We kennen het allemaal: je schrijft een prompt in ChatGPT, je krijgt een prima antwoord… maar niet helemaal wat je zocht. Vervolgens zie je iemand anders met slechts een paar extra woorden een indrukwekkend resultaat krijgen.
Het verschil zit niet in “geluk”, maar in hoe de prompt is geschreven.
Vandaag maakt generatieve AI deel uit van het dagelijkse professionele leven: e-mails schrijven, teksten analyseren, een Tech-concept leren, brainstormen, coderen, een project voorbereiden… En in 80% van de gevallen hangt de kwaliteit van het resultaat direct af van hoe precies je vraag is geformuleerd. Het goede nieuws? Betere prompts schrijven is een vaardigheid die je kunt leren en die niet alleen voor experts is weggelegd.
In deze eenvoudige en praktische gids ontdek je hoe je een sterke prompt structureert, welke fouten je moet vermijden, hoe je elke vraag kunt verbeteren en krijg je direct toepasbare voorbeelden.
(En als je nog verder wilt gaan met AI of Tech, zul je merken dat het beheersen van een paar basisprincipes echt alles kan veranderen.)
Wat is een prompt en waarom is die zo belangrijk?
Voordat je je prompts kunt verbeteren, moet je begrijpen wat ze echt zijn en vooral hoe ChatGPT ze interpreteert.
Wat is een prompt precies?
Een prompt is de manier waarop je met een AI communiceert om precies te krijgen wat je wilt.
Het is een instructie, ja, maar niet alleen dat: het is ook een briefing, een context en een intentie.
Je kunt het vergelijken met:
een marketingbriefing, als je om content vraagt
een user story, als je iets technisch aanvraagt
een recept, als je stap-voor-stap instructies wilt
een roadmap, als je om een strategie vraagt
Kort gezegd:
een prompt is alles wat je de AI meegeeft om tot een relevant antwoord te komen.
Een goede prompt bevat vaak:
welke rol het model moet aannemen
wat het moet weten (context)
wat je verwacht (een duidelijke taak)
hoe je het antwoord wilt ontvangen (format)
Er is hier geen “magische formule”. Het gaat simpelweg om slim kaderen, precies zoals je dat zou doen bij een collega of een freelancer.
Hoe duidelijker het kader, hoe betrouwbaarder het resultaat… en hoe meer tijd je bespaart.
Hoe leest en begrijpt ChatGPT een prompt?
ChatGPT “raadt” niets. Het analyseert:
de woorden die je gebruikt
de volgorde waarin je ze gebruikt
de context die je aanlevert
het verwachte format
eventuele tegenstrijdigheden
AI werkt een beetje als een GPS: als je een vage bestemming opgeeft, stelt het een globale route voor. Geef je de bestemming, het tijdstip, het vervoermiddel en de beperkingen duidelijk aan, dan wordt het resultaat veel nauwkeuriger.
Waarom verandert de kwaliteit van een prompt alles?
Omdat een sterke prompt ChatGPT in staat stelt om:
je exacte intentie te begrijpen
de juiste toon, het juiste niveau en de juiste expertise te hanteren
generieke antwoorden te vermijden
tijd te besparen en tegelijk preciezer te zijn
meteen bij de eerste poging een samenhangend resultaat te leveren
Eenvoudig voorbeeld
❌ Vage prompt
“Leg AI uit.”
✔ Duidelijke prompt
“Leg AI uit aan een beginner, met concrete voorbeelden en een eenvoudige toon. In maximaal vijf punten.”
De tweede prompt levert een meer didactisch, gestructureerd en bruikbaar antwoord op, omdat je een duidelijk kader hebt meegegeven.
De universele structuur van een goede prompt
Generatieve AI is geen gadget meer.
Volgens McKinsey geeft een derde van de respondenten al aan dat hun organisatie generatieve AI-tools regelmatig gebruikt in minstens één bedrijfsfunctie, en onder bedrijven die AI hebben geïmplementeerd gebruikt 60% genAI.
Tegelijk laat een rapport van Capgemini zien dat het aandeel organisaties dat genAI heeft geïntegreerd in sommige of de meeste functies in één jaar is gestegen van 6% naar 24%.
Met andere woorden: AI maakt écht zijn intrede in dagelijkse workflows.
En zodra een tool onderdeel wordt van het dagelijkse werk, wordt de kwaliteit van de briefing strategisch. Daarom is het logisch om prompts eenvoudig te structureren rond vier bouwstenen: rol, context, taak en format.
