Je werkt met AI, maar je verliest er dagelijks uren aan. Aan uitleggen, bijsturen, corrigeren. Reken het eens uit. En ontdek hoe Prompting 2.0 die uren teruggeeft.
Je kunt er zo uren per dag aan verliezen.
Niet aan werken. Aan uitleggen.
In het kort
Elke AI-sessie opnieuw je context uitleggen kost je een half uur per dag, en dat is de voorzichtige schatting.
Prompting 2.0 draait dat om: je bouwt één keer een systeem waarin jouw context al klaarligt, zodat de AI hem zelf ophaalt.
Waar ik met klanten op reken is minimaal een uur per dag terug. Dat is een rekensom over de taken die verdwijnen, geen meting over een groep.
Je opent ChatGPT om half negen. Vijf minuten context uitleggen. Wie je bent, wat je doet, over welke klant het gaat. Tien minuten heen en weer corrigeren omdat de eerste output niet klopt. Nog vijf minuten om het antwoord te bewerken tot iets dat bruikbaar is voor jouw situatie. Twintig minuten voor wat één prompt had moeten zijn.
Drie keer per dag. Vier keer per dag. Vermenigvuldig dat met 200 werkdagen en je kijkt tegen vijf tot zeven werkweken aan. Weggetikt aan AI die jou niet kent.
Dit heet Prompting 1.0. En het kost je elke dag meer dan je denkt.
Vraag aan elke professional hoeveel tijd AI hem oplevert, en je hoort: "Best wat." Vraag hoeveel tijd het hem kost, en je hoort niks.
De reden is simpel: verlies verdunt zich. Tien minuten per sessie voelt als niks. Drie sessies per dag voelt als normaal. Maar 30 minuten per dag is twee en een half uur per week. Tien uur per maand. 120 uur per jaar. Drie complete werkweken, alleen al aan context uitleggen.
Ik liep hier zelf tegenaan op een dinsdag, toen ik voor de derde keer in één week mijn eigen aanbod zat uit te typen. Niet voor een klant. Voor een model dat het twee dagen eerder ook al had gehoord. Dat was het moment dat ik ben gestopt met zoeken naar een betere prompt en ben begonnen met het opschrijven van mijn context.
Die uren zijn geen mysterie. Ze zitten verstopt in vier herkenbare momenten.
Scenario 1. De maandagochtend-reset. Je weet dat je vorige week een sterk idee had voor die ene klant. Je opent ChatGPT en typt: "Herinner je je nog wat we bespraken over project X?" Antwoord: "Als AI-model heb ik geen toegang tot eerdere gesprekken..." Weer opnieuw beginnen. Weer die vijftien minuten kwijt voordat je bij je eigenlijke vraag bent.
Scenario 2. Het context-uploadritueel. Je wilt een stuk laten schrijven. Voordat je vraag kan landen, plak je eerst een klantprofiel, dan je schrijfstijl, dan de laatste drie voorbeelden die erop lijken. Tien minuten copy-paste voordat je überhaupt iets terugkrijgt. Elke sessie opnieuw.
Scenario 3. Het zoek-kwartier. Je bent een mail aan het typen. Je weet dat je de perfecte bron hebt. Maar staat die in je Mail, in Notion, op WhatsApp, of in die ene Word-doc? Tien minuten later geef je het op en schrijf je iets middelmatigs uit je hoofd. Je beste werk wordt gesmoord door je slechtste archivering.
Scenario 4. Het babysit-effect. De AI geeft je een antwoord. Het klopt half. Je corrigeert. Hij geeft iets nieuws. Het klopt nu anders half. Je corrigeert weer. Drie rondes later heb je iets bruikbaars, maar je had de helft van de tijd zelf een paragraaf kunnen tikken.
Vier scenario's. Elke dag, een paar keer per dag. En voor je het weet is je ochtend op.
Het zit in wat er klaarstaat voordat je typt.
