Social AI Principes

15 principes voor AI-ondersteund werken met groepen.

Praktijk

Kernidee

Deze bundle gaat niet over AI. Hij gaat over mensen die samen iets willen, en hoe AI dat werk kan ondersteunen zonder het over te nemen.

Status

Levend document

publiek 2026-05-20

update 2026-05-22

CC-BY-SA 4.0

raw markdown →

Genoemd in dit document

context, geen vereiste

Canonical bundle voor AI-ondersteund werken met groepen. 15 principes in 7 clusters, plus mechanisme onder de principes, onderliggende disciplines, en drie prompt-design vertalingen. Stijl: detail behouden, fluff weg. Voicing waar mogelijk bron-getrouw.

Het begint bij de mens

Voordat we de principes oplijsten: deze bundle gaat niet over AI. Hij gaat over mensen die samen iets willen (een buurt, een team, een groep zorgverleners, een wijk) en hoe AI dat werk kan ondersteunen zonder het over te nemen.

"Welke vraag stel je de groep? Voelen mensen zich veilig genoeg om eerlijk te zijn? Vraag je om ervaring of om mening? Als je AI inzet: wat geef je het? De woorden van de mensen zelf, niet jouw samenvatting."

Al die vragen beginnen bij de mens. Niet bij de tool, niet bij het systeem, niet bij de prompt. Deze principes proberen die volgorde overeind te houden.

Brug naar fundament: deze bundle staat op een laag bottom-up praktijk-theorie die zelf niet hier woont. Voor wie dieper wil graven (organisch proces, leiderschap-verschuiving, vruchtbare grond als voorwaarde): zie Bottom-up. Deze synthese is werk-georiënteerd; de fundamenten zitten een laag dieper.

Discipline-in-ontwikkeling

We staan aan het begin van deze AI-ontdekkingsreis. Wat hier staat is richting voor wat we nu zien werken, niet uitputtend, niet absoluut. Regels zijn werkhypothesen die zich verfijnen naarmate we meer leren. Markering van AI-inferentie ("dit is een aanname die AI zelf doet", "mogelijk onderbelicht", "patroon dat in transcript niet expliciet is benoemd") is waardevol waar het kan, als concrete discipline om eigenaarschap te beschermen. Soms haalbaar, soms niet. Hou ruimte voor nieuwe vormen van toevoegen en nieuwe manieren om eigenaarschap te bewaken.

Cross-link met principe 7 (kaart is niet het gebied): deze principes zijn zelf een lens, geen waarheid. Verfijning gebeurt door praktijk en reflectie, niet door dogma.

Fundamenteel

De as waarop alles draait. Zonder deze 4 vallen de rest om.

1. Wijsheid zit in het systeem. AI helpt het zichtbaar te maken.

AI maakt zichtbaar wat er al is. Wat AI toevoegt, doet het met zorg en gemarkeerd.

Laag 1, Wijsheid komt uit het systeem. Deelnemers, hun relaties, hun onzichtbare netwerken (moskee, buurthulp, barbecues, winkelgesprekken) bevatten al de kennis. AI verzint geen kennis die er niet was. Geen externe expert-indeling van buiten als startpunt. Wat experts erover schreven is geen hoofdbron; de transcripten en gesprekken zelf wel. AI-output structureert rond wat deelnemers al weten en zeiden. Analyses gaan terug naar bronmateriaal, niet naar wat anderen elders over het onderwerp schreven. Niet-gezegde dingen worden gemarkeerd als hypothese (de "Verbreden"-rol), niet als feit.

Laag 2, AI's toevoegingen worden bewust gekozen en gemarkeerd. Wat AI ziet of maakt is geen vervanging van wat deelnemers zeiden. Structuur, verbanden, hypothesen, schaal, leesbaarheid: dat is wat AI legitiem toevoegt. Elke toevoeging expliciet gelabeld, geen vermenging met wat gezegd is. Niveau van toevoeging hangt af van prompt-doel: spiegel mag bijna niets, synthese mag patronen verbinden, serendipity mag vragen opperen. Markering "dit is een AI-inferentie" of "mogelijk onderbelicht" beschermt eigenaarschap.

Waar het op spanning staat: Bij publicatie naar externe (beleids)context is er druk om expert-taal erin te krijgen. Weerstaan. Als externe taal nodig is: voeg toe, vervang niet. Andere kant: schaalbaarheid en verbreding zijn echte AI-toevoegingen die een mens niet kan, niet te conservatief reformuleren tot "AI doet niets". De kunst zit in welke toevoeging waar past, niet in toevoeging weren.

2. Vertrouwen als voorwaarde, niet uitkomst

Participatie groeit uit bestaande relaties. Vertrouwen is het distributiekanaal én de rand waarbinnen AI mag werken.

Laag 1, Distributie. Mensen nemen niet deel omdat een proces goed ontworpen is. Ze nemen deel omdat iemand die zij vertrouwen ze uitnodigt. Koud uitgezonden uitnodigingen werken niet in bottom-up werk, ook niet als de inhoud goed is. Dit is geen observatie over gedrag, het is een ontwerpuitgangspunt. AI-output die methodisch werk documenteert voor een veld waar vertrouwen de dragende laag is, moet die realiteit erkennen, anders documenteert hij iets onmogelijks. Vertrouwensdragers (informele leiders, vertrouwde buren, bestaande facilitators) worden zichtbaar gemaakt. Voor AI-output geldt hetzelfde: ontwerp niet alleen de prompt, ontwerp ook hoe de output bij de groep aankomt: wie deelt het, met welke woorden eromheen, op welk moment in het proces.