1. De rol: de “hoed” die je de AI opzet
De rol is de “hoed” die je het model opzet: Tech-expert, docent, data-analist, UX-writer…
Je spreekt een back-end developer niet op dezelfde manier aan als een community manager, en je verwacht ook geen hetzelfde type antwoord. Met AI werkt het net zo.
Onderzoek naar prompt engineering begint dit effect te kwantificeren.
Een studie van Cornell University laat zien dat gebruikers die duidelijke, gestructureerde en contextuele prompts schrijven, hogere efficiëntie en betere resultaten rapporteren dan gebruikers die vage of ongestuurde verzoeken indienen.
Voorbeelden van concrete rollen die je kunt gebruiken:
Je bent een full-stack developer die gewend is zijn code uit te leggen aan junior developers.
Je bent een docent die AI-concepten vereenvoudigt voor beginners.
Je bent een mobile-focused UX-writer.
Je bent een marketing data-analist, vertrouwd met KPI’s en draaitabellen.
Deze eenvoudige kadering is vaak al voldoende om een antwoord van “generiek” naar “relevant voor mijn werk” te brengen.
2. De context: wat off-topic antwoorden voorkomt
Studies over de adoptie van AI laten zien dat bedrijven zich steeds meer richten op concrete use cases en niet alleen op experimenten. Capgemini merkt bijvoorbeeld op dat steeds meer organisaties genAI daadwerkelijk integreren in hun processen, en niet alleen testen.
Diezelfde logica geldt voor prompts: als je een bruikbaar antwoord wilt, moet de AI de context begrijpen waarin je werkt.
Context kan onder andere zijn:
je sector
je doelgroep
je niveau van technische kennis
het uiteindelijke doel (presentatie, artikel, script, code…)
wat je al hebt gedaan of getest
wat je expliciet wilt vermijden
Een heel eenvoudig voorbeeld:
Ik wil een LinkedIn-post over prompts, voor een Tech-doelgroep die ChatGPT al kent. Directe toon, geen clichés, geen emoji’s.
Ook al is de instructie kort, je hebt je kader, je doelgroep en je toon duidelijk gedefinieerd. Daardoor sluit het antwoord veel beter aan bij je echte praktijk.
3. De taak: wat je écht wilt verkrijgen
In enquêtes over AI-gebruik noemen de meeste professionals steeds dezelfde use cases: schrijven, samenvatten, analyseren, brainstormen.
Dat zijn allemaal geldige “taken”, maar als je ze vaag laat, krijg je ook vage antwoorden terug.
De taak is de exacte actie die je vraagt:
uitleggen
vergelijken
samenvatten
herschrijven
analyseren
X ideeën voorstellen
een outline, een script of een tabel genereren…
Hoe duidelijker je bent over wat er moet worden opgeleverd, hoe groter de kans dat de AI iets levert dat echt aansluit bij jouw behoefte, in plaats van een generieke, schoolse tekst.
Voorbeelden:
Leg het verschil uit tussen REST API’s en GraphQL aan iemand die de basis van Web Development al kent.
Analyseer deze tekst en identificeer de drie belangrijkste ideeën en vervolgens drie zwakke punten.
Zet deze alinea om in een videoscript van 30 seconden, met een natuurlijke toon, bedoeld om rechtstreeks in de camera te worden gelezen.
Je zegt dus niet alleen “vertel me iets over…”, maar “doe dit, met dit specifieke doel”.
4. Het format: van ruwe tekst naar een concreet resultaat
De laatste bouwsteen, en vaak een onderschatte, is het format.
Rapporten over AI op de werkvloer tonen aan dat teams vooral op zoek zijn naar tijdswinst en productiviteitsverbetering.
Een goed gedefinieerd outputformat doet precies dat: het laat je rechtstreeks van het AI-antwoord naar een bruikbaar eindresultaat gaan, zonder nog een uur kwijt te zijn aan herstructureren.
Je kunt vragen om:
een lijst met een specifiek aantal punten
een korte alinea
een tabel
een gestructureerde outline
becommentarieerde code
een “eenvoudige” versie gevolgd door een “expert”-versie
een geschatte lengte (150 woorden, 5 bullet points, enz.)
Voorbeelden:
In maximaal vijf bullet points, elk met een concreet voorbeeld.
In een vergelijkingstabel (kolommen: voordeel, beperking, use case).
In 150 woorden, met een duidelijke en educatieve toon voor een beginnend publiek.
