Sufficient context: waarom AI soms beter moet weigeren
Een goed AI-antwoord is niet alleen correct wanneer er genoeg informatie is. Het is ook voorzichtig wanneer er niet genoeg informatie is. Juist dat tweede punt gaat vaak mis: een model geeft toch een overtuigend antwoord terwijl de context onvoldoende is.
Onderzoek naar sufficient context bij retrieval augmented generation maakt dit probleem concreet. Als de opgehaalde context genoeg bewijs bevat, kunnen sterke modellen vaak goed antwoorden. Maar wanneer de context tekortschiet, geven modellen niet altijd netjes aan dat ze moeten passen.
Voor promptschrijvers is dit een belangrijk inzicht. Je moet niet alleen vragen om een antwoord, maar ook om een stopregel. Bijvoorbeeld: ‘Als de informatie hieronder niet genoeg is, zeg dan welke gegevens ontbreken en trek geen conclusie.’
Dat klinkt voorzichtig, maar het maakt output juist bruikbaarder. Je ziet sneller of je extra bronmateriaal nodig hebt. Je voorkomt dat een samenvatting feiten verzint. En je krijgt een lijst met ontbrekende informatie die je kunt aanvullen.
Gebruik deze aanpak bij productvergelijkingen, juridische samenvattingen, beleidsteksten, financiële analyses en medische onderwerpen. Laat AI de structuur maken, maar dwing af dat onzekerheid zichtbaar blijft.
Een goede stopregel bestaat uit drie stappen. Eerst moet het model beoordelen of de meegegeven informatie voldoende is. Daarna moet het aangeven welke onderdelen wel onderbouwd zijn en welke niet. Pas daarna mag het een antwoord geven. Als de context tekortschiet, vraag je om een korte lijst met ontbrekende gegevens in plaats van een gok.
Dit is vooral waardevol bij teksten die betrouwbaar moeten overkomen. Een verkooptekst, adviesnota of vergelijking kan snel te zeker klinken. Door vooraf te vragen om onzekerheden en ontbrekende bronnen, haal je de druk van het model om altijd volledig te antwoorden. Dat levert minder spectaculaire, maar veel betere output op.
Je kunt dit ook toepassen bij dagelijkse prompts. Voeg bijvoorbeeld toe: ‘Gebruik alleen de informatie in mijn tekst. Markeer aannames apart. Geef geen feitelijke conclusie wanneer de bron ontbreekt.’ Dat kleine stuk instructie verandert de toon van het antwoord meteen.
Een tweede patroon is de bewijskaart. Vraag per conclusie om drie velden: gebruikt bewijs, ontbrekende informatie en aanbevolen vervolgvraag. Daarmee verandert een AI-antwoord van een eindpunt naar een werkdocument. Vooral bij research is dat handig, omdat je meteen ziet waar je volgende zoekactie of controle nodig is.
Bij twijfel is een korter antwoord vaak beter. Vraag niet om een volledige analyse wanneer de bron maar twee alinea’s bevat. Vraag om een samenvatting van wat wél bekend is, plus een lijst met punten die buiten de aangeleverde context vallen.
Start met de hallucinatie-risico checker en maak daarna een vaste prompt met de claim-check promptmaker.