AI consultant prompt: skills, remote werken en locatie

Wat "AI consultant prompt" eigenlijk betekent voor je bedrijf

Zoek je een AI consultant, dan loop je al snel tegen een mengelmoes van rollen, locaties en vaardigheden aan. Prompt engineering is daar een van, en het is het minst zichtbare deel van het werk terwijl het het meeste bepaalt of een project werkt. Een AI consultant prompt-aanpak is niet "iets typen in ChatGPT". Het is het ontwerpen van instructies die een model precies genoeg sturen om zelfstandig door te werken, zonder dat het blijft hangen in vragen of juist dingen doet die niemand vroeg. Wij zien het verschil dagelijks: dezelfde taak, met een matige prompt loopt een agent na twee stappen vast, met een doordachte prompt rondt hij het werk af en levert iets op dat je kunt beoordelen.

Dat is meteen waarom dit een vergelijking is en geen wervende tekst. We zetten remote tegenover lokaal, Wenen en Quebec tegenover een consultant op afstand, en prompt-vaardigheid tegenover de rest van het cv. Aan het eind weet je waar je op moet letten voor je een handtekening zet.

Waarom prompting nu zwaarder weegt dan een jaar geleden

OpenAI publiceerde deze week een uitgebreide prompting-gids voor GPT-6 Astra, het model achter een groot deel van de nieuwe coding- en taakagents. Dat document is op zichzelf al het bewijs dat prompting een vak is geworden. OpenAI beschrijft precies wanneer het model te veel vraagt in plaats van door te werken, en geeft ontwikkelaars kant-en-klare instructies om dat gedrag te sturen: een expliciete opdracht om de intentie van de gebruiker af te leiden uit de context, en pas om goedkeuring te vragen nadat er al een concreet, controleerbaar resultaat ligt. Diezelfde gids bevat een lijst geblokkeerde woorden en stijlregels om het model uit zijn standaard opsommingsformat te trekken en gewoon lopende tekst te laten schrijven, in actieve zinnen in plaats van lijstjes met vette koppen.

Dat soort documentatie bestaat niet toevallig. Mario Zechner, de ontwikkelaar achter het open source agent-project Pi, vertelde TechCrunch dat de grote sprong in coding-agent capaciteit tussen april en oktober 2025 kwam doordat Claude Code standaard alle sessies opsloeg en gebruikte voor training. Prompting, het gebruik ervan en de data die daarbij vrijkomt, horen dus bij elkaar. Een AI consultant die dat verband niet kan uitleggen, kan vaak ook niet uitleggen waarom zijn eigen prompts wel of niet werken, en dat merk je pas als het project al loopt.

Kijk ook naar de kleinere details in de gids van OpenAI, want die verraden hoeveel er inmiddels bekend is over het gedrag van deze modellen. Het bedrijf raadt aan om zinnen als "kun je", "ik wil" of "help me" te laten lezen als een opdracht om te handelen, niet als een uitnodiging om terug te vragen. En als het model toch stopt of om toestemming vraagt terwijl dat niet nodig was, moet het letterlijk kunnen aanwijzen welk instructiebestand en welke regel daarvoor zorgde. Dat is een heel ander niveau van precisie dan "typ een goede prompt en probeer het nog eens", en het is precies het niveau waarop een consultant zijn eigen werk zou moeten kunnen verantwoorden.

Kun je een AI consultant remote inhuren, of moet iemand op locatie zitten

Voor bijna al het technische werk is remote inmiddels de norm, niet de uitzondering. Prompt engineering, agent-configuratie en integraties gebeuren via een scherm, een repository en een paar geplande calls. Een AI consultant remote inhuren werkt net zo goed als iemand fysiek naast je zetten, zolang er structuur staat: een vast overlegmoment per week, toegang tot dezelfde tools en omgevingen, en documentatie die op een gedeelde plek terug te vinden is, ook als die persoon een week op vakantie is.

Waar locatie nog wel iets uitmaakt: workshops met meerdere afdelingen tegelijk, weerstand bij een team dat wantrouwig is over AI, en trajecten waarin je in korte tijd draagvlak moet bouwen bij mensen zonder technische achtergrond. Daar helpt een paar dagen fysiek aanwezig zijn meer dan tien video-calls, gewoon omdat lichaamstaal en een informeel gesprek bij de koffieautomaat sneller vertrouwen opbouwen dan een scherm. Voor de rest van het traject, van prompt-ontwerp tot het testen van agents op edge cases, is remote inmiddels de standaard en geen compromis waar je apart toestemming voor hoeft te vragen.

Een praktische vuistregel: als de kern van het werk uit code, prompts en configuratie bestaat, hoort de consultant remote te kunnen werken. Als de kern van het werk uit het overtuigen van mensen bestaat, weegt aanwezigheid zwaarder.

