Een prompt vertelt de AI één keer wat die moet doen. Een skill vertelt de AI permanent wie die moet zijn. Dat ene onderscheid verklaart waarom sommige mensen inconsistente, middelmatige uitvoer krijgen van Claude of ChatGPT, hoe zorgvuldig ze elk verzoek ook formuleren, terwijl anderen elke keer werk op seniorniveau krijgen dat bij hun merk past. Het gaat niet om betere prompts schrijven. Het gaat om het verschil tussen instrueren en iemand aannemen.
De verwarring in één zin
Mensen horen ‘AI-skill’ en nemen aan dat het marketingtaal is voor ‘een echt goede prompt’. Structureel hebben ze niet helemaal ongelijk — een skillbestand is gewoon tekst, net zoals een prompt gewoon tekst is. Maar ze als hetzelfde behandelen is alsof je zegt dat een arbeidsovereenkomst en een sms waarin je een vreemde de weg vraagt ‘hetzelfde zijn’ omdat ze allebei uit woorden bestaan. De woorden zijn niet het belangrijkste. Het gaat om de relatie die ze tot stand brengen.
Wat een prompt daadwerkelijk is
Een prompt is één instructie die gericht is op één uitvoer. Je opent een chat en typt iets als:
‘Schrijf een tagline voor een abonnement op cold-brewkoffie.’
De AI weet niet wie je bent, hoe je merk klinkt, welke taglines je eerder hebt afgewezen of wat ‘goed’ voor jou betekent. De AI gokt. Je krijgt een antwoord, misschien een behoorlijk goed antwoord, en de context verdampt zodra het gesprek eindigt. Volgende week, wanneer je weer een tagline nodig hebt, begin je opnieuw vanaf nul — met het opnieuw uitleggen van toon, doelgroep en de drie woorden die je nooit wilt zien (‘revolutionize’, ‘seamless’, ‘journey’).
Daar is niets mis mee voor een eenmalige opdracht. Prompts zijn perfect voor eenmalige verzoeken. Het probleem ontstaat wanneer mensen eenmalige prompts gebruiken voor terugkerend werk en zich vervolgens afvragen waarom de kwaliteit van de uitvoer per sessie sterk wisselt.
Wat een skill daadwerkelijk is
Een skill is een permanente configuratie — een volledige rolomschrijving die je één keer laadt (als systeemprompt, Claude Project-instructie of de instructies van een aangepaste GPT) en die vervolgens elke toekomstige prompt die je verstuurt aanstuurt. Een goed opgebouwde skill bevat doorgaans:
- Een persona en senioriteitsniveau (bijvoorbeeld: ‘Je bent een senior CRO-specialist met 8 jaar ervaring met e-commerceconversie’)
- Domeinexpertise en frameworks waar de AI standaard van moet uitgaan
- Normen — hoe ‘goed’ er specifiek uitziet, niet vaag
- Regels voor de uitvoerindeling (structuur, lengte, toon, wat je altijd wel of niet moet opnemen)
- Randgevallen en afwegingen — wat je moet signaleren, waar je naar moet vragen, wat je moet weigeren
Zodra die is geladen, neemt elke prompt die je daarna verstuurt alles ervan over. Je hoeft je merkstem niet opnieuw uit te leggen bij prompt #47. De skill weet het al.
De analogie die het duidelijk maakt: iemand aannemen versus een vreemde aanhouden
Denk na over hoe je in de echte wereld daadwerkelijk een tagline zou laten schrijven.
Optie A: Je houdt een vreemde op straat staande, geeft die persoon een plakbriefje met "schrijf een slogan voor X" en hoopt er het beste van. Misschien is het een briljante copywriter. Misschien is het een loodgieter. Je hebt geen idee en je zult die persoon nooit meer zien om feedback te geven.
Optie B: Je neemt een copywriter aan. Je besteedt één keer echt tijd aan de onboarding - je merkrichtlijnen, je doelgroep, de woorden waar je een hekel aan hebt, voorbeelden van teksten die je geweldig vindt en teksten die je hebt afgekeurd. Het kost een middag. Maar nu profiteert elke briefing die je het komende jaar verstuurt van die ene middag voorbereiding. Je hoeft de basis nooit opnieuw uit te leggen. Die persoon begrijpt het gewoon, opdracht na opdracht.
Een prompt is optie A. Een Skill is optie B. De onboardingkosten zijn reëel - een goed Skill-bestand schrijven kost meer tijd dan een snelle prompt typen - maar je betaalt die kosten één keer en profiteert daarna bij elk gebruik van het rendement.
