De perfecte prompt schrijven voor elke situatie

Een accountant typt in ChatGPT: "Schrijf een mail over een belastingaanslag." Hij krijgt een nette mail terug. Beleefd, correct, en zo neutraal dat hij hem net zo goed van een verzekeraar of een telecomprovider had kunnen krijgen. Niks mis mee. Maar ook niks raaks. De klant leest het, voelt niks, en belt alsnog bezorgd op.

Klinkt dat bekend? Je vraagt iets, je krijgt iets, en het is precies goed genoeg om niet boos te worden en precies vlak genoeg om niets mee op te schieten.

Hier zit het probleem: de meeste mensen denken dat ze de verkeerde tool hebben. Of het verkeerde model. Ze upgraden, ze proberen Claude in plaats van ChatGPT, ze wachten op de volgende versie. Maar het ligt niet aan het model. Het ligt aan de prompt. Generieke prompts vragen om een output. Sterke prompts beschrijven eerst de wereld waarin die output moet landen.

Het verschil is dat tussen een opdracht geven en een instrument bouwen. En het mooie is: het is een vaardigheid, geen talent. Je kunt het leren. Dit is de methode die wij gebruikten om honderden prompts voor 17 beroepsgroepen te schrijven, uitgelegd zodat je hem vanmiddag op je eigen werk loslaat.

Waarom je prompts generieke antwoorden opleveren

Een taalmodel doet maar één ding: het voorspelt het meest waarschijnlijke volgende woord. Geen begrip, geen bedoeling, alleen waarschijnlijkheid. Vraag je iets vaags, dan is het meest waarschijnlijke antwoord ook het meest gemiddelde. Forward Marketing legt het scherp uit: als je vaag bent, genereert de AI een reactie die net zo vaag is. Het model vult de ontbrekende context zelf in, en het kiest daarbij altijd de veiligste, meest algemene optie.

"Schrijf een mail over een belastingaanslag" laat letterlijk alles open. Voor wie? In wat voor stemming? Wat moet die mail bereiken? Het model weet het niet, dus het gokt. En een gok van een waarschijnlijkheidsmachine is per definitie het gemiddelde van alles wat het ooit zag. Daarom voelt de output als van iedereen en van niemand.

De fout die bijna iedereen maakt is denken dat de oplossing "meer detail" is. Meer bijvoeglijke naamwoorden. "Schrijf een professionele, vriendelijke, duidelijke mail." Dat helpt nauwelijks, want je beschrijft de toon van de mail, niet de situatie eromheen. De échte sprong komt als je stopt met de output beschrijven en begint met de wereld te beschrijven waarin die output moet landen. Daarvoor draai je het om.

Het geheim: reverse-engineer vanaf de lezer van de uitkomst

De meeste tips-artikelen zeggen "geef context". Prima advies, maar te leeg. Wélke context? Hier wordt het concreet. Voordat je ook maar één woord typt, beantwoord je drie vragen. Niet over de taak, maar over de uitkomst.

Vraag 1 — Wie leest of gebruikt de uitkomst?

Niet "een klant", maar: in welke gemoedstoestand, in welke context, waar? Een geschrokken ondernemer die de mail op zijn telefoon leest, tussen twee dingen door, met de schrik nog in zijn lijf. Dat is een totaal andere lezer dan iemand die rustig achter zijn bureau zit. En die lezer bepaalt alles: de lengte, de toon, de openingszin, wat je weglaat.

Schrijf die lezer letterlijk uit. "De ontvanger is afgeleid en scant in twee seconden of dit voor hem relevant is." Eén zin, en je hele prompt verandert van karakter.

Vraag 2 — Wat wil je écht bereiken?

Hier zit de denkfout die de meeste prompts klein houdt. Mensen verwarren de taak met het doel. De taak is "schrijf een mail". Het doel is iets heel anders: de klant kalm én in actie houden, en zelf in control lijken. Dat is de klus-achter-de-klus.

Eerlijk antwoord: niemand wil een mail. Ze willen wat de mail dóét. Een recruiter wil geen vacaturetekst, hij wil dat de juiste kandidaat denkt "dit ben ik". Een marketeer wil geen advertentie, hij wil door de ruis breken met de taal van de klant. Schrijf je dat doel op, dan stuurt het elke zin die het model produceert.

Vraag 3 — Wat weet de expert dat een leek niet weet?

