Kennisbank · Sneller werken · 8 min leestijd · 20 november 2026
Opdracht goed formuleren als je alleen iets met AI wilt
Opdracht goed formuleren begint bij vragen over gebruiker, moment en grens. Met een prompt waarmee AI je interviewt en drie criteria om zelf te toetsen.
Terugkerend werk overdragen aan Claude
Hoe je kiest welke taken Claude van je overneemt en hoe je het resultaat controleert. Met één gratis account pak je deze en de andere 51 toolkits.
Heb je al een account? Log in
We willen iets met AI. Het is een begrijpelijke zin, want meestal weet je pas wat je wilt als je ziet wat er nu misgaat. Voor een model, een collega of een freelancer is het alleen geen opdracht, omdat nergens staat wat er aan het eind op tafel moet liggen.
Een opdracht goed formuleren komt neer op het beantwoorden van een paar vragen voordat er iets gemaakt wordt. In dit blog lees je welke vragen dat zijn, hoe je een AI-model die vragen aan jou laat stellen en hoe je drie criteria opschrijft waaraan je zelf kunt zien of het resultaat af is. Je kunt het toepassen op elke rommelige briefing die nu bij je ligt.
In dit blog
- Opdracht goed formuleren begint bij het resultaat
- De vragen die je beantwoordt om een opdracht goed te formuleren
- Een normaal en een lastig voorbeeld maken de opdracht toetsbaar
- Laat een voorbeeldresultaat goedkeuren voordat je verder gaat
- Zo ziet een opdracht eruit die af kan
- Veelgestelde vragen
Opdracht goed formuleren begint bij het resultaat
Een vage vraag als iets voor de urenregistratie bevat een wens en nog geen taak. Wie begint met bouwen, schrijven of automatiseren voordat het resultaat helder is, krijgt iets terug dat er plausibel uitziet en niet past bij wat je nodig had. AI-modellen beginnen graag zodra ze een herkenbaar woord zien, dus de duidelijkheid moet van jou komen.
Ik maak een briefing daarom eerst concreet met één vraag: wat ligt er op de maandagochtend op tafel en wat doe je daarmee? Een lijst met projecten die over hun uren heen gaan is een resultaat. Een slimme urenregistratie is een wens.
Daaruit volgt het kader voor de hele opdracht. Je kent de gebruiker, het moment waarop hij het resultaat nodig heeft en de beslissing die hij ermee neemt. De rest van de opdracht is een uitwerking van die drie.
De vragen die je beantwoordt om een opdracht goed te formuleren
Met zes vragen haal je de informatie op die in een rommelige briefing ontbreekt. Je kunt ze zelf beantwoorden en je kunt ze door het model aan jou laten stellen.
- Wie gebruikt het resultaat en wat beslist hij ermee?
- Op welk terugkerend moment is het nodig?
- Welke gegevens zijn er en in welke vorm?
- Wat moet er uitkomen en in welke indeling?
- Wat valt nadrukkelijk buiten de eerste versie?
- Hoe zie je dat het resultaat goed is?
Hieronder staat een opdracht waarmee je het model de rol van interviewer geeft. Plak je rommelige briefing erachter en beantwoord de vragen een voor een. Het model maakt pas iets als jij daarom vraagt.
Je helpt me een rommelige briefing om te zetten in een opdracht die af kan. Ik plak hieronder wat ik nu heb. Stel mij vragen, steeds een of twee tegelijk, over de gebruiker en zijn beslissing, het terugkerende moment, de gegevens die er zijn, het resultaat dat ik wil en wat buiten de eerste versie valt. Verzin geen antwoorden en neem geen aannames over als ik iets niet heb gezegd. Maak nog niets. Als alle vragen zijn beantwoord, schrijf je de opdracht in een korte tekst met drie criteria waaraan ik zelf kan zien of het resultaat klopt. Briefing: [plak hier je briefing]
Het model vraagt in gewone taal door zolang er gaten zijn. Dat werkt vaak beter dan zelf een perfecte opdracht schrijven, omdat je dan niet hoeft te weten wat je vergeten bent.

Een normaal en een lastig voorbeeld maken de opdracht toetsbaar
Als de basis helder is, vraag je om twee voorbeelden: een gewone situatie en een lastige. Het gewone voorbeeld laat zien dat de opdracht begrepen is. Het lastige voorbeeld laat zien waar de opdracht stukgaat en dat wil je weten voordat je erop vertrouwt.
Een opdracht voor een wekelijks overzicht van projecten die over hun uren heen gaan kan zo klinken, met fictieve gegevens.
- Normaal geval: een project met 40 begrote uren en 32 geschreven uren, dat op schema ligt.
- Lastig geval: een project zonder begroting in de export of een regel met een negatief aantal uren.
- Grens: de eerste versie stuurt geen berichten en past geen gegevens aan, hij toont alleen een lijst.
Schrijf daarna drie criteria op waaraan jij het resultaat kunt toetsen. Voor dit voorbeeld: elke regel uit de export krijgt een status, regels zonder begroting worden gemeld en regels met een negatieve waarde krijgen geen oordeel maar een vraag aan jou. Je kunt elk criterium nalopen zonder de opdracht te hoeven begrijpen als bouwer.
