Iemand stuurt een AI-model een screenshot van een foutmelding, typt “fix dit,” en krijgt een werkende oplossing terug. Twee woorden. Geen sturing, geen format, geen context. Het werkt.
Dezelfde persoon vraagt het model om een adviesmemo te schrijven over een reorganisatie. Het resultaat leest als een Wikipedia-artikel. Correct, maar onbruikbaar. De toon klopt niet, het publiek is verkeerd ingeschat, en de structuur is die van een werkstuk, niet van een bestuursmemo.
Dat contrast is herkenbaar voor iedereen die met AI werkt. Soms volstaat een korte vraag. Soms niet, en dan is het verschil tussen een bruikbaar en een onbruikbaar antwoord niet het model. Het is wat je het meegeeft. De vraag is: wat geef je mee op het moment dat het ertoe doet? Daar gaan de zeven bouwstenen over.
Roland Bieleveldt
“Wat is de hoofdstad van Frankrijk?” is een prompt. Een screenshot van een foutmelding met de tekst “fix dit” is ook een prompt. In beide gevallen hoeft er niets aan de instructie te worden toegevoegd. Het model heeft genoeg informatie om een bruikbaar antwoord te geven.
Dat geldt voor een groot deel van het dagelijks gebruik. Feitelijke vragen, korte verzoeken, vertalingen, samenvattingen van een meegestuurd document: bij al die taken werkt een korte, informele prompt prima. Het model leidt de bedoeling af uit wat het ontvangt, en dat gaat steeds beter.
Twee ontwikkelingen versterken dit. Moderne AI-modellen verwerken naast tekst ook afbeeldingen, documenten, spreadsheets en audio als onderdeel van de prompt. Een screenshot bevat meer context dan drie alinea’s beschrijving. Een meegestuurd contract bevat meer informatie dan welke toelichting ook. De informatie hoeft niet expliciet in woorden te staan. Het model haalt die uit het materiaal dat je meegeeft.
De tweede ontwikkeling is dat modellen beter zijn geworden in het interpreteren van informele, korte instructies. “Leg uit” bij een meegestuurd document, “maak korter” bij een tekst, “vertaal naar het Engels”: dat soort opdrachten leverde bij vroegere modellen wisselvallige resultaten op. Bij moderne modellen zijn de resultaten in de meeste gevallen direct bruikbaar.
De bouwstenen worden relevant op het moment dat het model keuzes moet maken die jij wilt sturen. Wie het publiek is. Welke toon past. Hoe lang het antwoord mag zijn. Welk format het moet hebben. Welke informatie het moet benadrukken en welke het moet weglaten.
Bij een korte feitelijke vraag zijn die keuzes er niet. Bij een complexe opdracht wel. “Schrijf een samenvatting” laat het model tientallen keuzes zelf invullen: voor wie, hoe lang, welke nadruk, welke toon. “Schrijf een samenvatting van twee alinea’s voor de raad van commissarissen, gericht op de financiële risico’s, in een zakelijke toon” neemt die keuzes weg. Het verschil in output is aanzienlijk.
Het omslagpunt is herkenbaar: als je bij het lezen van het resultaat denkt “dat is niet wat ik bedoelde,” dan heeft het model keuzes gemaakt die jij had willen sturen. De bouwstenen helpen je te zien welke keuzes dat zijn.
Hier zit een nuance die ertoe doet. Modellen worden beter in het interpreteren van korte instructies, maar ze worden tegelijk ook letterlijker in het opvolgen van wat je expliciet opschrijft. Die twee bewegingen lijken tegenstrijdig, maar ze zijn het niet.
Bij een korte, ondubbelzinnige opdracht werkt het goed: het model doet wat je vraagt. Bij een complexe opdracht met veel impliciete verwachtingen kan die letterlijkheid juist tegenwerken. “Maak dit beter” leverde bij oudere modellen soms een uitgebreide herschrijving op die verder ging dan gevraagd. Bij nieuwere modellen is het resultaat precies wat je letterlijk hebt gevraagd: een iets betere versie, zonder de extra stappen die je stilzwijgend verwachtte.
Dat maakt de bouwstenen niet minder relevant. Het maakt ze relevanter voor wie expliciet wil sturen wat het model doet. Hoe preciezer je formuleert wat je nodig hebt, hoe beter het resultaat. Die relatie wordt sterker, niet zwakker.
De bouwstenen zijn het gereedschap van Ring 1 (Aansturen) in het ringen-model, ons denkraam voor de opbouw van AI-systemen. Het is de eerste laag die je om een kaal foundation model heen legt om het gericht aan het werk te zetten.
