Workflow 1: van vergadernotities naar actieplan
Gebruik deze workflow na gesprekken, salescalls en planningssessies. Het doel is niet alleen een samenvatting. Het doel is een actieplan waarop je kunt besluiten, met eigenaren, datums, open vragen en opvolging.
Input -> prompt -> output -> QA
Input: het transcript, ruwe aantekeningen, de deelnemerslijst, het doel van de vergadering, bekende deadlines en de beslissingen die je al vertrouwt. Is het transcript lang, geef de onderdelen dan eerst een label per onderwerp of tijdstip.
Prompt: "Maak van deze vergadernotities een actieplan. Context: het doel van de vergadering was [doel]. Aanwezigen waren [namen]. Notities of transcript: [plak hier]. Beperkingen: verzin geen eigenaren of datums. Markeer onduidelijke punten als nog te bevestigen. Scheid beslissingen van discussie. Formaat: samenvatting, beslissingen, tabel met actiepunten, risico's, opvolgbericht."
Output: een briefing in vijf delen, met een korte managementsamenvatting, bevestigde beslissingen, een actietabel met eigenaar, datum en status, onbeantwoorde vragen en een opvolgmail die klaar is om te versturen.
QA: controleer elk actiepunt aan de hand van het transcript. Haal weg wat de AI te stellig heeft afgeleid. Bevestig datums en eigenaren voordat je iets verstuurt. Is de uitkomst te breed, draai de prompt dan opnieuw met één extra beperking: "Neem alleen acties op die iemand expliciet heeft toegezegd."
Workflow 2: van e-mailtriage naar antwoordwachtrij
Deze workflow helpt je een volle inbox te verwerken zonder dat de AI ongecontroleerd namens jou spreekt. De bruikbare uitkomst is een prioriteitenlijst, niet een stapel robotachtige antwoorden.
Input -> prompt -> output -> QA
Input: afzender, onderwerpregel, de tekst van de mail, de relatie met de afzender, de urgentie en de toon die jij normaal gebruikt. Verwijder bij gevoelige gesprekken privégegevens voordat je plakt, en vraag het model om een concept in plaats van om verzenden.
Prompt: "Doe de triage van deze e-mails voor vandaag. Context: mijn rol is [rol], mijn prioriteiten zijn [prioriteiten] en mijn toon is [toon]. E-mails: [plak hier]. Beperkingen: beantwoord geen vragen waarvoor private accountgegevens nodig zijn. Markeer alles wat menselijk oordeel vraagt. Formaat: prioriteitentabel, aanbevolen actie, conceptantwoord voor elke mail die veilig te beantwoorden is."
Output: een tabel met prioriteit, reden, volgende actie, voorgesteld antwoord en een risicomarkering. Facturatie, accounttoegang en toezeggingen horen gemarkeerd te worden voor handmatige controle.
QA: lees eerst de reden bij de prioriteit. Kan het model niet uitleggen waarom een mail urgent is, zet hem dan lager. Controleer alle namen, datums, toezeggingen, prijzen en bijlagen. Houd één persoonlijke regel aan: AI mag antwoorden schrijven, mensen keuren toezeggingen goed.
Workflow 3: van concurrentiescan naar onderzoeksbriefing
Gebruik dit als AI-workflow voor onderzoek wanneer je snel een navolgbaar beeld van een markt wilt zonder in tientallen tabbladen te verdrinken.
Input -> prompt -> output -> QA
Input: namen van concurrenten, aantekeningen van hun website, stukjes prijsinformatie, productpagina's, fragmenten uit reviews, de doelklant en de beslissing die je wilt nemen. Je kunt ook beginnen bij de Founder Research Stack van Whizi als je een completer sjabloon wilt.
Prompt: "Maak een concurrentiescan voor [markt]. Context: ik moet beslissen over [beslissing]. Concurrenten en aantekeningen: [plak hier]. Beperkingen: gebruik alleen de aangeleverde aantekeningen. Scheid feiten van interpretatie. Verzin geen prijzen, klanten of functies. Formaat: vergelijkingstabel, patronen in positionering, gaten, risico's en vervolgvragen voor onderzoek."
