Prompt engineering voor het mkb: van persoonlijke trucs naar bedrijfsmiddelen

Bijna al het advies over prompt engineering is geschreven voor één persoon die alleen achter ChatGPT zit. Wees specifiek, geef een rol, laat een voorbeeld zien, vraag om een format. Allemaal waar, en allemaal mist het het probleem dat een mkb-bedrijf echt heeft. In een bedrijf van 20 tot 250 mensen is de vraag niet of één medewerker een goede prompt kan schrijven. De vraag is waarom 12 mensen 12 verschillende prompts schrijven voor dezelfde taak, 12 verschillende antwoorden krijgen, en de beste prompts meenemen als ze vertrekken.

Dit artikel is voor eigenaren, operationeel managers en CTO's in het mkb die zien dat hun team dagelijks AI gebruikt en willen dat de resultaten consistent, veilig en eigendom van het bedrijf zijn, in plaats van van degene die er toevallig goed in is. Zoek je een lijst met 50 slimme prompts om te kopiëren, dan is dit niet dat artikel. Wil je dat je prompts werken als een proces waar je bedrijf op kan bouwen, lees dan verder.

In dit artikel lees je wat prompt engineering voor het mkb echt betekent, waarom de bekende tips niet verder komen dan één persoon, wat de 5 niveaus van promptvolwassenheid zijn, hoe je van een prompt een bedrijfsmiddel maakt met een eenvoudige promptkaart, hoe je een prompt test zonder datascientist, en hoe je herkent wanneer een prompt geen prompt meer moet zijn maar een automatisering.

‍

De belangrijkste inzichten

• Prompt engineering voor het mkb is minder een schrijfvaardigheid en meer een vorm van procesdocumentatie: een goede bedrijfsprompt is een werkinstructie die een machine kan uitvoeren.

• De echte kosten zitten niet in slechte prompts, maar in inconsistente prompts. Dezelfde taak op 12 manieren uitgevoerd geeft klanten 12 verschillende ervaringen.

• Microsoft ontdekte dat 80% van de AI-gebruikers bij kleine en middelgrote bedrijven hun eigen AI-tools meeneemt naar het werk. Het meeste prompten gebeurt dus al buiten elk bedrijfsproces.

• De meeste prompts doorlopen 5 niveaus: geïmproviseerd, bewaard, gedeeld, getest en ingebed. De meeste mkb-bedrijven blijven hangen op niveau 2.

• Een gedeeld contextpakket (bedrijfsfeiten, toon, regels, begrippenlijst) verbetert de output meer dan welke promptformule dan ook.

• Test een prompt op 10 echte cases uit het verleden met een eenvoudige goed-of-fout-lijst voordat het team erop vertrouwt.

• Draait een prompt meer dan ongeveer 50 keer per week op dezelfde soort input, dan is het een kandidaat voor automatisering in plaats van nog meer kopiëren en plakken.

‍

Waarom de bekende prompttips het probleem in het mkb niet oplossen

Zoek op prompt engineering en je vindt in elke gids dezelfde gereedschapskist: rol, taak, context, format, beperkingen, voorbeelden. Frameworks met afkortingen als CRAFT of RTF. Die zijn nuttig en je team moet ze kennen. Maar ze zijn allemaal gericht op het verbeteren van één prompt, geschreven door één persoon, op één moment.

Daar verliest een mkb-bedrijf geen waarde. Stel je een groothandel met 40 medewerkers voor. Het salesteam schrijft follow-upmails met AI. De ene verkoper heeft een uitstekende prompt die korte, vriendelijke mails oplevert met de juiste leveringsvoorwaarden. Een ander vraagt de AI om "een follow-up te schrijven" en krijgt een stijf, algemeen bericht dat een levertijd belooft die het magazijn niet kan halen. Een derde gebruikt helemaal geen AI, omdat de eerste resultaten tegenvielen. De klantervaring hangt nu af van welke verkoper de klant toevallig treft.

Betere prompttips zouden elke verkoper een beetje helpen. Wat het echt oplost, is de goede prompt behandelen als bedrijfsmiddel: één keer opgeschreven, getest, met een eigenaar, gevoed met de juiste bedrijfsfeiten en door iedereen gebruikt. Over die verschuiving gaat dit artikel. Het is dezelfde stap die je jaren geleden zette toen je opschreef hoe je een klant onboardt, in plaats van het in het hoofd van één persoon te laten.

‍

Wat is prompt engineering voor het mkb?

