Kernpunten

AI geeft generieke output omdat jouw expertise nergens staat. De technologie kan het wel. Jij hebt het alleen nooit opgeschreven.
De meeste kennisondernemers zijn de hele dag bezig met werk dat alleen zij kunnen doen en ’s avonds met werk dat allang niet meer op hen zou moeten draaien. Ze denken dat ze een tijdsprobleem hebben. Het is een ontwerpprobleem.
Je methodiek, je beslislogica en je kwaliteitscriteria expliciet maken is de eerste stap. Het is de basis waar alles op rust, ook al is het de minst sexy stap die er is.
Context engineering, je kennis structureren zodat AI ermee kan werken, is het verschil tussen output die je moet herschrijven en output die jouw unieke kijk op het vak verwoordt.
Wie nu zijn expertise structureert, bouwt een bedrijf dat op kennis draait. Wie wacht, verliest terrein aan mensen met minder inhoud en een slimmere digitale infrastructuur.

Tussen twee klantgesprekken door open je ChatGPT. Je hebt een voorstel nodig voor morgen en je dacht: laat ik het slim aanpakken. Je typt een prompt, uploadt een paar documenten en wat er terugkomt leest alsof iemand je LinkedIn heeft samengevat met iets te veel enthousiasme. De nuance die jij in een gesprek binnen twee zinnen neerzet, is weg. De scherpte waarmee jij een klant confronteert, is vervangen door iets dat klinkt als een welgemeende maar vage nieuwjaarskaart.

Je past de prompt aan, geeft meer context, uploadt nog een document. Het wordt een fractie beter, maar het is nog steeds niet jij. Na een halfuur ben je meer tijd kwijt dan wanneer je het zelf had geschreven. Dus dat doe je dan maar. ’s Avonds, aan de keukentafel, nadat je hele dag al vol zat met het werk waar je goed in bent.

Vrijwel elke expert die ik spreek concludeert op dat punt dat AI “het gewoon nog niet kan.” Ze gaan verder met hun dag, schrijven het voorstel zelf, preppen het gesprek uit hun hoofd en beloven zichzelf dat ze er volgende week opnieuw naar kijken.

Ik deed precies hetzelfde, trouwens. Ik adviseerde klanten om hun kennis expliciet te maken terwijl de mijne ook grotendeels in mijn hoofd zat. Regelmatig riep ik dat het bij de loodgieter thuis vast ook lek, maar ik denk stiekem dat die de urgentie wel beter ingeschat had.

Maar het probleem zit niet in de technologie. Het zat er al voordat je voor het eerst een prompt typte.

Waarom kost alles zoveel tijd terwijl je al twintig jaar ervaring hebt?

Ervaren kennisondernemers besteden het grootste deel van hun dag aan werk dat alleen zij kunnen doen, omdat hun expertise nergens buiten hun eigen hoofd bestaat. Van de offerte tot het klantgesprek tot de inhoudelijke beslissingen: alles loopt via hen persoonlijk.

Kijk eens naar hoe je dag eruitziet. ’s Ochtends twee coachsessies of een training. Tussendoor een intake met een nieuwe klant. Lunch overslaan omdat je die offerte nog moet afmaken. ’s Middags een gesprek voorbereiden, een post schrijven, een paar LinkedIn-berichten beantwoorden. ’s Avonds administratie, of dat voorstel waar je overdag niet aan toekwam.

Je hebt twintig jaar ervaring. Je hebt een methode die werkt, klanten die terugkomen, een reputatie die voor je spreekt. En toch zit je elke week weer tien uur aan dingen die je het liefst zou delegeren, maar die je niet kunt delegeren omdat niemand anders het op jouw manier kan doen. Je assistente kan je agenda bijhouden. Maar die kan niet inschatten of een lead bij je past. Dat doe jij op gevoel, op basis van criteria die je nooit hebt opgeschreven.

Dat is de kern. Alles wat jou onderscheidt als expert, van je aanpak tot je oordeelsvermogen tot de manier waarop je naar een klantprobleem kijkt, zit in je hoofd. In het beste geval zit het in een folder, in een folder, in een folder. Je methodiek heb je misschien ooit eens uitgeschreven, maar je beslislogica? De vraag waarom je sommige opdrachten wel aanneemt en andere niet? Hoe je in een eerste gesprek binnen vijf minuten weet of het klikt? Dat staat nergens.

En dan vraag je aan AI om een voorstel te schrijven in jouw stem.

Waarom pakt AI mijn toon en stijl niet?

AI produceert generieke output omdat het wel je informatie krijgt maar je context mist. Informatie is wat er in je documenten staat. Context is hoe jij denkt, beslist en oordeelt. Zonder die context is elke output een gemiddelde.

Vergelijk het met een nieuwe collega. Als je iemand aanneemt, geef je die persoon geen stapel oude presentaties met de mededeling “succes.” Je loopt mee, je legt uit waarom je iets op een bepaalde manier doet, je corrigeert als het nodig is. Je zegt: “Bij dit type klant stel ik altijd eerst die ene vraag, omdat…” en “Als iemand zegt dat het urgent is, check ik eerst of dat ook klopt.” Met AI sla je al die stappen over.

