Hoe ik met AI een Frankwatching-artikel maakte

Voor mij is het belangrijk dat een verhaal altijd van een mens komt. Maar het is prima als AI op verschillende onderdelen helpt. Vorige week schreef AI zelfs mijn artikel voor op Frankwatching. Maar niet op een manier waar ik tegen ben. In dit artikel deel ik mijn aanpak.

Mensen denken graag zwart-wit. Een mens schrijft een artikel of AI doet het. Een artikel met AI maken is prima om te doen of het is slecht. Gelukkig is de werkelijkheid genuanceerder. Bij AI generated artikelen denk ik aan het geven van een prompt van enkele regels aan ChatGPT. De output kopiëren en publiceren. En daar ben ik tegen. Daar zijn gelukkig de meeste mensen tegen. Toch gebruik ik AI volop. Ik heb met veel methodes getest om dit te doen.

Even een beetje context. In de intro heb ik het over dit artikel over Project Strawberry, GPT-5 en AGI. Er waren geruchten over dat er op donderdag 15 augustus in de avond mogelijk een nieuw AI-model van OpenAI zou worden gelanceerd. Ik vond dat een mooie reden om wat achtergrondinformatie te geven over waar we nu staan, wat we kunnen verwachten en wat ik daarvan vind.

Het idee

Een artikel begint natuurlijk met een idee. Een verhaal dat je wil vertellen. Zo ook mijn artikel. Ik lees veel AI-artikelen, bekijk er veel video’s over en luister ook podcasts. En dan worden er natuurlijk continu zaadjes gepland.

Er wordt weleens gezegd dat creativiteit niks meer is dan het verbinden van de ‘dots’. De stukjes informatie die al bestaan, maar die samen een (soms nieuw) idee kunnen vormen. In de rest van dit artikel blijf ik ze voor het gemak even ‘dots’ noemen. Want voor mijn idee bestond het stukje creativiteit ook uit het maken van een verhaal dat bestond uit deze dots. Een verhaal waarin de combinatie van dots en hoe ik deze interpreteer uniek is. Geen gekopieerd verhaal over een bepaald onderwerp om snel iets te kunnen maken.

Een aantal van de dots

• In het najaar van 2023 bekeek ik een video van Andrej Karpathy met uitleg over large language models. Daarin zat een stukje over system-1 en system-2 thinking. En hoe dat volgens hem van toepassing is op large language models. System 2 zou een belangrijke innovatie zijn voor waar LLM’s toe in staat zijn in de toekomst.
• In november 2023 heb ik veel podcasts geluisterd over het (tijdelijke) vertrek van Sam Altman bij OpenAI. Ik vond de speculaties over een mysterieus project genaamd Q* daarbij interessant. Het zou mogelijk verband houden met zijn vertrek en een conflict met Ilya Sutskever.
• In verschillende content stukken werd bekend dat Q* overlapte of werd vervangen door Project Strawberry. En dat dit project zou gaan over de redenatie skills van LLM’s.
• Ik kwam een artikel tegen over de achtergrond van de naam ‘Project Strawberry’.
• Ik kwam een artikel tegen met 5 niveaus richting AGI. Niveaus bedacht door OpenAI, voor intern gebruik. Niveau 2 leek veel overlap te hebben met Project Strawberry, Q* en wat Andrej system-2 thinking voor AI modellen noemt.
• Ik kwam een anoniem X-account tegen dat wilde speculaties over een nieuwe versie van GPT-4o en over GPT-5 publiceerde.
• Ik las een paper van Leopold Aschenbrenner over de toekomst van AI en wat er nodig is om AGI te bereiken.

In m’n hoofd vormde zich een verhaal. Ik wist van een aantal dots waar ik ze kon vinden. Zo waren er twee podcast afleveringen die ik in het verleden heb geluisterd en die op sommige van deze zaken ingingen. Naar anderen moest ik via Google en Perplexity zoeken. Onderdelen van het verhaal waren niet nieuw. Maar door verschillende zaken met elkaar in verband te brengen, kon ik er wel een nieuw, uniek verhaal van maken.

Verzamelen van de dots

Na het idee begon ik met het kort uitwerken van m’n verhaal. Niet heel uitgebreid, maar in slechts enkele bullets die een soort outline vormden. Het waren deels verwijzingen naar brokjes informatie die uitgewerkt zouden moeten worden om de lezer mee te nemen in het verhaal.

