Role prompting houdt in dat je een AI-model expliciet instrueert om vanuit een bepaalde rol te antwoorden. In plaats van een neutrale gesprekspartner, vertel je de AI bijvoorbeeld “Je bent nu een senior advocaat” of “Handel als rechter bij het beantwoorden”. Door zo’n rol mee te geven in de prompt, wordt de toon en invalshoek van het antwoord meteen anders. De AI kruipt als het ware in de huid van die rol. In Legal Momo maken we hier bewust gebruik van: onze twee AI-advocaten en AI-rechter zijn eigenlijk hetzelfde basis AI-model, maar ze zijn via role prompting elk een eigen persona gegeven, met hun unieke perspectief.

Wat doet role prompting?

Wanneer een AI een rol toegekend krijgt, beperkt en verfijnt dat de manier waarop het model reageert. Een AI-advocaat in Legal Momo zal bijvoorbeeld uitgebreid pleiten voor een standpunt, argumenten aanvoeren en tegenargumenten benoemen. Gedrag dat past bij een advocaat die zijn cliënt verdedigt. Een AI-rechter daarentegen zal neutraler en kritischer zijn: die weegt beide kanten, stelt verdiepende vragen en bewaakt de logica en onderbouwing. Door deze rollen vooraf te definiëren, krijg je rijkere interactie tussen de modellen en uiteindelijk een beter eindresultaat. Ook als je één AI inzet, helpt role prompting om het antwoord af te stemmen: vraag iets “als leek” uitgelegd te krijgen, of juist “als hoogleraar”, en de stijl en complexiteit van het antwoord veranderen dienovereenkomstig.

Role prompting in Legal Momo

In Legal Momo’s multi-agent setup heeft role prompting een centrale plek. We hebben het model geleerd om zich te gedragen als twee typen advocaten en één type rechter in een virtuele juridische discussie. Deze rollen zorgen ervoor dat het systeem zichzelf van feedback voorziet: de AI-advocaten debatteren, de AI-rechter houdt toezicht en integreert de bevindingen.

Voor de gebruiker vertaalt dit zich naar een advies dat vanuit meerdere invalshoeken is bekeken. Net alsof je drie experts hebt geraadpleegd in plaats van één. Maar ook buiten die ensemble-structuur kunnen gebruikers role prompting inzetten. Wil je dat het antwoord heel toegankelijk is? Begin je vraag dan met “Leg uit in begrijpelijke taal (rol: docent) …”. Of juist een zeer gedetailleerde juridische onderbouwing? Vraag: “Antwoord als juridisch expert…”. Legal Momo begrijpt zulke aanwijzingen en past de reactie aan. Role prompting maakt de AI flexibel qua toon en detailniveau, zonder dat je de onderliggende kennis hoeft aan te passen.

Uiteindelijk krijgen juristen zo precies de vorm van antwoord die ze nodig hebben – bijvoorbeeld een juridische uiteenzetting voor een memo, of een eenvoudige uitleg voor een cliënt. Door simpelweg de juiste rol toe te kennen in de prompt.

Conclusie: role prompting

Door role prompting toe te passen, laat Legal Momo zien hoe belangrijk de context van een rol is bij AI-antwoorden. Een en hetzelfde AI-model kan heel verschillend antwoorden als je het de rol van advocaat, rechter of bijvoorbeeld docent geeft. In Legal Momo’s geval verhoogt dit niet alleen de kwaliteit van individuele antwoorden. Maar creëert het ook een dynamiek waarin AI-modellen elkaar versterken en corrigeren (denk aan onze AI-advocaten vs. AI-rechter). Voor de gebruiker is het voordeel duidelijk: je kunt sturen op perspectief en diepgang van het antwoord simpelweg door een rol mee te geven. Role prompting levert zo beter passende, rijkere antwoorden op. Van praktisch advies tot diepgaande juridische analyses – en dat maakt Legal Momo tot een nog waardevollere assistent in het juridische werk.

Wil je als eerste kennismaken met Legal Momo? Meld je dan aan voor onze demo.