De meeste AI-producten falen op een dimensie die niets met modelkwaliteit te maken heeft. Ze falen op eerlijkheid — niet in de zin van openlijk liegen, maar langs de stillere wegen: verbergen wat een aanroep kost, met zelfvertrouwen onzin beweren zonder voorbehoud, toestand laten verdwijnen die niet meer terug te halen is, en nooit leren van de wrijving die ze veroorzaken. Die tekortkomingen zijn ontwerpkeuzes, ook als ze op vergissingen lijken.
Hieronder staat het raamwerk van vijf patronen dat we bij ToRun intern gebruiken om elk oppervlak dat we bouwen te beoordelen. We beweren niet dat we het altijd halen. We beweren dat dit de juiste vragen zijn.
Transparantie: de werkelijke toestand en de werkelijke kosten tonen
Het klassieke oneerlijke patroon is een vaag «er zijn wat credits verbruikt». Transparante facturering betekent dat je elke eerdere aanroep kunt bekijken en precies kunt reconstrueren wat er in rekening is gebracht en waarom — aanbieder, model, modaliteit, verbruikte eenheden, tarief op het uitvoeringsmoment, eventuele valutaomrekening en de marge van het platform. Ontbreekt een van die velden, of wordt het achteraf geschat, dan is de rekening fictie.
Een subtielere transparantiefout is de modelkeuze verbergen. Verlaagt een product je verzoek stilzwijgend naar een goedkoper model omdat je een zachte limiet hebt geraakt, dan krijg je misschien een slechter antwoord zonder het ooit te weten. Het eerlijke is te vertellen welk model draaide, waarom het gekozen is en wat de alternatieven waren. Het routeringsbesluit hoort inspecteerbaar te zijn, geen zwarte doos.
Transparantie geldt ook voor toestand. Draait er een achtergrondtaak voor je, dan hoort de interface dat te zeggen en je een manier te geven om hem te stoppen. «Bezig met verwerken»-indicatoren die je niet kunt afbreken, zijn kleine leugens.
Omkeerbaarheid: laat mensen ongedaan maken
Onomkeerbaarheid is de meest onderschatte interfacefout in AI-producten. Je vraagt een workflow een e-mail te sturen of in een kanaal te posten, hij vuurt meteen af, en de enige uitweg is een met de hand geschreven excuusbericht. Geen tussenstap. Geen bevestiging wanneer er veel op het spel staat. Geen ongedaan maken.
Het omkeerbaarheidspatroon vereist dat producten onderscheid maken tussen lees- en schrijfbewerkingen, bevestigingsstappen tonen voor handelingen met gevolgen, en toestand lang genoeg vasthouden zodat fouten opgemerkt kunnen worden. Voor door AI gegenereerde inhoud betekent dat: concepten bestaan vóór publicatie, gegenereerde artefacten zijn na verwijdering terug te halen, en chatsessies zijn te exporteren of te vertakken voordat je ze kwijtraakt.
Omkeerbaarheid geldt ook voor configuratie. Heeft het wijzigen van een instelling gevolgen verderop — bijvoorbeeld het standaardmodel voor alle toekomstige sessies wisselen — dan hoort het product te zeggen wat er verandert vóórdat het verandert, niet erna.
Vooruitziende zorg: waarschuwen vóór de schade, niet erna
Een eerlijk product zegt «dit bericht gaat een aanzienlijk deel van je saldo verbruiken» vóór de aanroep, niet in een bonnetje achteraf. Het zegt «deze workflowstap heeft geen foutafhandeling; valt het voorafgaande gereedschap uit, dan stopt de run stilletjes» terwijl je hem bouwt, niet tijdens een incident om twee uur 's nachts.
Vooruitziende zorg betekent dat het product modelleert wat er vanuit het gezichtspunt van de gebruiker mis kan gaan en dat op het beslismoment toont. Dat is lastiger dan het klinkt, want het vraagt dat het product bedoeling begrijpt en niet slechts opdrachten uitvoert. Wie een batchgeneratie van 200 beelden aanvraagt, wil de geschatte kosten waarschijnlijk vooraf weten, ook zonder er expliciet om te vragen.
