Een skillbestand is goedkoper dan telkens opnieuw prompten, omdat je de instelkosten één keer betaalt in plaats van bij elk afzonderlijk bericht. Elke keer dat je je rol, toon en indeling opnieuw uitlegt aan een lege AI-chat, betaal je voor die uitleg in tokens — en tokens zijn geld, berichtlimieten en ruimte in het contextvenster die je aan overhead besteedt in plaats van aan je daadwerkelijke werk.
Deel 1 van de serie "Herbruikbare context" · Door het KissMySkills-team
De 300 tokens die je elke keer betaalt
Open een lege chat met Claude, ChatGPT of Gemini en vraag om hulp bij het schrijven van een bestuursupdate. Voordat het iets nuttigs kan doen, moet je vertellen wie je bent, wat het bedrijf doet, welke toon het bestuur verwacht, welke indeling de update moet volgen en wat voor jou onder "goed" valt. Dat is geen vraag van één regel — het is een alinea, soms drie.
Typ die alinea uit en haal hem door een tokenizer. Een typische inleiding met "dit is mijn rol, dit is de context en zo wil ik dat dingen worden opgemaakt" bevat 200-400 tokens. Dat is nog voordat je de daadwerkelijke vraag hebt gesteld. En omdat de meeste mensen die inleiding nergens opslaan, typen ze elke keer dat ze een nieuwe chat openen een versie ervan opnieuw — iets anders, iets onvollediger.
Vermenigvuldig dat met hoe vaak je AI daadwerkelijk voor je werk gebruikt. Als je vijf nieuwe chats per dag opent en telkens opnieuw de context uitlegt, verbruik je 1.000-2.000 tokens per dag aan niets anders dan opnieuw vaststellen wie de AI moet zijn. In een maand zijn dat 20.000-40.000 tokens die puur aan inleidende uitleg worden besteed — tokens die nul output hebben opgeleverd.
Voor en na: hetzelfde verzoek, op twee manieren
Zonder skillbestand ziet een typische prompt er zo uit:
"Je helpt me als chief of staff. Ik run een SaaS-bedrijf met 40 medewerkers, we rapporteren aan een bestuur van 5 mensen, zij houden van beknopte updates met de kern bovenaan, zonder vulling, vermeld altijd de burn rate en runway, gebruik markdown met bovenaan een TL;DR... [gaat nog 150 woorden door] ...schrijf nu de update van deze maand."
Dat is de belasting van steeds opnieuw uitleggen — volgende week weer betaald, en de week daarna opnieuw, meestal met iets dat wordt vergeten (vorige keer noemde je de runway, deze keer vergat je die, dus de output is inconsistent).
Met een skillbestand is hetzelfde verzoek simpelweg: "Schrijf de bestuursupdate van deze maand: omzet $340K, burn $85K, twee nieuwe enterprise-deals gesloten." De rol, toon, indeling en standaarden zijn al geladen — één keer geschreven, elke keer toegepast en nooit vergeten.
Laad Ryan één keer en elk boardpack, elke memo voor alle medewerkers en elke beslisnotitie waar je om vraagt, komt terug met de hoofdpunten voorop en klaar voor de raad — zonder dat je elke keer je bedrijf of standaarden opnieuw hoeft uit te leggen.
Bekijk Ryan — Chief of Staff →Waarom dit belangrijk is voor je portemonnee
Als je API-prijzen gebruikt (iets bouwt boven op Claude of GPT, of een tool gebruikt die per gebruik factureert), is de berekening rechtstreeks: inputtokens kosten geld. Een opnieuw uitgelegde inleiding van 300 tokens die bij elke aanroep wordt verzonden, over duizenden aanroepen per maand, is een echte kostenpost — geen afrondingsfout. Teams die AI-producten bouwen, merken geregeld dat het opnieuw opbouwen van context 15–30% van hun tokenbesteding opslokt voordat het model iets nuttigs doet. Een Skill-bestand — of het equivalent daarvan als systeemprompt, gecachte context of projectinstructie — verandert die terugkerende kosten in een eenmalige kostenpost.
Als je een regelmatige gebruiker van chatapps bent met de consumentenabonnementen van Claude, ChatGPT of Gemini, betaal je niet rechtstreeks per token, maar je zit wel vast aan gebruikslimieten die achter de schermen op tokens zijn gebaseerd. Elk bericht dat begint met drie alinea's met "laat me uitleggen wie je bent" telt mee voor je limiet en levert je niets op. Beperk het opnieuw uitleggen en je haalt meer echt werk uit dezelfde dagelijkse limiet.
Waarom dit ook belangrijk is voor kwaliteit — niet alleen voor kosten
Dit is het deel dat mensen missen: opnieuw uitgelegde context is niet alleen duur, maar ook slechtere context. Wanneer je midden op een drukke dag je rol en standaarden uit je hoofd opnieuw typt, laat je dingen weg. Je vergeet te vermelden dat updates voor de raad bovenaan het verbruikstempo moeten tonen. Je vergeet dat de klant de voorkeur geeft aan opsommingstekens boven proza. Je vergeet welk format de vorige keer goed werkte. De uitvoer verslechtert niet omdat het model dommer is geworden, maar omdat je instructies slordiger zijn geworden — en op inconsistente wijze slordiger, waardoor sommige sessies geweldig zijn en andere merkbaar slechter.
Een goed geschreven Skill-bestand heeft dat probleem niet. Het is de volledige versie van je instructies — één keer geschreven, toen je de tijd had om er zorgvuldig over na te denken — niet de gehaaste versie die je je op een donderdag om 16.00 uur kunt herinneren. Dat is de echte reden waarom uitvoer die door een Skill wordt aangestuurd vaak seniorer en consistenter leest: de AI is niet slimmer geworden, maar werkt elke keer vanuit een volledige briefing in plaats van een half herinnerde.
