Bijna iedereen die AI gebruikt, doet het op dezelfde manier: je loopt vast op een mailtje of een stuk tekst, opent een chatvenster, typt een vraag, plakt het antwoord en sluit het tabblad weer. Reactief, hap-snap, elke keer vanaf nul. Op Medium en LinkedIn duikt nu een tegengeluid op onder de noemer “personal AI enablement system” of “persoonlijk AI-systeem”: stop met dat losse vragen, en richt in plaats daarvan één vaste opzet in die jou kent. Klinkt als weer een productiviteits-hype. Maar er zit een echte verschuiving onder, en de bouwstenen ervoor zijn de afgelopen maanden gewoon ingebouwd in de tools die je waarschijnlijk al hebt.
Waarom dit nu opkomt
Het gebruik van AI op de werkvloer is geen niche meer. De trend zet door: in mei 2026 zei 52% van de werkende Amerikanen AI minstens een paar keer per jaar voor het werk te gebruiken. Dagelijks gebruik groeit mee: 15% gebruikt AI elke dag, 30% een paar keer per week of vaker (Bron: Gallup, actuele indicator). Dat bouwt voort op een enquête onder ruim 23.000 werknemers in februari 2026 die al liet zien dat de helft van de Amerikaanse werknemers AI was gaan gebruiken, tegen 46% een kwartaal eerder (Bron: Gallup) — een doorgaande beweging, geen losse uitschieter.
Tegelijk laat datzelfde onderzoek de keerzijde zien. Werknemers boeken winst vooral op losse klusjes: een tekst opstellen, een lang document samenvatten, ideeën genereren. Maar slechts ongeveer een op de tien vindt dat AI fundamenteel heeft veranderd hóe het werk gedaan wordt. De winst blijft hangen op het niveau van de losse taak en zakt niet door naar het werkproces eronder.
Dat is geen Amerikaans verschijnsel. Nederlands onderzoek van TNO komt tot dezelfde nuchtere conclusie: AI maakt werk sneller, maar die tijdwinst wordt pas productiviteit als je bewust kiest wat je met de gewonnen tijd doet (zie onze TNO-analyse). En de keerzijde heeft inmiddels een naam: “botsitting”, het corrigeren en bijsturen van AI, kost kantoorwerkers gemiddeld al 6,4 uur per week. Een systeem dat de AI vooraf beter instrueert, is precies een poging om die bijstuur-tijd terug te dringen.
Precies in dat gat past het idee van een persoonlijk systeem. Als je elke keer opnieuw moet uitleggen wie je bent, voor welk bedrijf je schrijft en in welke toon, dan blijft AI een handige losse hulp. Leg je dat één keer vast, dan wordt diezelfde hulp herhaalbaar en betrouwbaarder. Het is dezelfde gedachte als bij AI als studiehulp: de waarde zit in een manier van werken die je volhoudt, niet in één slim antwoord.
Wat “een systeem” eigenlijk is
Verwacht geen apart product dat je installeert. Een persoonlijk AI-systeem is een manier van inrichten, opgebouwd uit drie bouwstenen die al in ChatGPT en Claude zitten.
De eerste zijn vaste instructies. In de instellingen van ChatGPT (en als systeemprompt in een Claude-project) leg je één keer neer wie je bent en hoe je antwoorden wilt: “Ik werk in de zorg, schrijf in helder Nederlands, geen Engelse vaktermen, en geef bij elk advies de bron.” Die regels gelden dan voor elk gesprek, zonder dat je ze herhaalt. Het is in feite een vaste prompt die altijd meedraait; wil je scherper formuleren, dan helpt onze gids goede prompts schrijven voor AI.
De tweede is geheugen. ChatGPT slaat losse feiten over je op (je rol, je voorkeuren, lopende projecten) en gebruikt die in nieuwe gesprekken. Het scheelt dat je niet in elk chatje opnieuw je situatie hoeft te schetsen. Dat geheugen wordt bovendien slimmer: OpenAI verving het onlangs door een systeem dat herinneringen zelf bijwerkt, wat we beschreven in ChatGPT krijgt nieuw geheugen.