Output: een vergelijkingstabel met concurrent, doelgroep, belofte, functies, opmerkingen over prijzen, bewijs, zwakke plekken en vermoede positionering. De beste versie heeft ook een kolom "nog te verifiëren", zodat het onderzoek niet doet alsof het af is.
QA: herleid elke bewering naar een aantekening of een fragment uit de bron. Markeer conclusies zonder onderbouwing. Draai bij belangrijke beslissingen dezelfde prompt in een ander model en kijk welke uitkomst bewijs en mening netter uit elkaar houdt.
Workflow 4: van pdf-samenvatting naar geverifieerde extractie
Algemene pdf-samenvattingen zijn riskant, want ze kunnen voorbehouden missen of conclusies te sterk maken. Deze workflow vraagt om extractie en verificatie, niet alleen om een prettig leesbare samenvatting.
Input -> prompt -> output -> QA
Input: de tekst van de pdf of het geüploade document, het type document, jouw doel, de secties die het meest tellen en precies de uitkomst die je nodig hebt. Is het document lang, vraag dan eerst om samenvattingen per sectie voordat je om synthese vraagt.
Prompt: "Analyseer dit document voor [doel]. Context: het documenttype is [type] en ik geef het meest om [onderwerpen]. Beperkingen: citeer of noem sectienamen waar dat kan. Markeer onzekere punten. Vat geen secties samen die je niet kunt zien. Formaat: samenvatting van één pagina, tabel met kernfeiten, risico's en voorbehouden, gevonden datums, cijfers en namen, en een verificatielijst."
Output: een compacte samenvatting plus een gestructureerde extractietabel. Bij een onderzoekspaper kan die tabel bewering, bewijs, methode, beperking en zekerheid bevatten. Bij een contract eerder verplichting, partij, deadline, artikel en risico.
QA: zoek in de originele pdf naar elk cijfer, elke deadline, elke naam en elk citaat. Vraag om een tweede ronde: "Noem vijf manieren waarop deze samenvatting misleidend kan zijn." Raakt het antwoord juridische, medische, financiële of arbeidsrechtelijke beslissingen, behandel de output dan als leeshulp, niet als advies.
Workflow 5: van codereview naar een veiligere wijzigingslijst
Deze AI-workflow voor programmeren is nuttig als je een diff, een pull request of een bestand wilt laten nakijken. Het doel is risico verlagen, niet je oordeel uitbesteden.
Input -> prompt -> output -> QA
Input: de diff, de omliggende functie of module, het verwachte gedrag, testuitvoer, foutmeldingen, beperkingen en wat vooral niet mag veranderen. Plak nooit sleutels, productiegegevens of privégegevens van klanten.
Prompt: "Review deze code als een senior engineer. Context: het verwachte gedrag is [gedrag]. Het doel van de wijziging is [doel]. Code of diff: [plak hier]. Beperkingen: geef voorrang aan bugs, regressies, beveiligingsproblemen, randgevallen en ontbrekende tests. Laat stijlopmerkingen weg, tenzij ze een bug verbergen. Formaat: bevindingentabel met ernst, bestand of functie, probleem, waarom het uitmaakt, voorgestelde oplossing en de test die erbij hoort."
Output: een gerangschikte reviewlijst, voorgestelde tests en een minimaal wijzigingsplan. Vraag bij een refactor om de kleinste verbetering in leesbaarheid die het gedrag intact laat, en daarna om de tests die dat aantonen.
QA: reproduceer elke bug voordat je hem oplost, als dat kan. Neem geen voorgestelde patch over zonder hem te lezen. Draai tests, lint en typecontroles lokaal. Zijn twee modellen het oneens, gebruik dat verschil dan als checklist voor je review in plaats van als stemming.
Workflow 6: van dagplanning naar een gefocust schema
Een dagelijkse AI-routine hoort je vooral te helpen kiezen wat je niet doet. Deze workflow maakt van een rommelige lijst een gefocust plan met realistische blokken, duidelijke afwegingen en een afsluitmoment.
Input -> prompt -> output -> QA
Input: je takenlijst, wat je agenda toelaat, deadlines, je energieniveau, je afspraken, je must-do's, de optionele taken en één strategisch doel. Hoe eerlijker de input, hoe beter het plan.
