Hoe je AI-medewerkers bouwt om werk van je takenlijst te halen

Hoe je AI-medewerkers bouwt om werk van je takenlijst te halen

Wil je verder gaan dan eenvoudige AI-prompts en AI-medewerkers bouwen die daadwerkelijk delen van je organisatie uitvoeren? Vraag je je af hoe je AI kunt trainen om aan jouw standaarden te voldoen en vervolgens zelfstandig volgens een schema te laten werken?

In dit artikel ontdek je hoe je AI-medewerkers bouwt, traint en inplant om handmatig werk van je takenlijst te halen, zodat jij en je team meer tijd overhouden voor strategie en creativiteit.

Waarom de meeste teams AI nog niet volledig benutten

De meeste ondernemers horen hetzelfde van hun teams: “We gebruiken AI iedere dag.” Maar Callan Faulkner ziet een andere realiteit wanneer ze kijkt naar wat er daadwerkelijk onder de motorkap gebeurt.

Een salesmedewerker beëindigt een telefoongesprek en opent Claude of ChatGPT om een voorstel te maken. Vervolgens wordt er een uur lang heen en weer geprompt en uiteindelijk ligt er een goed voorstel. Wanneer er de volgende keer opnieuw een voorstel nodig is, wordt exact hetzelfde handmatige proces opnieuw vanaf nul uitgevoerd. Er wordt geen herbruikbare set instructies opgeslagen. Er wordt geen kennisbank opgebouwd met eerdere voorstellen, succesvolle aanpakken of frameworks voor het omgaan met bezwaren. AI wordt niet getraind als een herhaalbaar systeem dat het voorstelproces iedere keer ondersteunt.

Iedereen kan een chatvenster openen en een eenmalig resultaat genereren. Een AI-medewerker bouwen vereist echter een heel andere vaardigheden. Callan definieert een AI-medewerker als een getraind, herbruikbaar AI-systeem dat een specifieke bedrijfsfunctie net zo goed als of beter dan een mens uitvoert. Iedere AI-medewerker werkt daarbij voor een mens: hij helpt mensen hun potentieel beter te benutten door hen te bevrijden van repetitieve taken en ruimte te creëren voor strategisch en creatief werk waar ze energie van krijgen.

#1: Drie fundamentele concepten voor AI-medewerkers

Voordat je één AI-medewerker bouwt, moeten twee concepten en één belangrijke informatiebron aanwezig zijn.

Concept 1: Zoeken naar shortcuts is de nieuwe werkethiek

Veel professionals bewijzen hun waarde door alles zelf te doen. Die reflex wordt nu juist een beperking. Volgens de filosofie van Callan is het vinden van de snelste route naar een A+-resultaat de nieuwe concurrentievoorsprong.

Het belangrijke onderscheid is dat shortcuts niet betekenen dat je concessies doet aan kwaliteit. Het team van Callan was voorheen dagen bezig met het ontwerpen van Instagram-carrousels in Canva. Nadat ze binnen Claude Design een skill hadden gebouwd die verwijst naar screenshots van hun beste eerdere carrousels, kan Callan vanuit een transcript in acht minuten een professionele carousel genereren. Tien carrousels in dertig minuten. De kwaliteit van de output bleef hetzelfde, terwijl de tijd en energie die ervoor nodig waren drastisch afnamen.

Concept 2: Training staat gelijk aan outputkwaliteit

Iedereen kan Claude vragen om een LinkedIn-post te schrijven. Zonder training is het resultaat voorspelbaar: generieke content die klinkt als iedere andere door AI gegenereerde post op het platform.

De oplossing is het documenteren van de standaarden die ertoe doen: het doel van de LinkedIn-post, de tone of voice van het merk en hoe een goede post er voor die specifieke organisatie uitziet. Als deze details niet zijn gedocumenteerd en aan AI worden aangeboden, heeft AI niets waarop het kan voortbouwen.

Callan verwijst naar haar eigen podcastproductie als voorbeeld. Ieder detail van het proces moet worden gedocumenteerd, omdat AI-medewerkers deze informatie nodig hebben om het werk überhaupt volgens de juiste standaard te kunnen uitvoeren.

Voor 90% van de manier waarop een organisatie werkt — waaronder HR, operations, finance, sales en marketing — is het bouwen van AI-medewerkers geen technische vaardigheid. Het komt neer op twee zaken: communicatie, oftewel het vermogen om duidelijk te formuleren wat nodig is, en creativiteit, oftewel het vermogen om AI verder te brengen dan de eerste middelmatige poging.

Het fundament: je Business Brain

Een Business Brain is een gecentraliseerde en georganiseerde opslagplaats met de belangrijkste documentatie over een organisatie: prijsinformatie, processen, standaarden, brand voice, ideale klantprofielen, eerdere successen en meer.

Waarom is dit belangrijk?

Een briljante nieuwe medewerker die op maandag begint en binnen dertig minuten volledig ingewerkt moet zijn, kan uitsluitend vertrouwen op wat er is gedocumenteerd. Als de documentatie tekortschiet voor een menselijke medewerker, schiet die ook tekort voor AI.

AI-medewerkers zijn slechts zo goed als de data waartoe ze toegang hebben. De tijd waarin je kon volstaan met een rommelige Google Drive is voorbij.

#2: Hoe je vanaf nul een AI-medewerker bouwt

Begin met een self-audit

Het proces begint met inzicht in hoe tijd daadwerkelijk wordt besteed. Callan adviseert om iedere taak te identificeren die dagelijks, wekelijks of maandelijks wordt uitgevoerd, geld oplevert maar geen energie geeft, of minder dan $50 per uur waard is.