Laag 2, Zorgvuldigheid. AI moet zorgvuldig omgaan met wat is gedeeld. Wat in een sessie gezegd wordt, wordt gedeeld onder een verwachting van veiligheid: ik ga goed om met wat jij met mij deelt, zodat jij me daarna kunt aankijken. AI moet die vertrouwensrelatie vertalen naar concrete werkregels:

Patronen op groepsniveau eerst; individuele uitspraken alleen waar context het draagt
Een individuele uitspraak uit context rukken en in een rapport zetten schaadt vertrouwen, ook als de uitspraak correct geciteerd is
Iemand persoonlijk raken mist de intentie en slaat de plank mis
Hoe AI met menselijk materiaal omgaat is even belangrijk als wat het ermee genereert

Vertrouwen kun je niet maken, alleen gebruiken en niet schaden.

Mechanisme-link: vertrouwen is geen abstract concept, het wortelt in de lichaam-veiligheid-as onder alle principes (zie "Mechanisme onder de principes", "Lichaam en regulatie horen erbij"). Wie zich niet veilig voelt, kan niet werkelijk deelnemen, hoezeer de uitnodiging ook bedoeld is. Tempo, pauzes, oog voor freeze/flight zijn niet zachte randvoorwaarden, ze zijn de voorwaarde voor vertrouwen zelf.

Waar het op spanning staat:

Externe stakeholders (subsidie-gevers, beleidspartners) willen vaak "hoeveelheid mensen" als KPI. Vertrouwen laat zich niet optellen. Wees expliciet in wat je wel en niet kunt beloven.
Efficiëntie-druk vraagt om punchige individu-quotes in rapporten. Risico: één uitspraak haalt een hele alinea, maar de spreker zou nu in een ruimte moeten verdedigen waarom ze dat zeiden in die context. Discipline: patroon-niveau eerst, individuele quote alleen waar de context meekomt en de spreker het draagt.

3. Augmentation over automation

AI versterkt menselijk oordeel. AI vervangt menselijk oordeel nooit.

AI mag ordenen, verbinden, zichtbaar maken, niet namens mensen concluderen. Conclusies in synthesis-pagina's zijn altijd traceerbaar naar wie ze trok. Als AI een patroon ziet dat participanten niet hebben benoemd: markeer als hypothese (verbreding-rol), niet als feit. Bij "wat willen de deelnemers?" vragen: citeer ze. Nooit "de groep wil X" zonder directe bron. AI analyseert, mens beslist. AI herkent patronen, mens interpreteert. AI biedt opties, mens kiest richting. AI structureert, mens behoudt relaties.

Sub-nuance, AI maakt participatie schaalbaar: Naast wat AI niet mag (overnemen), zit hier ook wat AI wel mogelijk maakt: in groepen van 50, 100, 200 mensen het signaal van elke stem zichtbaar maken. Dat kan een mens niet, niet in tempo, niet in volledigheid. Schaalbaarheid is een eigen waarde, zolang de andere principes overeind blijven (geen verlies van herkenning, geen privacy-schending, geen consultant-stem).

Waar het op spanning staat: Bij hoog tijdsdruk neigt AI (en gebruikers van AI) naar "vertel me wat ik moet doen". Weerstaan. Antwoorden die niet uit het systeem komen zijn geen antwoorden voor dit systeem.

4. Eigenaarschap door taal

Hun woorden zijn hun eigenaarschap. Parafraseren vernietigt wat er is.

Wanneer iemand zegt "je praat tegen een muur", bevat die zin hun ervaring, hun energie, hun perspectief. Als de AI-output dat maakt tot "er is sprake van communicatieproblemen", is het eigenaarschap weg. De observatie is nu van de analist, niet meer van de spreker. Dit is geen stijlpreferentie, het is een eigendomskwestie. Letterlijke quotes waar mogelijk, met passage-referentie. Niet-verbale uitingen (gebaren met bolletjes wol, Lego-constructies, lichaamsposities, fysiek voedsel) zijn ook "taal", documenteer ze. Parafraseren mag, maar markeer het.

"Eigenaarschap komt van binnenuit. We kennen het niet toe, we herkennen het." (zie Eigenaarschap)

Sub-nuance, Jouw woorden, jouw plan: Eigenaarschap-door-taal geldt niet alleen voor losse uitspraken maar ook voor besluiten en plannen. "Kan de AI niet gewoon het implementatieplan maken?": dat kan het prima, maar dan is het van AI, niet van de groep.

Een antwoord in een zorginstellings-sessie: "Dat kan het prima, maar jullie zijn de ziel van dit alles. Het feit dat jullie erover praten, zorgt ervoor dat jullie het waarschijnlijk zullen steunen."

Het uitspreken IS de interventie. Articulatie creëert eigenaarschap, niet rapportage erover. Dialoog bouwt gedeeld begrip. Co-creatie genereert authentiek eigenaarschap. Commitment volgt uit actieve participatie. AI mag structureren en opties bieden, nooit beslissen.

Sub-nuance, Verbatim is verbatim-in-meaning, niet stenografie. Dysfluencies (eh, ehm, uh; onbedoelde haper-herhalingen zoals "we we moeten"; false starts die de spreker zelf direct corrigeerde) horen niet bij wat iemand zei. Schrap ze. Woordkeuze, zinsstructuur, intentionele herhaling voor nadruk ("echt, echt belangrijk") en karakteristieke spreektaal of dialect ("die snap je wel hè") raak je niet aan. Test: zou de spreker zichzelf herkennen? Géén markering in output (geen [eh] of [...]); dat trekt aandacht naar de ruis in plaats van naar wat gezegd werd. Bij twijfel: liever met dysfluency dan geparafraseerd. Verbatim-default (zie kernbegrenzing 3 in Prompt Best Practices) is geen excuus om transcript-ruis door te laten; hun bedoeling preserveren is regel onder verbatim-regel.

