Wat is een Large Language Model (LLM)?

Wat het wel en niet doet

Het helpt om te begrijpen wat er technisch gebeurt: het model krijgt tekst en berekent, woord voor woord, wat waarschijnlijk volgt. Er wordt niets opgezocht en niets gecontroleerd, tenzij het model expliciet een zoekfunctie of database mag raadplegen.

Daaruit volgt rechtstreeks wat een LLM goed en slecht kan.

Goed in: formuleren, herschrijven, samenvatten, vertalen, structureren, toon aanpassen, patronen benoemen in tekst die je meegeeft.

Zwak in: exact rekenen, feiten uit het hoofd reproduceren, weten wat er recent is gebeurd, en toegeven dat het iets niet weet.

Waarom dat ene inzicht het belangrijkste is

In elke AI-geletterdheidssessie is dit het onderdeel dat het meeste gedrag verandert: het besef dat een taalmodel geen kennisbank is maar een tekstgenerator. Wie dat begrijpt, gaat vanzelf feitelijke claims verifiëren en vraagt vanzelf om bronnen.

Wie het niet begrijpt, neemt een verzonnen wetsartikel of een niet-bestaand citaat over — precies het type fout dat schade oplevert die je niet terugdraait.

Context meegeven werkt beter dan vertrouwen op het geheugen

De praktische consequentie voor dagelijks gebruik: geef het model de informatie mee in plaats van te hopen dat het die kent. Plak het contract erbij, de productlijst, de vorige offerte. Een LLM dat met jouw documenten werkt, is aanzienlijk betrouwbaarder dan een LLM dat uit zijn training moet putten.

Dit is ook waarom tools die in je eigen omgeving werken — je mail, je documenten, je CRM — vaak nuttiger zijn dan een leeg chatvenster.