Gebruik AI niet als stagiair, laat het meedenken

Je hebt AI ‘aangezet’ in je team. Mooi. En wat gebeurt er dan? AI schrijft. AI herschrijft. AI maakt varianten. Soms ook video’s en beelden. En omdat iedereen die output ziet, krijgt AI meteen een plek in je hoofd: handig voor de uitvoering. 

Op zich is dat niet heel vreemd. Maar het is wel een valkuil. Want als je AI alleen inzet als uitvoerder, zet je eigenlijk een slimme stagiair neer en wijs je naar het kopieerapparaat. Terwijl die stagiair ook gewoon mee kan denken, lastige vragen kan stellen en keuzes kan aanscherpen. Dáár zit de hefboom. Voor jou dus. Om wat jij doet beter en slimmer te maken. Niet alleen maar sneller en meer.

Je ziet de output: je mist de keuze

Output is zichtbaar. Denkwerk niet. Wat je voorbij ziet flitsen op LinkedIn en allerlei blogs is vooral de buitenkant: assets, coole visuals, “Kijk eens wat ik met AI heb gemaakt”. Deelbaar, showbaar, klaar.

In je eigen organisatie gebeurt hetzelfde. Een set headlines kun je doorsturen. Een herschreven intro kun je plakken in een document. Een lijst met “10 hooks” kun je in Slack gooien. Klaar. Iedereen ziet beweging.

Maar niemand ziet wat er daarvoor nog mist:

• Een scherpe probleemdefinitie.
• Een keuze voor één relevante doelgroep in plaats van breed ‘spray and pray’.
• Een heldere belofte die je kunt waarmaken en aansluit op een behoefte onder je doelgroep.
• Een plan dat niet stiekem op allerlei aannames drijft.

En als je dáár niet eerst naar kijkt, doet AI precies wat jij vraagt: sneller produceren. Het risico is alleen dat je nu heel snel en heel veel produceert dat in de basis niet goed is. Niet relevant, niet passend en niet raak.

De populaire aanname die je voortaan mag parkeren

AI is inderdaad absurd goed in uitvoering: teksten, varianten, structuren, samenvattingen, scripts, formats. Prima.

Maar snellere en meer schaalbare uitvoering is niet altijd dé oplossing voor een probleem. En al helemaal niet het startpunt. Waar teams – groot of klein – nu vaak tegenaan lopen is dit: met AI-gereedschap in de hand gaan ze sneller maken, terwijl ze nog niet gekozen hebben wat ze proberen te bereiken. En wat ze wel, maar vooral ook níet gaan doen.

Meer output is dus niet per se positief. Het kan zomaar een versnelling van middelmatigheid zijn. En dan ben je verder van huis. Dat hoeft helemaal niet, als je AI breder inzet dan alleen als een productiemachine. AI is veel waardevoller als je het eerder meeneemt: bij denken, structureren, analyseren, valideren en pas daarna uitvoeren.

Denk. Kies. Doe. Koppel AI aan de juiste rol

Wil je veel meer uit AI halen, dan zijn dit drie woorden om op de muur te plakken: Denk. Kies. Doe.

Niet omdat het lekker klinkt, maar omdat het je dwingt om AI niet meteen in de ‘maakstand’ te zetten. En precies die drie stappen corresponderen met drie rollen waarin je AI kunt inzetten:

Denk = Sparringpartner. Hier gebruik je AI om jouw denken aan te vallen. Niet om je gelijk te geven. Je wil alternatieven, zwakke plekken, ontbrekende aannames, blinde vlekken.

“Wat zie ik over het hoofd?” “Welke invalshoek mis ik?” Dit is de rol waarin je voorkomt dat je drie weken bezig bent het verkeerde probleem op te lossen.

Kies = Adviseur. In deze rol gebruik je AI om keuzes te forceren. Opties naast elkaar, voor- en nadelen, risico’s, trade-offs, kanaalfit, bewijsbaarheid. Niet één “antwoord”, maar sneller naar betere besluiten.

Doe = Uitvoerder. Hier mag AI rammen: produceren, variëren, structureren, uitwerken. De rol waarvoor iedereen AI al gebruikt. En die ook pas echt waarde krijgt als je de eerste twee stappen niet hebt overgeslagen.

De meeste teams starten bij ‘doe’. Dat voelt productief. Het is alleen geen gegarandeerde route naar resultaat. Wat natuurlijk meestal het geval is met doen zonder denken.