Er is nog een tweede kwaliteitseffect. Lange chats worden geleidelijk slechter naarmate het contextvenster volloopt met heen-en-weerberichten, correcties en verduidelijkingen – een verschijnsel dat soms "contextrot" wordt genoemd. Als een groot deel van elk bericht wordt besteed aan het opnieuw vastleggen van de basisrol en -opmaak, is dat ruimte in het contextvenster die anders aan het daadwerkelijke werk had kunnen worden besteed. Bovendien versnelt dit het moment waarop het gesprek de draad begint kwijt te raken. Een Skill-bestand zet de configuratie efficiënt vooraf klaar in plaats van die over tientallen beurten stukje bij beetje te herhalen.
Diane schrijft e-mails in jouw stijl, bereidt vergaderbriefings voor en sorteert je inbox zonder dat je in elke nieuwe chat je toon en prioriteiten opnieuw hoeft uit te leggen.
Bekijk Diane – Executive Assistant →Wat telt er eigenlijk als een "Skill-bestand"?
Een Skill-bestand is niets exotisch – het is een markdown-document dat je één keer plakt als systeemprompt, ChatGPT Project-instructie, aangepaste instructies van een Claude Project of configuratie van een Custom GPT. Het beschrijft de rol ("je bent een senior chief of staff met 9 jaar ervaring in het ondersteunen van CEO's"), de standaarden ("eerst de kernboodschap, geen overbodigheden, vermeld altijd burn rate en runway") en de opmaak ("markdown, TL;DR bovenaan"). Zodra het in een persistente context is geladen – een Project, een Custom GPT of een systeemprompt in je eigen tool – neemt elk nieuw gesprek het automatisch over. Je hoeft het nooit meer opnieuw te typen.
De details van waar het precies staat (systeemprompt versus Project-instructies versus Custom GPT) zijn minder belangrijk dan de kerngewoonte: schrijf de context één keer volledig op wanneer je de tijd hebt om het goed te doen – en stop daarna met het onder tijdsdruk uit je hoofd opnieuw uitleggen ervan.
Samengevat:
De rol, de toon en de opmaak telkens opnieuw vanaf nul uitleggen kost 200–400 tokens per bericht, wat na verloop van tijd leidt tot echte kosten of verspilde gebruikslimieten. Bovendien levert het inconsistente output op, omdat gehaaste context onvolledige context is. Een Skill-bestand zoals Ryan (Chief of Staff) of Diane (Executive Assistant) maakt die kosten één keer en levert daarna bij elk bericht consistente output op seniorniveau.
Vul in hoe jij (of je team) AI-chats daadwerkelijk gebruikt en krijg een realistische schatting van de maandelijkse tokenverspilling en kosten van opnieuw prompten versus een persistent Skill-bestand. Geen registratie, geen e-mail — alleen de berekening uit dit bericht toegepast op jouw cijfers.
Probeer de calculator →Veelgestelde vragen
Hoeveel tokens kost het opnieuw uitleggen van context eigenlijk?
Een standaard voorwoord met rol en opmaak bevat per bericht ongeveer 200–400 tokens. Als je dat tientallen keren per week verstuurt, loopt dat op tot tienduizenden verspilde tokens per maand — tokens die aan configuratie worden besteed in plaats van aan het daadwerkelijke werk.
Helpt een Skill-bestand alleen bij API-kosten, of ook bij gewone chatgebruikers?
Allebei. Bij API-prijzen betekent het direct een lagere rekening als er minder tokens worden herhaald. Bij consumentenchatabonnementen (Claude, ChatGPT, Gemini) zijn gebruikslimieten onder de motorkap gebaseerd op tokens. Door de belasting van het opnieuw uitleggen te verlagen, gaat meer van je dagelijkse limiet naar echte output in plaats van naar de configuratie.
Is een Skill-bestand gewoon een langere prompt?
Nee — het verschil zit in persistentie, niet in lengte. Een Skill-bestand schrijf je één keer en laad je in een systeemprompt, projectinstructies of een aangepaste GPT, zodat het automatisch aanwezig is in elk nieuw gesprek. Een gewone prompt moet elke keer opnieuw uit het geheugen worden getypt; juist daar nemen kwaliteit en volledigheid af.
Verbetert het gebruik van een Skill-bestand de kwaliteit van de output echt, of bespaart het alleen geld?
Allebei. Je bespaart geld omdat je niet betaalt voor herhaalde tokens. De kwaliteit verbetert omdat een Skill-bestand de volledige, zorgvuldig geschreven versie van je instructies bevat, in plaats van wat je onder tijdsdruk kunt bedenken om te typen — daarom is output op basis van een Skill doorgaans consistenter en professioneler van toon.
Binnenkort in deze serie
Dit is het centrale bericht voor een korte serie over waarom herbruikbare context beter werkt dan steeds opnieuw prompten. Binnenkort: "De verborgen kosten van opnieuw prompten", "Systeemprompt versus projectinstructies versus aangepaste GPT: waar hoort je Skill eigenlijk thuis?", "Waarom lange chats dommer worden (en hoe je dat oplost zonder opnieuw te beginnen)", "Het echte verschil tussen een prompt en een Skill (het gaat niet alleen om semantiek)", "Wat kost het eigenlijk om Claude/ChatGPT voor werk te gebruiken? Een realistische uitsplitsing van tokenberekeningen", en "Herbruikbare context is de nieuwe prompt-engineering."