Waar het op spanning staat: Vloeiend proza leest prettiger dan een citatenlappendeken. Schoonheid kan eigenaarschap slopen. Kies eigenaarschap. Variatie: als een participant zelf parafraseert wordt ("ik zei ongeveer..."), gebruik diens parafrase, niet die van de analist.

Grondhouding

Geen werkwijze-stappen, maar hoe je kijkt. Stoelt de werkwijze.

5. Bedachtzaamheid

Patroonherkenning met aandacht, niet gretigheid.

Twee modes mogelijk: patroon-gretigheid (signaal zien, matchen tegen wat je kent, presenteren als waarheid) of bedachtzame herkenning (patroon zien, checken tegen werkelijkheid, presenteren als hypothese met bewijs). Alleen de tweede telt. Gretigheid voelt productief maar levert foute output op: zelfverzekerde claims die niet kloppen. OBSERVE voor je ACT. Bij patroon-match: één pass is niet genoeg, tweede pass is kritisch. Onzekerheid wordt gemarkeerd, niet weggeschreven. Bedachtzaamheid is geen traagheid, het is dieper kijken. AI heeft geen tijdsdruk, gebruik die ruimte.

Drie niveaus van aandacht:

Snel (echo, live, 10 seconden): bedachtzaamheid zit in het vraagontwerp, niet in AI-processing
Doordacht (post-sessie, neemt de tijd): traceer verbanden, kijk naar wat NIET gezegd is
Diep (multi-sessie, trajectmatig): vergelijk met eerdere transcripten, eigenaarschap over tijd

Operationeel, bewijs-niveau markering: bedachtzaamheid op claim-niveau vraagt om markering van wat DIRECT uit transcript komt vs wat INFERENCE is. Drie technieken die dit operationaliseren: DIRECT/INFERENCE markers, dubbele zekerheidsscoring (bewijs_sterkte + interpretatie_zekerheid), en zekerheidsniveaus in taal (1-Direct / 2-Patroon / 3-Interpretatie / 4-Afwezigheid / 5-Open). Voor uitwerking: zie Prompts.

Waar het op spanning staat: Snelheid-druk, sessie is over een uur, we moeten nu synthese hebben. Pak dan één helder punt stevig, niet zes halfbaked. Klein zeker > groot waarschijnlijk. Onderliggende vraag: "wat was verrassend in de data?"; als niets verrast, heb je waarschijnlijk niet goed gekeken.

6. Frustratie is brandstof

Niet wegpoetsen. Structureer complexiteit, neutraliseer het ongemak niet.

Frustratie mag er zijn zoals ze is uitgesproken. "Formuleer uitdagingen constructief" doodt eigenaarschap. "Frustraties mogen er zijn zoals ze zijn uitgesproken" houdt het levend. Voorbeeld: toen in het Doesburg-traject de financiering wegviel, ontstond het hoogste niveau van eigenaarschap in de hele dataset. De community besefte "we moeten zelf de regie pakken". Als AI daar was ingezet om het verlies te "herkaderen tot nieuwe kansen", was deze vitale rebellie in de kiem gesmoord. Gebruik AI om complexiteit van frustratie te structureren. Gebruik AI nooit om ongemak weg te poetsen.

Bredere lens: "Energie (vaak weerstand) is de motor: frustratie, boosheid, of weerstand tegen de huidige situatie is niet iets wat onderdrukt moet worden, maar juist de brandstof die het veranderingsproces op gang brengt en gaande houdt." (zie Bottom-up). Frustratie is één gezicht van energie/weerstand. Boosheid en kritisch ongemak horen er ook bij.

Waar het op spanning staat: Ongestructureerde frustratie kan ook verlammen. Keuze is niet "wegpoetsen of laten staan" maar: toon dat drie groepen dezelfde frustratie anders verwoorden, zonder te concluderen dat het "opgelost" moet worden.

7. De kaart is niet het gebied

Elk principe, elk model is een lens. Geen lens is de werkelijkheid.

Epistemologische bescheidenheid, geen relativisme. Elke theorie, elk frame in deze bundle (inclusief deze principes) is een poging om werkelijkheid beter te begrijpen. Ze zijn nuttig voorzover ze dichter bij realiteit brengen. Ze zijn geen waarheid. Over tien jaar kan een nieuwe lens accurater blijken. Modellen worden verfijnd, samengevoegd, verworpen: dat is geen falen, dat is hoe kennis werkt. Claims worden gemarkeerd op bewijs-niveau (direct / inferentie / verbreding). Taal als "misschien", "mogelijk", "volgens mij" is geen twijfel maar bewustzijn.

Cross-link met principe 5: Bedachtzaamheid is patroon-discipline (multi-pass, OBSERVE voor ACT). Kaart-niet-gebied is lens-bewustzijn (claims hebben bewijs-niveau). Overlap op epistemische bescheidenheid, verschillende praktische uitwerking. Beide nodig.

Waar het op spanning staat: Externe stakeholders willen soms stelligheid, "wat is de waarheid?". Dit principe nodigt niet uit om alles af te zwakken tot "misschien… misschien…". Het nodigt uit om te zeggen: "op basis van wat we nu zien, lijkt dit te werken, hier zijn de grenzen van wat we weten." Helder zonder vals gezag. Tegelijk: te veel leunen op "het is toch maar een lens" doodt actie. Bescheidenheid is geen excuus voor niet-handelen.