Dit is waar een prompt van "netjes" naar "raak" gaat. Elk vak heeft een werkwijze die niet vanzelfsprekend is, en een faalmodus die de leek niet ziet aankomen. Een ervaren accountant weet dat een onverwachte aanslag drie reacties tegelijk losmaakt (schrik, irritatie, twijfel). Een goede mail vangt die drie op vóórdat de klant in de stress schiet.

Die kennis stop je in de prompt. En minstens zo belangrijk: je benoemt de #1 faalmodus, zodat je hem kunt blokkeren. Bij een accountant zijn dat verzonnen of net-niet-kloppende bedragen. Bij een marketeer is het jargon en claims zonder bewijs. Bij sales is het de generieke "Ik zag op LinkedIn dat…"-opening. Als je vooraf bedenkt waar het misgaat, kun je het in de prompt verbieden.

Even het bewijs, met dezelfde belastingaanslag. Kijk wat er gebeurt als je vraag 3 toevoegt.

Zwak: "Schrijf een mail over een belastingaanslag."

Sterk: "Je weet dat een onverwachte aanslag die drie reacties tegelijk losmaakt. Een goede mail vangt ze op vóórdat de klant in de stress schiet."

Die tweede zin stuurt de hele output. Dát is het goud. En let op: dat is geen langere prompt om het langer maken. Het is een prompt die de wereld beschrijft.

Het KADER-format: het skelet van elke perfecte prompt

De drie vragen leveren je de inhoud. Nu heb je een vorm nodig die je elke keer hetzelfde invult, zodat je niks vergeet. Dat is het KADER-format: zeven vaste secties. Je kent misschien COSTAR (Context, Objective, Style, Tone, Audience, Response), een prima basisframe dat door datawetenschapper Sheila Teo werd ontwikkeld. KADER doet hetzelfde werk, maar gaat een stap verder. Het bouwt de angle uit de vorige stap erin in, plus een guardrail tegen de faalmodus.

Elke sectie bestaat om een reden. Hier is het sjabloon, kant-en-klaar om te kopiëren:

#CONTEXT:
Neem de rol aan van [rijke, specifieke expert-rol]. Je weet dat
[angle: wie leest de uitkomst, in welke staat, en wat de gebruiker
écht wil bereiken].

#DOEL:
[De gewenste uitkomst voor de gebruiker, in één à twee zinnen.]

#WERKWIJZE:
1. Vraag me eerst — in één bericht — om alleen: [de paar essentiële
   inputs]. Vraag niets méér.
2. [Denk-/analysestap met echte vaktechniek.]
3. [Productiestap.]

#INFORMATIE VAN MIJ:
- [Placeholder 1]
- [Placeholder 2]

#OUTPUT:
[Exact format, lengte, toon.] Zo klinkt het (neem de inhoud niet
over): "[kort voorbeeld van goed]".

#BELANGRIJKE REGELS:
- [Tegenmaatregel voor de #1 faalmodus.]
- [Schrijfstem-regel.]
- Controleer vóór je antwoordt of [zelfcheck].

#BEPERKINGEN:
- [Wat het model níét mag: scope / beloftes / aannames / hard maximum.]

Waarom elke sectie er staat:

#CONTEXT is waar je de expertise voelt. Hier landt de angle. Specifiek wint altijd van algemeen: "registeraccountant met 15 jaar samenstelpraktijk", niet "een accountant". Antwoord 1 en 2 uit de vorige stap horen hier.

#DOEL beschrijft het resultaat, niet de handeling. "De klant zet meteen de juiste vervolgstap", niet "schrijf een mail".

#WERKWIJZE codeert de echte vaktechniek, genummerd. Stap 1 is bijna altijd hetzelfde: laat het model éérst om alleen de essentiële input vragen. Zo wordt je prompt turnkey in plaats van een invuloefening. Laat het model denken vóór het schrijft.

#INFORMATIE VAN MIJ zijn de paar placeholders die jij invult. Hou het minimaal. Elke extra placeholder is wrijving, en wrijving zorgt dat je de prompt niet gebruikt.

#OUTPUT legt het exacte format vast: lengte, toon, en een ingebakken voorbeeld van "goed". Wees concreet: "max. 7 woorden", "op één A4". Eén korte zin "Zo klinkt het:" stuurt toon en kwaliteit beter dan tien adjectieven.

#BELANGRIJKE REGELS bevat de guardrail tegen je #1 faalmodus, plus een zelfcheck. Sluit af met "Controleer vóór je antwoordt of…" en het model corrigeert zichzelf.

#BEPERKINGEN zegt wat het model níét mag. Niets beloven, niet pushen, doorvragen in plaats van aannemen, een hard maximum.

