Slimmer, niet harder.
De meeste tips over AI kennen we onderhand wel: wees duidelijk, geef context, verwacht geen gedachten lezen. Prima advies, maar het is inmiddels gemeengoed. De echte winst zit een laag dieper. Niet in betere prompts, maar in slimmer werken: AI laten onthouden hoe jij werkt, het toegang geven tot je eigen kennis, en het echt taken laten uitvoeren in plaats van alleen tekst laten produceren.
Dit is geen stappenplan dat je moet volgen. Het is een verzameling manieren om meer uit AI te halen. Pak eruit wat bij je past.
Werk in stappen, niet in één worp
Vraag om een compleet resultaat in één keer en je krijgt vaak iets middelmatigs. De betere aanpak: hak het op. Vraag eerst om een opzet, laat daarna één onderdeel uitwerken, geef feedback ("korter", "zakelijker", "voeg een voorbeeld toe") en laat verbeteren.
Een gesprek met AI is een dialoog, geen automaat waar je één muntje in gooit. Hoe belangrijker het resultaat, hoe meer het loont om onderweg bij te sturen.
Een paar dingen die vaak beter werken
Er bestaat geen magische zin die altijd het perfecte antwoord oplevert. Maar er zijn een paar handgrepen die in de praktijk vaak schelen. Zie het als knoppen waar je aan kunt draaien, niet als een checklist die je moet afwerken. Pak wat past bij wat je nodig hebt.
Het helpt om te beseffen dat een AI geen vraag beantwoordt zoals een mens dat doet; het voorspelt wat er logischerwijs volgt op wat jij typt. Hoe vager je begint, hoe meer het zelf invult. Hoe concreter je bent, hoe gerichter het antwoord. Daar spelen deze tips op in:
- Geef het een rol. "Je bent een ervaren boekhouder die een klant iets uitlegt" levert vaak een ander, scherper antwoord op dan dezelfde vraag zonder rol. Je vertelt het model uit welke hoek en met welke kennis het moet antwoorden.
- Laat voorbeelden zien in plaats van ze te beschrijven. Wil je een bepaalde stijl of opmaak, plak dan een of twee voorbeelden van hoe "goed" eruitziet. Het model kopieert een patroon makkelijker dan dat het een beschrijving raadt. Vaak is dit krachtiger dan nog een alinea uitleg.
- Zeg hoe het resultaat eruit moet zien. Lengte, toon en vorm maken veel uit: "maximaal 150 woorden, zakelijke toon, in bullets" geeft een heel ander (en meestal bruikbaarder) resultaat dan een open vraag.
- Wees niet zuinig met context. Alles wat je niet meegeeft, verzint het model er zelf bij. Namen, cijfers, achtergrond: liever te veel dan te weinig.
Laat AI onthouden hoe jij werkt
Het vervelendste aan werken met AI is jezelf herhalen. Elke nieuwe chat begint blanco: je moet opnieuw uitleggen wat je bedrijf doet, welke toon je wilt, welke afspraken er gelden. Dat kan slimmer.
Steeds meer AI-tools laten je vaste instructies vastleggen die het altijd meeleest. In de codewereld is daar zelfs een standaard voor ontstaan: een bestandje genaamd AGENTS.md, een soort instructiekaart in je project waarin staat hoe er gewerkt moet worden. De AI leest het bij elke taak automatisch, zodat je het niet telkens opnieuw hoeft te zeggen.
Je hoeft geen programmeur te zijn om het idee te gebruiken. Denk aan een vast document met je tone-of-voice, je vaste do's-and-don'ts, je veelgebruikte formats. Plak dat er standaard bij, of gebruik de "custom instructions" die veel AI-tools ingebouwd hebben. Eén keer vastleggen, elke keer profijt.
Geef vaardigheden een vaste plek: skills
Een stap verder dan losse instructies zijn skills. Anthropic (het bedrijf achter Claude) introduceerde ze als een manier om een terugkerende taak één keer goed vast te leggen, zodat de AI hem daarna vanzelf oppakt wanneer het relevant is.
Technisch is een skill niets meer dan een mapje met een tekstbestand erin: een korte beschrijving van wat de vaardigheid doet, plus de instructies zelf. Het slimme zit in hoe het laadt. De AI kent van elke skill alleen de naam en de korte omschrijving, en haalt de volledige inhoud er pas bij op het moment dat de taak erom vraagt. Zo blijft het overzichtelijk en snel, zonder dat je een berg instructies voor niets meesleept.
Praktisch: heb je een klus die telkens terugkomt, precies zoals jij hem wilt ("zo maken we een offerte", "zo controleren we een factuur"), leg die dan één keer vast als skill. Daarna hoef je alleen nog de opdracht te geven; het "hoe" zit er al in.
Geef AI je eigen kennis: RAG
Een bekende frustratie: de AI kent jouw bedrijf, klanten of documenten niet, en verzint soms zelfstandig een antwoord dat overtuigend klinkt maar nergens op slaat. Daar bestaat een oplossing voor, en die heeft een naam: RAG, voor retrieval-augmented generation.
