Een promptframework is een vaste structuur waarmee een opdracht aan Microsoft Copilot wordt voorbereid. Het doel is niet om AI met een geheim commando betere antwoorden te laten geven, maar om essentiële informatie consequent mee te nemen. Vooral bij herhaalde werkzaamheden helpt een framework om kwaliteit te vergelijken, fouten sneller te ontdekken en afspraken overdraagbaar te maken.
Niet elk framework is geschikt voor elke taak. Een kort tekstvoorstel vereist weinig context, terwijl een analyse van bedrijfsdata een bronafbakening, definitie van begrippen en controleprocedure nodig heeft. Dit artikel vergelijkt praktische modellen, laat zien hoe een framework wordt gekozen en beschrijft hoe organisaties prompttemplates beheersbaar houden.
Wat is een promptframework?
Een promptframework is een hulpmiddel om een opdracht in herkenbare onderdelen te verdelen. Veel modellen benoemen elementen zoals doel, context, rol, bronmateriaal, outputvorm en kwaliteitscriteria. De onderdelen zijn niet nieuw: dezelfde principes worden gebruikt bij projectbriefings, werkinstructies en zakelijke communicatie. Het verschil is dat een AI-assistent soms op basis van weinig tekst al een overtuigend resultaat maakt, waardoor ontbrekende randvoorwaarden minder snel opvallen.
Een framework ondersteunt daarom twee processen. Eerst helpt het bij het ontwerpen van een opdracht. Daarna ondersteunt het de beoordeling van de uitkomst: is het doel gehaald, zijn de bronnen correct verwerkt en welke aannames zijn gemaakt? Een framework is pas waardevol als die twee processen daadwerkelijk plaatsvinden.
Microsoft beschrijft voor Copilot vier basiselementen: doel, context, bron en verwachtingen. Deze indeling is een logisch startpunt. De onderstaande aanvullende modellen zijn praktische redactiemodellen voor verschillende soorten werk en moeten niet worden opgevat als officiële productfuncties of gegarandeerde methoden van Microsoft.
Model 1: doel, context, bron en verwachtingen
Dit vierdelige model is geschikt voor de meeste dagelijkse Microsoft 365-taken. Het is eenvoudig genoeg om zonder uitgebreide training toe te passen en volledig genoeg om veel interpretatieverschillen te voorkomen.
| Element | Functie | Voorbeeld |
|---|---|---|
| Doel | Beschrijft de concrete handeling | Vat een projectvoorstel samen. |
| Context | Legt uit waarvoor de uitkomst nodig is | Ter voorbereiding op een besluitoverleg. |
| Bron | Begrensd het beschikbare materiaal | Gebruik uitsluitend het geselecteerde voorstel. |
| Verwachtingen | Bepaalt vorm en kwaliteitscriteria | Maximaal 250 woorden, met risico’s en open vragen. |
Een volledige voorbeeldprompt:
Vat het bijgevoegde projectvoorstel samen voor een besluitoverleg van het management. Gebruik uitsluitend informatie uit dat voorstel. Maak drie onderdelen: doel en verwachte opbrengst, belangrijkste risico’s en nog openstaande vragen. Beperk de samenvatting tot 250 woorden. Geef ontbrekende bedragen of planningselementen expliciet aan en presenteer aannames niet als vastgestelde feiten.
De kracht van dit model is de transparantie. Elk onderdeel kan worden aangepast zonder de rest van de prompt te herschrijven. Wanneer het antwoord te oppervlakkig is, ligt het probleem mogelijk in de verwachtingen. Wanneer gegevens ontbreken, moet eerst de bron worden beoordeeld.
Model 2: bronanalyse met bewijs en onzekerheid
Bij rapporten, klantdata en evaluaties is een aanvullend controlemodel nuttig. Een praktische indeling bestaat uit vijf velden: vraag, bron, methode, bewijs en onzekerheid. Dit model verplicht niet tot geavanceerde wiskunde; het dwingt vooral om aan te geven hoe conclusies worden onderbouwd.
