AI Fundamentals
Prompt engineering voor bedrijven: betere AI-resultaten zonder techniek
Prompt engineering voor bedrijven: vier bouwstenen en een praktijkcasus in drie rondes voor AI-opdrachten met een bruikbaar resultaat, geen vage antwoorden.
AI WorkTalent Redactie · · 9 min leestijd
Prompt engineering voor bedrijven draait om één ding: de manier waarop je een opdracht — een prompt — aan een AI formuleert, zodat je een bruikbaar resultaat krijgt in plaats van een vaag antwoord. De meeste mensen typen een korte vraag, krijgen een vaag antwoord en concluderen dat AI tegenvalt — terwijl het probleem niet bij de AI ligt, maar bij de opdracht. Het klinkt technisch, maar het is niets meer dan helder communiceren. Hieronder de principes waarmee je een bruikbaar resultaat krijgt.
Wat deze gids over prompt engineering voor bedrijven behandelt
Deze gids gaat over de opbouw van een goede prompt: welke bouwstenen je nodig hebt, hoe je ze combineert, en hoe dat er in de praktijk uitziet aan de hand van een casus in drie rondes. De losse valkuilen bij het stellen van één vraag — te vaag, geen voorbeeld, geen context, of het eerste antwoord ongelezen versturen — vallen daarbuiten. Wil je voor het eerst leren hoe je een prompt opbouwt, begin dan hier.
Waarom je opdracht bepaalt wat je krijgt
Een taalmodel neemt niets aan wat je niet zegt. Een collega interpreteert je vraag vanuit gedeelde context: hij weet wie de klant is, wat de huisstijl is en waarom je het vraagt. Een AI begint blanco. Vraag je "schrijf een e-mail aan een klant", dan krijg je een generieke e-mail, want meer heb je niet gegeven.
Dat is meteen de kern van prompt engineering: het gat vullen dat een mens vanzelf zou invullen. Hoe meer relevante context, richting en vorm je meegeeft, hoe bruikbaarder het resultaat.
De vier bouwstenen van een goede prompt
- Context. Vertel de situatie. "We zijn een installatiebedrijf, deze klant heeft een offerte gekregen maar niet gereageerd." De AI weet nu waarover het gaat.
- Taak. Zeg precies wat je wilt. Niet "help me met deze klant", maar "schrijf een vriendelijke opvolgmail die informeert of er nog vragen zijn".
- Rol of toon. "Schrijf zoals een behulpzame vakman, niet als een verkoper." Dit stuurt de stijl.
- Formaat. "Maximaal vijf zinnen, geen opsomming." Zo krijg je iets bruikbaars in plaats van een lap tekst.
| Bouwsteen | Wat je opschrijft | Wat er misgaat als je het weglaat |
|---|---|---|
| Context | "We zijn een installatiebedrijf, dit is een klant die een dag te laat geholpen is" | De AI vult de situatie zelf in en kiest vaak de generieke, minst passende invulling |
| Taak | "Schrijf een opvolgmail van maximaal vijf zinnen die vraagt of er nog vragen zijn" | De AI raadt wat je bedoelt en levert iets dat net niet is wat je nodig had |
| Rol of toon | "Schrijf zoals een behulpzame vakman, niet als een verkoper" | De tekst is inhoudelijk correct, maar klinkt onpersoonlijk of past niet bij je merk |
| Formaat | "Maximaal zes zinnen, geen opsomming, geen aanhef" | Je krijgt een lange, algemene tekst die je alsnog zelf moet inkorten |
Niet elke prompt heeft alle vier nodig, maar hoe belangrijker het resultaat, hoe meer het loont om ze allemaal mee te geven.
Let op: AVG. Vanaf hier werk je in de voorbeelden op deze pagina met een klachtenmail van een klant, en dat voelt al snel als "de hele mail even erin plakken". Doe dat niet met een echte e-mail: klantnamen, adressen en andere herleidbare gegevens in een prompt kunnen de EU verlaten of worden gebruikt om het model te trainen, en dat raakt al snel aan de AVG. De praktische uitweg bestaat uit drie dingen. Gebruik waar mogelijk de zakelijke versie van je AI-tool; die traint standaard doorgaans niet op je invoer. Zet in de instellingen expliciet training op je invoer uit. En laat namen en adressen weg, of vervang ze door een plaatshouder.
