← Kennisbank/C37
c37AI Kwaliteit27 mei 20262 min lezenMvG — Atthis AI redactie

Toon en register sturen in AI-output: wat werkt

Hoe je toon, register en modaliteit van AI-gegenereerde formele documenten consistent houdt — met aandacht voor governance en herleidbaarheid.

AI-modellen kiezen zonder sturing een gemiddelde toon — vaak net naast de huisstijl. Voor formele documenten is dat een productierisico, geen cosmetisch detail. Hier kijken we naar wat je technisch en organisatorisch vastlegt om toonconsistentie afdwingbaar te maken.

Toon en register sturen in AI-output: wat werkt

AI-modellen kiezen zonder sturing een gemiddelde toon — vaak net naast de huisstijl. Voor formele documenten is dat een productierisico, geen cosmetisch detail. Hier kijken we naar wat je technisch en organisatorisch vastlegt om toonconsistentie afdwingbaar te maken.

Het kort: 5 praktijk-takeaways

1. Splits toon en register — Toon (houding) en register (formaliteitsniveau) zijn aparte dimensies. AI mengt ze standaard. Beoordeel ze los van elkaar in de review — anders blijf je symptomen bestrijden zonder de onderliggende stijlinstructie te verbeteren.

2. Modaliteit is geen detail — Het verschil tussen kan, mag, moet en dient heeft juridische en operationele gevolgen. AI wisselt deze inwisselbaar. Loop alle modale werkwoorden expliciet langs en laat juridische teksten altijd door een bevoegde reviewer beoordelen.

3. Toonprofiel per documenttype — Leg per documenttype een toonprofiel vast: aanspreekvorm, woordenlijst, zinslengte, modaliteitsregels en voorbeelden. Voer dit mee als system prompt of stijlgids. Zo wordt revisietijd voorspelbaar in plaats van afhankelijk van de reviewer.

4. Governance maakt het houdbaar — Bepaal eigenaarschap, goedkeuring, versiebeheer en review-interval voor elk toonprofiel. Registreer welk profiel bij welk document hoorde. Voor organisaties onder toezicht is dit een eis, geen luxe.

5. Corrigeer op promptniveau — Wie alleen de output bijwerkt en de prompt onveranderd laat, herstelt dezelfde fout volgende week opnieuw. Voer toonfixes terug naar de instructielaag en versioneer ze, zodat verbeteringen cumulatief zijn.

Waar AI dit goed kan — en waar niet

Taalmodellen zijn sterk in toonimitatie zodra ze een duidelijk profiel meekrijgen — een paar concrete voorbeelden plus een verboden-woordenlijst doet meer dan een paragraaf abstracte instructies. Waar AI structureel zwak blijft: modaliteit, juridische precisie en het onderscheid tussen empathie en neutraliteit in gevoelige correspondentie. Een model kiest ‘dient te’ en ‘moet’ zonder besef van het juridische gewicht, en plaatst standaard empathische signaalwoorden (‘helaas’, ‘wij begrijpen’) ook waar de context dat afraadt.

De nuance zit in de validatielaag. Toonprofielen werken het best als ze machineleesbaar zijn: expliciete woordenlijsten, regex op modale werkwoorden, controles op zinslengte en uitroeptekens. Dat kan deterministisch — geen LLM-call nodig — en is daarmee energie-zuinig en herleidbaar. Voor de subtielere oordelen (past de toon bij dit klacht-scenario?) blijft menselijke review nodig. Het risico van volledig geautomatiseerde toonbeoordeling is dat je een tweede LLM een eerste LLM laat corrigeren, met dezelfde blinde vlekken. Combineer regelgebaseerde checks met steekproefsgewijze menselijke review per documenttype.

Bron

Dit overzicht is gebaseerd op het volledige artikel van C37: Toon en register in formele documenten — een checklist voor consistente AI-output

Het C37-artikel bevat de volledige zevenpunts-checklist, een herschreven verzekeringsbrief als praktijkcase en gedetailleerde governance-eisen voor toonprofielen.

Het kort: 5 praktijk-takeaways

  1. 01 — Splits toon en register

    Toon (houding) en register (formaliteitsniveau) zijn aparte dimensies. AI mengt ze standaard. Beoordeel ze los van elkaar in de review — anders blijf je symptomen bestrijden zonder de onderliggende stijlinstructie te verbeteren.

  2. 02 — Modaliteit is geen detail

    Het verschil tussen kan, mag, moet en dient heeft juridische en operationele gevolgen. AI wisselt deze inwisselbaar. Loop alle modale werkwoorden expliciet langs en laat juridische teksten altijd door een bevoegde reviewer beoordelen.

  3. 03 — Toonprofiel per documenttype

    Leg per documenttype een toonprofiel vast: aanspreekvorm, woordenlijst, zinslengte, modaliteitsregels en voorbeelden. Voer dit mee als system prompt of stijlgids. Zo wordt revisietijd voorspelbaar in plaats van afhankelijk van de reviewer.

  4. 04 — Governance maakt het houdbaar

    Bepaal eigenaarschap, goedkeuring, versiebeheer en review-interval voor elk toonprofiel. Registreer welk profiel bij welk document hoorde. Voor organisaties onder toezicht is dit een eis, geen luxe.

  5. 05 — Corrigeer op promptniveau

    Wie alleen de output bijwerkt en de prompt onveranderd laat, herstelt dezelfde fout volgende week opnieuw. Voer toonfixes terug naar de instructielaag en versioneer ze, zodat verbeteringen cumulatief zijn.

Waar AI dit goed kan — en waar niet

Taalmodellen zijn sterk in toonimitatie zodra ze een duidelijk profiel meekrijgen — een paar concrete voorbeelden plus een verboden-woordenlijst doet meer dan een paragraaf abstracte instructies. Waar AI structureel zwak blijft: modaliteit, juridische precisie en het onderscheid tussen empathie en neutraliteit in gevoelige correspondentie. Een model kiest ‘dient te’ en ‘moet’ zonder besef van het juridische gewicht, en plaatst standaard empathische signaalwoorden (‘helaas’, ‘wij begrijpen’) ook waar de context dat afraadt.

De nuance zit in de validatielaag. Toonprofielen werken het best als ze machineleesbaar zijn: expliciete woordenlijsten, regex op modale werkwoorden, controles op zinslengte en uitroeptekens. Dat kan deterministisch — geen LLM-call nodig — en is daarmee energie-zuinig en herleidbaar. Voor de subtielere oordelen (past de toon bij dit klacht-scenario?) blijft menselijke review nodig. Het risico van volledig geautomatiseerde toonbeoordeling is dat je een tweede LLM een eerste LLM laat corrigeren, met dezelfde blinde vlekken. Combineer regelgebaseerde checks met steekproefsgewijze menselijke review per documenttype.