Elke week starten tientallen Nederlandse MKB-bedrijven met ChatGPT of Claude. De meeste stoppen na een paar weken: de output is inconsistent, het model “begrijpt de context niet”, of de resultaten zijn bruikbaar voor enkelvoudig gebruik maar niet voor een workflow die elke dag tien, vijftig of driehonderd keer draait. Het probleem zit zelden in het model — het zit in de instructie.
Prompt engineering is het vakgebied dat dit probleem oplost. In Nederland is er vrijwel geen gespecialiseerde aanbieder voor het MKB-segment. Dit is onze pagina over wat wij doen, wanneer het zin heeft, en wat het kost.
Wat is prompt engineering?
Een prompt is de instructie die u aan een taalmodel geeft. Bij eenvoudig gebruik is dat een losse vraag in een chatvenster. Bij professioneel gebruik is het een gestructureerde set instructies die het model vertelt: wat zijn rol is, welke context relevant is, welk outputformaat vereist is, wat te doen bij randgevallen, en hoe te reageren wanneer de invoer onvolledig of tegenstrijdig is.
Prompt engineering is het systematisch ontwerpen en valideren van die instructies. Het omvat:
- Roleframing — het model een specifieke expertrol geven die aansluit bij de taak
- Contextinjectie — relevante bedrijfsdata, regels of voorbeelden meegeven via few-shot of retrieval
- Outputstructurering — JSON Schema, gestructureerde secties of vaste antwoordpatronen definiëren
- Randcasehandling — instructies voor invoer die buiten scope valt, ontbrekende data of tegenstrijdige signalen
- Evaluatie — geautomatiseerde testcases die meten of de prompt doet wat hij moet doen
Het verschil tussen een losse ChatGPT-vraag en een productie-prompt is vergelijkbaar met het verschil tussen een mondelinge instructie en een gedocumenteerd bedrijfsproces.
Dat laatste schaalt. Het eerste niet. Voor ons overzicht van bredere AI-toepassingen voor het Nederlandse MKB verwijzen wij naar de pillar-pagina.
Wanneer heeft uw MKB-bedrijf prompt engineering nodig?
Niet elk bedrijf heeft dit nodig. Hieronder vier situaties waar de investering structureel terugverdiend wordt.
1. Repetitieve AI-workflows met volumevereisten
Zodra een AI-taak meer dan twintig keer per dag wordt uitgevoerd — klantberichten opstellen, factuurdata extraheren, productbeschrijvingen genereren — loont het om de prompt eenmalig goed te engineeren. Een halvering van handmatige correcties bij honderd runs per dag levert snel meer op dan de initiële projectkosten.
2. Inconsistente output van GPT of Claude
Wanneer het model soms goed presteert en soms niet, ligt dat bijna altijd aan de prompt: te weinig context, te ruime instructie, geen expliciete outputdefinitie. Een gestructureerde prompt met temperatuurinstelling en output-validatie lost dit op in de meeste gevallen.
3. Integratie met specifieke bedrijfsdata
Wanneer het model moet werken met uw eigen data — productenlijst, contracttermen, klantsegmenten, interne procedures — is prompt engineering de verbindingslaag. Dit kan via few-shot-voorbeelden in de prompt, of via Retrieval-Augmented Generation (RAG) waarbij de relevante data dynamisch wordt ingeladen per aanroep.
4. Escalerende kosten per AI-aanroep
Grote contextvensters met onnodige informatie verhogen de kosten per API-call significant. Een geoptimaliseerde prompt is compacter, gerichter en goedkoper bij gelijk of beter resultaat. Op hoog volume kan dat een kostenreductie van twintig tot vijftig procent betekenen.
Onze services
Wij leveren vier typen prompt engineering engagements, afhankelijk van waar uw probleem zit.
Prompt audit
Wij reviewen uw bestaande prompts op structuur, consistentie, randcasehandling en kostinefficiëntie. U ontvangt een schriftelijk rapport met prioritaire verbeterpunten en herschreven versies van de zwakste prompts.
Prompt design
Wij bouwen nieuwe prompts voor een specifieke business use-case, van nul. Inclusief systeeminstructie, few-shot-voorbeelden, outputschema en fallback-instructies. Getest op een set representatieve invoergevallen.
Prompt chain design
Voor multi-stap workflows: intake → analyse → verrijking → output. Wij ontwerpen de volledige keten, inclusief dataoverdracht tussen stappen, foutafhandeling en logging-strategie.
Evaluation harness
Een geautomatiseerde testset die prompt-output meet op correctheid, volledigheid en format-compliance. Detecteert regressie bij modelupdates of promptwijzigingen voordat ze in productie gaan.
