Wat is Guidance?

Wat is Guidance eigenlijk?

Stel je voor: je vraagt een AI-model om een factuur te maken. Zonder sturing krijg je misschien een lap tekst die een beetje op een factuur lijkt, maar net niet helemaal klopt — verkeerde volgorde, missende velden, of bedragen zonder euroteken. Met Guidance geef je het model tijdens het genereren precies door: "Eerst een factuurnummer, dan de datum in dit formaat, dan de BTW-berekening volgens deze regels." Het model volgt die instructies stap voor stap, alsof je over zijn schouder meekijkt en tussentijds bijstuurt.

Guidance is dus geen AI-model op zich, maar een stuurtechniek die je tussen jouw applicatie en het model plaatst. Het zorgt ervoor dat de output voorspelbaar, consistent en bruikbaar is — ook als je het model duizenden keren opnieuw aanroept.

Hoe werkt het eigenlijk?

Als een AI-model tekst genereert, doet het dat woord voor woord (of eigenlijk: token voor token). Bij elke stap kiest het uit duizenden mogelijkheden. Guidance grijpt in tijdens die keuzemomenten:

• Structuurregels: "Nu moet hier een datum komen, in het formaat DD-MM-JJJJ."

• Keuzebeperkingen: "Selecteer alleen uit deze lijst met productcodes."

• Logische checks: "Als het bedrag hoger is dan €1000, voeg dan een extra controle-stap toe."

Het lijkt op een formulier invullen: het model mag creatief zijn binnen de vakjes, maar niet buiten de lijntjes kleuren. Technisch gezet gebeurt dit vaak door de kansverdelingen van het model aan te passen — bepaalde tokens worden tijdelijk uitgesloten of juist geforceerd.

Waarom zou jij hier iets aan hebben?

Als je AI inzet in echte bedrijfsprocessen, wil je betrouwbaarheid. Een chatbot die facturen verwerkt, mag geen freestyle improviseren met btw-percentages. Een systeem dat contracten samenvat, moet consistent dezelfde secties uittrekken. Guidance zorgt ervoor dat:

• Formaten kloppen: JSON, XML, datumnotaties, telefoonnummers — alles volgens jouw specificaties

• Kosten dalen: minder foutieve outputs betekent minder hergeneraties en dus minder API-kosten

• Integraties soepel lopen: als de output altijd dezelfde structuur heeft, kun je hem direct doorsluizen naar databases of andere systemen

• Compliancy gewaarborgd blijft: bij gevoelige data kun je bepaalde woorden of patronen uitsluiten

Een voorbeeld uit de praktijk

Een webshop wil productbeschrijvingen genereren die altijd dezelfde secties bevatten: "Wat is het?", "Voor wie?", "Specificaties" en "Prijs". Zonder Guidance levert het model soms creatieve teksten op die net iets anders gestructureerd zijn — lastig voor de website-templates.

Met Guidance definieer je: "Genereer eerst een H2-kopje 'Wat is het?', dan 2-3 zinnen, dan een H2-kopje 'Voor wie?', enzovoort." Het model volgt die route elke keer, ongeacht het product. De contentredacteur hoeft alleen nog de inhoud te checken, niet de structuur te repareren.

Waar kom je het tegen?

Guidance-technieken zitten vaak ingebakken in tools en frameworks:

• Guidance (de open-source Python-library van Microsoft, vernoemd naar deze techniek)

• Outlines (een alternatief framework voor gestructureerde output)

• LangChain en LlamaIndex (ondersteunen Guidance-achtige patronen)

• OpenAI's Function Calling en Structured Outputs (ingebouwde vormen van sturing)

• Anthropic's XML-tags in Claude (een handmatige vorm van output-sturing)

Je hoeft het niet altijd zelf te programmeren — steeds meer AI-platforms bieden dit soort sturing via hun API of interface aan. Check de documentatie van het model dat je gebruikt om te zien welke opties er zijn.

Wat kun je er nu mee?

Als je AI inzet voor taken waar consistentie cruciaal is — denk aan rapportages, data-extractie, formulieren invullen, code genereren — loont het om Guidance-technieken te verkennen. Begin simpel: probeer eerst de structured output-opties van je huidige AI-tool (OpenAI, Anthropic, etc.). Merk je dat je tegen beperkingen aanloopt? Dan kun je frameworks als Guidance of Outlines inzetten voor meer controle. Het verschil tussen "AI die soms werkt" en "AI die altijd werkt" zit vaak in deze laag.