Snel antwoord
Een goede prompt ontstaat zelden in één keer. Je verfijnt de prompt stap voor stap, door te kijken wat werkt en wat niet. Dat is geen tijdverspilling, het is precies hoe je betere resultaten krijgt uit AI.”
Waarom geeft AI me niet wat ik voor ogen heb?
Laatst kreeg ik een berichtje van een opdrachtgever: “Ik probeer al een uur een goede tekst uit ChatGPT te krijgen, maar het blijft prutswerk.” Herkenbaar? Dat gevoel dat AI je wel helpt, maar dat het resultaat net niet is wat je voor ogen had?
Het probleem is niet de tool. Het probleem is dat AI reageert op wat je letterlijk schrijft, niet op wat je bedoelt. Jij denkt aan een warme, persoonlijke websitetekst voor jouw doelgroep. AI ziet “schrijf een tekst over mijn bedrijf” en produceert iets wat net zo goed van elke andere ondernemer had kunnen zijn.
Dat is geen fout van AI. Het is gewoon hoe het werkt. En zodra je dat doorhebt, verschuift het probleem van “AI snapt me niet” naar “hoe geef ik AI wat het nodig heeft?” Die verschuiving is het begin van betere prompts.
Hoe verfijn ik een prompt stap voor stap?
De eerste prompt is nooit perfect. Dat hoeft ook niet. Begin gewoon, kijk wat er uitkomt, en stel bij. Elke iteratie leert je iets: over wat AI nodig heeft, maar ook over wat jij eigenlijk wilt.
Zo werkt het in de praktijk. Je begint breed: “Schrijf een tekst over duurzaamheid voor mijn website.” Wat je terugkrijgt is algemeen, braaf en uitwisselbaar. Niets mis mee als startpunt, maar je bent er nog niet.
Dan voeg je je doelgroep toe: “Schrijf een tekst over duurzaamheid voor ondernemers die hun bedrijf groener willen maken. Focus op praktische eerste stappen.” Beter. Maar nog steeds te voorzichtig, te weinig van jou.
Dan voeg je context en stem toe: “Schrijf een tekst over duurzaamheid voor Nederlandse ondernemers die hun bedrijf groener willen maken. Ik ben adviseur en help bedrijven met praktische stappen, geen theoretische verhalen. Toon: direct, zonder corporate jargon. Begin met een herkenbare situatie.” Nu komt het ergens.
Drie iteraties, drie keer iets toegevoegd. Niet alles tegelijk, maar laag voor laag. Dat is het principe. En het werkt omdat je elke keer precies ziet wat het verschil maakt.
Welke technieken helpen me sneller tot een goed resultaat?
Er zijn vier technieken die ik zelf steeds teruggebruik. Niet als starre regels, maar als gereedschap dat je pakt wanneer je vastloopt.
De specificatieladder werkt van breed naar smal. Je begint met “schrijf over marketing”, dan “schrijf over LinkedIn marketing”, dan “schrijf over LinkedIn marketing voor B2B dienstverleners”, dan “schrijf over LinkedIn marketing voor Nederlandse B2B dienstverleners die hun expertise willen tonen.” Elke trede maakt het specifieker en daarmee bruikbaarder.
De context-sandwich omsluit je opdracht met informatie. Voor de opdracht vertel je wie je bent en wat je doet. Na de opdracht geef je aan hoe het moet klinken en wat je niet wilt. Zo geef je AI precies genoeg om mee te werken zonder de opdracht zelf te verstoppen.
De voorbeeldmethode geeft AI een smaakje van wat je wilt. In plaats van uitleggen hoe je wilt klinken, laat je het zien: “Gebruik een opbouw zoals: ‘Gisteren verloor ik twee uur aan e-mails die niets opleverden. Herkenbaar? Hier is wat ik nu anders doe.'” AI begrijpt voorbeelden vaak beter dan beschrijvingen.
De negatieve instructie is simpel maar krachtig. Vertel AI ook wat je absoluut niet wilt. “Geen marketingtaal zoals ‘innovatief’ of ‘revolutionair’. Geen lijstjes met features. Wel concrete voordelen voor de gebruiker.” Die laatste P uit de SCRAP-methode dus, maar dan expliciet en scherp geformuleerd.
Hoe ziet een complete verfijning er in de praktijk uit?
Hier komen alle technieken samen. Een accountantskantoor wil een introductietekst voor hun website. Ze beginnen met “schrijf een tekst over ons accountantskantoor.” Wat terugkomt is droog, standaard en uitwisselbaar. Herkenbaar.