Tip: Een criterium dat je niet kunt nalopen, zoals het overzicht is duidelijk, vervang je door iets wat je kunt tellen of aanwijzen.
Laat een voorbeeldresultaat goedkeuren voordat je verder gaat
De grootste winst zit in een klein voorbeeld. Laat het model, voordat er iets echts gebouwd wordt, een tabel met drie fictieve regels laten zien en vraag de opdrachtgever of hij op maandag met zo’n tabel een beslissing kan nemen. Zegt hij ja, dan kun je door. Zegt hij nee, dan weet je dat je de opdracht nog aanpast en heb je daarvoor nog niets gebouwd.
Extra wensen komen in dit stadium altijd naar boven. Iemand wil ook dat er berichten worden verstuurd of dat het overzicht in een andere tool komt. Schrijf die wensen op als een volgende versie met eigen regels en eigen controle en houd de eerste opdracht klein genoeg dat je hem kunt beoordelen. Een kleine opdracht die werkt levert meer op dan een grote opdracht die bijna werkt.
Loop je de hele route door, van een ruwe vraag tot een opdracht met criteria en een voorbeeld dat een opdrachtgever beoordeelt, dan werkt het playbook over een briefing omzetten in een opdracht die route uit in een volledig voorbeeld.

Zo ziet een opdracht eruit die af kan
Zo kan het eindresultaat van de vragenronde eruitzien. Het is een opdracht die je in een nieuw gesprek kunt plakken, met de export erachter.
Je krijgt hieronder de wekelijkse export van onze urenregistratie. Maak een lijst met alle projecten uit de export. Toon per project de projectnaam, het aantal begrote en geschreven uren, een status (op schema, boven begroting of niet te beoordelen) en de reden van die status. Staat er geen begroting bij een project, zet dan niet te beoordelen en noteer dat de begroting ontbreekt. Heeft een regel een negatief aantal uren, stel dan een vraag aan mij en trek zelf geen conclusie. Verstuur niets en pas niets aan in de export. Gebruik alleen de gegevens in de export. Export: [plak hier de export]
Je kunt dezelfde opbouw gebruiken voor elk terugkerend werk: wie, wanneer, invoer, uitvoer, grens en criteria. Een opdracht die je vaker gebruikt kun je opnemen in een vaste basis, zoals hoe je een Master Prompt bouwt laat zien. Wat zonder programmeren kan en waar de grens ligt staat in het blog over AI automatiseren zonder code.
Heeft een collega het werk straks overgenomen, dan helpt het om de werkwijze ook vast te leggen. Daarover gaat het blog over de werkwijze vastleggen. Voor het wekelijkse moment waarop je kijkt wat het heeft opgeleverd is er een weekreview met AI.
Het beste wat je nu kunt doen is de briefing kiezen die al het langst blijft liggen en de interviewopdracht eroverheen laten gaan. Beantwoord de vragen, laat een voorbeeld maken en kijk of je er een beslissing mee kunt nemen. Meer uitgewerkte hulpmiddelen vind je bij de toolkits en playbooks.
Veelgestelde vragen
Hoe formuleer ik een goede opdracht voor ChatGPT of Claude?
Beschrijf wie het resultaat gebruikt, wanneer hij het nodig heeft, welke gegevens je aanlevert, hoe het resultaat eruit moet zien en wat buiten de opdracht valt. Voeg drie criteria toe waaraan je zelf kunt toetsen of het klopt. Met die onderdelen weet het model waar het naartoe werkt.
Wat doe ik als mijn briefing nog te vaag is?
Laat het model je interviewen. Plak de briefing in het gesprek en vraag om een of twee vragen tegelijk over gebruiker, moment, gegevens, resultaat en grenzen, met de opdracht niets te maken en niets te verzinnen. Na de antwoorden schrijft het model de opdracht uit.
Hoe schrijf ik criteria waaraan ik het resultaat kan toetsen?
Formuleer iets wat je kunt tellen of aanwijzen, zoals dat elke regel uit de invoer een status krijgt of dat ontbrekende gegevens worden gemeld. Een criterium als het overzicht is duidelijk kun je niet nalopen. Begin met drie criteria en pas ze aan als je het eerste voorbeeld hebt gezien.
Waarom moet ik een voorbeeldresultaat laten maken voor ik verder ga?
Een voorbeeld met drie fictieve regels laat een opdrachtgever zien of hij er een beslissing mee kan nemen. Je ontdekt dan voordat er iets groots is gebouwd dat de opdracht nog moet worden aangepast. Dat voorkomt dat je een resultaat verbetert dat al van de verkeerde vraag uitging.
Werk je ruwe vraag uit tot een opdracht die af kan
Dit blog geeft je de vragen en een opdracht waarmee het model je interviewt. Het playbook doorloopt een volledig uitgewerkt voorbeeld van een ruwe vraag tot een opdracht met acceptatiecriteria en een beoordeeld voorbeeldresultaat, met een bewerkbaar werkblad en een controle zodat je ziet of je eigen opdracht af is.
Bekijk het playbook: Van iets met AI naar een opdracht die af kan