Dit is geen cosmetisch detail. Het is het verschil tussen “een tekst die je nog moet herwerken” en
“content die klaar is om direct in een slide, e-mail of document te gebruiken.”
Voorbeeld van een gestructureerde prompt
Hier is een volledig voorbeeld dat je bijna één-op-één kunt kopiëren en plakken:
Je bent een AI-expert die gewend is om complexe concepten te vereenvoudigen voor niet-technische marketingteams.
Context: Ik bereid een interne presentatie voor om uit te leggen hoe generatieve AI hun dagelijkse werk verandert (schrijven, analyse, campagnes). Ze gebruiken ChatGPT al af en toe, maar zonder duidelijke methode.
Taak: Geef vijf concrete manieren waarop AI hun workflows kan verbeteren, met voor elk punt een eenvoudig voorbeeld uit digital marketing.
Format: Vijf genummerde bullet points, maximaal drie regels per punt, duidelijke en professionele toon.
Met dit type prompt sluit je zowel aan bij wat studies laten zien over productiviteitswinst dankzij LLM’s als bij de realiteit van teams die AI al dagelijks gebruiken.
De meest voorkomende fouten bij prompts
Wat fascinerend is aan AI, is dat de meeste “slechte antwoorden” niets te maken hebben met het model zelf.
Ze komen van… de prompt.
En dat is logisch: AI heeft geen context, geen intentie en geen nuance, tenzij je die expliciet meegeeft.
Hier zijn de fouten die ik het vaakst zie, zowel in bedrijven als in trainingen, en hoe je ze direct kunt corrigeren.
Fout 1: Een te vage prompt
“Leg AI uit.” “Schrijf een tekst over marketing.”
Resultaat: een schoolse, te brede en vaak generieke reactie. Het klassieke “Wikipedia-effect”.
🎯 De oplossing: maak het doel, de doelgroep en de invalshoek expliciet.
Voorbeeld:
Leg generatieve AI uit aan een beginner en geef drie concrete voorbeelden die verband houden met digital marketing.
Organisaties die hun prompts en use cases duidelijk kaderen, zijn degenen die de meeste waarde uit AI halen.
👉 Als je echt goed wilt worden in het werken met AI, is precisie geen detail, maar een vaardigheid.
(En het is precies dit soort Tech-vaardigheid dat deuren opent, of je nu in marketing, design, Data of development werkt.)
Fout 2: Te weinig context
ChatGPT improviseert niet, het vult de gaten op. Maar alles wat je niet specificeert… moet het model zo goed mogelijk zelf afleiden.
Gebrek aan context is dan ook een van de belangrijkste redenen waarom veel teams zeggen dat “AI helpt, maar niet zoveel als verwacht”.
McKinsey merkt op dat bedrijven die echt ROI uit AI halen, hun use cases vanaf de allereerste briefing duidelijk kaderen.
🎯 De oplossing: geef altijd de minimaal noodzakelijke context mee.
Voorbeelden:
De content is bedoeld voor een Tech-doelgroep.
Het is voor beginnersniveau.
Het is voor een slide → beknopte toon.
Het is voor een professionele e-mail → directe toon.
We zitten in de zorg-, finance- of retailsector.
Een simpele “voor wie is het?” of “waarvoor is het bedoeld?” kan de output volledig veranderen.
Fout 3: Een vage taak
“Vertel me iets over…”, “Vat samen…”, “Presenteer dit onderwerp…”
→ Te breed, te vaag, te open voor interpretatie.
🎯 De oplossing: definieer een duidelijke actie met een concreet doel.
Professionele voorbeelden:
Vergelijk X en Y in drie kernpunten.
Analyseer deze tekst en haal de belangrijkste ideeën eruit.
Zet deze alinea om in een videoscript van 30 seconden.
Maak een gedetailleerde driedelige outline en wacht daarna op mijn validatie.
Organisaties die AI-taken formaliseren (analyse, schrijven, uitleggen, vergelijken) zijn degenen die er de meeste waarde uit halen. McKinsey noemt dit een “task-level deployment”-aanpak.
Fout 4: Het format vergeten
Als je het format niet specificeert, geeft de AI een “standaardantwoord”: neutrale toon, willekeurige lengte, grove structuur.
🎯 De oplossing: leg een format op.
Enkele effectieve formats:
maximaal vijf bullet points
een vergelijkingstabel
150 woorden
een videoscript van zes regels
code met commentaar regel voor regel
Recente rapporten over professioneel AI-gebruik tonen aan dat teams vooral bruikbare deliverables verwachten, niet zomaar “tekst”.
