Het AI slop probleem
Je scrollt door LinkedIn en ziet artikel na artikel met dezelfde voorspelbare openingszinnen. “In today’s rapidly evolving landscape…” “Let’s delve into…” Het is AI slop - content die zo generiek is geworden dat het pijn doet om te lezen.
Het ironische? Iedereen gebruikt AI voor content, maar niemand is echt tevreden. We dachten: wat als het probleem niet de AI is, maar het proces? Dus bouwden we unwrite.it - een experiment dat laat zien dat workflow belangrijker is dan het model.
De voorspelbare patronen
Open LinkedIn. Hoeveel artikelen zie je die duidelijk AI-gegenereerd zijn?
“In today’s rapidly evolving landscape…” “It’s important to note that…” “Let’s delve into…” “Navigate the complexities…” “Revolutionize your approach…”
Het overstroomt het internet. Content die technisch correct is maar geen persoonlijkheid heeft, geen diepgang, geen unieke inzichten.
Waarom gebeurt dit?
AI-modellen zijn krachtig. GPT-4, Claude, Gemini - ze kunnen indrukwekkende teksten produceren. Het probleem? Hoe we ze gebruiken. De meeste mensen openen ChatGPT, typen een vage prompt, en hopen op het beste.
Ons experiment
Wat als we het proces fundamenteel anders aanpakken? Niet de AI verbeteren, maar de manier waarop mensen ermee werken.
Het resultaat is unwrite.it: een workflow-engine die gestructureerde input, inline feedback en read-only editing combineert. AI schrijft, wij “unschrijven” - we breken het proces af en bouwen het opnieuw, met menselijke expertise ingebakken.
Waarom voelt AI content zo voorspelbaar? En belangrijker: kunnen we dat fixen?
De hypothese: het proces is het probleem
We dachten na over hoe mensen ChatGPT gebruiken. Open ChatGPT, type “Schrijf een artikel over X”, kopieer de output. Niet tevreden? Klik “regenerate” en hoop op beter. Herhaal tot “goed genoeg”.
Dat proces heeft drie fundamentele problemen:
Te weinig context
De AI krijgt geen tone of voice guidance, geen brand voice, geen doelgroep informatie. Alleen een titel of een vage prompt. Hoe kan de AI iets unieks maken zonder context?
Geen expert validatie
De mensen die het onderwerp écht kennen zijn niet betrokken. Feedback gebeurt ad-hoc via email of comments: "Dit klopt niet" zonder uit te leggen waarom. Subject matter experts zien de draft en moeten alles herschrijven omdat de AI cruciale nuances mist.
Regenerate ≠ iteratie
Elke keer dat je "regenerate" klikt, gooit de AI alles weg en begint opnieuw. Goede delen die wél klopten gaan verloren. Je leert niet van eerdere versies. Het is content-roulette: blijven draaien tot je geluk hebt.
Wat als we het proces anders opzetten? Wat als we het AI-model hetzelfde houden, maar de workflow verbeteren?
Het experiment: bouwen van unwrite.it
We besloten een prototype te bouwen. Geen product, geen businessplan - gewoon een experiment om te testen: maakt een gestructureerde workflow AI content beter?
De driestaps-workflow
Settings fase (v0)
Configureer eenmalig je standaarden: tone of voice (beschrijf je schrijfstijl of plak voorbeelden), content type (blog, case study, technisch artikel), model selectie, gewenst aantal woorden. En cruciaal: verboden zinnen - een lijst met woorden en zinnen die de AI moet vermijden. AI-modellen hebben patronen die ze graag gebruiken. Door expliciet te zeggen "gebruik deze zinnen NIET", forceer je het model om origineler te zijn. Geen "delve into", geen "it's important to note", geen "revolutionize".
Input fase (v0.1)
Dump je ruwe materiaal: artikel titel, keyword (optioneel), en vooral je input notities. Transcripts van meetings, notities van interviews, bullet points, ruwe ideeën - alles mag. Je hoeft het niet op te schonen. De AI organiseert het wel. Dit is het moment waar je de AI de context geeft die het nodig heeft.
Feedback fase (v1+)
De editor is read-only - je kunt niet typen. Je selecteert tekst en voegt een comment toe: "Dit klopt niet want X" of "Mis nuance over Y". Dan klik je "Pas Feedback Toe". De AI leest ALLE comments, begrijpt de context, maakt gerichte aanpassingen, en creëert v2. Herhalen tot tevreden. Volledige versiegeschiedenis.
De controversiële keuze: alleen-lezen editing
Dit was opzettelijk. Na generatie kun je de tekst niet bewerken. Alleen via comments. Waarom? Omdat het gestructureerde feedback afdwingt.
Als je gewoon kunt typen, fix je dingen ad-hoc. “Oh dit woord past beter” - typ, klaar. De AI leert er niks van. Volgende artikel: dezelfde problemen. Het is een snelle fix zonder leereffect.
