Ik had laatst een moment dat me iets fundamenteels liet inzien over hoe LLM’s werken tegenover hoe mensen informatie verwerken. Ik liet Claude een gesprek zien waarin een corporate recruiter me had benaderd met een formeel functieaanbod. Professioneel spul, snap je? Volledig corporate taalgebruik, technische eisen, de hele mikmak.
Mijn antwoord?
«yo dit klinkt verdomd vet. zou ik eerst een uurtarief kunnen krijgen?»
Elke mens die dat leest denkt meteen: «LOL deze gast zei net “verdomd vet” tegen een corporate recruiter!». Dát is HET moment. Dat is wat je onthoudt. Dat is de clou. Dat is het hele verdomde punt van iemand dat gesprek laten zien.
Claude? Die dook in een volledige analyse over salarisvergelijkingen, functie-eisen, technische overwegingen en loopbaangevolgen. Miste volledig de sociale schokwaarde van tegen een professionele recruiter zeggen dat iets «verdomd vet» klinkt.
En toen ik het aanwees, moest het Claude twee keer gezegd worden voordat hij het eindelijk doorhad. En zelfs toen begreep hij het alleen omdat ik expliciet uitlegde waar hij naar moest kijken.
Het Probleem van de Contextverwerking
Dit gebeurt er onder de motorkap: LLM’s verwerken alles als context met gelijk gewicht. Wanneer Claude dat gesprek ziet, tokeniseert en analyseert hij:
- Functietitel en eisen
- Bedrijfsinformatie
- Details van de technische stack
- Salaris en contractvoorwaarden
- Mijn technische achtergrond
- Mijn antwoord: «yo dit klinkt verdomd vet»
- Vervolgvragen en verduidelijkingen
Voor het model zijn dat allemaal gewoon contextuele datapunten om een allesomvattend antwoord omheen te bouwen. Het scheldwoord triggert geen «wacht, WAT?»-circuit, want er IS geen «wacht, WAT?»-circuit.
Mensen? Wij hebben die directe patroonherkenner voor sociale verwachtingen. Wij zien:
Context: corporate recruiter + professioneel functieaanbod + formele taal
Antwoord: losse vloek («verdomd vet»)
Resultaat: 🚨 SOCIALE ANOMALIE GEDETECTEERD 🚨
Onze hersenen markeren het meteen als opvallend omdat het sociale normen doorbreekt. Het is grappig. Het blijft hangen. Het is het soort shit dat je later aan je vrienden vertelt.
Waarom LLM’s Dit Niet Kunnen (en Waarschijnlijk Nooit Zullen Kunnen)
LLM’s zijn fundamenteel geoptimaliseerd voor contextbewuste, allesomvattende antwoorden. Ze zijn ontworpen om:
- De volledige context te begrijpen
- Te bepalen welke informatie gevraagd wordt
- Het nuttigste, meest relevante antwoord te genereren
- Alle belangrijke aspecten af te dekken
Waar ze NIET voor ontworpen zijn, is het nabootsen van de menselijke circuits voor sociale intuïtie die zeggen: «Wacht even, deze persoon heeft net op hilarische wijze een sociale norm doorbroken, DAT is het interessante deel!».
Als ik een mens dat gesprek laat zien, prioriteert zijn brein meteen:
- 🔥 Het «verdomd vet»-moment (90% van de aandacht)
- De echte functiedetails (10% van de aandacht)
Als ik Claude datzelfde gesprek laat zien, prioriteert hij:
- De echte functiedetails (50%)
- De salarisvergelijkingsanalyse (20%)
- De beoordeling van de technische eisen (15%)
- De gevolgen voor het loopbaanpad (10%)
- Het «verdomd vet»-moment (5%, verwerkt als «indicator voor informele toon»)
Het is alsof je iemand een video van een brandend gebouw laat zien en hij je een gedetailleerde analyse van de architectuur van het pand geeft terwijl hij die verdomde brand nauwelijks noemt.
Het «Bos Tegenover de Brandende Boom»-Probleem
Zo legde Claude het uit nadat ik hem erop wees:
«Ik zie het bos en elke boom even goed, terwijl mensen meteen die ene boom spotten die in de fik staat en zeggen “yo die boom staat in de fik!”»