Prompt engineering voor het mkb is het ontwerpen, testen en onderhouden van de instructies die je team aan AI-tools geeft, zodat terugkerende bedrijfstaken consistente, juiste en veilige resultaten opleveren, ongeacht wie ze uitvoert. Het omvat de prompt zelf, de bedrijfscontext waar die op leunt, de regels over welke gegevens erin mogen, en de eigenaar die alles actueel houdt.

De bruikbare vergelijking is een werkinstructie of een standaardprocedure. Een goede procedure vertelt een nieuwe medewerker wat de taak is, welke input nodig is, hoe goede output eruitziet, wat je moet vermijden en bij wie je terechtkunt. Een goede bedrijfsprompt doet precies hetzelfde voor een AI-model. Het verschil is dat het model de instructie letterlijk volgt, elke keer weer. Dat is tegelijk het risico en de kans.

Deze kijk beantwoordt ook een vraag die veel eigenaren stellen: moeten we een prompt engineer aannemen? Voor bijna elk mkb-bedrijf is het antwoord nee. Je hebt de mensen nodig die het proces al kennen om het helder op te schrijven, en één persoon die de bibliotheek beheert. De vaardigheid lijkt meer op goed procesbeschrijven dan op programmeren.

‍

De verborgen kosten als iedereen op eigen houtje prompt

De meeste mkb-bedrijven hebben niet besloten hoe hun team AI zou gebruiken. Het team besliste voor hen. De Work Trend Index van Microsoft en LinkedIn liet zien dat 75% van de kenniswerkers al generatieve AI op het werk gebruikt, en dat 78% van die gebruikers hun eigen AI-tools meeneemt. Bij kleine en middelgrote bedrijven loopt dat op tot 80%. De details staan in de Work Trend Index 2024.

Dat betekent dat het meeste prompten in je bedrijf voor jou onzichtbaar is. Het gebeurt in persoonlijke accounts, met persoonlijke prompts, in de tool die ieder zelf prettig vindt. Dat heeft 4 kosten die zelden in een begroting staan, maar altijd in het bedrijf te zien zijn.

• Inconsistente output. Dezelfde offerte, mail of samenvatting ziet er anders uit afhankelijk van wie hem maakte, en klanten merken dat.

• Stille fouten. Een prompt die 8 van de 10 keer werkt, voelt geweldig voor de gebruiker. Niemand houdt de 2 keer bij dat hij een prijs of beleid verzon.

• Gegevens op de verkeerde plek. Zonder regels belanden klantnamen, contracten en financiële cijfers in consumententools met onduidelijke gegevensvoorwaarden.

• Kennis die de deur uitloopt. De beste prompt van het bedrijf staat in één browsergeschiedenis. Vertrekt die persoon, dan vertrekt de prompt ook.

Geen van deze problemen los je op met een betere prompt. Je lost ze op door prompts te beheren zoals je elk ander proces beheert. De tabel hieronder laat het verschil in de praktijk zien.

‍

De 5 niveaus van promptvolwassenheid

In ons werk met mkb-bedrijven zien we prompts 5 niveaus doorlopen. Elk niveau voegt een beetje structuur toe en haalt een specifiek risico weg. Niet elke prompt hoeft op niveau 5. Je moet wel weten op welk niveau elke belangrijke taak zit, en de taken die ertoe doen omhoog brengen.

Niveau 1: geïmproviseerd

Iemand typt elke keer vanaf nul een verzoek in een AI-tool. De resultaten wisselen met stemming en geheugen. Prima voor eenmalige taken, zoals brainstormen over een kop. Niet prima voor iets dat een klant ziet of dat elke week terugkomt.

Niveau 2: bewaard

Wie een goede prompt vond, bewaart hem in een notitie of document. De kwaliteit stijgt, maar alleen voor die ene persoon. Hier zitten de meeste mkb-bedrijven vandaag, en het voelt als vooruitgang omdat de individuele resultaten goed zijn. Het bedrijf bezit nog steeds niets.

Niveau 3: gedeeld

Goede prompts verhuizen naar één gedeelde bibliotheek die iedereen kan vinden, ingedeeld op taak en niet op techniek. "Antwoord op een klacht over een late levering" is een nuttige categorie. "Few-shot prompts" is dat niet. De bibliotheek staat waar het team al werkt, zoals een gedeelde schijf, Notion of de teamomgeving van je AI-tool.

Niveau 4: getest en met een eigenaar

Elke belangrijke prompt heeft een vaste eigenaar, is getest op echte cases uit het verleden en heeft een versiedatum. Verandert de prompt, dan test de eigenaar hem opnieuw. Op dit niveau kun je een manager eerlijk vertellen dat de output betrouwbaar is, omdat je het hebt gecontroleerd.