Voor en na: hetzelfde doel, ander resultaat
| Zwakke prompt | Sterke prompt |
|---|---|
| "Vat deze tekst samen" | "Vat deze klachtenmail samen in twee zinnen, en geef aan hoe urgent hij is" |
| "Schrijf een productbeschrijving" | "Schrijf een productbeschrijving van 60 woorden voor deze boormachine, gericht op doe-het-zelvers, met de nadruk op gebruiksgemak" |
| "Help me met dit probleem" | "Ik heb dit probleem: [beschrijving]. Geef drie mogelijke oorzaken, van meest naar minst waarschijnlijk" |
Vier trucs die het verschil maken
Deze vier bouwen voort op de bouwstenen hierboven: een voorbeeld geven is de krachtigste manier om context mee te geven, en vragen om structuur is een concrete invulling van het formaat. De laatste twee gaan niet over wat je opschrijft, maar over hoe je het gesprek voert.
- Geef een voorbeeld. Laat je zien hoe een goed antwoord eruitziet, dan volgt de AI dat patroon. Eén voorbeeld doet vaak meer dan drie regels uitleg.
- Vraag om structuur. "Geef het antwoord als een lijst met kopjes" levert iets waar je direct mee kunt werken.
- Laat het stap voor stap denken — bij het juiste model. Bij een lastige vraag: "leg eerst je redenering uit, geef dan pas het antwoord". Bij een gewoon taalmodel werkt dat aantoonbaar: op een rekentoets steeg de score van ongeveer 18 naar bijna 57 procent (Wei e.a., 2022). Dat was met een taalmodel uit 2022, dus lees het als illustratie van het effect, niet als een uitspraak over de tools van nu. Bij moderne redeneermodellen ligt dat anders. De nieuwste versies van Claude, ChatGPT en Gemini denken eerst intern na voordat ze antwoorden. De instructie is dan overbodig, en werkt volgens de eigen richtlijnen van OpenAI soms zelfs averechts.
- Verfijn in rondes. Het eerste antwoord is een concept. "Maak het korter", "formeler", "voeg een voorbeeld toe" — je verfijnt in gesprek, niet in één keer.
Praktijkcasus: in drie rondes van een matig naar een bruikbaar antwoord
Hoe dat verfijnen in rondes er in de praktijk uitziet, zie je het best aan een voorbeeld met drie pogingen. Stel: een klant van een installatiebedrijf mailt een klacht. De monteur kwam een dag later dan afgesproken, zonder dat daar vooraf iets over gezegd was. Je wilt AI een eerste concept-antwoord laten schrijven, dat je daarna zelf nog naleest voor je het verstuurt.
Poging 1: de kale vraag
Prompt: "Schrijf een antwoord op deze klacht van een klant."
Resultaat: een keurig maar generiek excuusbriefje dat net zo goed over een verkeerd geleverd pakketje had kunnen gaan. Geen verwijzing naar wat er specifiek misging, geen verklaring, en een toon die overal en nergens bij past. Bruikbaar is het niet — je herschrijft het alsnog helemaal zelf. De reden: er is geen context meegegeven (wie is de klant, wat ging er mis) en de taak is te vaag geformuleerd. "Een antwoord" kan van alles zijn.
Poging 2: context en taak toegevoegd
Prompt: "We zijn een installatiebedrijf. Deze klant klaagt dat de monteur een dag later kwam dan afgesproken, zonder dat we dat vooraf hadden laten weten. Schrijf een antwoord dat hiervoor excuses maakt en uitlegt dat dit kwam door ziekte bij een collega."
Resultaat: al veel beter — het antwoord gaat nu wél over deze situatie en geeft een reden. Maar het leest nog als een formele bedrijfsbrief, herhaalt het excuus vaker dan nodig, en eindigt zonder dat de klant iets concreets krijgt aangeboden. Er ontbreken nog twee bouwstenen: een rol of toon die past bij een klein vakbedrijf, en een vorm die het antwoord kort en bondig maakt.