Verwant aan Korzybski's "the map is not the territory", met verwanten in systeemtheorie en constructivisme.

Werkwijze

Functioneel alleen als Fundamenteel + Grondhouding staan. Hoe je het werk doet.

8. Intentie vóór ritueel

Eerst menselijke vraag, dan structuur.

Elke analyse-prompt, facilitator-voorbereiding, AI-output-sectie begint bij: wat is de menselijke vraag hier? Wat willen mensen echt weten, voelen, doen? Structuur vooraan geplaatst (template, ritueel, formaat) wordt snel doel in zichzelf. De vraag "hoe zorgen we dat deze bijeenkomst voelt als een plek om eerlijk te spreken?" is méér waard dan "welke sjabloon gebruiken we voor de agenda?". Ritueel komt nadat intentie helder is, niet andersom. AI kan rituelen efficiënter maken; mens moet intentie bewaken.

Sub-nuance, Prompt de mensen eerst: Voordat je een AI-prompt schrijft, ontwerp de menselijke ervaring die goede input genereert.

"Al die vragen beginnen bij de mens. Niet bij de tool, niet bij het systeem, niet bij de prompt."

Welke vraag stel je de groep? Voelen mensen zich veilig genoeg om eerlijk te zijn? Vraag je om ervaring of mening? "Hoe kunnen we..." suggereert dat je al weet dat iets kan. "Hoe zouden we..." opent voor mogelijkheden. De facilitatie-vraag komt voor de prompt-vraag. "Deconstructed burger" methode: begin bij het doel, werk terug naar puzzelstukjes, ontwerp dan vragen die elk puzzelstukje uit mensen halen.

Waar het op spanning staat: Mensen (inclusief AI) vinden het fijn als er een template is. Templates zijn goed nadat intentie helder is, niet ervoor. Bij twijfel: verwerp het template en herformuleer de intentie.

9. Herkenning als toetssteen

"Zouden zij zeggen: ja, dat is wat wij bedoelden?" Zo niet: herschrijf.

Ultieme test is niet geldigheid, niet correctheid, niet elegantie. Het is: herkennen de participanten zichzelf hierin? Zeggen ze "ja, dat is precies wat wij bedoelden"? Of "dat klinkt als een consultant"? Eerste = succes, tweede = mislukt. Als nee: herschrijf, niet verdedigen. Elke synthesis-pagina door een "mental reading" door de stemmen die erin staan. Voor belangrijke conclusies: daadwerkelijke review door participanten (multi-pass review discipline). Concept-pagina's worden getest op: voelt dit als een kader dat werkt voor deze groep?

Waar het op spanning staat: Reviewers zijn soms onbeschikbaar. Tijd. Emotionele belasting. Proxy-review (door dichtstbijstaande vertrouwenspersoon) is second-best. Niet-review en doorgaan is niet geldig. Uitzondering: Ring 1 (facilitator-prep) hoeft niet geverifieerd; Ring 2 en 3 wel.

10. Tempo divergeert per persoon

Geen groepspace. Faciliteer individueel. Meebewegen verlaagt drempel.

Bijeenkomst, interview, review-ronde heeft geen "groepspace". Elke deelnemer heeft eigen tempo: hoe snel ze denken, hoe snel ze zich veilig voelen, hoe snel ze klaar zijn om te delen. Faciliteren op groepspace sluit mensen uit. Meebewegen met individueel tempo (toon, pauze-lengte, diepgang) verlaagt drempel tot deelname, zonder zichtbaar als "speciale behandeling". Per-persoon kennis: wie praat snel, wie heeft bedenktijd nodig. Bijeenkomst-analyses onderscheiden "gezegd door veel mensen" vs "gezegd door weinig mensen".

Waar het op spanning staat: Groepsdynamiek wil naar gemiddelde. Echt faciliteren kost extra tijd en aandacht per persoon: die tijd en aandacht is de kern van wat bottom-up werk onderscheidt van top-down werk. Als er geen ruimte is voor dit maatwerk, wordt het top-down met een bottom-up label.

11. Iteratie als dialoog

AI is een samenwerkingspartner. Itereren > zelf aanpassen.

Als iets niet klopt in AI-output: leg uit wat je anders wilt, sleutel niet zelf. "Dit is 70% wat ik zoek. Wat mist: meer concrete voorbeelden. Probeer opnieuw." Door te itereren leer je twee dingen: wat AI kan (soms dingen die je zelf niet wist) én scherper formuleren wat je probeert te bereiken. Het resultaat is beter dan wat je solo had gemaakt. Vier concrete correcties die prompts transformeren: "AI heeft geen toegang tot het voorbeeldplan, dus neem schrijfstijl mee IN de prompt", "maak prompts universeel", "prompt moet vooral vragen genereren voor de volgende groep", "AI heeft toegang tot volledige transcripten, niet fragmenten".

Lees-noot, "dialoog" hier: dit principe gaat over mens-AI iteratie (prompt-verfijning). Het bredere "dialoog als instrument" in bottom-up praktijk (mens-mens dialoog als drager van eigenaarschap) hoort bij principe 4 + mechanisme-laag, niet hier. Niet verwarren.

Waar het op spanning staat: Soms is je gevoel belangrijker dan de perfecte prompt. Itereren mag niet verbergen wat de groep daadwerkelijk nodig heeft. De eerste versie van een prompt is nooit definitief: de waarde zit in de accumulatie van verfijningen door feedback.