Niveau 5: ingebed

De prompt is niet langer iets wat mensen kopiëren en plakken. Hij zit in een tool: een eigen assistent of project in ChatGPT, Claude of Copilot waarin de context al geladen is, of een stap in een geautomatiseerde workflow. Mensen gebruiken de taak, niet de prompt. Hier wordt tijdwinst echt en consistent voor het hele team.

De grootste sprong in waarde zit tussen niveau 2 en niveau 4. Dat is ook de sprong die niemand per ongeluk maakt, want er moet iemand besluiten dat prompts bedrijfseigendom zijn.

Breng je in kaart waar AI past in je hele bedrijf, niet alleen in prompts? Onze gratis AI-blueprint laat zien hoe je de toepassingen kiest die zich als eerste terugverdienen en hoe je ze zo opzet dat ze het eerste experiment overleven.

‍

Van prompt naar bedrijfsmiddel: de promptkaart

De eenvoudigste manier om een prompt van niveau 2 naar niveau 4 te brengen, is hem een vast format te geven. Wij noemen dat een promptkaart. Voor een prompt die al werkt, kost het invullen ongeveer 20 minuten, en daarna kan iedereen in het team hem gebruiken, ook de volgende nieuwe collega.

Een promptkaart heeft 7 velden.

• Taak en aanleiding. Welke taak de prompt uitvoert en wanneer je hem gebruikt. Bijvoorbeeld: "Concept-antwoord aan een klant die een late levering meldt, gebruikt door het supportteam."

• Eigenaar en versie. Wie verantwoordelijk is voor de juistheid, plus de datum van de laatste test.

• Input. Precies wat de gebruiker moet invoeren, en wat nooit.

• De prompt. De instructie zelf in gewone taal, met de rol, de stappen en het outputformat.

• Benodigde context. Welke delen van het contextpakket nodig zijn, zoals leveringsvoorwaarden of tone of voice.

• Voorbeeld van goede output. Eén echt voorbeeld van hoe een juist resultaat eruitziet. Dat doet meer dan elk bijvoeglijk naamwoord in de prompt.

• Bekende valkuilen. Wat de AI bij deze taak vaak fout doet, en wat de gebruiker moet controleren voor verzending.

Het laatste veld slaan teams over, en het is het waardevolste. Opschrijven dat "hij soms levering de volgende dag belooft, controleer altijd de datum" maakt van een verborgen fout een controlepunt. Het vertelt je ook precies wat je in de volgende versie moet verbeteren.

‍

Het contextpakket: het deel dat het meeste werk doet

Dit is het inzicht dat de meeste promptgidsen weglaten. Als AI-output voor een bedrijfstaak niet klopt, ligt dat meestal niet aan de formulering van de prompt. Het ligt aan ontbrekende context. Het model kent je leveringsvoorwaarden niet, je prijsregels niet, de namen van je productpakketten niet, en weet niet dat je nooit meer dan 10% korting geeft zonder goedkeuring. Dus gokt het, met veel zelfvertrouwen.

De oplossing is een contextpakket: een korte, onderhouden set bedrijfsfeiten waar elke relevante prompt uit kan putten. Voor de meeste mkb-bedrijven past dat op 3 tot 5 pagina's.

• De basis: wat je verkoopt, aan wie, in welke regio's en in welke talen.

• Producten en diensten met de juiste namen, pakketten en wat erin zit.

• Commerciële regels: prijslogica, kortingsgrenzen, betaaltermijnen, levertijden en wat goedkeuring nodig heeft.

• Tone of voice: formeel of informeel, hoe je klanten aanspreekt, welke woorden je wel en niet gebruikt.

• Een lijst met interne begrippen en afkortingen, zodat het model ze niet verkeerd leest.

• Harde regels: wat de AI nooit mag zeggen, beloven of beslissen.

Staat het pakket er eenmaal, dan laad je het in de eigen assistenten of projecten die je tools ondersteunen, zodat niemand het handmatig hoeft te plakken. Elke prompt in de bibliotheek wordt in één keer beter, en als je levertijden veranderen, pas je één document aan in plaats van 30 prompts. In onze ervaring doet deze ene stap meer voor de kwaliteit dan alle promptformules samen.

‍

Een prompt testen zonder datascientist

De eigen richtlijnen van Anthropic over prompt engineering beginnen met een punt dat de meeste zakelijke gebruikers overslaan. Voordat je aan de prompt begint, heb je een duidelijke definitie van succes voor de taak nodig en een manier om daartegen te testen, zoals het overzicht over prompt engineering het formuleert. Dat klinkt technisch, maar in een mkb-bedrijf doe je het in een spreadsheet in één middag.

