Als je ooit teleurgesteld bent geweest door een AI-respons, dan is dit de waarheid: het lag waarschijnlijk niet aan het model. Het was de prompt.
Goede resultaten komen voort uit goede input. En de meeste mensen maken onbewust dezelfde zeven fouten wanneer ze met AI praten. Het goede nieuws? Ze zijn allemaal te herstellen.
Laten we ze opsplitsen.
1. Geen context
Het probleem: Je vertelt de AI om “dit te analyseren” – maar het weet niet wie je bent, voor wie de output is of waarom het belangrijk is. Als het model je rol, publiek of beperkingen moet raden, vermenigvuldigen fouten zich snel.
De oplossing:
Begin elke prompt met context. Vertel de AI wie het is, wie de output dient en wat de grenzen zijn.
Voorbeeld:
“Jij bent een productanalist. Analyseer dit transcript voor startende oprichters om visieuitschieters te identificeren. Maak een beslissingsmemo van 5 woorden, maximaal 180 woorden.”
2. Vage instructies
Het probleem:
“Schrijf over marketingtrends.” Oké… maar hoe ziet succes er eigenlijk uit? Zonder een duidelijk doel krijg je saaie, algemene resultaten waar niemand iets aan heeft.
De oplossing:
Bepaal hoe succes eruit ziet. Wees specifiek over de lengte, structuur en deliverables.
Voorbeeld:
“Schrijf een brief van 1000 woorden over de drie belangrijkste B2B AI-marketingtrends voor Q3 2025. Voeg per trend een gegevenspunt toe met een bron en voeg voor elke trend een eenregelige implicatie toe.”
3. Behandelen als Google
Het probleem:
Vragen stellen is niveau 1. AI is een partner, geen zoekmachine. Als je alleen vragen stelt, laat je al het creatieve werk over aan giswerk.
De oplossing:
Geef richtlijnen. Vertel de AI wat hij moet doen, niet alleen wat jij wilt weten.
Voorbeeld:
“Stel een onboardingflow in 5 stappen op voor een B2B SaaS-product. Vermeld de onderwerpen van de e-mails, de timing in dagen en een KPI die je per stap moet bijhouden.”
4. Alles tegelijk vragen
Het probleem:
“Maak ons go-to-market plan, onze website en onze memo voor investeerders.” Grote vragen verbergen kleine mislukkingen. Je eindigt met uitdijende, ongerichte resultaten die hun doel missen.
De oplossing:
Verdeel grote vragen in kleine, opeenvolgende stappen. Bouw de complexiteit geleidelijk op.
Voorbeeld:
- Stap 1: “Maak een lijst van vijf klussen die de klant moet uitvoeren met pijnpunten in één regel.”
- Stap 2: “Schrijf met behulp van JTBD 2 en 4 vijf opties voor de kop van een homepage.”
- Stap 3: “Breid kop #3 uit tot een heldensectie van 150 woorden.”
5. Niet itereren
Het probleem:
Het heet niet voor niets ChatGPT. Het is de bedoeling dat je een gesprek voert. Te veel mensen behandelen het als een one-shot tool en raken gefrustreerd als de eerste output niet perfect is.
De oplossing:
Bouw stap voor stap. Verfijn gaandeweg. Iteratie is altijd beter dan lengte.
Voorbeeld:
- Stap 1: “Noem vijf mogelijke invalshoeken voor mijn artikel over werk op afstand.”
- Stap 2: “Gebruik invalshoek #2 en schrijf 10 SEO-vriendelijke titelopties.”
- Stap 3: “Maak een volledig overzicht voor titel #7.”
6. Geen formaat of toon
Het probleem:
“Schrijf het artikel.” Zonder begeleiding valt AI terug op een veilige, saaie structuur en een generieke stem die klinkt als elk ander stuk content op internet.
De oplossing:
Bepaal het formaat en de toon. Wees duidelijk over structuur, lengte en stem.
Voorbeeld:
“Schrijf een LinkedIn post, 220 woorden. Structuur: Haak (2 regels), 3 opsommingstekens, 1 CTA. Toon: direct, praktisch, gewoon Engels. Vermijd jargon.”
7. Geen voorbeelden
Het probleem:
AI leert je smaak aan de hand van voorbeelden. Zonder voorbeelden is er geen stijlafstemming. Je krijgt iets functioneels, maar het klinkt niet zoals jij.
De oplossing:
Laat de AI zien hoe “goed” eruitziet. Plak voorbeelden van toon, structuur of stijl die je wilt evenaren. Voeg ook anti-voorbeelden toe.
Voorbeeld:
“Modelleer de toon en dichtheid op basis van deze twee fragmenten [plakken]. Vermijd dit anti-voorbeeld [plakken]. Houd zinnen onder de 16 woorden.”
De R-E-X prompt: Een snelkoppeling die werkt
Als je maar één ding onthoudt van deze post, is het dit:
☑ Rol — Vertel het model wie het is
☑ Expectation — Definieer hoe succes eruit ziet
☑ Xample — Laat zien wat “goed” betekent
Deze driedelige formule werkt voor 99% van de prompts. Het is eenvoudig, herhaalbaar en effectief.
Waar het op neer komt
→ Goede prompts zijn geen wensen.
→ Goede prompts zijn duidelijke opdrachten.
→ Goede prompts zorgen voor goede resultaten.
→ En iteratie is altijd beter dan lengte.
Als je je prompting wilt verbeteren, stop dan met vragen stellen en begin met samenwerken. Behandel je AI als een creatieve partner, niet als een automaat.
Het verschil tussen middelmatige en geweldige output is niet het model. Het is de prompt.