Je kunt de prompt verfijnen tot je een ons weegt. Zolang het systeem jouw manier van denken niet kent, blijf je corrigeren. De toon verandert steeds, de scherpte is weg en na drie alinea’s schrijft het iets dat je nooit zou zeggen. En dat zegt meer over de staat van je expertise dan over de staat van de technologie. Jouw kennis is impliciet. Het zit in jou en nergens anders.

Wat als je je expertise wél expliciet maakt?

Kennisexternalisatie is je expertise uit je hoofd halen en vastleggen in een systeem. Het is de basis waar alles op rust: betere AI-output, maar ook minder afhankelijkheid van jouw dagelijkse aanwezigheid.

Een ervaren marketingstrateeg kwam bij me met precies het probleem dat ik hierboven beschrijf. Jarenlange ervaring, scherpe visie, sterke reputatie. Ze had ChatGPT van alles gevoerd, van documenten en instructies tot een complete persona. De output klonk steeds als iemand anders. Ze was meer tijd kwijt aan het corrigeren van AI-teksten dan aan het zelf schrijven.

Wat bleek: haar manier van denken over klantproblemen, de vragen die ze stelt in een intake, haar criteria voor wat een goed verhaal is, dat zat allemaal in haar hoofd. Ze had AI wel materiaal gegeven, maar de structuur van haar expertise ontbrak.

Wat ik deed was een reeks gesprekken voeren waarin we haar aanpak ontleedden. Hoe ze een klantprobleem beoordeelt. Welke vragen ze altijd stelt en waarom. Wat voor haar het verschil maakt tussen goed en geweldig werk. Die kennis heb ik gestructureerd in een kennisinfrastructuur: een systeem gebouwd in Obsidian, op haar eigen laptop, in open bestandsformaten, zodat de kennis van haar blijft. Niet in een clouddienst die morgen de voorwaarden wijzigt. Op die basis heb ik twee AI-assistenten ingericht die haar stem en methode kennen.

Kennisinfrastructuur is het systeem dat jouw kennis vindbaar, doorzoekbaar en inzetbaar maakt. Het is geen document en geen database. Het is een levend systeem dat rijker wordt naarmate je het gebruikt, omdat elke interactie de kennisbasis verrijkt.

Het resultaat: als ze nu een klantgesprek voorbereidt, levert de assistent een briefing die leest alsof zij hem zelf heeft geschreven. De juiste vragen, de juiste toon en de context die erbij hoort zonder dat ze die elke keer opnieuw moet aandragen. Content die vroeger een ochtend kostte, staat in een kwartier. Die avonden aan de keukentafel zijn een stuk korter geworden.

Wat is het verschil tussen een betere prompt en een betere basis?

De enterprise-wereld noemt het inmiddels context engineering: je kennis vooraf structureren zodat AI-systemen ermee kunnen werken. Gartner noemt het een van de belangrijkste disciplines voor 2026. Grote bedrijven bouwen daar hele teams omheen. Voor jou begint het simpeler, maar het gaat om hetzelfde principe: het draait niet om één goede prompt, maar om het systeem waarin AI jouw unieke kwaliteit kan leveren. En dat begint bij die eerste stap waar niemand zin in heeft: scherp krijgen wat je weet en hoe dat precies werkt.

	Een betere prompt	Een betere basis
Wat je doet	Instructie verfijnen voor één taak	Je expertise structureren voor alle taken
Wat AI krijgt	Een opdracht	Toegang tot hoe jij denkt
Hoe lang het werkt	Tot de volgende prompt	Het groeit mee, elke dag een stukje rijker
Wat het oplevert	Output die je moet bijschafen	Output die jouw unieke aanpak verwoordt
Waar het vastloopt	Bij alles wat jouw oordeel vereist	Nergens, mits je kennisbasis gevuld is

Een prompt is een instructie voor één moment. Dat werkt voor een factcheck of een vertaling. Zodra het werk afhankelijk wordt van jouw oordeel en je specifieke manier van kijken, loop je tegen een muur. Met een prompt vertel je het systeem wat je wilt. Met kennisinfrastructuur geef je het systeem toegang tot wie je bent. Dat verschil merk je in elke zin die eruit komt.

Waarom gaat dit over meer dan AI?

Founder dependency is de structurele afhankelijkheid van de oprichter. Het is een ontwerpfout in je bedrijfsmodel, geen groeifase die vanzelf overgaat. AI legt die fout bloot, maar heeft hem niet veroorzaakt.

Kijk nog een keer naar die dag die ik aan het begin beschreef. Sessies, intakes, offertes, preppen, ’s avonds de administratie. Alles draait op jou. Als jij twee weken op vakantie gaat, staat de boel stil. Je kunt iemand inhuren om je agenda te beheren, maar je kunt niemand inhuren die jouw inschatting maakt bij een intake. Althans, dat denk je. Want die inschatting heb je nooit uitgelegd. Je doet het gewoon, al twintig jaar.