Vraag. Welke vergelijking of beslissing moet worden ondersteund? “Welke afwijkingen verdienen aandacht?” is concreter dan “Wat valt op?”.
Bron. Welke bestanden, tabellen of perioden zijn toegestaan? Vermijd verwijzingen naar onduidelijke documenten of verouderde versies.
Methode. Welke bewerking is bedoeld? Denk aan optellen, vergelijken, rubriceren of trends beschrijven. Vraag bij berekeningen om uitleg van de gebruikte definitie.
Bewijs. Welke cijfers, passages of brononderdelen ondersteunen een bevinding? Bij afwezige onderbouwing mag een conclusie niet als bevestigd worden gepresenteerd.
Onzekerheid. Welke ontbrekende gegevens, aannames of mogelijke alternatieve verklaringen verdienen vermelding? Zo worden beperkingen onderdeel van de uitkomst in plaats van een voetnoot achteraf.
Een passende prompt kan luiden:
Vergelijk de kostenoverzichten van kwartaal één en twee. Gebruik alleen de aangeleverde tabellen. Bereken de verschillen per kostenpost en maak inzichtelijk welke posten de grootste absolute verandering laten zien. Vermeld per conclusie de gebruikte cijfers. Markeer ontbrekende waarden en maak een afzonderlijke lijst met mogelijke verklaringen die niet uit de bron kunnen worden bewezen.
De uitkomst vormt een basis voor analyse, geen vervanging van controle in Excel, Power BI of het financieel systeem. Juist bij getalsmatige beslissingen zijn reproduceerbare berekeningen en bronvalidatie essentieel.
Model 3: redactie met doelgroep, inhoud en grenzen
Voor Word, Outlook en PowerPoint werkt een communicatiemodel vaak beter dan een zwaar analyseframework. Een bruikbare indeling bestaat uit doel van de boodschap, doelgroep, kerninhoud, gewenste vorm en verboden toevoegingen. De laatste categorie voorkomt dat teksten worden aangevuld met onjuiste toezeggingen of gefingeerde feiten.
Bij een klantbericht over een gewijzigde planning hoort bijvoorbeeld vast te staan welke datum wordt voorgesteld en welke afspraken nog niet definitief zijn. Bij een beleidsmemo kan worden bepaald dat citaten en cijfers ongewijzigd moeten blijven. Bij een presentatie kan worden gekozen voor één kernboodschap per dia, zonder nieuwe statistieken toe te voegen.
Stel een interne aankondiging op over de invoering van een nieuwe documentprocedure. De doelgroep bestaat uit medewerkers zonder technische achtergrond. Gebruik de goedgekeurde procesbeschrijving als enige bron. Maak een inleiding van maximaal 80 woorden, een stappenlijst en een onderdeel met twee veelgestelde vragen. Voeg geen ingangsdatum toe wanneer die niet in de bron staat. Gebruik feitelijke, zakelijke taal.
Dit model voorkomt dat de vorm de inhoud gaat domineren. De opdracht bevat expliciet welke nieuwe beweringen niet toegestaan zijn.
Model 4: eerst verduidelijken, daarna uitvoeren
Bij complexe taken ontbreekt bij aanvang soms cruciale informatie. Een iteratief framework maakt van verduidelijking een formele eerste stap. Dat is bijvoorbeeld nuttig voor offertes, projectplannen, beleidsvoorstellen of analyses waarvoor definities nog moeten worden vastgesteld.
De eerste prompt kan luiden:
Beoordeel de onderstaande opdracht op ontbrekende gegevens. Stel maximaal vijf verduidelijkende vragen die noodzakelijk zijn om een betrouwbaar resultaat te maken. Voer de opdracht nog niet uit en vul ontbrekende informatie niet zelf in.