Prompting 1.0 is wat je nu doet. Je stelt een vraag. Je legt context uit. Je corrigeert het antwoord. Je herhaalt. De AI begint elke sessie blanco. Jij doet al het zware werk.
Prompting 2.0 is het omgekeerde. Je bouwt één keer een systeem waarin jouw context al klaarligt. Schrijfstijl, klantprofielen, doelen, aanbod, werkwijze. De AI haalt wat hij nodig heeft, op het moment dat hij het nodig heeft. Jij typt een zin. Hij doet de rest.
Het verschil is dat van iemand op zijn eerste werkdag tegenover een collega die je werk al kent. De een kost tijd. De ander geeft tijd terug.
Niet één ding. Drie mechanismen die samen werken.
Mechanisme 1. Geen context meer uitleggen. Je opent een sessie en de AI weet al wie je bent, hoe je schrijft, welke klanten je hebt en wat je aanbod is. Die tien minuten voor elke prompt zijn weg. Niet omdat je sneller typt, maar omdat je niet meer hoeft te typen.
Mechanisme 2. Eerste draft voor 90% af. Omdat de context klopt, klopt de output. Je corrigeert niet meer, je stuurt bij. Drie correctie-rondes worden één fine-tune. De helft van het bewerken verdwijnt.
Mechanisme 3. Informatie vindt zichzelf. Geen zoek-kwartier meer. Jouw AI weet waar je kennis staat en haalt het erbij voordat jij je vraag hebt afgetypt. Tien minuten zoeken wordt tien seconden vragen.
Bij elkaar: geen twintig minuten per sessie meer, maar vijf. Bij vier sessies op een dag is dat een uur. Let op wat dit is: een rekensom over jouw eigen sessies, geen meting bij een groep gebruikers.
Waar ik met klanten op reken is minimaal een uur per dag. Dat is bewust de voorzichtige kant. Het is opgeteld uit de tijd die per taak verdwijnt, en niet gemeten over een groep. Zodra ik het bij genoeg klanten heb gemeten, vervang ik de rekensom door een gemiddelde.
Neem alleen dat ene uur, over 200 werkdagen. Dat is 200 uur die je terugpakt zonder harder te werken, zonder langere dagen, zonder iets op te offeren.
Wat doe je met die tijd? Dat is de interessantere vraag. Meer klanten? Een tweede project naast je huidige werk? Eerder naar huis? Eindelijk die strategische sprint waar je al maanden niet aan toekomt?
Het antwoord is aan jou. De tijd is er.
Prompting 2.0 is geen schakelaar die je vandaag omzet. Het is een systeem dat dagelijks slimmer wordt. Elke klantnotitie, elke schrijfsessie, elk besluit maakt het morgen een beetje sterker. Net als rente op rente.
Dat betekent ook dat iemand die drie maanden eerder begon, drie maanden aan context voorsprong heeft. Zijn AI levert nu al output die klinkt als hem. Jouw AI weet straks nog niks van jou. Inhalen kost tijd.
Wachten tot AI "klaar" is, is geen neutrale keuze. Het is achterop raken terwijl iemand anders voorsprong bouwt.
Niet bij een nieuwe tool. Niet bij een cursus prompt engineering. Niet bij nog een abonnement erbij.
Bij het besef dat het systeem het probleem is, niet de prompt.
Bij AI Nimma bouw ik dat systeem samen met kenniswerkers op. 1-op-1, stap voor stap, tot je minimaal een uur per dag terugkrijgt. Geen losse tips, maar een fundament dat met je meegroeit. Hoeveel het bij jou wordt, hangt af van hoeveel van je werk elke week terugkomt. Dat is per persoon anders, en dat is precies wat je als eerste in kaart wilt hebben.
Wil je weten waar jouw uren zitten? Vraag dan je gratis top 10 AI-kansenrapport aan. Je beantwoordt een paar vragen over je werk en krijgt terug welke taken jou nu de meeste tijd kosten en welke je als eerste kunt terugpakken.