Model selection advisory
Naast prompt-engineering adviseren wij over modelkeuze. Niet elk model is even geschikt voor elke taak, en de kostenimplicaties van die keuze zijn substantieel:
- GPT-4o / GPT-4.1 — sterk in multimodale taken, breed inzetbaar, goede JSON-output betrouwbaarheid
- GPT-4.5 / GPT-5 — voor taken die diep contextueel begrip en nuance vereisen
- Claude Opus — consistent sterk op complexe redenering, contractanalyse en lange documenten
- Claude Sonnet — beste prijs-kwaliteitsverhouding voor de meeste productie-workloads
- Claude Haiku / GPT-4o-mini — voor hoge-frequentie-taken waar snelheid en kosten prioriteit hebben
- On-device modellen (Llama, Mistral, Gemma) — voor data-privacy-gevoelige workloads zonder cloud-afhankelijkheid
Stack & tools
Wij werken met de volgende technische stack, afhankelijk van de vereisten van uw project:
Voor projecten waarbij de prompts geïntegreerd moeten worden in bestaande systemen, werken wij samen met uw technische team of leveren wij een zelfstandige API-wrapper op.
Praktische voorbeelden voor het Nederlandse MKB
Hieronder vier concrete voorbeelden van prompt engineering trajecten in MKB-sectoren die wij kennen. Voor uitgebreidere informatie over AI in de horecasector verwijzen wij naar AI voor horeca.
WhatsApp bestelbot voor een pizzeria: De prompt-keten verwerkt een inkomende besteltekst, extraheert product, hoeveelheid, adres en betaalvoorkeur via structured output, valideert de invoer en retourneert een gestandaardiseerde bevestiging. Randgevallen (onbekend product, onduidelijk adres, dubbele bestelling) worden apart afgehandeld via fallback-instructies. Zie ook het uitgebreide artikel over de WhatsApp bestelbot voor restaurants.
Factuurextractie-prompt: Een prompt die een PDF-tekst als invoer neemt en gestructureerde JSON retourneert: factuurnummer, datum, leverancier, regelitems met bedrag en btw-percentage, totaalbedrag en betalingstermijn. Gevalideerd via Zod-schema. Bij ontbrekende velden wordt een confidence-score meegegeven zodat het systeem weet welke extracties handmatige controle vereisen.
Contractreview met afwijkingsdetectie: Een multi-stap chain die een contractdocument verdeelt in clausules, elke clausule vergelijkt met een referentiesjabloon en een rapport genereert met geïdentificeerde afwijkingen, het risiconiveau per afwijking en een samenvatting voor de behandelende jurist. Claude Opus blijkt voor dit gebruik-type beter te presteren dan GPT-4o op redeneeringsdiepte.
AI-receptionist met afspraakflow: Een conversatieprompt die inkomende chatberichten classificeert (nieuwe afspraak / wijziging / annulering / algemene vraag), de juiste informatie opvraagt via gestructureerde dialoogstappen en de uitkomst doorstuurt naar de afspraakapplicatie via function calling. Toon en stijl zijn via de systeeminstructie afgestemd op de huisstijl van de salon.
Werkwijze in vier stappen
Discovery
Wij brengen de use-case in kaart: wat is de invoer, wat is de gewenste output, welke randgevallen bestaan, wat is het volume, en welke bestaande systemen moeten integreren. Op basis hiervan stellen wij een aanpak voor met tijdlijn en budget.
Design
Wij ontwerpen de prompt-architectuur: systeeminstructies, contextinjectie, outputschema, fallback-logica. Bij chain-workflows ook de structuur van stap-naar-stap dataoverdracht. Tussentijdse versies worden gedeeld voor uw feedback.
Build & Test
De prompts worden gebouwd en getest op een representatieve set invoergevallen die u aanlevert of die wij samen samenstellen. Wij meten pass-rate, edge-case handling en outputkwaliteit. Iteraties op basis van testresultaten zijn inbegrepen.
Handover & training
U ontvangt de definitieve prompts, de bijbehorende documentatie en een evaluatie-harness om kwaliteit te blijven meten. Wij geven een korte overdrachtsessie zodat uw team zelf kleine aanpassingen kan maken. Optioneel onderhoudscontract voor monitoring en updates bij modelversies.
Tarieven
Wij werken met transparante, projectgebaseerde tarieven. Geen maandelijkse retainerfees voor diensten die u nooit terugleest.
Review van bestaande prompts, schriftelijk rapport met verbeterpunten en herschreven versies van maximaal drie prompts. Doorlooptijd: vijf werkdagen.
Volledig traject: discovery, prompt design, chain-bouw, testset, evaluatie-harness en overdracht met training. Doorlooptijd: twee tot vier weken. Op aanvraag voor enterprise-trajecten.
Weet u nog niet zeker of prompt engineering bij u past?
Doe de AI Readiness Check in drie minuten. Zeven vragen over uw huidige AI-gebruik, uw processen en uw volume. U krijgt direct een concrete beoordeling terug.
AI Readiness Check startenVeelgestelde vragen
Klaar om uw AI-workflow structureel te verbeteren?
Stuur een bericht via het contactformulier of WhatsApp. Wij plannen een intake van twintig minuten en geven u een concrete beoordeling van uw situatie, zonder verplichtingen.