Twee bouwstenen werken voor élk beroep, dus onthou ze: bak een voorbeeld van "goed" in, en benoem de faalmodus en blokkeer hem. Die twee samen tillen een prompt van bruikbaar naar professioneel.

Van zwak naar sterk: de belastingaanslag-prompt uit onze eigen bibliotheek

Zo ziet het er uit als alles samenkomt. Hier is de echte prompt die we voor accountants schreven, met per stuk aangewezen welke KADER-sectie het is. Dit is de live uitwerking van het zwakke "schrijf een mail"-voorbeeld, en je vindt hem terug in onze set voor accountants.

In #CONTEXT staat de angle voluit:

"Neem de rol aan van een ervaren accountant én communicatiestrateeg die al honderden keren een vervelende boodschap aan een ondernemer heeft gebracht. Je weet dat een onverwachte aanslag drie reacties tegelijk losmaakt: schrik ('kan ik dit betalen?'), irritatie ('waarom hoor ik dit nu pas?') en twijfel ('had mijn accountant dit niet zien aankomen?'). De ondernemer leest de mail vaak op zijn telefoon, tussen twee dingen door."

Daar zit vraag 1 (wie leest het, in welke staat) en vraag 3 (wat de expert weet) in één alinea.

#WERKWIJZE opent met de vraag-eerst-stap:

"Vraag me eerst — in één bericht — om vier dingen, niet meer: soort heffing + jaar, het bedrag, de reden, en de gewenste vervolgstap met datum."

Vier dingen, niet meer. Minimale wrijving, maximale stuurkracht.

In #OUTPUT zit het ingebakken voorbeeld van "goed":

"Vandaag kwam je voorlopige aanslag binnen. Op zich goed nieuws: je had een sterk jaar. Ik heb de berekening gecontroleerd en die klopt."

Eén zin laat zien hoe de toon moet klinken. Dat doet meer dan een rij bijvoeglijke naamwoorden.

En #BEPERKINGEN blokkeert de faalmodus:

"Beloof niets over de uitkomst van een bezwaar of regeling; bied alleen aan het te onderzoeken."

Geen verzonnen toezeggingen, geen juridische gronden die niet zijn aangeleverd. Dat is wat een prompt betrouwbaar maakt in plaats van riskant.

Wil je niet zelf bouwen maar gewoon iets kopiëren? Dan staan er 50 kant-en-klare prompts per afdeling klaar. Maar als je deze methode in de vingers krijgt, schrijf je voor elke nieuwe situatie zelf iets dat raakt.

Kies bewust het juiste gereedschap

Een perfecte prompt kiest ook het juiste niveau gereedschap. De gouden regel is simpel: gebruik het lichtste gereedschap dat de klus betrouwbaar klaart. Begin licht, schakel pas op als het de uitkomst echt betrouwbaarder of bruikbaarder maakt, en zeg in de prompt welk gereedschap je wilt.

De fout hier is bijna altijd dezelfde: mensen grijpen naar zwaarder gereedschap (een agent, een plugin) terwijl het probleem in de prompt zit. Zwaarder gereedschap verbergt een vage opdracht; het lost hem niet op.

Eén nuance die veel mensen missen. Een model uit het hoofd laten rekenen is onbetrouwbaar, want het voorspelt cijfers in plaats van ze te berekenen. Maar laat je het diezelfde som maken via de data-tool op een geüpload bestand, dan is het júist betrouwbaar, want dan rekent het echt. En bij actuele cijfers of wetten: vraag om een bron in plaats van een gok. Een prompt die zegt "zoek dit op en geef de bron" is betrouwbaarder dan een prompt die op het geheugen van het model vertrouwt.

Werkt dit echt voor elke situatie?

Ja, en dat is geen marketingbelofte. De methode is model-agnostisch en beroep-agnostisch, omdat hij vanuit de lezer van de uitkomst is gebouwd. Dezelfde structuur, ander vak. Hier is het bewijs uit onze eigen bibliotheek:

Vijf totaal verschillende beroepen, exact hetzelfde recept. Zie bijvoorbeeld de marketeer-prompt uit onze bibliotheek.

Of je nu in ChatGPT, Claude of Gemini werkt: het KADER-format doet overal hetzelfde. De wereld die je beschrijft is wat telt, niet de knop waarop je klikt. Wil je de onderliggende prompt-engineering technieken op een rij (few-shot, chain-of-thought en de rest), dan vind je die in een aparte gids. Hier draait alles om de methode.

