{"id":2237,"date":"2026-06-09T13:25:00","date_gmt":"2026-06-09T11:25:00","guid":{"rendered":"https:\/\/pletzenauer.com\/?p=2237"},"modified":"2026-08-05T17:23:43","modified_gmt":"2026-08-05T15:23:43","slug":"karpathy-methode-ai-juist-benutten","status":"publish","type":"post","link":"https:\/\/pletzenauer.com\/nl\/2026\/06\/09\/karpathy-methode-ai-juist-benutten\/","title":{"rendered":"De Karpathy-methode: AI 10x effectiever benutten"},"content":{"rendered":"

<\/p>\n

Andrej Karpathy – medeoprichter van OpenAI en voormalig AI-chef bij Tesla – legt al langer in lezingen en interviews uit waarom de meeste mensen AI verkeerd inzetten.<\/strong> Niet omdat ze te weinig oefenen, maar omdat ze het gereedschap verkeerd begrijpen. Zijn methode om met AI duidelijk sneller te werken, laat zich terugbrengen tot drie lagen: spec<\/em>, verificatie<\/em> en omgeving<\/em>. Dit is wat er werkelijk achter zit – zonder hype, maar wel om meteen toe te passen.<\/p>\n

\n

Het belangrijkste in het kort<\/p>\n

    \n
  • AI is briljant bij het meetbare, blind voor context.<\/strong> Ze kent uw doel niet – dat moet u leveren.<\/li>\n
  • Laag 1 – spec:<\/strong> Eerst het doel helder krijgen, dan in kleine stappen (agile) en precies werken.<\/li>\n
  • Laag 2 – verificatie:<\/strong> Beoordelingscriteria vooraf vastleggen, een tweede model als criticus, externe signalen inbouwen.<\/li>\n
  • Laag 3 – omgeving:<\/strong> CLAUDE.md, een eigen kennisbasis, herbruikbare skills en echte guardrails.<\/li>\n
  • De kern:<\/strong> „U kunt uw denken uitbesteden – maar niet uw begrip.“<\/li>\n<\/ul>\n<\/div>\n
    \n \"De
    De drie lagen van de Karpathy-methode in \u00e9\u00e9n oogopslag.<\/figcaption><\/figure>\n

    Waarom AI faalt bij eenvoudige vragen<\/h2>\n

    Karpathy noemt een simpel voorbeeld: „Ik wil naar de wasstraat, die is 50 meter verderop. Moet ik rijden of lopen?“ De topmodellen van vandaag – Claude, Gemini, Grok, ChatGPT – antwoorden allemaal: lopen, het is toch zo dichtbij<\/em>. Fout. Want om de auto<\/strong> te wassen, heeft u de auto ter plaatse nodig.<\/p>\n

    Dat is de hele kern: AI is briljant bij alles wat zich laat meten – en blind bij alles wat context vraagt.<\/strong> Uw doel, uw randvoorwaarden, uw onderbuikgevoel: daarvoor heeft de AI geen enkel signaal. De opgave bestaat er dus niet in „beter te prompten“, maar om die kloof tussen uw begrip en de rekenkracht van de AI te dichten. Precies dat doen de drie lagen.<\/p>\n

    Laag 1: de spec – uw begrip in bruikbare vorm<\/h2>\n

    Een spec is de manier waarop u uw begrip aan de AI overdraagt – in een formaat waar zij iets mee kan. De bekende „plan-modus“ in Claude gaat de goede kant op, maar is Karpathy te oppervlakkig. Zijn advies: samen met het AI-instrument een werkelijk gedetailleerde spec opstellen<\/strong>. Zo lukt dat in drie stappen.<\/p>\n

    1. Leg het eigenlijke doel bloot<\/h3>\n

    „Maak een maandrapport“ is een taak<\/em>. Het doel<\/em> is de conclusie die u trekt, de beslissing die het rapport in gang zet. Wat het doel is, kan de AI nooit voor u bepalen. Laat u in plaats daarvan bevragen:<\/p>\n

    „Interview mij om het doel van dit project vast te stellen voordat je begint.“<\/p><\/blockquote>\n

    2. Werk agile, niet volgens het watervalmodel<\/h3>\n

    De meeste mensen gooien de AI alles in \u00e9\u00e9n keer voor de voeten (waterval) en hopen op het kant-en-klare resultaat. Beter is agile speccen<\/strong>: een nauw kader, een helder checkpoint, resultaat toetsen, bijsturen, herhalen. Zo merkt u vroeg wanneer de richting niet klopt.<\/p>\n

    „Neig naar kleinere, scherper afgebakende specs met heldere tussenresultaten.“<\/p><\/blockquote>\n

    3. Wees precies – en denk mee<\/h3>\n

    Hoe preciezer u bent, hoe minder de AI moet aannemen. En elke aanname is een kans om van het gewenste resultaat af te dwalen. Wanneer de AI een spec voor u schrijft, lees die dan kritisch – met uw eigen hoofd.<\/p>\n

    „Laat mij centrale beslissingen uitdrukkelijk bevestigen, zodat er niets over het hoofd wordt gezien.“<\/p><\/blockquote>\n

    Drie bouwstenen, \u00e9\u00e9n resultaat: een nauw afgebakende, doordachte spec die bij uw werkelijke doel past. Karpathy noemt dat modern engineering<\/em> – een houding die voortaan iedereen nodig heeft die serieus met AI werkt.<\/p>\n

    Laag 2: de verificateur – AI haar eigen werk laten toetsen<\/h2>\n

    Het frustrerendste aan AI is het toetsen van het resultaat. Om te begrijpen waarom, helpt Karpathy’s mentale model. Hij spreekt van „dieren“ tegenover „geesten“: mensen zijn als dieren – met motieven en emoties. Zegt u tegen iemand „word binnen 14 dagen SEO-expert of je ligt eruit“, dan vindt die persoon een weg. AI werkt anders.<\/p>\n

    Een aanschouwelijker beeld: stelt u zich de AI voor als een robotbibliothecaris<\/strong>. Zij beantwoordt vragen alleen aan de hand van de boeken in haar bibliotheek. Ontbreekt een boek, dan kan zij niet helpen – en merkt dat vaak niet. Daarom schittert ze bij wiskunde en struikelt ze bij context: waar heldere antwoorden in de bibliotheek staan, is ze briljant; waar niet, is ze zelfverzekerd fout. Schreeuwen, smeken of „doe het beter“ helpt niet. De enige echte hefboom is de verificatie<\/strong>. Drie aanknopingspunten:<\/p>\n