Dit is de methode die wij met klanten gebruiken.

• Verzamel 10 echte cases uit het verleden voor de taak. Neem er 2 of 3 lastige bij, zoals een boze klant of een ongebruikelijke bestelling.

• Schrijf 3 tot 5 controles die goed of fout zijn. Bijvoorbeeld: juiste leverdatum, geen verzonnen korting, juiste toon, minder dan 150 woorden.

• Draai de prompt op alle 10 cases en scoor elke controle. Pas niets aan tussen de runs.

• Leg de lat vast voordat je naar de resultaten kijkt. Voor tekst die naar klanten gaat, is 9 van de 10 geslaagd op elke controle een verstandig begin.

• Verander één ding tegelijk en draai alle 10 opnieuw. Bewaar de lijst als vastlegging van die promptversie.

Dit levert 3 dingen op. Het voorkomt dat het team een prompt beoordeelt op dat ene goede voorbeeld dat in een meeting indruk maakte. Het geeft de eigenaar een snelle manier om opnieuw te testen als het model of de context verandert. En het levert bewijs op dat je kunt laten zien aan een manager, een auditor of een klant die vraagt hoe je AI gebruikt.

Opnieuw testen is belangrijker dan de meeste teams denken. AI-aanbieders passen modellen regelmatig aan en halen ze uit de lucht, en een prompt die in het voorjaar slaagde, kan zich in het najaar anders gedragen. Met een lijst van 10 cases kost een hertest 15 minuten in plaats van een week vol klachten.

‍

Praktijkvoorbeeld: offerte-follow-ups bij een installatiebedrijf met 35 medewerkers

Neem een bedrijf met 35 medewerkers dat warmtepompen en zonnepanelen installeert in Nederland. Elke week verstuurt de binnendienst zo'n 120 follow-upmails op openstaande offertes. Vier mensen schrijven ze. Voordat er iets veranderde, gebruikten twee van hen ChatGPT met hun eigen prompts, één een sjabloon uit 2022, en één schreef alles met de hand.

De problemen waren herkenbaar. Sommige mails noemden subsidies die niet meer golden. Sommige gebruikten "u", andere "je". Eén door AI geschreven mail beloofde installatie binnen 2 weken in een periode waarin de levertijd 7 weken was. Niemand kon zeggen welke versie beter converteerde, omdat elke mail anders was.

De oplossing kostte ongeveer 3 weken, parttime.

• Week 1: de officemanager schreef een contextpakket van 4 pagina's met actuele levertijden, de subsidieregels waar het bedrijf echt mee werkt, productnamen en een toonregel: altijd formeel, altijd kort.

• Week 1: de beste bestaande prompt werd een promptkaart, met als voorbeeld van goede output een echte mail die tot een getekende opdracht had geleid.

• Week 2: de kaart werd getest op 10 oude offertes. De eerste versie slaagde voor 6 van de 10 en ging vooral mis op levertijden. Het contextpakket laden in een gedeeld project loste dat op, en de tweede versie slaagde voor 9 van de 10.

• Week 3: prompt en context werden samen één gedeelde assistent, zodat het team de taak kiest in plaats van een prompt te plakken. De officemanager is eigenaar en test maandelijks opnieuw.

Het resultaat was niet spectaculair, en dat is precies het punt. De follow-ups werden consistent, de fouten in levertijden verdwenen en een nieuwe collega schreef op dag 2 al correcte mails. De schrijftijd per mail daalde van ongeveer 6 minuten naar minder dan 2. Over 120 mails is dat grofweg 8 uur per week terug voor de binnendienst. Belangrijker nog: de eigenaar weet nu wat elke klant ontvangt.

‍

Wanneer een prompt een automatisering moet worden

Een volwassen promptbibliotheek laat je vaak zien waar je als volgende moet automatiseren. Is een prompt getest en ingebed, kijk dan hoe hij gebruikt wordt. Draaien mensen dezelfde prompt tientallen keren per week, waarbij ze gegevens uit het ene systeem in de AI kopiëren en het antwoord in een ander systeem plakken, dan heeft de prompt zijn werk gedaan. De volgende stap is het kopiëren en plakken weghalen.

Wij gebruiken 4 signalen om te bepalen wanneer een prompt moet doorgroeien naar een geautomatiseerde workflow of een AI-agent.

• Volume. Hij draait meer dan ongeveer 50 keer per week op dezelfde soort input.

• Stabiele kwaliteit. Hij haalt zijn testlijst consequent, dus je vertrouwt de output.

