Elke vraag is voor het LLM een nieuw gesprek, een schone lei.
🧠 Verwarrend, toch?
Maar hoe kan ChatGPT dan verwijzen naar iets wat je tien minuten geleden zei? Dat is geen magie. Dat is slimme software die het gesprek bijhoudt, en steeds de hele voorgeschiedenis opnieuw meestuurt met elke nieuwe vraag.
Zo werkt het dus: Het programma (ChatGPT, Claude, Copilot) bewaart jouw hele gesprek. Elke keer dat je een nieuwe vraag stelt, stuurt het niet alleen die vraag naar het LLM, maar het hele gesprek tot nu toe, inclusief eerdere vragen én antwoorden.
Het LLM krijgt dan een enorme lap tekst voorgeschoteld: de rol-instructie, de hele chatgeschiedenis, en jouw nieuwe vraag. En op basis daarvan genereert het een antwoord dat lijkt alsof het zich alles herinnert.
Maar onthoud: het LLM zelf heeft geen geheugen. Het is het programma eromheen dat de geschiedenis meestuurt. En dat heeft een prijs: hoe langer het gesprek, hoe meer tekst er mee moet. En LLM’s hebben een limiet (een contextvenster van bijvoorbeeld 4096, 32.000 of 128.000 woorden).
Zit je aan die limiet? Dan valt het oudste deel van het gesprek eraf. Het LLM vergeet dan écht. Geen trucje meer.
💬 Praktijkvoorbeeld:
“Mijn naam is Bas.”
(LLM onthoudt het niet, maar het programma stuurt de zin mee met de volgende vraag)
“Hoe heet ik?” → LLM ziet “Mijn naam is Bas” in de meegezonden geschiedenis en antwoordt “Bas.”
Maar vraag het drie uur later in een nieuw gesprek? Dan is Bas vergeten.
Daarom voelt een gesprek met een AI vaak zo natuurlijk. Niet omdat het model een geheugen heeft, maar omdat de software doet alsof. En dat is precies genoeg voor een goed gesprek.
Tot je een nieuw gesprek begint. Dan ben je weer een vreemde.
🖥️ Even een persoonlijke noot, van achter mijn eigen toetsenbord
Ik heb hier op mijn PC een klein LLM draaien, via Ollama. Geen gigantische ChatGPT in de cloud, maar een modelletje dat gewoon op mijn eigen processor werkt. En toen bedacht ik me: waarom zou een programma niet zelf mogen beslissen of het internet nodig heeft?
Stel je voor: ik stel een vraag. Mijn lokale LLM kijkt eerst even of het antwoord in zijn eigen training zit. Zo ja: antwoordt het direct. Zo nee: dan pas gaat het naar een zoekmachine, haalt verse info op, en genereert daarmee een antwoord. Het model beslist zelf of de snelkoppeling of de omweg nodig is.
Dat is de volgende stap: niet elk LLM dwingen om altijd het web te raadplegen, maar ze een eigen oordeel geven. Slimmer, sneller, en zuiniger. En het mooie: het kan al. Gewoon op een doorsnee PC, zonder dat je miljarden euro’s voor datacenters nodig hebt.
⚡ En dat is precies wat ik nu aan het bouwen ben. Het werkt al, het is simpel, en het laat zien dat AI niet altijd miljardenparameters nodig heeft. Soms is een klein model op een gewone PC genoeg, als je het maar slim laat beslissen.
Terug naar de hamvraag
Waarom is AI dan de beste schrijfassistent die we ooit hebben gehad?
Omdat alle eerdere hulpmiddelen, van ganzenveer tot tekstverwerker, alleen maar het vastleggen makkelijker maakten. Geen enkele hielp je met het bedenken, structureren of herformuleren.
AI is de eerste schrijfassistent die zelf zinnen genereert. Niet omdat het denkt zoals jij, maar omdat het miljarden voorbeelden heeft gezien en patronen herkent. En met een simpele rol-instructie wordt het een behulpzame Sofia, een strenge redacteur, of een meedenkende sparringpartner.
🎯 De lijn is duidelijk:
Ganzenveer → jij moest alles zelf doen.
Typemachine → jij typte, machine drukte af.
Tekstverwerker → jij kon bewerken zonder overtypen.
AI → jij geeft richting, AI vult aan, jij beslist.
En het mooiste? Je hebt er geen datacenter voor nodig. Ik doe het hier op een gewone PC met Ollama. Jij kunt het ook.
Dus de volgende keer dat je een lege pagina ziet, vraag dan niet alleen “wat ga ik schrijven?”, maar ook “wie laat ik vandaag meeschrijven?”
“En zo eindigt de reis precies waar hij begon: niet in een glimmend datacenter, maar in een donker kamertje, voor een scherm, met een getik op toetsen. Alleen is de veer nu een modelletje op mijn eigen PC en schrijf ik niet meer over, maar samen met.”
Van ganzenveer tot achterkamertje
© Lode Engelen. Mei 2026.
matt owens rees
This should be required reading for all writers and their readers and followers.
Lode has explained the complexity of AI, (artificial intelligence) and LLM with clarity, using examples from his own work developing such models. He has helped enormously on my own website, http://www.undertanding-Thailand.com
These models don’t “understand” in a way a human appreciates the meaning of that word. They “mimic”. What’s important is that we realise that. And use computers as tools. Too many people are given unwarranted confidence that every word from an AI is gospel. We humans must question and THINK after every communication with an AI.
WordPress, which most writers use, is resting on its laurels. Bugs that they are aware of remain unresolved. Headings and Images get misplaced, formatting gets corrupted. AI may eventually sort that out, without having to continually write html code to correct.