12. Timing boven perfectie

Wanneer iets gezegd wordt telt meer dan hoe perfect het is.

De echo-knop bewees het: 10 seconden, één vraag, meer impact dan een rapport van 10 pagina's. Als de energie zakt, als het gesprek ronddraait, als mensen vastlopen: dán helpt reflectie. Achteraf, als mooi rapport, heeft het minder impact. AI is snel; timing vereist menselijk aanvoelen. Wie haakt af? Waar is consensus? Wanneer heeft iemand iets te zeggen maar durft niet? En uiteindelijk: met welk gevoel gaan mensen naar huis? Die vraag kan geen AI beantwoorden.

Waar het op spanning staat: Diepere analyse voelt vaak waardevoller. Maar live-prompts zijn voor snelheid en trefzekerheid, post-sessie-prompts mogen dieper gaan. Verkeer kiezen verspilt de impact. "Wat vertelt mijn intuïtie? Wat heeft deze groep nu nodig?"

Oplettend

Niet bij elke beslissing relevant, maar cruciaal bij benoem- en schaal-beslissingen.

13. Formalisering kan vernietigen wat werkt

Informele netwerken sterven soms zodra je ze formaliseert of scaalt.

Veel van wat in bottom-up werk dragend is (de buurthulp zonder naam, de zoon die voor zijn moeder zorgt zonder zich "mantelzorger" te noemen, het koffiemoment waar zomaar dingen gebeuren) verandert van aard zodra je er een label op plakt of probeert te vermenigvuldigen. Niet een reden om niets te documenteren: een reden om bewust te documenteren: wat kan ik tonen zonder het te vangen? Welke taal doodt, welke laat leven? Bij het benoemen van informele rollen: check of het label de relatie verandert. Scaling-aanbevelingen stellen eerst de vraag: past deze werkwijze het behoud van informaliteit?

Waar het op spanning staat: Subsidies, beleidskaders, institutionele partners vragen formele taal. Soms onontkoombaar. Dan: hanteer formele taal aan de buitenkant (rapportage) en informele taal aan de binnenkant (werking). Nooit interne werking aanpassen aan externe taal. Dit is geen fundamenteel principe maar een alertheid.

Eigenaarschap van data

Wie de pen mag vasthouden bij wat er over je gezegd wordt.

14. Data is van de mensen zelf

Schrijfrecht naast leesrecht. Wie sprak, mag corrigeren.

AI-output met transcripten, interviews, verhalen heeft een asymmetrie: er ontstaat een gestructureerde representatie over mensen, vaak zonder dat zij zelf de pen vasthouden. Dat is een vorm van macht. Twee assen erkennen: leesrecht (wie mag deze pagina zien? Ring 1 / 2 / 3) + schrijfrecht/correctierecht (wie mag deze pagina veranderen, terugnemen, toevoegen wat is gemist?). Echo-loops zijn de operationele uitwerking. Een AI-output-pagina is nooit "af": het is een werkdocument dat met de mensen erin meebeweegt.

Drie ringen, drie correctie-modi:

Ring 1 (facilitators): interne correctie op interpretatie en synthese
Ring 2 (deelnemers): correctie op eigen quotes, eigen rol, eigen bijdrage
Ring 3 (publiek): gemodereerde feedback op gepubliceerde patronen

Waar het op spanning staat, vier cases:

Correctie versus evidentie: iemand wil haar quote verwijderen, maar de quote is sleutel-inzicht. Default: eigenaar van quote heeft veto over eigen woorden in Ring 2 en 3. Voor analytische integriteit: pagina kan iets noteren als "hier ontbreekt nu een stem die er eerder was" zonder de quote te reproduceren. Bij twijfel: zachte route is in gesprek terug, niet overrulen.
Eén stem vs groep: iemand wil een collectieve passage corrigeren naar haar individuele perspectief. Default: collectieve passages markeren als zodanig (multi-voice: "voices in the group ranged from X to Y"), niet platslaan naar één stem. Als één voice expliciet aangeeft dat de collectieve framing niet klopt: maak dat zichtbaar ("één voice gaf later aan zich niet in deze framing te herkennen") zonder de collectieve passage te schrappen.
Schrijfrecht vs moderatie: Ring 3 (publiek) krijgt feedback-mogelijkheid maar geen directe schrijfrecht. Moderatie nodig: welke feedback raakt principes, welke is destructief? Default: facilitator-team modereert. Bij conflict: bij voorkeur transparant maken (waarom feedback X niet is opgenomen) in plaats van stil sluiten.
Dataset-denken versus mensen-denken: efficiëntie vraagt naar bulk-rules ("alle correcties van type X auto-mergen"). Bedachtzaamheid (principe 5) vraagt het omgekeerde: elke correctie krijgt menselijke aandacht. Default: mensen-denken wint bij twijfel.

Anti-decontextualisatie

Hoe patronen reizen zonder hol te worden.

15. Context maakt patroon

Portabiliteit door context-explicitering, niet door abstractie.

Aanpak die in deze wijk werkte werkt elders alleen als ingrediënten meekomen: cultuur, geschiedenis, specifieke mensen, instituties, tijdsmoment, eerdere ervaringen. Verleiding is om patronen te abstraheren ("vertrouwen opbouwen", "luisteren als interventie"). Dat lijkt portabel, maar is hol: wie het in andere context probeert toe te passen mist de hefbomen die het hier deed werken. Patronen worden dichter gedocumenteerd, niet dunner. Lezer in andere context ziet welke ingrediënten ontbreken en kan eigen variant ontwerpen, niet kopiëren. Kern van een open patroon-ecosysteem voor bottom-up werk: niet één blauwdruk, maar patroon-ecosysteem waar contexten zichtbaar blijven. "Eten als boodschap" werkt in een specifieke wijk met een eigen burenhulp-cultuur en kerkelijke wortels. Hetzelfde patroon abstraheren naar "voedsel verbindt" maakt hem onbruikbaar in beide richtingen: te dun om hier te werken, te leeg om elders te leren.