• Van systeem naar systeem. De input komt uit één systeem, zoals je CRM of inbox, en de output gaat naar een ander.

• Een duidelijk controlemoment. Je kunt precies aangeven waar een mens het resultaat controleert voordat het bij een klant komt.

Kloppen alle 4, dan is iemand die uren tekst tussen vensters kopieert het dure deel van het proces. Dan verdient een kleine automatisering, goed gebouwd met logging en foutafhandeling, zich snel terug. Onze gids over AI-automatisering voor het mkb en de terugverdientijd laat zien hoe je dat rendement inschat voordat je iets bouwt.

Kloppen er maar 1 of 2, blijf dan op promptniveau. Een ongeteste prompt of een prompt met weinig volume automatiseren betekent alleen dat je sneller fouten maakt. Wil je een tweede mening over welke prompts er klaar voor zijn? Precies die beoordeling doet ons AI-automatiseringsteam met mkb-bedrijven voordat we iets adviseren te bouwen.

‍

Gegevensregels die in elke bedrijfsprompt horen

Prompt engineering in een bedrijf is ook een gegevensvraag. Elke promptkaart moet vermelden wat er wel en niet in mag, en de regels moeten passen bij de tools waar je echt voor betaalt. Een zakelijk abonnement met een duidelijke verwerkersovereenkomst is een andere situatie dan een gratis consumentenaccount.

Een praktische basis voor de meeste mkb-bedrijven ziet er zo uit.

• Namen en contactgegevens van klanten alleen in door het bedrijf goedgekeurde tools met een verwerkersovereenkomst.

• Geen gezondheidsgegevens, rekeningnummers of identiteitsbewijzen in prompts, tenzij een specifiek goedgekeurd proces dat toestaat.

• Contracten en prijzen alleen in tools waarvan je hebt vastgesteld dat de input niet wordt gebruikt voor training.

• Alle output die naar klanten gaat, wordt door een mens gecontroleerd voordat hij verstuurd wordt.

Zet deze regels op de promptkaarten zelf, in het inputveld, zodat mensen ze zien op het moment dat ze de prompt gebruiken en niet in een beleidsdocument dat ze één keer lezen. Werk je in de EU, dan ondersteunt dit ook de verwachtingen rond AI-geletterdheid uit de AI Act, omdat je kunt laten zien dat medewerkers concrete richtlijnen krijgen om AI-tools verantwoord te gebruiken.

‍

Een plan van 30 dagen om te beginnen

Je hebt geen groot programma nodig om van persoonlijke trucs naar bedrijfsmiddelen te gaan. Een gerichte maand is genoeg om de aanpak te bewijzen op de taken die het meest uitmaken.

• Dag 1 tot 5: vraag elk team welke AI-taken ze elke week herhalen. Zet ze op een rij en kies de 5 met het meeste volume of de grootste impact op klanten.

• Dag 6 tot 10: schrijf de eerste versie van je contextpakket. Liever kort en juist dan lang en volledig.

• Dag 11 tot 20: maak van de 5 gekozen taken promptkaarten, elk met een eigenaar, en test elke kaart op 10 echte cases.

• Dag 21 tot 25: bed de geslaagde prompts in een gedeelde assistent of een gedeeld project in, zodat niemand nog prompts plakt.

• Dag 26 tot 30: bekijk de cijfers. Welke prompts slaagden, hoeveel tijd ze besparen, en welke voldoen aan de 4 signalen voor automatisering.

Aan het eind van de maand heb je een kleine bibliotheek die van het bedrijf is, een contextpakket dat steeds beter wordt, en een korte, onderbouwde lijst van plekken waar automatisering zich terugverdient. Dat is een heel andere positie dan 12 mensen met 12 privéprompts.

‍

Van persoonlijke trucs naar een bedrijfsvaardigheid

De bedrijven die blijvend waarde uit AI halen, zijn niet de bedrijven met de slimste prompts. Het zijn de bedrijven die prompts behandelen als elk ander onderdeel van hoe het bedrijf draait: opgeschreven, getest, met een eigenaar en steeds verbeterd. Zo wordt AI van iets waar een paar enthousiastelingen goed in zijn, iets waar het hele bedrijf op kan bouwen.

Wil je een gestructureerde manier om te bepalen welke AI-toepassingen je als eerste aanpakt en hoe je ze bouwt zodat ze blijven werken? Download onze gratis AI-blueprint. En wil je je eigen prompts, processen en wat klaar is voor automatisering doorspreken, dan kun je een gratis gesprek met ons team inplannen.