Schrijf als een mens, niet als een AI

Eén ding nog, want het hoort bij de #OUTPUT en bij je #BELANGRIJKE REGELS. Je wilt dat het model schrijft zoals een vakman praat, niet zoals een AI klinkt. Anders krijg je technisch correcte tekst die iedereen herkent als machinaal.

Doen: korte zinnen, actieve vorm, je-vorm, concrete voorbeelden en getallen. Eén idee per zin.

Niet doen, want dit zijn de tells die elke lezer ruikt: "in het huidige digitale landschap", "het is belangrijk om te benadrukken", lege superlatieven als "naadloos", "innovatief", "cruciaal", "krachtig" en "moeiteloos", het drieslag-ritme ("snel, efficiënt en betrouwbaar"), en het eindeloos stapelen van gedachtestreepjes.

De toets die ik altijd gebruik: zou een vakman dit hardop voorlezen aan een collega zonder zich te schamen? Zo nee, dan is het te glad. Zet die regel letterlijk in je prompt en de output verandert direct van toon.

Checklist: is jouw prompt over de lat?

Voordat je een prompt loslaat, loop je hem langs. Dit is dezelfde lat waarmee wij elke prompt in de bibliotheek scoren.

1. •Angle helder? Voel je dat de prompt de lezer van de uitkomst én het echte doel begrijpt? Dit is de make-or-break.
2. •Echte vakdiepte? Zit er een niet-voor-de-hand-liggende werkwijze in, of is het algemene kennis?
3. •Faalmodus afgevangen? Heb je de #1 manier waarop het misgaat benoemd en geblokkeerd?
4. •Specifiek genoeg? Echte context-slots, geen generieke rol.
5. •Weinig input nodig? Kun je hem vandaag gebruiken zonder tien velden in te vullen?
6. •Leert hij het waarom? Snap je na het lezen van je eigen prompt waaróm hij werkt?

Haal je hier de meeste punten, dan heb je geen opdracht meer geschreven, maar een instrument. En een instrument gebruik je opnieuw.

Deze methode in de vingers krijgen op je eigen werk, met je eigen cases? Dat is precies wat we doen in de ChatGPT/Claude/Gemini Masterclass en bij AI gebruiken voor bedrijven. En als je gewoon wilt zien hoe de methode er in de praktijk uitziet: blader door onze bibliotheek van honderden prompts en kijk per beroep hoe dezelfde structuur telkens raak wordt.

Veelgestelde vragen

Wat maakt een prompt goed?

Een goede prompt beschrijft niet de output, maar de wereld waarin die output moet landen: wie leest het, in welke stemming, en wat je er echt mee wilt bereiken. Daarbovenop benoemt hij de werkwijze van de expert en blokkeert hij de manier waarop het meestal misgaat. Dat verschil tussen een opdracht en een instrument bepaalt of de uitkomst raak is of generiek.

Waarom geeft ChatGPT generieke antwoorden?

Omdat een taalmodel het meest waarschijnlijke volgende woord voorspelt en bij een vage vraag voor de veiligste, meest gemiddelde optie kiest. Het vult ontbrekende context zelf in met algemeenheden. Beschrijf je de lezer van de uitkomst en het echte doel, dan wordt het antwoord meteen specifieker.

Hoe schrijf je een goede prompt in stappen?

Beantwoord eerst drie vragen: wie leest de uitkomst, wat wil je echt bereiken, en wat weet de expert dat een leek niet weet? Giet die antwoorden daarna in het KADER-format met zeven secties en test de prompt op een echt voorbeeld. Praktische volgorde-tip: schrijf de belangrijke regels (de faalmodus die je wilt blokkeren) vóór je het output-format formuleert, dan stuurt de guardrail meteen de voorbeeldzin die je inbakt.

Hoe lang moet een prompt zijn?

Er is geen woordlimiet, maar als vuistregel: hou het aantal placeholders dat jij moet invullen onder de vijf. Vaak is één rake zin die de lezer en het echte doel benoemt waardevoller dan een halve pagina algemene instructies. Wordt je prompt lang, check dan of de extra woorden de situatie beschrijven of alleen de toon herhalen — alleen het eerste helpt.

Werkt dezelfde prompt op ChatGPT, Claude én Gemini?

Ja, de structuur is model-agnostisch. Het verschil zit alleen in de functienamen van het zwaardere gereedschap: rekenen heet bij ChatGPT "Code Interpreter", bij Claude loopt het via de Analysis tool en bij Gemini via geïntegreerde code-uitvoering. Noem in je prompt de functie ("reken dit via de data-/code-tool") in plaats van de merknaam, dan werkt dezelfde prompt overal.