Pas na beantwoording van de vragen volgt de uitvoeropdracht. Eventueel kan een derde stap worden toegevoegd waarin Copilot een controlelijst maakt voor een menselijke reviewer. Zo wordt het risico kleiner dat een helder geformuleerd document op onjuiste uitgangspunten rust.
Het nadeel is de extra doorlooptijd. Bij eenvoudige taken kan een vraagronde onnodig zijn. Het model is daarom vooral geschikt wanneer aannames grote gevolgen kunnen hebben of de taak niet goed herhaalbaar is zonder standaardisering.
Model 5: gefaseerde kwaliteitscontrole
Een framework kan ook het volledige AI-werkproces beschrijven in plaats van alleen de eerste prompt. Een praktisch vijfstappenmodel bestaat uit afbakenen, voorbereiden, genereren, controleren en vastleggen. Iedere stap heeft een andere verantwoordelijke activiteit.
Afbakenen: bepalen of AI voor de taak is toegestaan en welk kwaliteitsniveau nodig is. Voorbereiden: bronnen, definities en vertrouwelijkheidsregels vastleggen. Genereren: een concept produceren met passende instructies. Controleren: feiten, cijfers, context en risico’s toetsen aan originele bronnen. Vastleggen: de goedgekeurde uitkomst opslaan volgens de gebruikelijke procedures.
Dit proces past bij teams die structureel AI inzetten en voldoende bewijs willen hebben dat uitkomsten zijn nagekeken. Het voorkomt dat medewerkers AI-antwoorden rechtstreeks opnemen in beslisdocumenten zonder te weten welke stappen al zijn uitgevoerd.
Welk framework past bij welke taak?
De keuze begint bij het doel en de foutimpact. Voor een eenvoudige tekstverbetering is het vierdelige basismodel meestal voldoende. Voor dataverwerking is het bewijs- en onzekerheidsmodel geschikter. Voor een klantgerichte boodschap past het communicatiemodel. Een onduidelijke aanvraag vraagt eerst verduidelijking, terwijl terugkerende bedrijfskritische processen baat hebben bij een volledige kwaliteitscyclus.
De frameworks kunnen gecombineerd worden, maar dat is niet altijd verstandig. Een prompt met veel categorieën kan moeilijk leesbaar worden. Vaak is het effectiever om één model als hoofdkader te kiezen en een aanvullend controlepunt toe te voegen, bijvoorbeeld “noem ontbrekende bronnen”. Er bestaat geen universele beste indeling; het framework moet passen bij de beschikbare informatie en het gewenste besluit.
Een framework in Excel, Teams en Word toepassen
Excel: definities centraal
Voor een omzetanalyse zijn begrippen als netto-omzet, periode en categorie van belang. Een framework helpt om deze definities vooraf op te schrijven. Zonder afspraken over retouren, kortingen of btw kunnen antwoorden logisch lijken maar verschillende rekenmethoden hanteren. De uiteindelijke berekening moet controleerbaar zijn met de oorspronkelijke spreadsheet of een geschikt analysemiddel.
Teams: onderscheid tussen gesprek en besluit
Een framework voor vergadernotities moet het verschil tussen voorstellen, besluiten en actiepunten vastleggen. Een vermelding in een transcriptie is niet automatisch een besluit. Vraag daarom om een afzonderlijk overzicht van openstaande punten en gebruik uitsluitend expliciet genoemde actiehouders. De beschikbaarheid van vergaderinformatie hangt af van functies, instellingen en licenties.
Word: inhoudsbehoud voorop
Bij het redigeren van contractuele of beleidsmatige teksten kan de output mooi ogen terwijl de betekenis verandert. Een framework legt vast welke passages letterlijk behouden moeten blijven en welke onderdelen mogen worden herschreven. Vraag daarnaast om een overzicht van belangrijke inhoudelijke wijzigingen, zodat een beoordelaar het resultaat doelgericht kan controleren.