Waar het op spanning staat: Context-detail versus privacy: hoe specifieker ingrediënten, hoe makkelijker te herleiden naar individuen. Anonimisering die ingrediënten weghaalt is geen anonimisering: het is verarming. Beter: rol-naam ("de informele leider") + voldoende ingrediënten dat het patroon herkenbaar blijft. Generalisatie als gemak: het is sneller om "vertrouwen opbouwen" te schrijven dan vijf ingrediënten te benoemen. Discipline: "als iemand uit een andere wijk dit leest, weet die wat er hier was?"

Christopher Alexander's Pattern Language-discipline staat aan de basis van deze manier van werken.

AI-waardeniveaus

Welke handeling levert AI? Niet wat AI kan, maar wat de prompt mag inzetten.

De keuze tussen Spiegel/Synthese/Serendipity is functioneel principe-niveau.

Niveau	AI doet	Gebruik voor	Anti-patroon
Spiegel	Reflecteert exacte woorden, groepeert per thema	Directe feedback, visie-documenten, deelnemer-output	"Vat samen in heldere taal": parafrase doodt eigenaarschap
Synthese	Verbindt patronen, toont frequentie	Samenvattingen, cross-tafel analyse	"Analyseer de thema's": te vaag
Serendipity	Onverwachte verbanden, vragen die niemand stelde	Verdieping, blinde vlekken	"Dit betekent dat...": conclusie sluit deur. Vragen openen die.

Spiegel = veiligst voor eigenaarschap. Hoe hoger het niveau, hoe explicieter labelen wat van AI komt.

Relatie tot de 3 AI-rollen (Spiegelen/Verdiepen/Verbreden): twee verschillende frameworks die hetzelfde gebied raken. AI-waardeniveaus (Spiegel/Synthese/Serendipity) gaan over wat AI doet met input: output-keuze van de prompt. AI-rollen (Spiegelen/Verdiepen/Verbreden) gaan over wat een pagina in de AI-output representeert: pagina-modus. Overlap: beide eindigen op een Spiegel-modus die letterlijk-citeert. Verschil: rollen leven op pagina-niveau (welke modus is dit), waardeniveaus op prompt-niveau (welk output-type vraagt deze prompt).

Framework	Niveau	Wat het doet
AI-waardeniveau (prompt)	Spiegel / Synthese / Serendipity	Wat de prompt output produceert
AI-rol (pagina in AI-output)	Spiegelen / Verdiepen / Verbreden	Welke modus deze pagina belichaamt

Bij prompt-ontwerp: kies AI-waardeniveau bewust. Bij pagina-ontwerp: kies AI-rol bewust. Vermijd de twee per ongeluk te mengen.

Mechanisme onder de principes

Waarom de principes werken. Niet zelf een principe, maar de psychologische, lichamelijke en talige werking eronder.

Eigenaarschap heeft een psychologische grammatica

Self-efficacy ontstaat lokaal: mensen voelen "ik kan dit" alleen door iets concreet en kleins te doen dat lukt (mastery experiences, Bandura). Pep-talk en visie alleen leveren geen efficacy, ze blijven externe locus. Bottom-up werk vereist schaal-discipline: te groot = niet voelbaar = schijnparticipatie. Raakt principes 4 (Eigenaarschap door taal), 9 (Herkenning), 10 (Tempo).

"Eigenaarschap komt van binnenuit. Het is niet iets dat wij toekennen, maar iets dat we herkennen en respecteren." (zie Eigenaarschap)

Articulatie creëert eigenaarschap

Uitspreken IS de interventie, niet rapportage erover. Een formulering uit een zorginstellings-sessie waar deelnemers vroegen of AI niet gewoon het plan kon maken: "Dat kan het prima, maar jullie zijn de ziel van dit alles. Het feit dat jullie erover praten, zorgt ervoor dat jullie het waarschijnlijk zullen steunen."

Mechanisme:

Articulatie → creëert interne helderheid
Dialoog → bouwt gedeeld begrip
Co-creatie → genereert authentiek eigenaarschap
Commitment → volgt uit actieve participatie

Daarom werkt AI als spiegel, niet omdat de spiegel beter is dan de mens, maar omdat de spiegel mensen helpt zichzelf te articuleren. AI dat namens mensen praat haalt de articulatie uit het systeem en laat alleen het rapport achter. Raakt principes 1, 3, 4, 9.

Uitnodiging is geen stijl, het is de enige vorm die niet forceert

Eigenaarschap dat top-down wordt opgelegd is per definitie geen eigenaarschap meer. Het recept van Floor de Ruiter (ideale toestand → obstakels → wat zou jij willen doen?) is de methodische vertaling: de vraag staat altijd bij de deelnemer, het antwoord ook. AI of facilitator die dit overneemt vernietigt waar 'ie voor is. Raakt principes 4, 8 (Intentie voor ritueel) en 9 (Herkenning).

