Je team experimenteert met allerlei AI-tools, maar er is geen standaard proces. En net als je denkt dat je iets hebt gevonden dat werkt, komt er een update en moet je weer opnieuw beginnen.
Dat leidt in je hele team tot frustratie en je bent bang dat je collega’s afhaken.
Bij CommonBase begeleiden we kennisgedreven organisaties bij het implementeren van AI. Niet door te zoeken naar de perfecte tool, maar door duidelijke principes te volgen.
In dit artikel laat ik je zien:
- waarom je AI-proces steeds breekt en wat je eraan kunt doen.
- je leert een simpel kwaliteitsframe waarmee je kunt diagnosticeren waarom je output niet is wat je wilt.
- en je krijgt concrete handvatten om je proces zo in te richten dat het de volgende tool-update gewoon overleeft.
Het probleem: de angst om vast te zitten aan de verkeerde tool
Je ziet dat je team met allerlei verschillende tools experimenteert en dat er geen gemeenschappelijke aanpak is. Je weet dat het zo niet verder kan.
Maar elke keer als je denkt: nu gaan we kiezen, bekruipt je de twijfel. Want wat als die tool over drie maanden alweer achterhaald is? Wat als er een update komt en alles werkt anders? Je hebt de verhalen gehoord van organisaties die maanden hebben geïnvesteerd in een bepaalde aanpak, om vervolgens te ontdekken dat hun hele proces niet meer werkte na een simpele update.
Die angst is begrijpelijk. Tools veranderen continu. De interface van vandaag ziet er morgen anders uit. De knoppen waar je op leunt, kunnen zomaar verdwijnen.
En dus blijf je hangen in de experimenteerfase. Iedereen doet maar wat. Er is geen standaard. En de belofte van AI, dat het je team effectiever en consistenter zou maken, blijft onbenut.
De oorzaak van dit probleem zit hem niet in de tools zelf. Het zit hem in hoe we over AI-processen denken. We zijn te veel bezig met de klikroute: welk knopje moet ik indrukken, welk menu moet ik openen, welke instellingen moet ik aanvinken. Maar die klikroute is van de tool. En tools veranderen continu.
We denken in tools in plaats van in principes die we in elke tool kunnen toepassen.
De oplossing: bouw assets, niet de perfecte tool
De sleutel zit in een simpel onderscheid: wat is van de tool en wat is van jou?
Je assets zijn van jou. Dat is je begrip van het vakgebied, je kennis over je klanten, je documentatie, je templates, je kwaliteitschecks. Die kun je meenemen naar elke tool.
De interface, de knoppen, de specifieke manier waarop je een prompt invoert: dat is van de tool. En dat kan morgen anders zijn.
Als je dit onderscheid scherp hebt, verandert je perspectief. Je bent niet meer op zoek naar de perfecte ChatGPT-prompt. Je bent op zoek naar de juiste kennis, structuur en standaarden die je in ChatGPT kunt toepassen. En in Claude. En in Grok. En in welke tool er volgend jaar ook bijkomt.
De vraag is dus niet: welke tool moet ik kiezen? De vraag is: welke assets moet ik op orde hebben zodat ik in elke tool effectief kan werken?
Assets zijn niet de tools. Assets zijn je begrip, je kennis en je documentatie. Als je die hebt, kun je ze in elke tool gebruiken.
Het kwaliteitsframe: de AI output triangle
Veel mensen die met AI werken herkennen dit: de output is niet wat je wilde. Het mist iets. De tone of voice klopt niet. Het voelt generiek. Of het slaat de plank volledig mis.
In mijn werk met organisaties heb ik ontdekt dat dit vrijwel altijd terug te voeren is op drie elementen. We noemen het de AI triangle:
- de wat,
- de hoe
- en de wie.
Als jouw AI-output niet goed is, heb je een van deze drie overgeslagen.
- De wat: jouw inhoudelijke kennis
Stel je voor dat er een nieuwe collega binnenkomt. Je zegt: schrijf een blogartikel over ons vakgebied. Die collega gaat ergens zitten en schrijft iets. Maar zonder kennis van jullie markt, jullie klanten, jullie aanpak, wordt het een generiek verhaal dat alle kanten op kan.