Drie situaties waar je nu vaak te laat aanhaakt

1. Er mist nog iets bij je campagne

Je team voelt dat een campagne-idee niet helemaal staat. Wat is de reflex? Meer! Nog een hook, nog een format. Nog een invalshoek.

AI kan je daar prima bij helpen. Je gooit het idee in een tool als ChatGPT en vraagt om extra invalshoeken of formats. Binnen seconden krijg je opties terug die je zelf niet had bedacht. Niet omdat AI ‘creatief genialer’ is, maar omdat het veel sneller kan itereren. Top.

Maar als je alleen output stapelt, maak je het probleem soms groter: je krijgt meer keuzes zonder criteria.

Wat beter werkt:

Denk: laat AI eerst scherp krijgen wat het idee, het campagneconcept, mist.
Vraag in een prompt bijvoorbeeld:

• “Wat is hier de de echte belofte in één zin?”
• “Voor wie is dit echt relevant?”
• “Welke frictie lossen we hier nu mee op?”
• “Wat moet iemand geloven om te kopen of mee te doen?”

Kies: laat AI drie routes voorstellen en per route aangeven waar het stukloopt: doelgroep, bewijs, kanaal, frictie. En laat het daarna zeggen welke route het minste leunt op wishful thinking.

Doe: pas daarna maak je samen de varianten, copy en uitwerkingen.

2. “Deze slogan voelt net niet”

De makkelijke route: Je vraagt een tool als Claude: “Geef me 10 alternatieven.” Je krijgt 10 alternatieven. Je kiest er één en klaar. Twee weken later blijkt dat de slogan wel lekker klinkt, maar niets oplost.

Wat beter werkt:

Denk: laat AI eerst benoemen waarom het nu ‘net niet’ voelt. Is het te vaag? Te intern gericht? Te veel claim, te weinig bewijs? Te generiek voor jouw categorie?

Kies: laat AI expliciete selectiecriteria formuleren:

• Wat moet deze zin oproepen bij wie?
• Wat mag hij absoluut niet suggereren?
• Welke belofte is bewijsbaar?
• Welke variant lokt de verkeerde doelgroep?

Doe: laat AI dan pas alternatieven genereren binnen die criteria.

Dit is het verschil tussen ‘meer opties’ en een ‘betere keuze’.

3. “Er mist iets in de structuur van mijn blog”

De reflex: “Wat kan ik nog toevoegen?” En ja, AI kan suggesties geven. Alleen: toevoegen is vaak niet de oplossing. Weglaten of omdraaien kan soms beter zijn. Of één tegenwerping serieus nemen. Of eindelijk kiezen wat je centrale punt is.

Wat beter werkt:

Denk: vraag AI om de centrale stelling van je stuk in één zin te formuleren. Als die zin niet klopt, is je structuur bijzaak.

Kies: laat AI één scherpe tegenwerping formuleren van een slimme lezer. Check of je die écht beantwoordt, of eromheen praat.

Doe: laat AI daarna de structuur herschikken en alleen datgene toevoegen dat nodig is om die stelling te dragen.

Je maakt misschien minder, maar je stuk wordt scherper. En meestal ook beter leesbaar.

Pas wel op voor de ja-knikker

AI klinkt vaak behulpzaam, beleefd en logisch. Dat is prettig. En riskant. Vooral als je het als sparringpartner of adviseur inzet.

AI is wereldkampioen in ‘people pleasen’. Het heeft de neiging om exact te vertellen wat je graag wil horen. Ook als het niet klopt. Zolang jij maar heppie-de-peppie bent. Maar als je AI inzet als sparringpartner, wil je juist géén brave nuance. Je wil tegenspraak. Scherpte. Standpunten. Juist in deze rol heb je iemand nodig hebt die zegt: “hier zit een zwakke aanname”. Hier ga je onderuit en ontbreekt bewijs.

De AI ja-knikker helpt je niet verder

Twee simpele manieren om die ja-knik-stand te slopen:

1. Laat AI zijn eigen antwoord aanvallen.

Vraag expliciet: “Wat klopt hier niet aan?” “Waar rammelt dit plan?” “Welke aanname is riskant?” En dwing concreetheid af: “Noem drie redenen waarom dit mislukt, en wat ik dan had moeten zien.”

2. Zet twee adviseurs tegenover elkaar.

Laat ChatGPT een advies geven en laat Perplexity de gaten zoeken. Of andersom. Het debat levert vaak sneller de zwakke plekken op dan een extra brainstorm in je team. Net alsof je twee menselijke experts de discussie laat aangaan.