Taal als vorm, vier talen, één mechanisme

Eigenaarschap leeft op vier lagen die hetzelfde mechanisme dragen:

Psychologie: locus of control (Rotter), self-efficacy (Bandura). Mastery experiences > pep-talk.
Lichaam: wachten tot lichaam, emotie en intuïtie meekunnen. In freeze/flight is mastery cognitief begrepen maar niet voelbaar.
Taal: uitnodigen, niet instrueren. "We stellen voor" > "moeten/horen". Eigenaarschap is niet te forceren, alleen uit te nodigen. Vorm van zinnen = vorm van eigenaarschap.
Self-talk + samenwerking: "The way you speak to yourself matters." (Eamon & Bec). Hoe deelnemers tegen zichzelf praten en hoe wij ze aanspreken vormen samen één veld. "Wij moeten dit oplossen" → externe verplichting. "Wat zou jij willen doen?" → uitnodiging tot eigenaarschap. Taalwerk is geen cosmetiek, het is de interventie.

Raakt principe 4 en alle uitnodigings-werk. Voor de bredere theorie achter deze vier-lagen-lens: zie Eigenaarschap.

Self-talk en samenwerking zijn dezelfde laag

"The way you speak to yourself matters." (Eamon & Bec). Hoe deelnemers tegen zichzelf praten en hoe wij ze aanspreken vormen samen één veld. "Wij moeten dit oplossen" → externe verplichting. "Wat zou jij willen doen?" → uitnodiging tot eigenaarschap. Taalwerk is geen cosmetiek, het is de interventie. Raakt principe 4 en is onlosmakelijk verbonden met "Taal als vorm" hierboven.

Lichaam en regulatie horen erbij

Cognitief begrip zonder lichamelijke ruimte is mastery die niet landt. In groepswerk: deelnemers moeten zich veilig voelen, hun emoties durven voelen, ruimte ervaren om zichzelf te zijn. Tempo, pauzes, oog voor freeze/flight zijn geen zachte randvoorwaarden, ze zijn de voorwaarde voor dat de principes überhaupt werken. Raakt principes 2 (Vertrouwen), 6 (Frustratie als brandstof) en 10 (Tempo).

Onderliggende disciplines

Niet principes maar hygiëne die principes borgt. Operationeel.

Primaire-bron-discipline

Elke claim traceert terug naar transcripten, interviews, originele documenten. Geen secundaire literatuur als hoofdbron. Geen synthese die het transcript verlaat.

Multi-pass review

Geen eenmalige synthese. Iteratie met participanten. Voor naam-toekenningen, claim-verificatie, citaat-plaatsing: tweede pass kritisch met expliciete vraag ("is er expliciete markering in de bron?").

Uitbreiding, multi-prompt validation voor fundament-werk. Wanneer AI-output als fundament dient voor verdere conclusies (coaching, sessie-design, deliverables): meerdere prompt-variants van zelfde lens parallel op zelfde bron, overlap = robuustheid-signaal. Variant-typologie: baseline + signal-terms-shift + signal-focus-positive. Comparison-rule: verbatim/moment-overlap, NIET label-overlap. Voor findings met meerdere readings: classificeer als complementary (beide kloppen samen), competing (sluiten elkaar uit), of multiple (nog niet bepaalbaar), bewaar beide lezingen, geen synthese-druk. Voor het volledige recept: zie Prompts.

Positive-first als anti-default-pull (geobserveerd over 3 lenses)

Wat we lijken te zien. AI-gedreven patroon-analyse heeft een blinde vlek voor stille positieve momenten die wel in dezelfde bron staan. Een gemengde pass (zoek beide kanten in één prompt) helpt, maar mist nog steeds systematisch het stille positieve. Een aparte pass die ALLEEN naar positief vraagt vangt dat extra deel.

We hebben dit niet absoluut bewezen, wel consistent over drie lenses en twee soorten bronnen geobserveerd. Voorzichtig mee omgaan: behandel als sterke werkhypothese, niet als wet.

De bredere claim, veranderkundige inbreng. "Het is veel handiger om mensen te veranderen door te vragen of ze meer kunnen doen van wat ze al doen, te bevestigen wat er goed gaat, dan in die frictie te gaan zitten van: hé, dit moet je beter doen." Versterken wat al werkt is een sterker veranderings-mechanisme dan corrigeren wat niet werkt. Bij patroon-onderzoek dat in menselijke praktijk landt: belicht beide kanten als default, en voor hoogwaardig fundament-werk komt daar een extra positive-only-pass overheen. Anders raakt het positieve verwaterd onder het negatieve.

Geobserveerd over 3 lenses (2026-05-20):

L1 (taal-mechanismen) + L2 (groeps-dynamiek) op breakouts. Blinde vlek consistent.
L7 (zelfreflectie op AI-rol + eigen aandeel) op gemengde set (werkdocs + meetings + transcripten). Herhaalt zich.
Pad-C-revised test (gemengde baseline + lens-patch): vangt slechts 2 van 5 unieke positieve catches. Stille positieven gemist.

Het patroon dat we zien: stille positieven in dichte context. Drie vormen:

Stille positieven binnen een negatieve stroom: Een positief moment dat tegelijk speelt met een grote negatieve uitspraak in dezelfde minuut. De analyse pakt eerst het luide negatieve; het stille positieve gaat mee in dezelfde lezing. Voorbeeld: in een plenair na een breakout stonden 3 stemmen die zeiden "laat AI het maar doen" naast een bekende pushback-cascade. Default prompt zag alleen de cascade.
Stille positieven vlakbij een uitgebreid probleem: Een werkend proces dat één zin verderop staat in een lange beschrijving van wat er misging. Aandacht zit op het probleem; het werkende patroon ernaast wordt overgeslagen. Voorbeeld: in een lang gesprek noemde één deelnemer in één zin een werkende directors-feedback-loop, ingebed in 2 uur over wat misging. Geen van de gemengde prompts pakte deze zin op.
Stille positieven verspreid over meerdere stukken: Een positief patroon dat alleen zichtbaar wordt als je drie of vier verschillende stukken van één document samen leest. Elk los stuk is te klein. Voorbeeld: een drie-laags pre-check-systeem is alleen herkenbaar door drie secties samen te lezen. Default prompt vond ze individueel, niet als samenhang.