Dan voegen ze hun doelgroep toe en vragen om een persoonlijkere toon. Beter, maar nog steeds te algemeen. Te weinig context, te weinig persoonlijkheid.
Dan passen ze de specificatieladder toe en voegen ze context toe via de context-sandwich: wie zijn ze, wie helpen ze, hoe werken ze. “Schrijf een introductietekst voor ons accountantskantoor. Wij helpen kleine ondernemers (1 tot 10 werknemers) in de regio Utrecht. Onze eigenaar Jan werkt vijftien jaar in de branche en helpt praktisch, zonder jargon. Doelgroep: ondernemers die hun boekhouding willen uitbesteden maar persoonlijke service verwachten. Ze zijn vaak gefrustreerd door grote kantoren waar ze een nummer zijn. Toon: professioneel maar benaderbaar, zoals je tegen een kennis praat.” Nu hebben we iets bruikbaars.
Dan voegen ze de negatieve instructie toe en specificeren ze de structuur: “Geen corporate speak zoals ‘faciliteren’ of ‘optimaliseren’. Korte alinea’s, mix van korte en langere zinnen. Begin met een herkenbare situatie. Eindig met een duidelijke volgende stap.” Bingo. Vier iteraties, vier technieken, één prompt die werkt.
Zie je hoe elke techniek een eigen laag toevoegt? De specificatieladder maakt het concreter, de context-sandwich geeft AI de achtergrond, de negatieve instructie schrapt wat niet past. Samen leveren ze een prompt op die AI precies geeft wat het nodig heeft.
Prompts bewaren en slim hergebruiken
Je hoeft niet elke keer opnieuw te beginnen. Als een prompt goed werkt, bewaar hem dan. Bouw een kleine bibliotheek op van prompts die resultaat geven, gesorteerd op taak: e-mails, social media, websiteteksten, offertes. Voor een nieuwe situatie pak je een bestaande prompt, pas je hem aan en ben je in twee minuten klaar in plaats van twintig.
Dat is ook waarom verfijning geen tijdverspilling is. Elke iteratie die je nu doet, levert je een template op die je later gratis gebruikt. Je investeert één keer en profiteert er daarna steeds van. En hoe meer je verfijnt, hoe beter je leert wat AI nodig heeft, waardoor je eerste pogingen steeds dichter bij het eindresultaat komen.
Je weet nu genoeg om te beginnen. Pak een prompt die je de afgelopen week gebruikte, kies één techniek uit dit blog, en kijk wat er verandert.
`Veelgestelde vragen
Dat verschilt per situatie en per taak. Soms ben je er na drie iteraties, soms heb je er zes nodig. De vuistregel: stop als het resultaat bruikbaar is zonder dat je het nog flink moet bewerken. Niet eerder, maar ook niet later. Perfectie bestaat niet, bruikbaarheid wel.
Ja, als je prompt langer wordt dan de tekst die je wilt ontvangen, ben je te ver gegaan. AI kan ook overprikkeld raken door te veel tegenstrijdige instructies. Zoek de balans: geef genoeg context om AI de goede kant op te sturen, maar laat ruimte voor het resultaat zelf.
Nee, en dat zou zonde zijn. Bouw een bibliotheek op van prompts die werken. Pas bestaande prompts aan voor nieuwe situaties. Een goede prompt voor een LinkedIn-post over onderwerp A werkt met kleine aanpassingen ook voor onderwerp B. Waarom het wiel opnieuw uitvinden?
Dan zit het probleem waarschijnlijk niet in de details maar in de basis. Gooi de prompt weg en begin opnieuw met één heldere kernvraag: wat wil ik precies, voor wie, en hoe moet het klinken? Bouw van daaruit opnieuw op met de SCRAP-methode als houvast.
Verfijnen betekent dat je één element aanpast en kijkt wat het doet. Opnieuw beginnen betekent dat je de hele aanpak loslaat. Verfijn zolang de richting klopt. Begin opnieuw als het resultaat structureel de verkeerde kant op gaat. Dat gevoel ontwikkel je vanzelf naarmate je meer prompts schrijft.
Ja, je kunt AI gewoon vragen om je te helpen een prompt op te bouwen: “Ik wil een LinkedIn-post schrijven over X voor doelgroep Y, help me een goede prompt te formuleren.” Gebruik dat resultaat dan in een nieuwe chat voor het echte werk. Het werkt het beste als je zelf al een richting hebt. Weet je nog niet wat je wilt, dan krijg je een prompt die nergens op slaat. Maar heb je een idee en weet je alleen niet hoe je het formuleert? Dan is dit een handige shortcut.