Vervolgens begon ik met het verzamelen van de dots.

• Via Soundcloud kon ik een mp3 downloaden van twee van de podcasts. Via Adobe Media Encoder zette ik deze om naar mp3’s in een klein formaat dat geschikt is voor de transcriptietool Whisper. Met Whisper zette ik ze om naar transcripts.
• Via een gratis online YouTube downloader downloade ik een video. Deze zette ik ook om naar het juiste mp3-formaat met Adobe Media Encoder. En ook hiervan maakte ik met Whisper een transcript. Er zijn overigens ook tools om dit in één keer te doen.
• Via Perplexity en Google vond ik een aantal gerelateerde artikelen. Deze zette ik in één Word-document.
• Via X kon ik een aantal van de speculatieve Tweets verzamelen en in een document zetten.

Aan de slag met prompts

Vervolgens gaf ik mijn outline, de bijlagen, de vragen die ik beantwoord wilde hebben en een korte opdracht aan Claude. Voor wie het niet kent, Claude is een ChatGPT-alternatief. Ik gebruik het vaak voor het creëren van teksten. Prompt 1:

De outline was in één keer goed. Vervolgens gaf ik dit vervolgprompt:

Zijn deze prompts perfect? Nee, verre van. De prompt goeroes zullen vast zeggen dat je een rol moet meegeven, dat je een bepaald prompt framework moet hanteren, dat de tone of voice ontbreekt, etc. Dit doe ik bewust niet. Ik vind het prettiger om to-the-point te zijn, de output te beoordelen en dan bij te sturen. Als ik dan tevreden ben over de eerste paragraaf, kan ik volgens die richtlijnen door met de rest van het artikel.

Redigeren

Ik was best tevreden met de eerste output van Claude. Ik heb de tekst per paragraaf gekopieerd naar een Google Docs-document. Vervolgens waren deze zaken belangrijk:

• Sommige woorden zou ik zelf niet gebruiken, deze heb ik vervangen door hoe ik het zelf zou zeggen.
• Sommige zinnen vond ik complex of overbodig. Deze heb ik herschreven of weggehaald.
• Het artikel bevat een aantal quotes. Deze kreeg ik in het Nederlands. Ik heb Claude gevraagd om de originele Engelse quotes, dat vond ik beter voor het artikel.
• Sommige bronnen verwezen naar mijn bijlagen. Deze heb ik gewijzigd in de juiste bron. Ik heb Perplexity en Google gebruikt om nog enkele originele bronnen te vinden. Soms was mijn bron niet de originele bron.
• De titel voor het artikel en de tussenkopjes vond ik niet sterk. Ik heb gevraagd om hiervoor meerdere nieuwe suggesties te doen. Daarvan heb ik een deel overgenomen en een deel zelf nog aangepast.
• Ik miste nog een aantal zaken. Daarvoor heb ik met Perplexity nog wat aanvullend onderzoek gedaan over gebeurtenissen rondom het verloop van personeel bij OpenAI. Deze informatie heb ik toegevoegd.
• Ik heb stukjes tekst toegevoegd op plekken waarvan ik vond dat er context ontbrak.

Het resultaat

Ik ben geen copywriter. Voor mij werkt het om op deze manier een artikel te maken. Ik ken mensen die sneller typen dan denken en het liever zelf typen, dat is prima. Ik ken mensen die makkelijker praten dan schrijven, die spreken het eerst in en laten AI er iets van maken. Voor opdrachtgevers leg ik het verhaal meestal eerst vast in een video-podcast en kan ik zelf (samen met een copywriter) met het transcript aan de slag. Voor dit artikel vond ik dit de fijnste manier.

Ik ben 3,5 uur bezig geweest. Daarin zit het bedenken van wat ik wilde vertellen en dat uitschrijven. De prompts maken. De bijlagen verzamelen (en soms opnieuw doorlezen of luisteren) en in het juiste formaat voor Claude zetten. Het redigeren van de tekst tot iets dat ik goed genoeg vond voor Frankwatching. En het inspreken van het artikel zodat ik hem ook als podcast kon publiceren.

Buiten deze tijd om heb ik natuurlijk alle dots of brokjes informatie al een keer geconsumeerd. Ik heb er al uren over nagedacht en had er een mening over. Ik heb dots voorbij zien komen die niet in mijn verhaal passen. Verder zou ik dit nooit gedaan hebben als ik niet zelf veel met het onderwerp bezig zou zijn. Deze aanpak zou misschien tot een prima artikel kunnen leiden over onderwerpen waar ik niks van weet. Maar op die manier wil ik zelf niet werken. Dat zou voor mij weer niet oké zijn.