Zo werken we vaak met AI. We geven een opdracht zonder de inhoudelijke context mee te geven.
De eerste vraag die je jezelf moet stellen: welke kennis moet AI hebben om dit goed te kunnen doen?
Dat kan van alles zijn:
- Factsheets over je producten.
- Transcripten van klantgesprekken.
- Opnames van interne trainingen.
- Wetenschappelijke onderzoeken die relevant zijn voor je vakgebied.
- Offertes die je eerder hebt uitgebracht.
Een van onze klanten installeert videostudio’s. Zijn collega die daarover schrijft, heeft alle offertes die ze ooit hebben uitgebracht in haar kennisbank gezet. Plus het merkverhaal en de brochures. Dat is veel meer specifieke kennis dan wat er generiek op internet te vinden is.
Heb je de juiste kennis aan de grondslag gelegd? Daar begint het mee.
- De hoe: structuur en templates
Het tweede element gaat over de structuur achter wat je maakt. Niet de inhoud, maar de opbouw.
De meeste mensen kunnen niet uitleggen wat een goede website is. Of wat een goed belscript is. Of wat een goede e-mail is. Ze hebben iemand in hun team die dat kan, maar het zit impliciet in het hoofd van die persoon.
AI heeft die impliciete kennis niet. Als je niet uitlegt hoe een goede landingspagina is opgebouwd (we beginnen met dit, dan komt dat gedeelte, zo bouwen we dat op) dan krijg je een generieke variant.
Neem iets simpels als e-mails. AI maakt standaard wollige emails met veel te veel informatie. Daarom wil je graag een structuur mee geven, wil je eerst een korte samenvatting van het vorige gesprek, gevolgd door de actie items? Geef deze structuur dan duidelijk mee.
Dit geldt voor alles wat je maakt. Vooral als een deel van de waarde die levert ook echt in de structuur verweven zit, denk aan:
- Adviesrapporten,
- Marketingplannen
- Offertes (in B2B)
Er zit een structuur achter die je kunt expliciteren. En zodra je die structuur hebt vastgelegd, kan AI die reproduceren.
Templates zijn goud waard. Heb je iets drie tot vijf keer ingevuld? Dan kan AI het herproduceren in jouw structuur.
- De wie: jouw karakter en tone of voice
Het derde element is misschien wel het meest onderbelicht: wie ben jij eigenlijk als je communiceert?
Een van de mensen waarmee ik regelmatig werk is Marcus Sheridan. Een Amerikaanse plattelandsjongen die heel veel “y’all” gebruikt in zijn taal. Dat is gewoon hoe hij praat. Maar toen hij begon met professioneel schrijven, haalde hij al die y’alls uit zijn teksten. Want ja, dat hoort niet, dacht hij.
Nu, met AI, heeft hij dat teruggedraaid. Hij zorgt ervoor dat die authentieke elementen structureel terugkomen in alles wat hij maakt. Zijn posts, zijn scripts, zijn presentaties: overal zie je nu zijn echte stem.
Dit is precies waar veel AI-gegenereerde content misgaat. Het eigen karakter ontbreekt. En daarom voelt alles hetzelfde. Daarom kun jij hetzelfde maken als ik. Er zit geen persoonlijkheid in.
De oplossing: breng in kaart wat jouw communicatie specifiek maakt.
- Welke woorden gebruik je vaak?
- Hoe lang zijn je zinnen?
- Welke toon zit erachter?
Als je dat weet, kun je het meegeven.
Ironisch genoeg kun je met AI authentieker zijn dan zonder. Want die authentieke elementen van jezelf, als je ze kent, kun je nu consistent toepassen in alles wat je maakt. In plaats van dat ze er soms per ongeluk insluipen en soms niet.
Het stukje eigen karakter is precies wat de meeste mensen vergeten. En daarom wordt alles zo’n eenheidsworst.
