Ik test de nieuwste AI-tools, jij houdt alleen wat werkt

Er komt elke week wel een AI-tool voorbij die belooft dat je marketing voortaan vanzelf loopt. Jij hebt geen tijd om ze allemaal te proberen, en dat hoeft ook niet. Ik probeer ze op echt klantwerk en vertel je welke ik blijf gebruiken.

Waar ik vandaan kom

Ik begon in 2014 als stagiair marketing bij Visma | PinkWeb. Ik bleef zeven jaar en vertrok als senior marketeer. In die jaren bouwde ik mee aan de marketing achter SaaS-producten, en daar leerde ik marketing zien als een systeem: iets dat blijft draaien, ook op de dag dat jij er niet naast staat.

Bij MindMasters werd dat systeem mijn vak. Als Chief Growth Officer zocht ik naar manieren om contentproductie te draaien als een proces, met vaste stappen van bron tot publicatie. Toen generatieve AI opkwam, paste die precies in dat proces. Ineens kon AI een deel van het schrijfwerk overnemen, en de vraag werd welk deel.

Sinds 2024 werk ik ook als strateeg bij The Thought Leadership Company. Daar meten we hoe sterk de positie van een bedrijf in zijn markt is, en daar test ik de nieuwste tools en inzichten voor onze klanten. Wat begon als experimenteren naast mijn werk, werd langzaamaan het werk zelf.

Hoe ik een tool test

Een demo laat zien wat een tool kan op zijn beste dag. Ik wil weten wat hij doet op een gewone dag, met materiaal van een echte klant. Daarom gaat elke tool door dezelfde vier stappen.

De vierde stap is waar het meeste werk zit. In onze content-engine zat de kennis over een klant eerst in een los bestand dat je apart moest bijwerken. Dat werkte, maar het betekende twee plekken met informatie over dezelfde klant, en twee plekken lopen vroeg of laat uit elkaar. Ik heb dat bestand eruit gehaald. De engine leest nu rechtstreeks de klantmap, en daar staat alles op één plek.

Wat je hier van mij leest

Ik schrijf over wat bleef staan, en net zo goed over wat afviel. Steeds in een van deze vier vormen.

Waar het experimenteren toe leidde

Uit al die tests is een machine gegroeid. De content-engine maakt van één bron, een interview of een transcript, een hele reeks stukken in de stem en de huisstijl van de klant.

Dat gaat in vijf stappen. De bron komt binnen. Een scanner kijkt of het onderwerp al eerder behandeld is en haalt er twee of drie invalshoeken uit. Wij kiezen welke meegaan. Daarna schrijven de agents: een blog die klaar is voor Google, LinkedIn-posts met een visual per post, een nieuwsbrief, een LinkedIn-artikel en een opzet voor korte video's. Alles komt samen op een opleverpagina, en daar gaat niets de deur uit voordat iemand het heeft nagekeken.

Waar we nu staan

Een experiment dat werkt, wordt gekopieerd. Iemand neemt het mee naar zijn eigen laptop of maakt een versie voor één klant, en voor je het weet doen er drie varianten net iets anders. Bij ons stonden er op een gegeven moment vier varianten van dezelfde persona-analyse naast elkaar, en drie verschillende skills die presentaties maakten.

Toen we alles telden, stonden er 54 skills in onze centrale verzameling en nog eens 70 los op laptops. Bij zes skills waren de twee versies inhoudelijk al uit elkaar gelopen. De pijnlijkste was de skill die uitlegt hoe je skills bijwerkt. De ene versie zei dat je via GitHub Desktop publiceert, de andere wees naar een updatescript. Twee instructies voor één handeling, en je wist niet welke je kreeg.

Aan de kwaliteit van wat we bouwden lag het nooit. Het lag aan de ordening.

Eén blueprint in vijf lagen

Daarom zetten we alles in één blueprint. Elke laag heeft één taak, en van elk stuk werk kun je zeggen in welke laag het hoort.

De kortste samenvatting die we ervoor hebben: een skill is wat we kunnen, een agent is wie het doet.

De test of het klopt is eenvoudig. Haal de klantmap weg en er gaat niets kapot. Het werk wordt alleen kleurloos, omdat de machine niet meer weet in wiens stem hij schrijft.

De regellaag zie je terug op de site waar je dit leest. Een publicatie wordt tegengehouden als er een cijfer zonder bron in staat of een woord van de verboden lijst. Dit artikel is daar ook doorheen gegaan. Die regels stonden eerst gewoon in een document, en werden toch overtreden. Sinds ze in de controle zitten, gelden ze vanzelf.

Waar het naartoe kan

De skills die we bouwen, volgen een open standaard. Een skill is een map met één bestand, SKILL.md, waarin staat wat hij doet en wanneer hij in actie komt. Anthropic ontwikkelde die vorm en gaf hem vrij als open standaard. Ruim veertig AI-producten werken er inmiddels mee, waaronder Claude, ChatGPT, GitHub Copilot en Gemini CLI. Een skill die wij bouwen, past dus ook in de tools die jouw team al gebruikt.

Daardoor wordt weggeven interessant. De richting waar we nu over beslissen: een basislaag die voor iedereen openbaar is. Nieuwe skills gaan eerst naar een kleinere groep die er vroeg mee werkt en meebeslist, en worden na negentig dagen vanzelf openbaar. Vroeg instappen betekent dus eerder beginnen en meebeslissen. Het gereedschap zelf is voor iedereen hetzelfde.

Daar hoort een openbaar logboek met lessen bij. In de content-engine eindigt elke les al in een regel, met een datum erbij. Wordt dat logboek openbaar, dan kan iedereen die de skills gebruikt melden wat stukging of beter kan. Dan leert de blueprint ook van elk team dat ermee werkt.

Eens per maand zou dat samenkomen in één sessie: wat er nieuw is, wat er stukging, wat niemand gebruikt en wat mensen zochten maar niet vonden. Dat laatste is de mooiste vraag, want daar zit de volgende skill.

1. MarketingSinds 2014, eerst bij Visma | PinkWeb.
2. ExperimenterenAI naast het werk, tool voor tool.
3. Testen voor klantenWat wint blijft staan, de rest valt af.
4. Eén blueprintVijf lagen, één plek voor elke les.Hier staan we nu
5. Open voor iedereenEen basislaag die elk team kan gebruiken, en een logboek waar iedereen van leert.

Het begon met één tool naast mijn werk. Nu staat er een blueprint waar we ons werk op inrichten. In de volgende stukken neem ik je per laag mee, met de voorbeelden uit ons eigen werk.