Valkuilen bij promptframeworks
Een bekende valkuil is het behandelen van een framework als gegarandeerd recept. Modellen kunnen helpen om duidelijke opdrachten te schrijven, maar dwingen Copilot niet tot foutloze uitkomsten. Ook kan een sterke prompt geen document lezen waartoe de gebruikte omgeving geen toegang heeft. Licenties, bronkwaliteit en functionaliteit blijven bepalende randvoorwaarden.
Een tweede valkuil is schijnprecisie. Een opdracht met tientallen voorschriften kan onduidelijk worden wanneer niet is aangegeven welke eisen prioriteit hebben. Schrap redundante regels, vermijd tegenstrijdigheden en verdeel werkzaamheden indien nodig over meerdere stappen.
Een derde valkuil is het negeren van variatie. Gelijke prompts kunnen verschillende uitkomsten opleveren. Een gestandaardiseerde prompt betekent daarom niet dat automatische verwerking zonder controle veilig is. Leg vooral de beoordelingscriteria vast die in alle uitvoeringen hetzelfde moeten blijven.
Frameworks beheren in een organisatie
Een promptbibliotheek werkt het best wanneer ieder template een procesdoel, eigenaar, versie, bronvereisten en evaluatiemoment heeft. Organisaties kunnen beginnen met vijf tot tien veelvoorkomende taken en pas uitbreiden wanneer de meerwaarde zichtbaar is. Een te grote collectie zonder beheer veroorzaakt juist verwarring over welke prompt actueel is.
Bij een template horen ook testgevallen met bekende gewenste uitkomsten. Bijvoorbeeld: herkent een vergadertemplate het verschil tussen een voorstel en een besluit? Wordt een ontbrekende actiehouder inderdaad niet ingevuld? Hoe wordt een tegenstrijdig document behandeld? Dergelijke controles zijn waardevoller dan alleen het beoordelen van een mooie tekst.
Ook instructie over gegevensbescherming is nodig. Een framework mag niet impliciet aanmoedigen om vertrouwelijke informatie in ongeautoriseerde AI-omgevingen te plaatsen. Afspraken over toepasselijke beveiligingsregels, toegangsrechten en controleverantwoordelijkheid moeten onderdeel zijn van de implementatie.
Meetbare verbetering zonder schijnzekerheid
Het succes van een framework kan worden beoordeeld aan de hand van herbewerkingen, totale verwerkingstijd, foutcorrecties en gebruikerservaring. Vergelijk dezelfde werktaak vóór en na invoering, met vergelijkbare bronnen en kwaliteitsvereisten. Houd rekening met de tijd voor controle; een snelle AI-uitkomst die langer gecorrigeerd moet worden levert weinig nettowinst op.
Niet ieder proces is geschikt om sterk te standaardiseren. Creatieve brainstorms hebben meer vrijheid nodig dan financiële rapportages. Frameworks moeten voldoende richting geven zonder bruikbare variatie onnodig te blokkeren.
De verbinding met AI- en Copilot-training
Het kiezen en testen van een framework vraagt praktijkervaring. In de AI- en Microsoft Copilot-trainingen van Cursus Compleet kunnen teams werken met terugkerende bedrijfsopdrachten, verschillende promptmodellen vergelijken en leren hoe brongebruik en menselijke kwaliteitscontrole samenkomen. Daarmee wordt een framework onderdeel van de dagelijkse werkwijze in plaats van een los document met voorbeeldprompts.
Conclusie
Promptframeworks bieden een systematische manier om opdrachten aan Microsoft Copilot duidelijker, beter overdraagbaar en controleerbaarder te maken. Het vierdelige model met doel, context, bron en verwachtingen vormt een breed toepasbaar uitgangspunt. Aanvullende modellen voor analyse, communicatie, verduidelijking en kwaliteitscontrole helpen bij specifieke risico’s. De toegevoegde waarde ontstaat niet door het invullen van een schema alleen, maar door goede bronselectie, passende toetscriteria en bewust gebruik in de praktijk.