Het faalpatroon hier is optimaliseren op conversie — kostenwaarschuwingen onderdrukken omdat ze aarzeling veroorzaken. Op korte termijn kan dat de activering verhogen. Op lange termijn leert het mensen je niet te vertrouwen.
Kennismatige eerlijkheid: zeggen wat je niet weet
AI-modellen hallucineren. Elk team dat AI-producten bouwt weet dat. Het oneerlijke ontwerpantwoord is modeluitvoer met uniforme zekerheid presenteren en het probleem later laten ontdekken. Het eerlijke antwoord is uitdrukkelijke paden bouwen om onzekerheid te signaleren.
Dat betekent: citeert een model bronnen, dan moeten die verwijzingen echt en aanklikbaar zijn. Zegt een model «volgens mijn trainingsafkapdatum», dan moet dat voorbehoud zichtbaar blijven in de interface en niet worden weggeknipt voor nettere tekst. Vallen antwoorden met ophaling terug op parametrische kennis omdat er geen relevante passage is gevonden, dan hoort het antwoord dat te zeggen in plaats van het parametrische antwoord als verankerd te presenteren.
Kennismatige eerlijkheid strekt zich uit tot het product zelf. «Deze functie is experimenteel» is geen waarschuwing om te verstoppen — het is de informatie die iemand nodig heeft om zijn vertrouwen te ijken. Bestaat er een betrouwbaarheidsscore en is die laag, toon hem dan. Week de routeringspijplijn uit naar een secundair model omdat het primaire niet beschikbaar was, zeg dat dan in de metagegevens van de aanroep.
Leerlus: de terugkoppeling sluiten
De meest verraderlijke interfacefout is een product dat nooit beter wordt in je bedienen omdat het nooit waarneemt waar het je frustreerde. Vier keer boos klikken op een knop die uitgeschakeld lijkt maar het niet is, is een signaal. Een generatie stelselmatig halverwege afbreken is een signaal. Na elk antwoord dezelfde correctie schrijven is een signaal.
Een eerlijk platform legt die signalen open vast, gebruikt ze om routering en standaardwaarden te verbeteren, en laat zien wat het geleerd heeft. Niet «we gebruiken je gegevens om het product te verbeteren» in een voetnoot van de gebruiksvoorwaarden — maar zichtbare terugkoppeling: «we merkten dat je bij codetaken vaak overschakelt van het automatisch gekozen model naar een specifiek model; wil je dat je standaard maken?».
De leerlus houdt ook in dat je toegeeft wanneer het platform ernaast zat. Bracht een model een feitelijk onjuist antwoord voort dat iemand corrigeerde, dan is die correctie meer waard dan duizend duimpjes omhoog. Haar zo behandelen is een daad van eerlijkheid tegenover wie het systeem gebruikt en tegenover de eigen ijking van het product.
De lat
Geen van deze vijf patronen is technisch moeilijk uit te voeren. Het lastige is ze voorrang geven, omdat ze soms betrokkenheidscijfers op korte termijn verlagen. Wie kostenwaarschuwingen ziet, aarzelt. Wie onzekerheidsmeldingen ziet, vertrouwt losse antwoorden minder. Wie ongedaan kan maken, zit minder vast.
De weddenschap van eerlijk ontwerp is dat die wrijvingen duurzaam vertrouwen opbouwen, en dat duurzaam vertrouwen het enige fundament is waarop een product kan staan in een categorie met zulke gevolgen als AI. Platformen die de eerlijkheidslat overslaan, bouwen geen relaties op — ze voeren een langzame onttrekking uit. Het verschil zie je in het verloop, in het aantal supportvragen en in het soort mond-tot-mondreclame dat werkelijk optelt.
We toetsen elk ToRun-oppervlak aan deze vijf patronen voordat we het uitbrengen. We missen ze toch. Gebeurt dat, dan ligt het auditspoor open genoeg dat mensen het ons kunnen zeggen.