Prompt: "Plan mijn dag rond resultaten, niet rond drukte. Context: mijn beschikbare werkblokken vandaag zijn [blokken]. Must-do's zijn [must-do's]. Optionele taken zijn [optioneel]. Mijn energieniveau is [energie]. Mijn strategische doel is [doel]. Beperkingen: bescherm geconcentreerd werk, bouw marge in, plan niet te vol en leg de afwegingen uit. Formaat: schema, top 3 resultaten, uitstellijst, risicolijst, afsluitchecklist."
Output: een schema in tijdblokken, drie resultaten, een lijst met uitgestelde taken en een afsluitroutine van tien minuten. Die uitstellijst is belangrijk, want hij voorkomt dat de AI een onmogelijke dag er netjes uit laat zien.
QA: kijk of het plan echt in je agenda past. Schrap twintig procent als het te vol voelt. Heeft een taak geen definitie van succes, vraag het model dan om "klaar" te definiëren voordat je begint.
Workflow 7: van content hergebruiken naar publicatiekit
Deze AI-workflow voor schrijven maakt van één goede bron meerdere publiceerbare stukken, zonder dat alles hetzelfde gaat klinken.
Input -> prompt -> output -> QA
Input: de broncontent, de doelgroep, de lijst met kanalen, een voorbeeld van je merkstem, de beweringen die kloppend moeten blijven, de beweringen die je wilt vermijden en de gewenste formaten. Voeg voorbeelden van je beste bestaande content toe als je minder generieke output wilt.
Prompt: "Maak van deze bron een publicatiekit. Context: de doelgroep is [doelgroep]. De kanalen zijn [kanalen]. Voorbeeld van de merkstem: [plak hier]. Bron: [plak hier]. Beperkingen: houd de feiten intact, vermijd overdrijving, voeg geen ongefundeerde cijfers toe en maak elk stuk passend bij zijn kanaal. Formaat: kernboodschap, 5 postideeën, conceptmail, korte social posts, één lange social post, nieuwsbriefsectie en een QA-tabel."
Output: een contentkit met herbruikbare invalshoeken, concepten per kanaal en een QA-tabel met de oorspronkelijke bewering, de hergebruikte bewering, de plek in de bron en het risico.
QA: leg elk concept naast de bron. Schrap beweringen die er voor het effect bij zijn gekomen. Kijk of de mail, de post en de intro van het artikel elk een eigen taak hebben in plaats van dezelfde zin te herhalen. Bewaar de prompt pas als herbruikbaar prompttemplate wanneer hij op echte content heeft gewerkt.
- Begin elke AI-workflow met echte input, niet met een vage vraag.
- Bepaal de uitkomst voordat je de prompt draait: tabel, checklist, memo, concept, plan of extractie.
- Voeg beperkingen toe voor bewijs, privacy, toon, lengte en onzekerheid.
- Vraag om een QA-stap als onderdeel van de output, niet achteraf.
- Gebruik Whizi om herbruikbare prompts per workflow te bewaren in plaats van per model.
- Draai belangrijke workflows in meer dan één model en vergelijk nauwkeurigheid, structuur en opruimtijd.
- Werk elk template bij nadat je het op een echte taak hebt gebruikt.
Veelgestelde vragen
Wat is een AI workflow template?
Een AI workflow template is een herbruikbaar proces dat de input, de prompt, de verwachte output en de kwaliteitscontrole vastlegt voor een specifieke taak, zoals pdf's samenvatten, code reviewen of e-mail triëren.
Hoe bouw ik een AI-workflow voor mijn werk?
Begin bij één terugkerende taak, zet op een rij welke input die nodig heeft, schrijf een prompt met beperkingen en een vast formaat, en voeg daarna een QA-checklist toe die feiten, beslissingen, namen, cijfers en vervolgstappen controleert.
Moet ik voor elke workflow hetzelfde AI-model gebruiken?
Nee. Modellen presteren verschillend per taak. Draai bij belangrijke workflows dezelfde prompt in meerdere modellen en houd de versie die de meest nauwkeurige, bruikbare output geeft.