Het idee is simpel. In plaats van dat het model puur uit zijn geheugen antwoordt, zoekt het eerst in een bron die jíj aanlevert (je handleidingen, je prijslijst, je procedures) en baseert het antwoord op wat het daar vindt. Denk aan een open boek-examen: het model hoeft niets uit het hoofd te kennen, het mag eerst opzoeken en antwoordt op basis van de feiten die er echt staan.
De meeste "AI-chatbots op je eigen website" werken onder de motorkap precies zo: ze zoeken in jouw content en formuleren op basis daarvan een antwoord. Je hebt er meestal geen technische kennis voor nodig; veel tools laten je gewoon documenten uploaden.
Van antwoorden naar dingen dóen: agents
De grootste sprong van het afgelopen jaar is het verschil tussen een chatbot en een agent. Een chatbot reageert binnen een gesprek: je stelt een vraag, je krijgt tekst terug. Een agent gaat verder. Die redeneert, gebruikt tools, werkt in meerdere stappen en probeert een doel te bereiken, niet alleen een vraag te beantwoorden.
Kort gezegd: een chatbot vertelt je hoe je iets doet, een agent doet het. Denk aan "zoek de drie openstaande facturen op, controleer de bedragen en zet een concept-herinnering klaar" in plaats van "leg uit hoe ik een herinnering stuur". Om dat te kunnen, heeft een agent toegang tot je tools nodig; daarvoor bestaat een aparte standaard (MCP), waar we het in een ander artikel over hebben.
En eerlijk is eerlijk: niet alles hoeft een agent te zijn. Voor een simpele veelgestelde-vragen-functie is een gewone chatbot prima. Een agent verdient zich pas terug als er echt werk in meerdere stappen over meerdere systemen gebeurt.
Waar zet je dit concreet voor in?
De aanpakken hierboven worden pas tastbaar met een voorbeeld. Drie plekken waar de winst vaak het grootst is:
- Administratie. Facturen en bonnen laten uitlezen, gegevens controleren en klaarzetten voor de boekhouding, in plaats van alles over te typen.
- Klantcontact. Veelgestelde vragen laten beantwoorden, concept-antwoorden op e-mails laten opstellen en tickets automatisch sorteren.
- Onderzoek. Lange documenten laten samenvatten, informatie uit meerdere bronnen laten vergelijken en een eerste analyse laten maken die jij aanscherpt.
Meer voorbeelden per afdeling staan in Wat kun je met AI automatiseren?
De valkuilen blijven
Slimmer werken betekent niet blind vertrouwen. De bekende aandachtspunten gelden nog steeds:
- Verzonnen feiten. Het model klinkt even zeker als het gelijk heeft of niet. Controleer namen, cijfers, citaten en bronnen zelf.
- Verouderde kennis. Zonder RAG of een opzoek-tool weet het model niets van na zijn training.
- Gevoelige gegevens. Bij een online AI-dienst gaat wat je typt naar een externe server. Wees voorzichtig met klantgegevens en vertrouwelijke documenten.
- Te veel vertrouwen. AI is een snelle hulp voor concepten en eerste versies. Jij blijft verantwoordelijk voor het eindresultaat.
En als het toch niet lukt?
Nog een laatste gedachte, meer een mindset dan een techniek. Als een antwoord tegenvalt, is de reflex al snel "AI is dom". Vaak ligt het eraan dat de opdracht niet helder was. Een handige vuistregel: zou een nieuwe collega, met alleen wat jij hebt opgeschreven, precies weten wat je bedoelt? Zo niet, dan weet de AI het ook niet.
Alle tips hierboven komen daar eigenlijk op neer. Een rol geven, voorbeelden tonen, context meegeven: het dwingt je vooral om zelf scherp te krijgen wat je wilt. Loop je vast, zet dan even in gewone woorden op wat je precies voor je ziet, en gebruik dat als vertrekpunt. Meestal wordt het antwoord dan vanzelf beter, zonder trucjes.
Wat je hieruit meeneemt
- Werk in stappen en stuur bij; behandel het als een dialoog.
- Draai aan de knoppen die vaak schelen: geef een rol, toon voorbeelden, zeg hoe het resultaat eruit moet zien en wees niet zuinig met context.
- Leg één keer vast hoe jij werkt (custom instructions, AGENTS.md, skills) in plaats van jezelf elke keer te herhalen.
- Geef AI je eigen documenten mee met RAG, zodat het antwoordt uit jouw kennis en minder verzint.
- Laat AI taken uitvoeren met agents waar dat echt tijd bespaart, en houd controle met duidelijke grenzen.
Dit sluit het thema "AI begrijpen" af. Je kent nu de begrippen (LLM, MCP, CUDA), je weet hoe AI onder de motorkap werkt, en je hebt een paar concrete manieren om er slimmer mee te werken.