De AI-interviewmethode

Zodra de taak is geïdentificeerd, adviseert Callan om een nieuwe chat in Claude te openen en de situatie uitgebreid te beschrijven: wie je bent, wat de organisatie doet, welke specifieke taak je door AI wilt laten uitvoeren en hoe een uitstekend resultaat eruitziet.

Vervolgens vraag je Claude, voordat je daadwerkelijk begint, om je een reeks van vijf impactvolle vragen te stellen waarmee het jouw exacte werkwijze kan achterhalen.

Callan geeft hierbij sterk de voorkeur aan voice input, omdat AI veel context nodig heeft om uitstekende output te leveren en natuurlijk spreken die context sneller oplevert. Tools zoals Wispr Flow maken het mogelijk om antwoorden in te spreken in plaats van ze te typen. Het voordeel is dat mondelinge verwerking vaak meer nuance en detail bevat dan typen, waarbij mensen hun antwoorden sneller zelf aanpassen en inkorten.

Zet je chat om in een herbruikbare Claude Skill om je AI-medewerker te creëren

Nadat je samen met Claude heen en weer hebt gewerkt om voor een bepaalde taak een uitstekend resultaat te produceren, is de volgende stap om dit op te slaan als een Claude Skill.

Binnen het framework van Callan is een skill een opgeslagen, herbruikbare set instructies die op ieder moment beschikbaar is en gekoppeld is aan Claude. Het werkt als een prompt op steroïden: één opdracht die een complex, getraind proces activeert.

Zoals Callan het formuleert: “Een skill is een AI-medewerker.”

Na het creëren van een skill gebruikt Callan de volgende vraag aan Claude:

Welke informatie of data heb je nodig om de output van deze skill te verbeteren en te verhogen? Welke bestanden zou je in een ideale situatie willen hebben?

De antwoorden leiden meestal tot het opzetten van een Claude Project: een werkruimte waarin kennisbestanden, instructies en skills samenkomen.

Voor een skill voor salesvoorstellen kan dat project bijvoorbeeld eerdere gewonnen en verloren voorstellen bevatten, alle prijsinformatie en de 15 belangrijkste bezwaren, inclusief de exacte manier waarop met ieder bezwaar moet worden omgegaan.

#3: Hoe je AI-medewerkers traint en test voor A+-output

Zodra een skill bestaat, begint het echte werk. Het advies van Callan is duidelijk: test iedere skill uitvoerig.

De meeste mensen nemen genoegen met een B- of C+-resultaat van AI, omdat ze accepteren wat er uit het systeem komt. Callan adviseert juist om stevig door te vragen. Wanneer Claude iets middelmatigs oplevert, zegt ze rechtstreeks dat ze weet dat het beter kan en vraagt ze het opnieuw te proberen alsof de kwaliteit van het resultaat ervan afhangt. De output na die extra druk is vaak precies wat ze aanvankelijk wilde.

Haar voice copywriter skill, een van haar waardevolste AI-medewerkers, kostte vijftien uur om goed te krijgen. Die investering is logisch wanneer je het vergelijkt met het trainen van een mens. Het duurde drie maanden waarin ze meerdere keren per week met haar menselijke copywriter samenwerkte voordat hij haar schrijfstijl goed kon reproduceren. Toch geven veel mensen AI-training na 45 minuten op en concluderen ze dat AI hun stijl niet kan vastleggen.

Het testproces volgt een specifiek patroon. Callan voert de skill uit, beoordeelt de output en herschrijft vervolgens handmatig de onderdelen die niet aan haar standaard voldoen. Die correcties brengt ze terug naar Claude met een specifieke prompt:

Hier is de alinea die je hebt geschreven [COPY]. Zo zou ik hem schrijven [COPY]. Werk het skill-bestand bij zodat deze correctie wordt verwerkt en leg uit welke fout in de huidige instructies ervoor zorgde dat de juiste output niet werd gegenereerd.

Een andere nuttige techniek is om Claude tijdens een gesprek te vragen: “Wat heb je geleerd van mijn interacties?” Vervolgens laat ze de skill bijwerken, zodat deze lessen daadwerkelijk worden vastgelegd.

#4: AI-medewerkers autonoom laten werken met Claude Co-Work

Wanneer een skill handmatig is getest en verfijnd tot een hoog kwaliteitsniveau, kan deze worden ingepland om zonder menselijke initiatie te worden uitgevoerd.

De huidige beperking is dat de computer waarop Claude draait ingeschakeld moet zijn om geplande taken uit te voeren. De oplossing van Callan is een speciale kantoorcomputer waarop het bedrijfsaccount van Claude is ingelogd. Iedere medewerker die een skill wil inplannen, logt op die computer in op het bedrijfsaccount.

Callan gebruikt de functie voor geplande taken van Claude via de Claude Cowork-desktopapp. Hierbij kun je de dag, tijd en frequentie kiezen waarop een skill wordt uitgevoerd. Er is geen limiet aan het aantal actieve geplande taken.

Een van Callans geplande skills is een Instagram Researcher. Iedere maandagochtend om 06.00 uur bezoekt deze skill de Instagram-accounts van concurrenten, identificeert welke content viraal gaat binnen het domein van AI-educatie, analyseert de gebruikte invalshoeken en hooks, haalt transcriptcontent van de voorgaande week op en zet contentideeën rechtstreeks in een Notion-database.

Het socialmediat eam logt maandagochtend in en keurt handmatig de ideeën goed waarmee het verder wil. Wat voorheen een handmatige taak op maandagochtend was voor het socialteam, draait nu autonoom.

Een andere geplande skill draait ieder uur. Deze haalt meetingtranscripten op uit Granola en archiveert ze in een Notion-database die haar second brain voedt.

*Dit artikel is vertaald naar het Nederlands