Wij hanteren zeven bouwstenen. Andere indelingen bestaan en werken ook. Sommige bronnen onderscheiden er vier of vijf, andere combineren er twee tot één. De indeling hieronder is de indeling die in de praktijk het meest houvast geeft, omdat ze elk onderdeel een eigen naam en functie geeft. Dat maakt het makkelijker om te zien welk onderdeel ontbreekt wanneer de output niet doet wat je wilt.
De bouwstenen zijn een gereedschapskist. Niet elke opdracht vraagt om alle zeven. Een feitelijke vraag heeft er nul nodig. Een eenduidige opdracht met een meegestuurd document heeft er misschien twee nodig. Een complexe opdracht met meerdere stakeholders en een specifiek format heeft er vijf of zes nodig. Het gaat om bewust kiezen welke onderdelen in deze situatie het verschil maken.
De bouwstenen zijn ook een diagnose-instrument. Als het resultaat niet goed is, helpen ze om te zien wat er ontbreekt. De toon klopt niet? Bouwsteen 4. Het format is onbruikbaar? Bouwsteen 5. De inhoud is correct maar mist de situatie? Bouwsteen 2.
De eerste bouwsteen is de kern: wat moet het model doen? De Taak is de concrete opdracht. Een helder actiewerkwoord, een duidelijke outputvorm en een omschrijving van het doel.
Het verschil tussen “schrijf iets over onboarding” en “schrijf een checklist van tien punten voor de eerste werkweek van een nieuwe medewerker” is het verschil tussen een richting en een bestemming. Het eerste levert iets op. Het tweede levert iets bruikbaars op.
→ Lees meer: Taak (De Motor) — de concrete opdracht (cluster 4.2a)
De tweede bouwsteen levert de achtergrond die het model nodig heeft om de juiste keuzes te maken. Wie is de doelgroep? Wat is de aanleiding? Welke kaders gelden er?
Context kan ook impliciet zijn. Een meegestuurd document, een screenshot of een afbeelding bevat informatie die het model zelf extraheert. De bouwsteen Context wordt pas nodig wanneer de relevante achtergrond niet in het meegestuurde materiaal zit, maar in jouw hoofd.
→ Lees meer: Context (De Wereld) — de noodzakelijke achtergrond (cluster 4.2b)
De derde bouwsteen bepaalt vanuit welke deskundigheid het model reageert. Een Rol geeft het model een perspectief: beantwoord deze vraag als een ervaren arbeidsrechtadvocaat. Of: als een communicatieadviseur die gewend is om complexe besluiten uit te leggen aan medewerkers.
Het effect is niet dat het model ineens een advocaat wordt. Het effect is dat het model de toon, de diepgang en het vocabulaire aanpast aan het perspectief dat je meegeeft. Dat verschil is vaak groter dan verwacht.
→ Lees meer: Rol (De Expert) — de persona of deskundigheid (cluster 4.2c)
De vierde bouwsteen stuurt hoe het antwoord klinkt. Formeel of toegankelijk? Zakelijk of empathisch? De Toon bepaalt of de output past bij het publiek en bij het merk.
Toon is niet hetzelfde als Rol. Een juridisch adviseur (Rol) kan schrijven in een empathische toon die past bij een ontslaggesprek, of in een zakelijke toon die past bij een bestuursmemo. De combinatie van Rol en Toon geeft fijnmazige sturing.
→ Lees meer: Toon (De Sfeer) — de gewenste stijl (cluster 4.2d)
De vijfde bouwsteen beschrijft de gewenste vorm en opbouw van de output. Moet het een tabel zijn, een genummerde lijst, een memo met kopjes, een e-mail van drie alinea’s?
Structuur is een bouwsteen die vaak wordt vergeten en bijna altijd verschil maakt. Zonder structuurinstructie bepaalt het model zelf de opbouw. Het resultaat is vaak een lap tekst die inhoudelijk correct is maar niet het format heeft dat je nodig hebt.
→ Lees meer: Structuur (De Blauwdruk) — de gevraagde vorm en opbouw (cluster 4.2e)
De zesde bouwsteen zet grenzen. Wat mag het model niet doen? Hoe lang mag het antwoord zijn? Welke onderwerpen moet het vermijden? Welke criteria moet het resultaat minimaal bevatten?
Randvoorwaarden voorkomen dat het model te ver uitwijkt, te lang wordt of informatie opneemt die niet thuishoort. Ze werken als vangrails: het model heeft vrijheid binnen de baan, niet erbuiten.