Voeg Maya één keer toe aan Claude of ChatGPT en krijg een geconfigureerde socialemediamanager - contentkalenders, platformspecifieke toon en publicatiestandaarden ingebouwd voor elk toekomstig verzoek, niet alleen voor het eerste.
Bekijk Maya - Social Media Manager →Naast elkaar: hetzelfde verzoek, twee verschillende configuraties
Zo ziet dat verschil er in de praktijk uit. Stel dat de taak is: "schrijf een CRO-aanbeveling voor een checkoutpagina."
De eenmalige prompt
"Bekijk deze checkoutpagina en vertel me hoe ik de conversie kan verbeteren."
Je krijgt wel iets. Het kan generiek zijn ("voeg vertrouwensbadges toe", "verminder het aantal formuliervelden"), omdat de AI je verkeersbron, je eerdere testgeschiedenis, je platformbeperkingen of het detailniveau dat je daadwerkelijk terug wilt krijgen niet kent. Vraag het morgen opnieuw, formuleer het net iets anders en je krijgt misschien een andere structuur, een ander detailniveau en andere prioriteiten - omdat er geen vaste configuratie is die dit stabiel houdt.
Het fragment uit het Skill-bestand
"Je bent Beck, een senior CRO-specialist met meer dan 8 jaar ervaring in het uitvoeren van gestructureerde A/B-testprogramma's voor e-commercemerken. Doe bij elke paginabeoordeling het volgende: (1) identificeer eerst het ene frictiepunt met de grootste impact voordat je kleinere punten opsomt, (2) koppel elke aanbeveling aan een specifiek conversieprincipe (geen algemene best practice), (3) markeer alles wat eerst getest moet worden in plaats van blind uitgerold, (4) sluit altijd af met een geschatte beoordeling van inspanning versus impact. Stel per beoordeling nooit meer dan 3 wijzigingen voor - prioriteer meedogenloos. Uitvoerindeling: een korte samenvattingsregel, daarna een genummerde lijst en vervolgens de tabel met inspanning/impact."
Nu wordt elke checkoutpagina, elke landingspagina en elke prijspagina die je via deze Skill verstuurt op dezelfde gedisciplineerde manier beoordeeld: dezelfde structuur, dezelfde prioriteringslogica en dezelfde standaarden voor wat als een echte aanbeveling telt in plaats van opvulling. #1 en #50 lijken alsof ze van dezelfde senior specialist komen, omdat dat ook zo is.
Een configuratie voor een senior conversiespecialist, precies gemaakt voor dit soort herhaalbare paginabeoordelingen: meedogenloze prioritering, elke keer hetzelfde consistente uitvoerformaat.
Bekijk Beck – CRO-specialist →Waarom de Skill-versie na 50 keer gebruiken wint, ook al duurt het één keer langer om die te schrijven
De berekening is eenvoudig. Stel dat het 30 seconden kost om een degelijke eenmalige prompt te typen, maar dat de kwaliteit van de output varieert: soms scherp, soms algemeen, soms ontbreekt er iets wat je zou hebben gespecificeerd als je eraan had gedacht. Het kost misschien 20–30 minuten om een Skill-bestand goed te schrijven, maar vanaf dat moment duurt elke prompt ervoor diezelfde 30 seconden, alleen varieert de output niet langer. De standaarden, de opmaak en de beslissingen in twijfelgevallen liggen vast.
Bij 50 keer gebruiken kost de eenmalige aanpak je ongeveer evenveel totale typtijd, maar je hebt je standaarden 50 keer opnieuw uitgelegd (of, realistischer, de helft van de tijd vergeten dat te doen, met inconsistente output als gevolg). De Skill-aanpak kost je één echte investering vooraf en levert daarna steeds meer op: elke toekomstige prompt is korter, sneller en betrouwbaarder, omdat het zware werk al is gedaan. Het is dezelfde reden waarom een getrainde medewerker bij taak 50 beter presteert dan een nieuwe tijdelijke kracht, zelfs als die tijdelijke kracht theoretisch op dag één mondeling ‘dezelfde instructies’ heeft gekregen.
Het eerlijke bezwaar: ‘Is een Skill niet gewoon een langere prompt?’
