Hoi Maaike,
Dat is een interessante vraag! Als L&D’ers werken we vrijwel altijd met taal. En dus bieden taalmodellen als ChatGPT en Claude veel kansen voor ons werk. Maar: we benutten de mogelijkheden nog niet optimaal. Hoe komt dat? Als ik het daar met anderen over heb, hoor ik vaak dat ze de output saai, fout of onbruikbaar vinden. Hoewel het goed is om kritisch te zijn op de output van taalmodellen, ben je als promptschrijver ook direct verantwoordelijk voor de kwaliteit van deze output. Voor die mensen heb ik dus een boodschap: doe beter je best.
Ondanks de beperkingen van taalmodellen zijn er namelijk nu al zoveel mogelijkheden die ons niet alleen efficiënter laten werken, maar ook onze leeroplossingen beter en interessanter maken. ChatGPT kan bijvoorbeeld extreem goed informatie uit documenten opzoeken, verwerken en samenvatten. Als je met veel brondocumenten werkt, is dit een verademing.
Iedereen kan ChatGPT een stuk tekst laten samenvatten. Een prompt als ’vat deze tekst samen tot ongeveer 150 woorden‘ is vrij makkelijk geschreven. Maar een prompt voor een goede multiplechoicequiz op basis van een stuk tekst is al lastiger, terwijl taalmodellen daar enorm geschikt voor zijn. Als je wilt dat een taalmodel een bruikbare opzet voor een geloofwaardig scenario schrijft, is dat nóg ingewikkelder, zeker binnen een hele specifieke context. Maar zolang je het juiste prompt gebruikt, is ook dit toch goed te doen. Wat je zelfs kan doen, is door slimme prompting een stuk tekst omvormen tot een concept voor een learning game. Maar om goede prompts te schrijven, zul je je moeten verdiepen in hoe dit werkt. En vooral: veel oefenen.
Taalmodel gebruiken als persoonlijke assistent
Wat ik de meest waardevolle toepassing van taalmodellen vind, en tegelijkertijd ook het minst gebruikt zie worden, is de persoonlijke assistent. Deze kan je vrij eenvoudig maken met Custom GPT’s . Dit houdt in dat je ChatGPT instructies kunt geven om bijvoorbeeld specifieke taken uit te voeren of zich voor te doen als iets of iemand. Een persoonlijke assistent maakt je door eerst relevante informatie te uploaden. In het geval van een L&D’er zijn dit waarschijnlijk onderwijskundige boeken. Daarna zeg je hoe je wilt dat deze Custom GPT zich gedraagt, bijvoorbeeld als een assistent die je helpt met onderwijskundige vraagstukken en zich beroept op de boeken die je hebt geüpload. In enkele minuten heb je een sparringspartner die je helpt met vragen, onderbouwingen en leerconcepten. Deze sparringspartner beschikt over de nieuwste wetenschappelijke inzichten, want die staan in de boeken die je hebt geüpload. Het mooie is dat je nieuwe boeken met enkele muisklikken hebt toegevoegd, dus je kan de assistent altijd up-to-date houden.
Zelf aan de slag
Taalmodellen kunnen voor L&D’ers dus een enorme verrijking zijn . Het is zonde om daar geen gebruik van te maken. Maar hiervoor moet je dus wel zelf aan de slag. Leer goed prompten en maak Custom GPT’s. Wissel tips uit en kijk hoe anderen taalmodellen inzetten bij hun taken.
Sebastiaan, jij staat in 2024 precies tien jaar aan het roer van onze organisatie. Technologisch is er natuurlijk heel veel veranderd in die periode, maar heb je nog andere zaken in de sector zien veranderen? Laat het me weten.
Groet,
Teun
Teun Boekel is Digital Learning Specialist bij inBrain. Qua leeftijd de benjamin van het team, maar met de feitenkennis van een iemand met veel levenservaring. Of is er een chatbot in het hoofd van deze AI-fanaat geplaatst?
Lees lekker verder!