Poging 3: rol, toon en formaat erbij
Prompt: "Schrijf zoals een behulpzame vakman, niet als een verkoper. Bouw het antwoord zo op: (1) erken concreet wat er misging, (2) geef in één zin de reden, zonder overdreven excuses, (3) bied een concreet gebaar aan, bijvoorbeeld 10% korting op de factuur, (4) nodig uit om te bellen bij vragen. Maximaal zes zinnen, geen opsomming."
Resultaat: een kort, warm en concreet antwoord dat je vrijwel ongewijzigd kunt versturen. Niet omdat deze prompt "slimmer" is geformuleerd, maar omdat hij alle vier de bouwstenen bevat die de eerste twee pogingen misten.
Dat is het patroon achter verfijnen in rondes: je herschrijft niet blindelings de hele prompt. Je benoemt precies welke bouwsteen ontbreekt in het antwoord dat je kreeg, en voegt alleen dat toe. Meestal zijn twee tot drie rondes genoeg om van een matig naar een bruikbaar resultaat te komen.
Een goede prompt bewaren, zodat je hem niet steeds opnieuw uitvindt
Zodra een prompt goed werkt — zoals poging 3 hierboven — is het zonde om hem te laten verdwijnen in een chatgeschiedenis. Bewaar hem, en vervang de specifieke details door een plaatshouder: "Schrijf zoals een behulpzame vakman... erken [wat er misging], geef als reden [reden], bied als gebaar [gebaar] aan." Zo kan iedereen in je team dezelfde prompt hergebruiken door alleen de vierkante haken in te vullen, zonder de structuur steeds opnieuw te bedenken.
In de praktijk werkt dat het prettigst met een klein, gedeeld document of sheet met je beste prompts per taak: klachtafhandeling, offerte-opvolging, productbeschrijvingen. Veel AI-tools bieden ook een eigen manier om prompts op te slaan of te delen binnen een team. Kijk naar functies als opgeslagen prompts, projecten of aangepaste instructies in de tool die je gebruikt. Voor taken die dagelijks of wekelijks terugkomen, kun je nog een stap verder gaan: maak de prompt vast onderdeel van een werkproces. Een binnenkomend bericht dient dan automatisch als invoer en er rolt een concept-antwoord uit, in plaats van dat iemand steeds opnieuw moet typen. Zie hoe je zoiets stap voor stap opzet en welk soort tool daarbij past.
De grens: prompt engineering lost niet alles op
Een goede prompt maakt een AI beter, maar niet alwetend. Twee dingen blijven gelden. Ten eerste kan een taalmodel feiten verzinnen, hoe goed je het ook vraagt — dat heet een hallucinatie. Geen enkele prompt-truc sluit dat volledig uit. Controleer het resultaat op juistheid, zeker bij cijfers, namen en regels, voordat je het gebruikt of verstuurt.
Ten tweede: als het model de informatie simpelweg niet heeft — jouw prijslijst, je klantendossier, je interne procedures — dan helpt geen prompt, hoe precies ook geformuleerd. Een prompt werkt alleen met wat al in het model zit of wat je er zelf in meegeeft. Wil je dat AI met jouw eigen bedrijfsinformatie werkt, dan koppel je die informatie aan het model in plaats van hem in een prompt te proppen. Dat is een ander vraagstuk dan prompt engineering, en meestal een reden om er een specialist bij te halen.
En zoals eerder in dit artikel al aan bod kwam bij de AVG: let bij elke prompt op wat je erin zet. Gevoelige bedrijfs- of klantgegevens in een publieke AI-tool kunnen de EU verlaten of voor training worden gebruikt. Maak daar binnen je team afspraken over. Zie wat er speelt als je klantgegevens in een AI-tool zet.
Betere prompts zijn geen technische vaardigheid maar een kwestie van duidelijk zijn: geef context, een heldere taak, een toon en een vorm — en bewaar wat werkt. Wil je AI structureel en veilig in je processen inbouwen, dan vind je op AI WorkTalent specialisten die verder gaan dan losse prompts, bijvoorbeeld bij het inhuren van de juiste AI-expert.
Dit artikel geeft praktische principes; resultaten verschillen per AI-tool en per taak. Wees voorzichtig met gevoelige gegevens in AI-tools en maak daar binnen je organisatie afspraken over.