Als je comments moet schrijven, moet je articuleren WAT er mis is en WAAROM. “Deze zin is te formeel voor onze tone” is waardevoller dan het woord gewoon veranderen. De AI kan dat patroon herkennen en toepassen op het hele artikel. En op alle toekomstige artikelen. Die feedback bouwt op.
Alleen-lezen voelt eerst frustrerend. “Waarom kan ik dit woord niet gewoon veranderen?!” Maar het dwingt je om na te denken: waarom wil je het veranderen? Die context is waardevoller dan de aanpassing zelf.
Wat we ontdekten tijdens het bouwen
Workflow belangrijker dan model
GPT-4 met een goede workflow presteert beter dan GPT-4o met vage prompts. Door gestructureerde input, verboden zinnen, en iteratieve feedback wordt de output consistent beter. Niet omdat het model verandert, maar omdat het proces beter is. Het model krijgt betere instructies, meer context, en gestructureerde feedback.
Beperkingen forceren betere feedback
Alleen-lezen editing irriteert mensen. "Waarom kan ik dit niet gewoon fixen?!" Maar het werkt. Als je niet snel iets kunt typen, moet je nadenken: wat is er precies mis? Waarom is het mis? Wat moet er anders? Die feedback is tien keer waardevoller dan "fix dit woord". Het dwingt je om het onderliggende probleem te identificeren.
Streaming voelt sneller
Tekst die in real-time binnenkomt tijdens generatie voelt veel sneller dan wachten op een blok tekst. Zelfs als het totaal even lang duurt. Psychologisch effect, maar wel belangrijk voor gebruikerservaring. Je ziet de AI "nadenken" en dat geeft vertrouwen dat er iets gebeurt.
Versiegeschiedenis is goud
Kunnen zien wat v1, v2, v3 waren geeft context. Je ziet wat feedback deed. "Oh, na die opmerking over tone werd de hele volgende sectie anders geschreven." Dat helpt bij de volgende iteratie. Je leert welke feedback het meest effectief is.
De grenzen: het is een prototype
Laten we duidelijk zijn: dit is geen product. Het is een werkend experiment.
Gestructureerde feedback workflow
Comments als feedback-eenheid, gerichte aanpassingen, en iteratieve verfijning in plaats van eindeloos regenereren.
Alleen-lezen editing principe
Dwingt gestructureerde feedback af en voorkomt ad-hoc aanpassingen zonder leereffect.
Versiebeheer
Volledige geschiedenis van alle drafts en feedback voor transparantie en analyse.
Streaming generatie
Real-time tekst rendering voor betere gebruikerservaring en gevoel van snelheid.
Verboden zinnen handhaving
Voorkom generieke AI-taal door expliciet woorden en zinnen te blokkeren.
Wat het niet heeft: samenwerkingsfuncties, teamworkflows, automatische toewijzing van experts, auto-research voor SEO, CMS integraties, of synchronisatie tussen apparaten. Genoeg om te valideren: werkt deze aanpak? Antwoord na een paar weken testen: ja.
We kozen bewust voor een volledig client-side app. Alles draait in de browser met je eigen OpenAI API key. Voordelen: snel gebouwd, privacy standaard (je data blijft lokaal), geen server scaling problemen. Nadelen: geen synchronisatie tussen apparaten, geen real-time samenwerking. Voor een prototype dat we snel wilden valideren: het waard.
Het grotere plaatje: de strijd tegen AI slop
We denken dat AI slop niet komt door slechte AI. Het komt door slecht procesontwerp. De standaard workflow - prompt, genereer, publiceer of regenereer - is te simpel. Het mist gestructureerde input, context, expertvalidatie, en iteratieve verfijning. Als we AI content beter willen maken, moeten we het proces fixen. Niet wachten op GPT-10.
De toekomst is niet “AI vervangt mensen”. Het is: AI doet het zware werk, mensen leveren expertise en oordeel. Voor content betekent dat: AI schrijft en structureert, mensen valideren en verfijnen via een gestructureerde feedbackloop, iteratie tot het goed is. Niemand wordt vervangen. Iedereen wordt effectiever. Vakexperts hoeven geen schrijvers te zijn - ze reviewen alleen accuraatheid. Schrijvers hoeven geen experts te zijn - ze orkestreren het proces.
Waarom “unwrite”?
We ontleden het hele schrijfproces en bouwen het opnieuw op, maar dan met menselijke kennis als fundament. Het gaat niet om AI tégen mensen, maar AI mét mensen. Dat is volgens ons de enige manier om AI slop echt tegen te gaan: niet wachten op GPT-10, maar nu al betere workflows maken.
Probeer het zelf
unwrite.it is een werkend prototype dat laat zien dat workflow belangrijker is dan het model. Benieuwd hoe gestructureerde feedback AI-content beter maakt?