Ja, structureel gezien wel. Er is geen technische grens tussen een prompt en een Skill; een Skill-bestand is gewoon uitgebreidere, meer gestructureerde tekst die als permanente instructie wordt geladen in plaats van als een eenmalig bericht. Als je een Skill-bestand in één chatbericht zou plakken, zou je ongeveer de output krijgen die de Skill oplevert. Dus wat is dan het daadwerkelijke verschil?
Hergebruik. Dat is het hele antwoord. Een prompt wordt één keer geschreven en één keer gebruikt: de inspanning en de output zijn in één transactie aan elkaar gekoppeld. Een Skill wordt één keer geschreven en bij elke toekomstige interactie gebruikt: de inspanning wordt vooraf geleverd en uitgesmeerd over elke volgende prompt, net zoals het één keer trainen van een nieuwe medewerker zich gedurende diens hele dienstverband terugbetaalt, niet alleen bij diens eerste taak. Een prompt is een transactie. Een Skill is een hulpmiddel. Het onderliggende materiaal is hetzelfde (tekst, instructies), maar de economische waarde is volledig anders afhankelijk van of je het één keer of vijftig keer gebruikt.
Dit verklaart ook waarom het de moeite waard is om vooraf gebouwde Skills te kopen in plaats van altijd zelf iets te schrijven: iemand heeft de 20–30 minuten aan rolontwerp, het vastleggen van standaarden en het doordenken van uitzonderingssituaties al gedaan, en jij erft dat als een werkend hulpmiddel in plaats van als een lege pagina.
In plaats van je SEO-standaarden bij elk zoekwoord- of contentbriefing opnieuw uit te leggen, laad je Serge één keer en krijg je bij elke toekomstige pagina die je eraan voorlegt consistent SEO-oordeel op seniorniveau.
Bekijk Serge - SEO Specialist →Samengevat:
Een prompt is een eenmalige instructie; een Skill is een rol die je één keer configureert en onbeperkt hergebruikt. Het is het hergebruik, niet de lengte, dat het de moeite waard maakt om er een te bouwen of kopen. Probeer voor een eerste aanwinst Maya (Social Media Manager) of Beck (CRO Specialist) en merk op hoe prompt #1 en prompt #50 klinken alsof ze van dezelfde senior medewerker komen — omdat dat ook zo is.
Vul in hoe jij (of je team) AI-chats daadwerkelijk gebruikt en krijg een realistische maandelijkse schatting van verspilde tokens en kosten voor het opnieuw schrijven van prompts versus een permanent Skill-bestand. Geen registratie, geen e-mail — alleen de berekening uit dit bericht, toegepast op jouw cijfers.
Probeer de calculator →Veelgestelde vragen
Is een Skill-bestand gewoon een echt lange prompt?
Structureel gezien wel: een Skill-bestand is tekst die als vaste instructie wordt geladen in plaats van als een eenmalig bericht, en technisch gezien is er geen scheidslijn tussen beide. Het relevante verschil is hergebruik: een prompt is geschreven voor één output en wordt daarna weggegooid, terwijl je een Skill één keer schrijft en op elke toekomstige prompt toepast. De kosten ervan worden zo uitgesmeerd over tientallen of honderden keer gebruik.
Wanneer kan ik beter gewoon een snelle prompt schrijven in plaats van een Skill te gebruiken?
Voor echt eenmalige taken — één slogan, een eenmalige e-mail of een taak die je nooit zult herhalen — is een snelle prompt sneller en prima geschikt. Skills verdienen hun instelkosten terug bij terugkerend werk: alles wat je de AI meer dan een handvol keer vraagt te doen, profiteert ervan om het één keer te configureren in plaats van het telkens opnieuw uit te leggen.
Moet ik mijn eigen Skill-bestand schrijven, of kan ik er een kopen?
Beide werken. Als je er zelf een schrijft, heb je volledige controle over persona, standaarden en indeling, maar het kost echt tijd om het goed te krijgen. Vooraf gemaakte Skills, zoals die op KissMySkills, bieden dat rolontwerp en het denkwerk rond uitzonderingssituaties al, zodat je er een als systeemprompt of Project-instructie kunt plakken en meteen met een werkende configuratie kunt beginnen.
Werken Skill-bestanden op dezelfde manier in Claude, ChatGPT en Gemini?
Ja. Een Skill-bestand is gewoon gestructureerde tekst: je plakt het in de aangepaste instructies van een Claude Project, het instructieveld van een aangepaste ChatGPT-GPT of de systeemprompt van een Gemini Gem. Het mechanisme is bij alle drie hetzelfde: het wordt de vaste context die elke prompt vormt die je daarna verstuurt.
