Inspiring people. Excellent results.

 Wie regelmatig met AI werkt, weet dat het geven van de juiste prompts een grote uitdaging kan zijn. Berjan ontdekte dit ook. In plaats van te programmeren, was hij de hele dag bezig met het schrijven van prompts. Dit moest anders kunnen, dacht Berjan.

 Welke prompt moet je geven om de gewenste uitkomst te krijgen? “Garbage in, is garbage out,” zegt Berjan treffend. Als je weinig informatie in je prompt geeft, is de kans klein dat je krijgt wat je zoekt. AI werkt meestal pas goed als je de taak opdeelt in kleinere, specifieke prompts. Echter, dit kan de software behoorlijk complex maken.
Berjan liet met codevoorbeelden zien hoe je binnen software verschillende flows kunt programmeren, terwijl je het Large Language Model (LLM) zelf de route laat kiezen die het gewenste resultaat oplevert. Bovendien kun je hier eigen databronnen aan koppelen, zoals Wikipedia, een eigen database, een API of zelfs een calculator voor berekeningen.

Op deze manier houd je zelf de regie en laat je de AI niets zelf verzinnen. Jij bepaalt welke mogelijkheden er zijn en welke data wel of niet gebruikt mag worden. Een groot voordeel hiervan is dat je niet afhankelijk bent van publiek beschikbare informatie en dat jouw informatie niet in de database van bijvoorbeeld ChatGPT terechtkomt.

De voorbeelden die Berjan gedemonstreerd heeft, zijn te vinden op zijn GitHub-pagina. Wil je meer lezen over ChatGPT in de praktijk en hoe je de Large Language Models in jouw voordeel kunt toepassen? Berjan heeft er onlangs een case over geschreven. Lees hem hier.

Ben je benieuwd naar de mogelijkheden van Large Language Models in jouw organisatie? We denken graag met je mee!