Duidelijk uitgesproken positieve momenten (ontwerp-keuzes die expliciet worden benoemd als "dit houden we", checkmomenten waar iemand zegt "ja dit klopt") worden door gemengde prompts wel betrouwbaar gevangen. Stille positieven niet.

Niet forceren. Dit is kennis, geen automatische regel. Wanneer een facilitator zegt "ik wil nu alleen de spanningen weten": geef spanningen. De prompt mag dan niet zelf op basis van deze observatie de positieve kant inbouwen tegen de wens in. De kennis is dat het wijs is om beide kanten te belichten waar dat past, niet dat het altijd moet.

Praktische implicatie: zie Prompts voor concrete 3-pass setup.

Operationele disciplines (out-of-scope voor deze bundle)

Er is daarnaast een laag operationele disciplines (inline-viz, visual-bridge, assert-with-evidence, folder-wide-grep, consolidate-source-docs). Deze gaan over hoe je werkt in een specifieke werk-context, niet over principes voor AI-ondersteund werken met groepen.

Reden om hier expliciet te markeren in plaats van weglaten: lezers van deze bundle kunnen verwachten dat alle disciplines hier ook leven. Dat is niet zo.

Vier kernbegrenzingen voor prompts met transcripten

Vertaling van principes naar concrete prompt-regels. Niet zelf principes, wel verplichte rand bij prompt-werk.

Baseer output strikt op transcript(en), geen verzinsels (principe 1 + 3)
Bij twijfel: "mogelijk onderbelicht" in plaats van stellige bewering (principe 5 + 7)
Gebruik hun eigen woorden en terminologie (principe 4)
Benoem openstaande punten en tegenstrijdigheden expliciet (principe 5 + 6 + 14)

Hoe strikt toe te passen hangt af van prompt-type: spiegel-niveau alle vier, synthese 1+2+4, serendipity 2+4, echo alleen #3, brainstorm geen verplicht.

Voor de volledige uitwerking: zie Prompts.

Vier facetten als kompas

Welk facet dient mijn prompt? Als je het niet kunt benoemen, is de prompt waarschijnlijk te vaag.

Facet	Wat AI doet	Wat prompt moet afdwingen	Raakt principe
Vergrootglas	Zichtbaar maken wat er al is	Strikt op transcript baseren, hun woorden behouden	1 + 4
Verbinder	Verbinding creëren over verschil	Tegenstrijdigheden benoemen niet oplossen, patronen tonen	5 + 6 + 14
Ruimtemaker	Rompslomp overnemen	Structureren zonder interpreteren, snel bruikbaar	3 + 12
Schaalmaker	Mogelijk maken wat eerder onmogelijk was	Privacy-bescherming, abstractie zonder verlies van herkenning	14 + 15

Changelog

2026-05-12: v2 canonical aangemaakt. Synthese uit 4 bronnen + 11 auteur-goedgekeurde aanpassingen + 4 cross-skill-check verbeteringen (Soul Principle in mechanisme + §4b quote, bridge naar bottom-up in opener, taal-as expliciet in mechanisme, kernzin "Niet bij de tool" verbatim). Naam definitief "Social AI Principes". 3 AI-waardeniveaus naar 4e cluster. Operationele disciplines expliciet out-of-scope gemarkeerd. Principe 1 voicing "onzichtbare netwerken" (bron-letterlijk). Principe 14 spannings-uitbreiding (4 cases). Principe 5 bron-claim correctie.
2026-05-12 (avond): Principe 2 (Vertrouwen) uitgebreid met expliciete twee-lagen-structuur: Laag 1 distributie (bestaand) + Laag 2 zorgvuldigheid AI met gedeeld materiaal (nieuw). Pull-quote uitgebreid ("én de rand waarbinnen AI mag werken"). Spannings-bullet voor laag-2 toegevoegd (efficiëntie-druk vs context-zorgvuldigheid). Voorheen had de canonical alleen distributie + lichaam-veiligheid-mechanisme; nu expliciet hoe AI moet omgaan met groeps- versus individu-niveau materiaal.
2026-05-20: Multi-prompt validation method + naming-conventie complementary/competing/multiple readings toegevoegd onder Multi-pass review-discipline.
2026-05-20 (later): Pending observation "Positive-first dimension bij multi-prompt analyse" toegevoegd. Status: te valideren via tweede-lens-test.
2026-05-20 (avond, na pad-C-revised): Positive-first dimension verplaatst uit "Pending observations" naar ### Positive-first als anti-default-pull onder ## Onderliggende disciplines. Geobserveerd over 3 lenses (L1, L2, L7). Named patroon "stille positieven in dichte context" met drie vormen (binnen negatieve stroom / vlakbij uitgebreid probleem / verspreid over meerdere stukken). Framing: werkhypothese, niet wet. Niet-forceren-clausule expliciet.

Verder lezen in deze bundle

Prompts: concrete vertaling naar prompt-ontwerp
Eigenaarschap: waar eigenaarschap vandaan komt
Bottom-up: hoe verandering bottom-up ontstaat
Leesgids: overzicht en hoe deze docs samenhangen

Onderdeel van Thoughtful Social AI. CC-BY-SA 4.0.