Prompt engineering voor het mkb: betere output uit AI

Waarom je output tegenvalt

De klacht die we het vaakst horen is dat AI wel aardige teksten maakt, maar niks dat je zonder herschrijven kunt gebruiken. In vrijwel alle gevallen ligt dat niet aan het model maar aan de opdracht. Een vraag als schrijf een tekst over onze diensten bevat geen doelgroep, geen toon, geen lengte, geen doel en geen voorbeeld van wat goed is. Het model vult die gaten dan zelf in, en kiest daarbij het gemiddelde van alles wat het ooit heeft gezien. Dat gemiddelde is precies de generieke tekst waar je een hekel aan hebt.

Het helpt om je opdracht te bekijken zoals een nieuwe medewerker hem zou lezen. Zou iemand die net binnen is, zonder jouw context, hiermee uit de voeten kunnen? Zo niet, dan mist je prompt informatie, en die informatie ga je toch geven, alleen nu achteraf in de vorm van correcties. Vooraf is goedkoper.

De vijf onderdelen van een werkende prompt

Een bruikbare opdracht bevat vijf dingen, en je hoeft ze niet in deze volgorde te zetten. De rol bepaalt vanuit welk perspectief het model schrijft. De taak zegt wat er moet gebeuren, in werkwoorden. De context geeft de feiten die het model niet kan weten: je doelgroep, je prijzen, je werkwijze. Het format legt vast hoe het antwoord eruitziet, van lengte tot koppen. En de beperkingen zeggen wat je juist niet wilt, wat vaak het snelst helpt tegen wollige taal.

Die laatste categorie wordt onderschat. Instructies als vermijd superlatieven, gebruik geen uitroeptekens en schrijf geen inleiding die herhaalt wat er gevraagd is schrappen precies de tics waar AI-tekst herkenbaar aan is. Wie structureel met AI schrijft, verzamelt na een paar weken een eigen lijstje verbodsbepalingen dat meer effect heeft dan welke tooltip ook.

• Rol: schrijf als ervaren adviseur voor Nederlandse mkb-ondernemers
• Taak: herschrijf onderstaande tekst zodat hij korter en concreter wordt
• Context: doelgroep, prijzen, werkwijze en wat je bedrijf juist niet doet
• Format: maximaal 300 woorden, twee alinea's, geen opsommingen
• Beperkingen: geen superlatieven, geen uitroeptekens, geen samenvattende slotzin

Voorbeelden werken beter dan uitleg

De snelste manier om de toon te raken is niet die toon beschrijven maar hem tonen. Plak twee of drie stukken tekst mee die je goed vindt, met de opmerking dat het resultaat hier qua toon en opbouw op moet lijken. Modellen zijn uitstekend in patronen nabootsen en beroerd in abstracte omschrijvingen interpreteren: professioneel maar toegankelijk betekent voor jou iets anders dan voor het model, terwijl een voorbeeld geen ruimte voor interpretatie laat.

Datzelfde geldt voor structuur. Wil je dat elke productbeschrijving dezelfde opbouw krijgt, geef dan één uitgewerkt voorbeeld en vraag om die opbouw aan te houden. Dit is ook de reden dat je bestaande content je grootste bezit is bij AI-werk: hoe meer goede voorbeelden je hebt, hoe minder je hoeft uit te leggen. Hoe je die teksten vervolgens redigeert, staat in AI-teksten schrijven.

Denken in gesprekken, niet in losse vragen

Een tweede winst zit in het besef dat je niet in één keer raak hoeft te schieten. Vraag eerst om een opzet, corrigeer die, en laat het model daarna pas uitschrijven. Dat kost drie berichten in plaats van één, maar je stuurt bij op het moment dat corrigeren nog goedkoop is. Wie meteen om de eindtekst vraagt en die vervolgens helemaal herschrijft, is per saldo langer bezig.

Bij zwaardere modellen werkt het juist andersom: die zijn getraind om lang zelfstandig door te werken, en daar levert één scherpe briefing vooraf meer op dan tien tussentijdse correcties. Weet dus met welk type model je werkt. Het onderscheid tussen de lichtere en zwaardere varianten en wanneer je welke inzet, staat in Claude Opus 5.

Van losse prompts naar vaste werkwijze

Zolang prompt engineering iets is dat één enthousiaste collega doet, blijft het een handigheidje. Het wordt pas bedrijfswaarde zodra de beste prompts zijn vastgelegd en iedereen ze gebruikt. Praktisch betekent dat: kies de vijf taken waar AI bij jullie het vaakst voor wordt ingezet, schrijf per taak één goede prompt uit inclusief voorbeelden, en zet die ergens waar mensen hem vinden zonder ernaar te hoeven vragen.

Draait een taak dagelijks, dan is de logische vervolgstap hem helemaal uit de chatbox halen en in een proces zetten, zodat er geen mens meer hoeft te knippen en plakken. Dat is het moment waarop prompt engineering overgaat in automatisering, en waar de tijdwinst echt zichtbaar wordt. Hoe zo'n proces eruitziet, lees je bij AI-automatisering.