Van ChatGPT-prompt of Claude-artifact naar AI die echt draait
Veel ondernemers hebben het eerste deel al gedaan. Ze hebben ChatGPT-prompts die werken, een eigen GPT, of een Claude-artifact dat een collega in een middag heeft gebouwd. Maar het draait alleen als iemand op de knop drukt. De stap daarna is geen betere prompt. Het is een andere manier van denken.
Het begint bijna altijd hetzelfde. Iemand ontdekt dat ChatGPT, Claude of Copilot een klantmail in tien seconden kan samenvatten. Daarna komt een prompt voor de weekrapportage, een prompt voor offertes, een prompt om bestellingen uit de mail te halen. Ze staan in een Word-bestand of in iemands hoofd, en elke ochtend worden ze met de hand gedraaid.
Dat is een goed begin. Het laat zien waar AI iets oplevert. Maar het is nog geen AI-automatisering. Het is handwerk met een slimmer gereedschap.
Wat een losse prompt je kost
Een voorbeeldrekensom. Stel dat iemand elke werkdag een kwartier bezig is met een vaste prompt: gegevens kopiëren, plakken, het antwoord nalezen en ergens anders neerzetten.
- 15 minuten per dag, 5 dagen per week, is 75 minuten per week.
- Over 48 werkweken is dat 60 uur per jaar.
- Hebben drie mensen elk zo'n vaste prompt, dan zit je op 180 uur. Dat is meer dan een maand werk.
En dat is alleen de tijd. Het grootste risico zit ergens anders: het werk gebeurt alleen als die ene persoon er is en eraan denkt.
Het verschil tussen een prompt en AI-automatisering die draait
| Losse prompt | Oplossing die draait | |
|---|---|---|
| Wie start het? | Een medewerker, als die eraan denkt | Het draait vanzelf, op een vast moment of bij een nieuwe mail |
| Wat als het misgaat? | Iemand ziet het, of niet | Het systeem signaleert de fout en meldt die |
| Wie ziet wat er is gebeurd? | Niemand, tenzij je het opschrijft | Alles wordt gelogd |
| Waar zit de mens? | Bij elke stap | Alleen waar een beslissing of controle nodig is |
Die laatste rij is het belangrijkste. Het doel is niet dat er geen mens meer bij is. Het doel is dat de mens alleen nog komt waar het telt.
Hoe dat er bij ons zelf uitziet
We doen dit eerst bij onszelf. Ons eigen product, OwndUp, draait op AI-agents. Een AI-agent is software die zelfstandig een taak uitvoert met AI, en een mens erbij haalt als dat nodig is.
Een voorbeeld is de marketing van OwndUp:
- Een agent houdt de cijfers uit Google Search Console en Google Analytics in de gaten.
- Op basis van die cijfers kiest hij een kans of een verbeterpunt.
- Een andere agent werkt dat uit tot een concreet experiment.
- De tekst wordt geschreven, met een bron voor iedere claim.
- Alles wordt klaargezet en er komt een kort rapport met de belangrijkste bevindingen.
Niemand stuurt elke stap aan. Een mens komt erbij als er iets besloten, gecontroleerd of goedgekeurd moet worden. Publiceren gebeurt pas na akkoord.
Dat klinkt groot, maar het is opgebouwd uit dezelfde losse stappen die je nu misschien met de hand doet. Het verschil zit in wat eromheen is geregeld.
Zes vragen voordat een AI-oplossing mag draaien
Dit zijn de vragen die we stellen voordat iets zelfstandig gaat lopen. Kun je ze voor je eigen prompt of oplossing nog niet beantwoorden, dan weet je waar de volgende stap zit.
- Wie of wat start het? Een vast tijdstip, een nieuwe mail, een nieuw bestand? Als het antwoord "Piet, als hij eraan denkt" is, draait het nog niet.
- Wat gebeurt er als het misgaat? Een AI-antwoord kan fout zijn. Wie merkt dat, en hoe snel?
- Waar moet een mens bij blijven? Bij een afwijkende prijs, een klacht, een bedrag boven een grens. Leg vast waar, en zorg dat het systeem daar stopt en vraagt.
- Welke gegevens gaan naar welke AI-dienst? En wordt daar iets van opgeslagen? Een zakelijk account met afspraken is het minimum.
- Welke rechten heeft het? Een oplossing die alleen een mailbox hoeft te lezen, hoeft niet in je hele administratie te kunnen.
- Wie is eigenaar? Iemand moet weten dat het bestaat, het in de gaten houden en het aanpassen als je proces verandert.
Al iets gebouwd met AI? Dat is je beste startpunt
Steeds vaker heeft iemand in het team zelf iets gemaakt dat werkt. Bijvoorbeeld:
- Een Claude-artifact dat offertes doorrekent of een planning maakt.
- Een eigen GPT in ChatGPT die klantvragen beantwoordt in jullie toon.
- Een Copilot-agent die antwoorden zoekt in jullie documenten.
- Een Power Automate-flow, een Excel met macro's of een Python-script dat iemand met hulp van AI heeft geschreven.
Gooi het niet weg. Zo'n oplossing laat precies zien wat er moet gebeuren, in de taal van je eigen bedrijf. Dat is waardevoller dan een leeg specificatiedocument.
Wij gebruiken het als basis. De logica die werkt, houden we. Daaromheen zetten we wat ontbreekt om het echt in je bedrijfsvoering te laten draaien:
- Het start vanzelf, op een vast moment of bij een nieuwe mail, bestelling of bestand. Niet meer alleen als iemand de chat opent.
- Het is gekoppeld aan je mail, je ERP, je Excel of je Microsoft 365-omgeving, zodat niemand meer hoeft te kopiëren en plakken.
- Het heeft een eigen identiteit, met alleen de rechten die het nodig heeft.
- Het is getest, eerst in een testomgeving, en pas live na akkoord.
- Het wordt gelogd en bewaakt, zodat je ziet wat er is gebeurd en een fout wordt gemeld.
- Er is een mens bij waar het telt, bij een afwijking, een klacht of een bedrag boven een grens.
Durf je wat er gebouwd is niet aan de hele organisatie te geven? Dan ligt dat zelden aan de AI. Het ligt aan de zes vragen hierboven: niemand heeft vastgelegd wat er gebeurt als het misgaat, waar een mens bij moet blijven en wie er eigenaar van is.
Een AI-oplossing bouwen is één ding. Zorgen dat die betrouwbaar voor je bedrijf werkt, is een heel ander verhaal.
Drie vragen om mee te beginnen
- Welke prompt draai je het vaakst met de hand? Dat is je eerste kandidaat.
- Wat gebeurt er als degene die hem draait twee weken op vakantie is? Als het antwoord "dan gebeurt het niet" is, heb je een risico, geen automatisering.
- Op welk moment in dat proces wil je zelf nog beslissen? Alles daarvoor en daarna kan vanzelf.