Fout 5: Te veel dingen vragen in één enkele prompt
“Leg X uit, maak een outline, schrijf de tekst, stel ideeën voor, analyseer Y…”
→ Dat is alsof je zegt: kook, serveer het gerecht én maak de keuken schoon… allemaal tegelijk.
🎯 De oplossing: splits de aanvraag op in microdoelen.
Leg het onderwerp uit.
Stel een outline voor.
Schrijf de definitieve versie.
Optimaliseer voor SEO.
Recente studies tonen aan dat deze stap-voor-stapaanpak een van de meest effectieve manieren is om betrouwbare resultaten van hoge kwaliteit te krijgen.
👉 Kortom: AI presteert het best wanneer je het begeleidt zoals een collega.
(En als je dat beheerst, neem je een echte voorsprong in je werk.)
Wat echt telt
In slechts een paar minuten heb je de essentie gezien van wat een goede prompt maakt: geen “magische trucjes”, maar een echte methode.
Wat vooral opvalt, is dat de kwaliteit van een AI-antwoord direct afhangt van hoe duidelijk de briefing is: de rol die je aan het model geeft, de context die je meegeeft, de taak die je definieert en het format dat je oplegt.
Je weet nu hoe je de fouten herkent die een aanvraag onderuit halen (vaagheid, gebrek aan context, onduidelijke taken, ontbrekend format, te veel doelen tegelijk) en hoe je die kunt omzetten in effectieve prompts.
Je weet ook hoe je elke aanvraag kunt verbeteren door drie eenvoudige gewoontes toe te passen: je doel verduidelijken, een kader toevoegen en itereren.
Door deze aanpak te beheersen, win je:
snelheid,
precisie,
creativiteit,
en autonomie.
AI vervangt je werk niet, het versterkt je helderheid.
Hoe beter je het model aanstuurt, hoe dichter het resultaat komt bij wat je oorspronkelijk voor ogen had.
En als je nog verder wilt gaan begrijpen hoe deze tools werken, hoe je ze integreert in je job of hoe je ze combineert met Tech-, Data- of AI-vaardigheden dan heb je de eerste stap al gezet.
Promptvaardigheid is een echt voordeel geworden in vrijwel alle beroepen.
Je hebt nu alles in handen om AI slimmer, gestructureerder en veel effectiever te gebruiken.
FAQ
1. Wat maakt een “goede” prompt?
Een goede prompt is een duidelijke en gestructureerde instructie die de AI vertelt:
een rol,
een context,
een specifieke taak,
een verwacht format.
Hoe duidelijker je deze vier elementen kadert, hoe relevanter en bruikbaarder het antwoord zal zijn.
2. Moeten prompts lang zijn om effectief te zijn?
Helemaal niet.
Een prompt kan kort zijn zolang hij duidelijk is: doel, context en format.
Een lange maar vage prompt levert een vaag antwoord op.
Een korte maar precieze prompt levert vaak een veel beter resultaat.
3. Moet ik de AI altijd een rol geven?
Het is niet verplicht, maar wel een van de eenvoudigste manieren om de kwaliteit van antwoorden te verbeteren.
Een rol helpt de AI het juiste niveau van expertise, de juiste toon en invalshoek te kiezen: developer, docent, analist, schrijver, enz.
4. Waarom leveren mijn prompts nog steeds generieke antwoorden op?
Daar zijn meerdere veelvoorkomende redenen voor:
de context is onvoldoende,
de taak is te vaag,
de doelgroep is niet gespecificeerd,
het format is niet aangegeven,
je vraagt te veel dingen in één enkele prompt.
Een kleine aanpassing is vaak al genoeg om het antwoord veel scherper te maken.
5. Vervangt AI menselijk werk?
AI vervangt je expertise niet, het versterkt je vermogen om te produceren, analyseren, samenvatten, structureren en creëren.
Het is een krachtig hulpmiddel, maar jij bepaalt de richting.
Een goede prompt is hoe je menselijke intentie vertaalt naar instructies voor de machine.
6. Hoe kan ik snel beter worden in het schrijven van prompts?
Door drie eenvoudige gewoontes toe te passen:
je doel verduidelijken,
een kader toevoegen (rol + context + toon),
itereren op basis van het antwoord.
En als je echt wilt versnellen, geeft basiskennis van Tech, Data of AI je een enorm voordeel.