De meeste kennisondernemers denken dat ze een tijdsprobleem hebben. Te weinig uren en te veel op hun bord. In werkelijkheid hebben ze een ontwerpprobleem. Het bedrijf is op boerenverstand gegroeid en daar is niks mis mee, maar het van een andere tijd.

En terwijl dat probleem binnenin je bedrijf al bestond, verandert de buitenkant ook. Bij meer dan de helft van alle zoekopdrachten klikt niemand meer door naar een website. AI-systemen geven direct antwoord en kiezen wie ze aanbevelen op basis van gestructureerde, expliciete kennis. Als jouw expertise alleen als impliciete ervaring in jouw hoofd bestaat, word je in dat proces simpelweg niet meegewogen. En onvindbaar is het nieuwe overbodig.

Dezelfde kennisstructurering die jouw AI-assistenten verbetert, kan je ook inzetten om vindbaar te zijn voor AI-zoekmachines.

Waar begin je?

De belangrijkste, maar ook lastigste, vragen die je jezelf kunt stellen: wat weet ik eigenlijk en hoe werkt dat precies?

Je methodiek expliciet maken. Je intake-proces ontleden. De criteria benoemen op basis waarvan jij beslist of iets goed is. Dat is niet iets wat je in een middag doet. Het is wel iets waarvoor je geen enkele technische kennis nodig hebt. Techniek komt sowieso pas nadat je deze basis hebt. Wat je wel nodig hebt is iemand die de juiste vragen stelt en er structuur in aanbrengt.

Dat helpt je om scherp te krijgen wat je eigenlijk levert en waarom dat verschilt van wat de rest doet. Die helderheid is op zichzelf al waardevol, los van wat je er daarna mee bouwt.

Wil je eerst weten waar je staat? Een Reshape Scan maakt in een gesprek zichtbaar waar de afhankelijkheid van jou als oprichter zit en welke kennisinfrastructuur ontbreekt.

Waarom nu?

De experts met de meeste diepgang hebben het meeste te verliezen. Juist de kennisondernemers die jarenlang nuance en ervaring hebben opgebouwd, verliezen terrein aan mensen met minder inhoud en een slimmere digitale infrastructuur.

En als je nu denkt “dat weet ik eigenlijk allang”: waarom heb je het dan nog niet gedaan?

Veelgestelde vragen

Heb ik technische kennis nodig om mijn expertise vast te leggen?

Nee. Het begint bij gesprekken waarin je vertelt hoe je werkt, hoe je beslist en wat voor jou het verschil maakt. Ik structureer dat in een systeem dat op jouw laptop draait, in open bestandsformaten, van jou. Je hoeft Obsidian niet te kennen en je hoeft geen prompts te kunnen schrijven. Je moet wel bereid zijn om scherp te krijgen wat je eigenlijk weet.

Kan AI mijn persoonlijke aanpak niet gewoon leren uit mijn bestaande teksten?

Teksten bevatten je conclusies, niet je denkproces. AI leert daaruit wat je zegt, maar begrijpt niet waarom je het zegt of hoe je tot die conclusie komt. Juist je manier van wegen en je kwaliteitscriteria, dat is wat ontbreekt. Documenten uploaden zonder die structuur is als een nieuwe collega een stapel presentaties geven zonder ooit mee te lopen.

Hoelang duurt het voordat zo’n systeem resultaat oplevert?

De eerste resultaten merk je binnen weken. Zodra je kernmethodiek en beslislogica zijn vastgelegd, levert een AI-assistent direct bruikbare output. Het systeem wordt over tijd sterker omdat elke interactie de kennisbasis verrijkt. Hoe meer je erin stopt, hoe meer het teruggeeft.

Ik ben bang dat ik mezelf overbodig maak als ik alles vastleg.

Externaliseren is versterken. Alles wat herhaalbaar, voorbereidend of structurerend is, kan het systeem doen. De relatie, het oordeel en de strategische interventie blijven van jou. Je wordt niet vervangen. Je krijgt ruimte voor het werk dat alleen jij kunt doen.

Wat als mijn concurrent dit eerder doet dan ik?

Dan heeft je concurrent een kennisinfrastructuur die AI-systemen kunnen vinden en aanbevelen, en jij niet. Die concurrent hoeft niet beter te zijn in het vak. Als diens kennis gestructureerd online staat en de jouwe alleen in je hoofd zit, wordt die concurrent zichtbaar waar jij onzichtbaar bent.

Onder dit hele verhaal zit één vraag: is jouw expertise over vijf jaar nog zichtbaar, inzetbaar en overdraagbaar, of zit het dan nog steeds waar het nu zit? De ondernemers die nu hun kennis structureren, bouwen een bedrijf dat niet meer op hun aanwezigheid leunt. Inhoud zonder infrastructuur verliest van volume.

Waarom AI jou niet snapt (en wat dat zegt over je bedrijf)