In de meeste bedrijven is ChatGPT niet ingevoerd. Het is binnengeslopen.
Iemand van sales gebruikt het om offertes vlotter te formuleren. Iemand anders laat er vacatureteksten door schrijven. De zaakvoerder plakt af en toe een lange mail in het venster met de vraag om die korter te maken. Er is nooit een beslissing over genomen, en niemand weet precies wie wat doet.
Dat is niet meteen een probleem. Het is wel het moment om er nuchter naar te kijken: waar levert dit echt iets op, waar gaat het stilletjes fout, en wanneer heb je iets anders nodig dan een chatvenster.
Waar het wél schittert
De scheidslijn is eenvoudiger dan ze lijkt. Een taalmodel is sterk op alles waar jij het antwoord zelf kunt beoordelen.
Herschrijven en inkorten, bijvoorbeeld. Een mail van tien zinnen naar vier. Een technische uitleg omzetten naar taal die je klant begrijpt. Je ziet meteen of het beter geworden is.
Een eerste versie maken, ook. De blanco pagina is voor de meeste mensen het duurste stuk van schrijfwerk. Een vacaturetekst, een productbeschrijving of de begeleidende tekst bij een offerte kost je zo tien minuten in plaats van een uur.
Structuur brengen in rommelige input werkt eveneens goed. Gooi je aantekeningen van een klantgesprek erin en vraag om een geordend verslag met actiepunten. Alles wat erin staat, komt van jou.
En sparren: vraag tien invalshoeken voor een campagne en gebruik er twee.
In al die gevallen ben jij de eindredacteur. Het model levert grondstof aan, jij beslist wat ermee gebeurt. Een fout kost je hoogstens een minuut, want je ziet hem.
Waar het stilletjes faalt
Het kantelt zodra je het antwoord niet meer kunt controleren.
Een taalmodel klinkt namelijk altijd even zeker. Er zit geen verschil in toon tussen een antwoord dat klopt en een antwoord dat verzonnen is. Bij een collega hoor je aan zijn stem dat hij twijfelt. Hier niet.
Dat wordt op drie plekken duur.
Feiten die je zelf niet paraat hebt, om te beginnen. Wetgeving, termijnen, technische specificaties, bedragen. Het antwoord komt er plausibel uit, met de juiste vaktermen erin, en precies daarom controleert niemand het nog.
Jouw specifieke context, ten tweede. Het model kent jouw prijzen niet, jouw leveringsvoorwaarden niet en de afspraak niet die je vorig jaar met die ene klant gemaakt hebt. Het vult die leegte op met wat in het algemeen waar is. In een offerte die naar buiten gaat, is dat geen detail.
En volledigheid, ten derde. Vraag om uit een lijst van tweehonderd regels alles te halen dat aan een voorwaarde voldoet, en je krijgt een keurig lijstje terug. Of er niets ontbreekt, weet je pas als je het zelf natelt. Dan had je het net zo goed meteen zelf kunnen doen.
De vuistregel die wij daarom hanteren: laat een model nooit iets doen waarvan de fout pas weken later zichtbaar wordt.
Het risico waar het zelden over gaat
Om een bruikbaar antwoord te krijgen, moet je context meegeven. En die context is vaak net het gevoelige stuk. Een offerte met je marges erin. Een klantendossier. Een cv. Een contract. Een lijst met namen en adressen.
Bij een persoonlijk of gratis account weet je niet met zekerheid waar die tekst belandt en of ze gebruikt wordt om modellen verder te trainen. Bij een zakelijk abonnement liggen die afspraken anders vast. Het verschil zit niet in het model, het zit in het contract eronder.
Het punt is niet dat je hier bang voor moet zijn. Het punt is dat er in de meeste KMO's nooit een afspraak over gemaakt is. Zolang die er niet is, beslist elke medewerker zelf wat hij in dat venster plakt, en de kans dat iedereen toevallig dezelfde grens trekt is klein.
Een half A4 volstaat: met welk account werken we, wat mag erin, wat nooit.
Drie mensen, drie manieren
Het tweede stille probleem is versnippering.
Drie collega's gebruiken hetzelfde model voor hetzelfde soort taak, en er komt drie keer iets anders uit. Eén van hen heeft na maanden proberen een manier van vragen gevonden die echt goed werkt. Die staat in zijn eigen chatgeschiedenis en nergens anders. Vertrekt hij, dan vertrekt ze mee.
Dat patroon ken je al. Het is exact hetzelfde als bij het spreadsheet dat stilaan een systeem werd: iets dat prima werkt, maar dat aan één persoon hangt en nergens is vastgelegd. Met dit verschil dat een spreadsheet tenminste nog op de gedeelde schijf staat.
Chatvenster of ingebouwde workflow
Hier ligt het echte onderscheid, en het gaat maar half over AI.
In een chatvenster ben jij de motor. Jij opent het, jij plakt de input erin, jij kopieert het resultaat naar de plek waar het hoort. Doe je dat niet, dan gebeurt er niets. Je wint tijd per handeling, maar de handeling zelf blijft bestaan en ze blijft van jou.
In een ingebouwde workflow is het model één schakel in een keten die vanzelf draait. De input komt uit je eigen systemen, het resultaat gaat automatisch naar de juiste plaats, en er blijft een spoor van wat er precies gebeurd is.
Voor Thools draait zo'n keten elke ochtend om zeven uur. Het rapport staat er voor iemand aan zijn dag begint, en de wekelijkse posts komen uit diezelfde keten. Dat levert daar minstens tien uur per week op. Dat cijfer komt van één klant en is geen gemiddelde, maar het laat wel zien waar de winst zit: niet in een slimmer antwoord, wel in het feit dat niemand het proces nog moet opstarten.
Daar begint automatisatie en AI voor ons dan ook. Niet bij het model, maar bij de vraag welke handeling elke week terugkomt en wie hem vandaag doet.
Wanneer je gewoon bij de chat blijft
De omgekeerde fout bestaat ook, en ze is even duur. Niet alles hoort in een systeem.
Blijf bij het chatvenster als de taak eenmalig is. Als je nog aan het uitzoeken bent wat je precies wilt. Als het volume laag ligt. Of als het resultaat toch elke keer door mensenhanden moet voor het naar buiten gaat.
De kantelvraag is simpel: hoe vaak komt dit terug, en gaat er telkens hetzelfde soort input in en hetzelfde soort resultaat uit? Een paar keer per maand? Dan is een goed uitgeschreven prompt op een gedeelde plek ruim voldoende. Elke dag, met dezelfde input? Dan ben je handwerk aan het doen dat een keten kan overnemen.
Wat je deze week kunt doen
Je hoeft hier geen project van te maken.
Vraag aan je team wie het gebruikt en waarvoor. Het antwoord verrast de meeste zaakvoerders.
Leg daarna één afspraak vast over wat er wel en niet in mag. Verzamel de manieren van vragen die goed blijken te werken op één gedeelde plek, zodat ze niet in privéchats blijven zitten. En kijk in dat lijstje welke taak elke dag of elke week terugkeert met steeds dezelfde soort input. Dat is je eerste kandidaat om er iets te bouwen dat vanzelf draait.
Wil je weten welke van jouw taken daarvoor in aanmerking komen, dan kijken we daar in een gratis strategiegesprek van dertig minuten samen naar. We zeggen je even eerlijk wat je beter gewoon in een chatvenster houdt.