Van experiment naar standaard: hak het proces in stukjes
Een veelgemaakte fout is om AI te veel in één keer te vragen. “Maak 15 blogartikelen voor deze industrie.” En dan komt AI met een antwoord dat alle kanten op kan. En vervolgens heeft AI ‘het gedaan’, dit is zó lelijk, zó slecht. Dáár kunnen we niet mee werken!
Wacht even.
De oplossing zit in jou. Als jij het proces opknipt in kleine, overzichtelijke stappen. Blijf je zelf ‘aan het roer’, en kan je AI écht voor je laten werken!
Begin niet met “schrijf een blogartikel”. Begin met een blogartikel-idee. Als je dat idee hebt, werk je het verder uit. Voor welke markt is dit? Welke persona zit erachter? In welke fase van de klantreis past dit? Dan ga je pas naar een interview of onderzoek. Dan naar een eerste draft. En dan naar een check.
Door het proces in stukjes te hakken, wordt het kleiner en overzichtelijker. Maar belangrijker: je kunt bij elke stap bewust kiezen waardoor jij zelf invloed houdt.
Want dat is het punt. Het is niet de bedoeling om alle schuifjes naar boven te zetten en alles maximaal bij AI neer te leggen. Je wilt heel bewust bepalen waar de mens tussenkomt.
Misschien laat je AI het eerste idee genereren, maar bepaal jij welke richting je opgaat. Misschien schrijft AI een eerste draft, maar voeg jij de voorbeelden en anekdotes toe. Misschien checkt AI op spelling en grammatica, maar beoordeel jij of het verhaal klopt.
Zo bouw je een proces dat consistent kwaliteit levert. Niet door alles aan AI over te laten, maar door heel bewust te kiezen waar jij de controle houdt.
Maximaal AI inzetten is niet het doel. Het doel is bewust kiezen waar de mens invloed houdt.
Wat te doen bij de volgende update
En dan komt de vraag: wat als de tool verandert? Wat als er morgen een update is en alles werkt anders?
Als je assets op orde zijn, is dat geen ramp. Je kennis verandert niet door een tool-update. Je templates blijven bestaan. Je kwaliteitsstandaarden zijn nog steeds geldig.
Wat je doet bij een update is simpel:
- Onderzoek de wijziging op je vaste assets en stappen.
- Je kijkt waar de nieuwe knoppen zitten, hoe je nu je kennis invoert, hoe je nu je templates toepast.
Maar de kern blijft hetzelfde.
Dit is waarom ik niet zo van de “perfecte prompt” ben. Vandaag is ChatGPT misschien je primaire tool. Maar morgen kan Grok tien keer zo snel zijn. Of komt er iets nieuws dat alles overtreft. Als je weet welke principes je toepast, kun je die in elke tool gebruiken.
De organisaties die hier het beste mee omgaan zijn niet degenen die de beste ChatGPT-experts hebben. Het zijn de organisaties die hun kennis, structuur en standaarden op orde hebben. Die weten wat goed genoeg is. Die kunnen uitleggen waarom iets werkt.
Die zijn niet afhankelijk van een tool. Die zijn eigenaar van hun eigen proces.
Bouw een AI-proces dat elke update overleeft
De tools die je vandaag gebruikt, zien er morgen anders uit. Dat is geen probleem, zolang je maar niet je hele proces rond die tools hebt gebouwd.
Door te focussen op je assets in plaats van op de perfecte tool, creëer je een fundament dat blijft staan. Je kennis van je vakgebied, je templates en structuren, je eigen tone of voice: dat zijn de elementen die je meeneemt naar elke tool. En met de AI output triangle heb je een simpel framework om te checken waarom output niet werkt en waar je moet bijsturen.
Bij CommonBase helpen we kennisgedreven organisaties om van losse AI-experimenten naar een gestandaardiseerd proces te komen. We zien dat teams die hun assets op orde hebben, niet in paniek raken bij de volgende update. Die weten wat ze moeten aanpassen en wat hetzelfde blijft.
Wil je jouw team leren om hiermee aan de slag te gaan? Boek dan een vrijblijvend adviesgesprek met één van onze adviseurs en bekijk of het AI-programma van CommonBase jou hiermee kan helpen.