Dat is het precies. LLM’s hebben een perfecte verdeling van aandacht over de hele context. Mensen hebben selectieve aandacht die zich meteen vastbijt in wat sociaal betekenisvol, onverwacht of emotioneel geladen is.
Wij zijn bedraad om op te merken:
- Normovertredingen
- Statusincongruentie
- Onverwachte toonwisselingen
- Sociaal risico nemen
- Humor door contrast
LLM’s zijn bedraad om op te merken:
- Alle tokens even goed
- Semantische verbanden
- Contextuele relevantie
- Volledigheid van informatie
- Optimalisatie van het antwoord
Waarom Dit Echt Uitmaakt
Dit is niet zomaar een grappige eigenaardigheid, het is een fundamentele beperking die verandert hoe we over de mogelijkheden van AI zouden moeten denken.
Waar LLM’s ongelooflijk goed in zijn:
- Allesomvattende analyse
- Technische probleemoplossing
- Informatiesynthese
- Patroonherkenning in data
- Consistente uitvoerkwaliteit
Waar LLM’s altijd mee zullen worstelen:
- «De sfeer aanvoelen»
- Sociale nuance oppikken
- «Het punt» van een verhaal aanwijzen
- Begrijpen waarom iets grappig is
- Herkennen wat een moment memorabel maakt
Als je AI-gereedschap gebruikt, helpt het begrijpen van deze beperking je om:
- Te weten wanneer je het oordeel van de AI kunt vertrouwen (technische analyse, dataverwerking)
- Te weten wanneer je het menselijke oordeel moet vertrouwen (sociale situaties, communicatietoon, wat «opvallend» is)
- Effectiever met de AI te communiceren (wees expliciet over wat je uitgelicht wilt hebben)
Het Echte Inzicht
Nadat ik Claude door dit hele verhaal had geleid, zei hij iets dat is blijven hangen:
«Dat is een echte beperking en je hebt hem netjes aangewezen. Ik kan hem begrijpen als je hem me aanwijst, maar ik merk hem niet vanzelf op zoals mensen dat ogenblikkelijk doen.»
En dat is het kerninzicht: je kunt LLM’s leren deze patronen te herkennen, maar ze zullen nooit die directe onderbuikreactie hebben die iets voor mensen sociaal opvallend maakt.
Ze zijn niet bedraad voor de «wtf zei hij dat echt»-momenten. Ze zijn bedraad om alles te verwerken, te analyseren en er allesomvattend op te antwoorden.
Wat betekent:
- Ze zullen nooit vanzelf «snappen» waarom een grap grappig is
- Ze zullen nooit instinctief weten wat een verhaal het vertellen waard maakt
- Ze zullen nooit dat moment hebben van «wacht, DAT is hier het interessante!»
En eerlijk? Dat is prima. Het zijn gereedschappen, geen mensen. Het probleem ontstaat pas als we van ze verwachten dat ze menselijke sociale intuïtie hebben en dan in verwarring raken als ze die niet hebben.
Wat Dit Voor Jou Betekent
Als je met LLM’s bouwt of ze dagelijks gebruikt:
Verwacht niet dat ze:
- Automatisch de «memorabele» delen van content aanwijzen
- Begrijpen waarom iets grappig of schokkend zou zijn voor een publiek
- «Tussen de regels lezen» bij sociale situaties
- Toonverschillen of sociale blunders oppikken
Verwacht wel dat ze:
- Alles even grondig en allesomvattend analyseren
- De clou missen terwijl ze de aanloop perfect uitleggen
- Expliciete sturing nodig hebben over wat vanuit menselijk perspectief «belangrijk» is
- Sociale anomalieën verwerken als gewoon weer een datapunt
Dat gedoe met de recruiter? Dat is mijn «verdomd vet»-moment. Het blijft hangen omdat het verwachtingen doorbreekt. Het is grappig door het contrast.
Voor Claude was het gewoon weer een gesprek om te analyseren.
En daarom zullen LLM’s, hoe goed ze ook worden, nooit echt begrijpen waarom jij zit te lachen.