Een recent internationaal onderzoek heeft aangetoond dat de taal die je kiest om opdrachten — zogenaamde “prompts” — te geven aan kunstmatige intelligentie (AI) een significante invloed heeft op de kwaliteit van de output. En de verrassende winnaar is: het Pools. In een test onder 26 talen behaalde het Pools de hoogste score, terwijl het Engels slechts zesde eindigde.
Het onderzoeks-kader
Onder leiding van University of Maryland (UMD) in samenwerking met Microsoft werd onderzocht hoe goed verschillende grote AI-taalmodellen reageren op identieke opdrachten in uiteenlopende talen. Modellen van onder andere OpenAI GPT, Google Gemini, Qwen, Llama en DeepSeek werden blootgesteld aan opdrachten in 26 talen — en elk resultaat werd nauwkeurig gemeten op nauwkeurigheid van taakuitvoering.
Polish is the most effective language for prompting AI, study revealsA group of researchers studied which language is best understood by artificial intelligence, with Polish in the lead and English only ranking at sixth place. |
Resultaten en de verrassende winnaar
De uitkomst spreekt boekdelen: het Pools behaalde gemiddeld een accuratesse van 88%. Daarmee kwam het bovenaan te staan, gevolgd door Frans (87%), Italiaans (86%) en Spaans (85%). Het Engels behaalde circa 83,9% en eindigde daarmee op de zesde plaats. Opmerkelijk is dat het Chinees, hoewel een van de grootste taalgebieden ter wereld, juist laag scoorde (vierde van onderen).
Waarom zou Pools scoren?
Het is opmerkelijk omdat de hoeveelheid trainingsdata in het Pools aanzienlijk kleiner is dan in talen zoals Engels of Chinees — en toch presteerde het Pools beter. Hoewel de auteurs van het onderzoek aangeven dat de exacte reden nog onderwerp is van verdere studie, signaleren zij dat de structurele eigenschappen van de taal, de consistentie in grammaticaregels en wellicht minder ambiguïteit in prompt-formulieringsmogelijkheden een rol kunnen spelen.
Implicaties voor prompt-engineering en AI-gebruik
Voor bedrijven, ontwikkelaars en gebruikers van AI-toepassingen betekent dit resultaat dat taalkeuze matter kan zijn. In sectoren waar prompt-engineering een belangrijke rol heeft — denk aan marketing, klantenservice, generatieve content, vertalingen — zou het experimenteren met minder voor de hand liggende talen zoals het Pools nieuwe kansen kunnen bieden. Bovendien daagt het de aanname uit dat Engels vanzelfsprekend de beste taal zou zijn voor AI-interactie.
Kritische kanttekeningen
- Het onderzoek toont de gemiddelde prestaties — individuele modellen of specifieke taaktypes kunnen anders uitvallen.
- De redenen waarom bepaalde talen beter presteren zijn nog niet definitief uitgeklaard.
- Voor organisaties betekent dit geen onmiddellijke praktische switch naar Pools — maar het opent een nieuw perspectief.
- Taal is slechts één factor in prompt-succes; context, modelselectie, data-kwaliteit en taakcomplexiteit spelen ook mee.
Voor wie is dit relevant?
- Ontwikkelaars van AI-modellen en prompt-tools: kunnen taalvariatie testen.
- Marketeers en content-teams die AI inzetten voor meertalige output.
- Onderzoekers in taaltechnologie en computational linguïstiek.
- Internationale organisaties die AI-toepassingen inzetten in meerdere talen.
Het feit dat het Pools – traditioneel gezien een complexe taal voor mensen – bovenaan staat in deze AI-ranking, wijst op een interessant en onverwacht verband tussen taalstructuur en AI-begrip. Het opent de deur naar een bredere discussie over hoe we AI het beste kunnen instrueren — en welke implicaties dit heeft voor de wereld van prompt-engineering. De taal waarin je spreekt tegen de machine kan dus echt het verschil maken.