De derde zijn projectmappen. Zowel ChatGPT als Claude laten je gesprekken bundelen rond één onderwerp, met eigen instructies en eigen documenten. Zet je daar een handboek, een huisstijlgids of een set voorbeelden in, dan kan de AI daar telkens uit putten. Bij Claude blijft die context netjes binnen het project en lekt hij niet naar je andere werk (Bron: Anthropic).
Beginner-tipJe hoeft niet alles tegelijk in te richten. Begin met één ding: vul je vaste instructies in met drie zinnen over wie je bent en hoe je wilt dat de AI antwoordt. Dat merk je al de volgende keer dat je iets vraagt, en het kost je vijf minuten.
”In een weekend” — wat realistisch is
De artikelen die dit idee aanjagen, beloven graag een compleet systeem “in een weekend”. Dat is haalbaar, maar het is ook een prettige verkooptruc: een weekend klinkt als een afgebakend, overzichtelijk project. In de praktijk bouw je het niet in twee dagen af, je zet het in twee dagen op en breidt het daarna maandenlang uit.
Een nuchtere volgorde voor dat eerste weekend: schrijf je vaste instructies (een halfuur), maak twee of drie projectmappen voor je terugkerende taken zoals klantmail, rapportages of research (een uur), en zet in elke map de documenten die je telkens nodig hebt. Daarna is het een kwestie van gebruiken en bijschaven. Merk je dat de AI in een bepaalde toon steeds de plank misslaat, dan pas je de instructie aan. Zo groeit het systeem mee met je werk.
GevorderdenDe winst van projectmappen zit in het scheiden van contexten. Eén map met je schrijfstijl en eerdere stukken levert consistenter werk op dan één grote bak waarin alles door elkaar staat. Houd per map de instructie smal en concreet; een systeemprompt die alles tegelijk wil, wordt vaag en presteert slechter dan drie scherpe.
De grens: handig, geen autopilot
Een systeem dat je context kent, voelt al snel als iets dat “het zelf wel regelt”. Dat is precies waar je moet oppassen. Hetzelfde Gallup-onderzoek wijst erop dat AI op individueel niveau helpt, maar dat organisaties hun werkprocessen er nog nauwelijks omheen hebben heringericht. De techniek loopt voor op de manier waarop we ermee werken, en dat betekent dat de controle bij jou blijft liggen.
Twee concrete grenzen. Loop af en toe na wat het geheugen over je heeft opgeslagen; in ChatGPT kun je dat inzien, aanpassen en wissen (Bron: OpenAI). En wees kritisch op wat je in een projectmap zet. Bedrijfsgevoelige stukken of persoonsgegevens horen niet zomaar in een consumentenversie van een chatbot. Check eerst wat je werkgever toestaat en of de dienst je data voor training gebruikt. Dezelfde vuistregel die we eerder beschreven bij wat je beter niet in een chatbot zet geldt hier dubbel, want een projectmap nodigt uit om er véél in te kieperen.
Heb jij het nodig?
Eerlijk antwoord: het hangt ervan af hoe vaak je AI gebruikt. Hoor je bij de 15% die het dagelijks aanraakt, dan verdient een halfuur inrichten zich snel terug — je stopt met steeds dezelfde uitleg typen. Gebruik je het een paar keer per maand voor losse klusjes, dan is een uitgebreid systeem overkill en haal je meer uit goede losse vragen.
De bredere les is dat de gereedschappen volwassener worden dan de manier waarop de meesten ze gebruiken. Het geheugen, de projecten en de vaste instructies liggen klaar; ze zijn alleen onzichtbaar als je ze nooit opzoekt. Voor wie van AI meer wil dan incidentele hulp, is er geen nieuwe tool nodig — alleen de tool die je al hebt, één keer goed leren kennen. Zo’n groeiproces duurt maanden, geen enkel weekend — een geleidelijke opbouw, geen blauwdruk die je in één keer afvinkt.