→ Lees meer: Randvoorwaarden (De Spelregels) — duidelijke grenzen en criteria (cluster 4.2f)
De zevende bouwsteen laat het model zien hoe een goed resultaat eruitziet. Door een voorbeeld mee te geven van de gewenste output, geef je het model een referentiepunt voor stijl, format en kwaliteitsniveau.
Dit is een van de krachtigste bouwstenen en tegelijk een van de minst gebruikte. Een model dat een voorbeeld heeft gezien, levert output die dichter bij je verwachting ligt dan een model dat alleen instructies heeft gekregen.
→ Lees meer: Voorbeelden (De Gouden Standaard) — een referentie die stijl en kwaliteit laat zien (cluster 4.2g)
De kracht zit in de combinatie. Een prompt met een scherpe Taak (De Motor) maar zonder Context (De Wereld) levert een correct antwoord op dat niet past bij de situatie. Een prompt met een goede Rol (De Expert) maar zonder Structuur (De Blauwdruk) levert inhoud op in een onbruikbaar format.
Een praktische vuistregel: als het resultaat niet goed genoeg is, kijk dan niet eerst naar de formulering. Kijk naar welke bouwsteen ontbreekt. De bouwstenen maken het probleem zichtbaar en de oplossing concreet.
Twee situaties. In de eerste volstaat een korte prompt. In de tweede maken de bouwstenen het verschil.
Een manager stuurt een AI-model het notulenbestand van een vergadering en typt: “Samenvatting, maximaal vijf punten.” Het model levert vijf punten die de kern dekken. De Taak is helder (samenvatten), het document bevat alle context, en het format is gespecificeerd in vier woorden. Geen bouwstenen nodig behalve een minimale Taak en een impliciete Structuur. Het meegestuurde document doet het zware werk.
Dezelfde manager wil nu een adviesmemo op basis van diezelfde notulen, gericht aan het bestuur, met een aanbeveling over de drie besproken investeringsopties, in een zakelijke toon en maximaal twee pagina’s. De prompt “schrijf een memo” levert een generiek stuk op. De prompt met vijf bouwstenen levert een memo op die het kantoor na een korte review kan versturen. Het verschil: de manager heeft het model verteld voor wie het schrijft (Context), in welke richting (Taak), hoe het moet klinken (Toon), hoe het eruit moet zien (Structuur) en wat de grenzen zijn (Randvoorwaarden).
Een praktijkmanager wil een AI-model inzetten om patiëntinformatie te herschrijven op B1-taalniveau. De eerste prompt: “Herschrijf deze tekst in begrijpelijke taal.” Het model produceert een vereenvoudigde versie die medisch belangrijke nuances weglaat en te informeel klinkt. De aangepaste prompt bevat vijf bouwstenen: de Taak (herschrijf op B1-taalniveau), de Context (dit is een ontslagbrief voor een patiënt na een knieoperatie), de Toon (empathisch maar feitelijk), de Structuur (drie korte alinea’s: wat er is gebeurd, wat de patiënt moet doen, wanneer contact opnemen) en een Randvoorwaarde (behoud alle medische instructies, vereenvoudig alleen het taalgebruik). Het resultaat is een brief die de patiënt direct kan begrijpen zonder dat er informatie verloren gaat.
Een communicatieadviseur gebruikt een AI-model om LinkedIn-posts te schrijven voor opdrachtgevers. De eerste prompt: “Schrijf een LinkedIn-post over duurzaamheid.” Het resultaat is generiek. De aangepaste prompt bevat vier bouwstenen: de Taak (schrijf een LinkedIn-post van 150 tot 200 woorden), de Context (de opdrachtgever is een interieurbouwer die net een project heeft opgeleverd met volledig hergebruikte materialen), de Toon (persoonlijk en trots, geen preektoon) en een Voorbeeld (een eerdere post van dezelfde opdrachtgever die goed presteerde, als referentie voor stijl en lengte). Het resultaat sluit aan bij de stem van de opdrachtgever en bevat een concreet verhaal in plaats van algemeenheden.
Wie concreet wil weten hoe je elke bouwsteen formuleert, vindt op de dieptepagina’s per bouwsteen de uitleg, voorbeelden en veelgemaakte fouten: van Taak (De Motor) (cluster 4.2a) tot Voorbeelden (De Gouden Standaard) (cluster 4.2g).
Wie na de bouwstenen wil weten welke geavanceerdere technieken beschikbaar zijn, leest verder bij Prompt technieken (cluster 4.3).
Wie wil begrijpen hoe de stap van goede prompts naar slim informatiebeheer eruitziet, vindt dat bij Context engineering (cluster 4.4).