Chain of Thought
Chain-of-Thought Prompting
Simpele Uitleg
Chain of Thought (CoT) is de techniek waarbij je AI vraagt stap voor stap te redeneren voordat het een antwoord geeft. Net als een wiskundeleraar die zegt: "laat je rekenwerk zien." Het klinkt simpel, maar het effect is groot: bij wiskundevragen steeg de nauwkeurigheid van 17% naar 78%. Je voegt alleen "denk stap voor stap" toe aan je prompt.
Technische Definitie
Chain-of-Thought prompting instrueert LLM's om intermediaire redeneerstappen te genereren voordat het een conclusie trekt. Methodes: zero-shot CoT ("denk stap voor stap"), few-shot CoT (met voorbeeldredenaties), en Self-Consistency (meerdere reasoning paths, stemmen op het antwoord). Empirisch bewezen met 20-50% accuracy verbetering op rekenkundige, logische en symbolische redeneertaken bij grotere modellen.
Waarom Dit Belangrijk Is
Zonder CoT werkt AI als een student die direct antwoorden invult zonder te rekenen — snel, maar vaak fout. Met CoT werkt AI als een student die zijn werk laat zien — langzamer, maar veel nauwkeuriger.
Dit maakt het verschil bij complexe taken: business analyses, financiële berekeningen, strategische planning, data-interpretatie. Overal waar je meer dan twee stappen nodig hebt, levert CoT betere resultaten.
Voor teams die AI gebruiken voor besluitvorming is dit essentieel. Je ziet niet alleen het antwoord, maar ook hoe de AI erbij komt — dat maakt het resultaat controleerbaar.
Hoe Het Werkt
Vergelijk het met een collega die je vraagt: "Wat moeten we doen?" Als die collega alleen het antwoord geeft, kun je niet beoordelen of de redenering klopt. Als die collega stap voor stap uitlegt hoe die erbij komt, kun je fouten spotten.
Drie methodes:
1. Simpele instructie: Voeg "denk stap voor stap" toe aan je prompt. Werkt verrassend goed.
2. Met voorbeelden: Toon een voorbeeld van het denkproces dat je verwacht (few-shot CoT).
3. Self-consistency: Laat de AI meerdere keren redeneren en kies het meest voorkomende antwoord.
De vuistregel: als je vraag meer dan twee stappen vereist, voeg CoT toe. Elk team dat AI gebruikt voor analyses profiteert hier direct van.
Use Cases
Financiële berekeningen
"Bereken stap voor stap de ROI als we €50.000 investeren in AI-tooling." De AI rekent door: investering, tijdsbesparing per medewerker, uurkosten, jaarlijkse besparing, terugverdientijd. Zonder CoT: een vaag getal. Met CoT: een onderbouwde berekening die je finance team kan controleren.
Business analyse en strategie
"Analyseer stap voor stap of we een nieuw product moeten lanceren." CoT geeft: marktanalyse, concurrentie, kosten, risico's, kansen — elk punt beredeneerd. Bruikbaar voor besluitvorming in plaats van vaag advies.
Code debugging
Developers vragen Claude of Cursor: "Debug dit stap voor stap." De AI analyseert de functie, test scenario's, identificeert het probleem en geeft een oplossing met uitleg. Het denkproces maakt de oplossing verifieerbaar.
Data-analyse en trends
"Analyseer deze verkoopcijfers stap voor stap." De AI gaat systematisch door de data: trends identificeren, uitschieters verklaren, patronen herkennen, conclusies trekken. Voor management teams die AI willen inzetten voor rapportages.
Voorbeelden
Zonder vs. met chain-of-thought
Zonder CoT: "€7,50" (fout — vergeet korting)
Met CoT ("Los stap voor stap op"):
1. Zonder korting: 15 × €0,50 = €7,50
2. 15 > 10, dus korting geldt
3. 20% van €7,50 = €1,50
4. Eindprijs: €7,50 - €1,50 = €6,00
Antwoord: €6,00 (correct). Vijf woorden extra in de prompt, een correct antwoord.
Wanneer wel en niet gebruiken
Geen CoT nodig: "Wat is de hoofdstad van Frankrijk?", creatieve taken, eenvoudige vertalingen, simpele samenvattingen.
Vuistregel: meer dan 2 stappen → gebruik CoT.
Veelgemaakte Fouten
"CoT is voor alles nodig"
Voor simpele vragen is CoT overkill: het maakt antwoorden langzamer en duurder (meer tokens) zonder verbetering. Gebruik het alleen bij complexe, multi-step taken.
"Ik moet het denkproces exact voorschrijven"
Te veel sturing beperkt de AI. "Los dit in precies 5 stappen op met deze methode" werkt slechter dan "denk stap voor stap". Laat het LLM zijn eigen reasoning path vinden.
"CoT vergeten bij complexe prompts"
De meestgemaakte fout: een complexe vraag stellen zonder CoT te activeren. Je mist makkelijke nauwkeurigheidswinst. Maak er een gewoonte van bij elke analytische vraag.
Tools Die Dit Gebruiken
Veelgestelde Vragen
Werkt CoT bij alle AI-modellen?
Kost CoT meer geld?
Werkt "denk stap voor stap" ook in het Nederlands?
Gerelateerde Termen
Wil je deze term in de praktijk leren toepassen?