Verkenningsfase
Doelstelling loop 3
Het doel van de derde loop is om uiterlijk aan het einde van deze fase een verder verfijnd scenario in Make.com te realiseren dat automatisch blogteksten genereert met een natuurlijk scenario in Make.com te realiseren dat automatisch blogteksten genereert met een natuurlijkere, menselijke schrijfstijl en met gevarieerde en pakkendere titels. Hiermee moet de herkenbaarheid als AI-tekst worden verminderd, en wordt verder ingespeeld op de feedback van Nina uit loop 2.
Probleemstelling
Hoewel het scenario uit loop 2 technisch goed werkte en al voldeed aan de basisvoorwaarden, was de toon van de teksten nog vaak kunstmatig. Nina gaf aan dat sommige zinnen letterlijk vertaald aanvoelden, tussenkoppen te veel op elkaar leken en de stijl niet altijd passend was voor de doelgroep van DNG. Bovendien ontbrak het nog aan voldoende creativiteit en variatie in titels, wat belangrijk is om de lezers te triggeren.
Aanpak voor verbetering
Om dit te verbeteren is ervoor gekozen om een extra scenario toe te voegen die is gefocust op het maken van meerdere titels door een aparte GPT-call, waarbij gelet wordt op variatie, creativiteit en aansluiting op de doelgroep. Vervolgens wordt een van deze titels gekozen door een mens en gebruikt in de hoofdautomatisering. Daarnaast is de prompt in het hoofdschema herschreven en aangescherpt om de schrijfstijl menselijker te maken. Denk hierbij aan instructies zoals:
- Spreek de lezer aan met je in plaats van u
- Vermijd herhaling en overdrijving
- Schrijf met een positieve, enthousiasmerende toon
- Gebruik synoniemen om de tekst natuurlijker te laten klinken
- Laat de tekst niet eindigen met een standaardconclusie
Stakeholderanalyse
1. Nina Visser – controleert de menselijke toon en inhoudelijke correctheid van de gegenereerde teksten.
2. Jef Vogel – beoordeelt of het scenario bruikbaar is voor de dagelijkse gang van zaken.
3. DNG-klanten – Indirecte stakeholder; hun eisen en wensen zijn leidend in de vorm en inhoud van blogs.
De menselijke Touch in
Hoewel AI-tools zoals Chatgpt efficiënt content kunnen genereren, kan de kunstmatige intelligentie de emotie van mensen moeilijk overnemen. De datasets waar AI getraind wordt vaak gedaan met menselijke vooroordelen. AI leert van bestaande data, maar die data bevat vaak onbewuste vooroordelen (Gastauteur, 2023). Zonder menselijke input blijkt dat iets vaak generiek is en weinig onderscheid heeft. De toegevoegde waarde van mensen is dat mensen creativiteit en extra redactionele zorg is wat ervoor zorgt dat content geloofwaardiger overkomt en beter aansluit op de doelgroep (Bosch, 2023). AI is goed op repetitieve zaken automatiseren en risico's signaleren op basis van data. De menselijke Touch blijft erg onmisbaar voor het maken van de juiste keuzen en het toevoegen van ethische, contextuele en empathische laag aan de analyses in bijvoorbeeld blogs (Haal, 2025). AI zal menselijke taken dus niet helemaal overnemen, maar er zal vooral een samenwerking tussen kunstmatige intelligentie en de mens ontstaan.