Dat kun je doen door heel eenvoudig de hele output van de één in de ander te zetten met een extra prompt: “ChatGPT heeft dit advies gegeven, zet je adviseurspet op en kijk hier kritisch naar. Wat vind je van dit advies en welke eventuele op- en aanmerkingen heb jij?”

Kortom: AI kan echt heel goed werken als sparringpartner of adviseur, maar alleen als je pro-actief die valkuil wegneemt.

Zo ziet ‘AI vanaf de start’ eruit

In mijn boek De Grote Marketing Reset (affiliate) gebruik ik het volgende fictieve voorbeeld om dit principe tastbaar te maken: een e-commercebedrijf ziet herhaalaankopen (denk: hondenvoer, verzorging, vitamines) en denkt aan een abonnementsmodel.

Wat gebeurt er als je AI alleen als uitvoerder gebruikt? Dan krijg je meteen:

• Teksten voor de landingspagina.
• Een FAQ over het abonnement.
• Mailflows.
• Ads.

Handig. En je hebt het vast nodig. Alleen: je slaat de belangrijkste stap over.

Waarom haken klanten nu af? Waarom zijn die herhaalaankopen er niet? Waar zit de frictie? En welk model neemt die frictie weg?

Daar kun je AI juist vroeg voor inzetten: koopgedrag analyseren, klanten clusteren op frequentie en productcategorie, uitvalmomenten vinden. Pas daarna komt ideevorming, evaluatie van concepten, testen bij een klantgroep, en analyse van gedrag en feedback.

Als je dit patroon eenmaal ziet, zie je het overal: AI als sidekick door je hele proces, niet als productiehulpje aan het eind.

En dit kun je vandaag zelf al toepassen. Ook als jij nou net geen hondenbrokken of vitaminepillen verkoopt.

Wat je morgen anders doet (zonder groot programma)

Als je dit artikel terugbrengt tot één praktische afspraak, dan is het deze: AI mag pas produceren als jij eerst hebt gedacht en gekozen.

Dus niet beginnen bij ‘maak’, maar bij “Wat proberen we te bereiken, en wat is hier de zwakke plek?” Dat klinkt simpel. Het is vooral wennen. Daarom helpt een mini-werkwijze die je team niet kan ontwijken.

Begin elk project met ‘Denk’

Open niet met: “Schrijf dit even.”
Open met: “Wat missen we? Welke aannames doen we? Welke data of signalen zouden dit kunnen ontkrachten?”

Waarom dit werkt: je haalt ruis uit je briefing voordat je er tempo op zet.

Maak daarna ‘Kies’ verplicht

Laat AI opties clusteren en prioriteren: impact, risico, effort. Dat staat ook letterlijk in het Ideation-to-Execution overzicht: selectie en evaluatie is een eigen fase.

Waarom dit werkt: je voorkomt dat je team verliefd wordt op het eerste leuke idee.

Bouw standaard tegenspraak in

Zet één zin in je werkwijze: “Geen output zonder kritiekronde.” Laat AI het plan aanvallen en zoek de zwakke plekken.

Waarom dit werkt: je neutraliseert de ‘people-pleaser’-stand.

Pas daarna mag je ‘Doe’ aanzetten

Dan is AI als uitvoerder goud. Teksten, varianten, flows, scripts. Maar nu produceer je vanuit richting.

Waarom dit werkt: snelheid wordt nu een versterker van kwaliteit, in plaats van een versterker van rommel.

Laat één keer per week AI je werkproces fileren

Vraag: “Waar zit onze bottleneck? Waar wachten we op? Welke stap doen we nog alsof het ‘nu eenmaal zo gaat’?” Dat sluit aan op het grotere punt uit het hoofdstuk: AI als sidekick door elke fase, niet pas aan het eind.

Waarom dit werkt: je lost niet alleen taken op, je verbetert het systeem.

En dan mag die slimme stagiair eindelijk iets anders doen dan kopiëren

AI alleen als uitvoerder is een prima start om een beetje gevoel te krijgen bij hoe het werkt. Maar als dat je eindstation is, laat je het belangrijkste stuk liggen: denken en kiezen.

Zet AI aan tafel vóór je gaat maken. Laat het je plan challengen. Laat het je keuzecriteria afdwingen. En als je koers staat, laat je het pas rammen.

Dan is die stagiair bij het kopieerapparaat ineens wat je eigenlijk nodig had: een slimme collega die je scherp houdt.

NB: de afbeeldingen bij dit artikel zijn met Google’s Imagen 4 gemaakt.