De combinatie is uniek

Is die 3,5 uur lang? Is dat kort? Geen idee. Sommige mensen maken sneller een artikel. Anderen doen er langer over. Het hangt natuurlijk ook van je artikel af. Maar het resultaat was wel een verhaal waar ik achter stond. Natuurlijk is het gebaseerd op verschillende al bestaande verhalen. Maar de combinatie is uniek. En uiteindelijk baseren we onze visies altijd op onderdelen die al bestonden. Soms kunnen we de bron nog aanwijzen. Soms weten we het niet meer en komt het uit ons hoofd.

Ik geloof sowieso niet zo in een standaardaanpak voor dit soort dingen. Zoals ik aangaf probeer ik veel verschillende routes uit. Dat is een belangrijk onderdeel van leren werken met AI. Vooral veel experimenteren om te kijken wat wel of niet werkt. Dit artikel is bijvoorbeeld wel 100% door mij geschreven. Hier heeft AI geen enkele rol gespeeld. Dat is ook prima. Dit verhaal is namelijk volledig gebaseerd op een persoonlijke ervaring. Dus daarvoor kan ik geen kant en klare input aan AI geven.

Tips en take-aways

Voor mij persoonlijk is het een vereiste dat het verhaal dat ik wil vertellen van mijzelf komt. Prima als het op allerlei bronnen gebaseerd is. Maar ik moet erachter staan, het moet mijn mening of visie ondersteunen en ik moet in hoofdlijnen het verhaal bepaald hebben.

Als ik opdrachtgevers help, komt het verhaal altijd van de specialist (de subject matter expert over het betreffende onderwerp). Soms op basis van een (video)podcast. Dan weer op basis van een Teams call of telefoongesprek dat ik opneem. Soms op basis van bestaande opnamen of interne documenten (waarvan de inhoud wel met AI gedeeld mag worden). En soms laat ik iemand door een AI interviewen.

ChatGPT en Perplexity

Tijdens het schrijven wil ik regelmatig over iets ‘sparren’. In het geval van dit artikel wilde ik sparren over het stukje system-1 en system-2 denken. Kun je dit gedachtegoed over het menselijk brein zomaar toepassen op AI? Wat ik dan fijn vind aan ChatGPT is dat je dit heel goed via spraak kunt doen. Dus echt praten met het model. Dat geeft me vaak nieuwe inzichten of manieren om ergens naar te kijken. Het voordeel van Perplexity hiervoor is weer dat het diverse bronnen gebruikt. Dat is sowieso handig als je zaken met bijvoorbeeld cijfers wilt kunnen onderbouwen. Perplexity gebruik ik ook voor het valideren van zaken en aanvullend onderzoek.

Tools voor transcripts

Voor transcripts gebruik ik meestal Whisper. Dit doe ik via een Deepnote omgeving waarin de API van het Whisper-model wordt aangeroepen. Dit is vrij technisch. Voor opdrachtgevers regel ik dit vaak via MAKE. Als ik in het transcript de verschillende sprekers wil benoemen, gebruik ik de playground omgeving van Assembly. Hier vind ik het transcript van iets mindere kwaliteit, maar je kan dus wel zien wie wat gezegd heeft in het transcript.

Voor het schrijven van het artikel gebruik ik altijd Claude. De meningen zijn verdeeld over welk model dit het beste kan. Dit verschilt ook per moment, omdat modellen regelmatig nieuwe versies uitbrengen. Voor mij werkt Claude het beste, maar dat is heel persoonlijk.

In dit geval heb ik ook een podcast opgenomen, waarin ik het artikel voorlees. Midjourney heeft me geholpen met de afbeelding bij de podcast. Claude heeft op basis van het artikel een omschrijving bij de podcast gemaakt.

AI kan helpen bij contentcreatie

Waarom ik dit deel? Ik wil laten zien dat AI op veel verschillende manieren kan helpen bij het creëren van content. Sommige mensen zullen deze aanpak misschien ook niet oké vinden. Dat mag en dat is prima. Voor mij werkt het. En het voldoet aan mijn persoonlijke vereisten voor het maken van een artikel.