Wat wij daarbij belangrijk vinden: een gedeelde repository met versiebeheer op de prompts zelf, zodat je kunt zien wie welke regel wanneer heeft aangepast en waarom. Zonder dat overzicht werkt een remote traject net zo slecht als een lokaal traject waarbij niemand notities maakt. Met dat overzicht maakt het voor de kwaliteit van het werk weinig uit of de consultant in dezelfde stad zit of drie tijdzones verderop, zolang de kalender met terugkerende overleggen strak staat.

Wenen, Quebec of gewoon een goede tijdzone

Zoekopdrachten naar een AI consultant in Wenen of een AI consultant in Quebec komen meestal voort uit dezelfde vraag: is er iemand die de lokale taal, cultuur en regelgeving kent, of maakt dat niet uit voor dit soort werk? Ons antwoord: het maakt minder uit dan de zoekopdracht suggereert, en meer uit op andere punten dan de meeste mensen verwachten.

Factor	Lokaal, bijvoorbeeld Wenen of Quebec	Remote, willekeurige locatie
Tijdzone-overlap	Meestal vanzelf goed binnen Europa of Oost-Canada	Moet je actief checken voor je tekent
Taal en cultuur	Vertrouwd, makkelijker bij workshops op locatie	Moet je expliciet afspreken
Prijs	Vaak hoger door lokale tarieven	Vaak lager, maar niet altijd
Beschikbaarheid van specialisten	Beperkt tot de lokale markt	Wereldwijde pool om uit te kiezen
Snelheid van opstarten	Sneller via informeel, lokaal contact	Vraagt een duidelijkere kickoff-afspraak

Wenen en Quebec zijn allebei markten met relatief weinig gespecialiseerde AI consultants ten opzichte van de vraag die er nu is. Dat betekent wachttijd, of een consultant die breder inzetbaar moet zijn dan je eigenlijk zoekt. Een consultant die remote werkt vanuit een tijdzone met minstens vier uur overlap met jouw kantoor, is in de praktijk vaak sneller beschikbaar en net zo goed bereikbaar voor dagelijks contact als iemand twee straten verderop. Wat niet flexibel is: de taal waarin je workshops, documentatie en interne communicatie nodig hebt. Vraag dat expliciet na, ongeacht waar de consultant zit.

De skills die je checkt voor je tekent

De term ai consultant skills wordt te vaak ingevuld met een lijst tools en certificaten. Tools veranderen elk kwartaal, dus die lijst is over zes maanden waardeloos. Vraag in plaats daarvan naar dit, en let op hoe concreet het antwoord is:

• Kan de consultant een voorbeeldprompt laten zien voor een taak die lijkt op die van jou, en uitleggen waarom hij die precies zo heeft opgebouwd.
• Heeft de consultant een manier om te testen of een agent zijn taak echt heeft afgerond, in plaats van te vertrouwen op wat het model zelf zegt dat het heeft gedaan.
• Begrijpt de consultant wat er met jouw data gebeurt zodra die door een extern model loopt, en kan hij dat in gewone taal uitleggen zonder naar de kleine lettertjes te wijzen.
• Kent de consultant de zwakke plekken van het model dat hij inzet, inclusief bekende manieren waarop het van zijn instructies kan worden afgebracht.
• Kan de consultant een project overdragen aan jouw team zonder dat alles bij hem blijft hangen.

Dat laatste punt onderscheidt een consultant van een afhankelijkheid. Bij onze AI diensten bouwen we daarom altijd toe naar documentatie en prompts die jouw mensen zelf kunnen aanpassen, niet naar een systeem dat alleen wij kunnen openen. Een consultant die daar geen antwoord op heeft, verkoopt zichzelf een langer contract, niet jouw bedrijf een oplossing.

De manier om dit te testen zonder meteen een jaarcontract te tekenen, is een korte, betaalde proefopdracht van een tot twee weken op een taak die er echt toe doet, niet een demo op verzonnen data. Geef de consultant een taak zoals het triageren van binnenkomende support-tickets of het samenvatten van contracten, en beoordeel drie dingen: hoe de prompt is opgebouwd, hoe duidelijk hij is over wat het systeem wel en niet aankan, en of jouw eigen team na afloop begrijpt hoe het werkt zonder een nieuw gesprek nodig te hebben.

Wat een doordachte prompt-aanpak in de praktijk oplevert

Neem een simpel voorbeeld: een inkoopmedewerker die drie uur per week besteedt aan het overtypen van pakbonnen in een inkoopsysteem. Een matige prompt levert een script op dat de helft van de gevallen goed afhandelt en de rest doorstuurt naar een mens, zonder dat iemand weet welke helft dat gaat worden. Een doordachte AI consultant prompt beschrijft expliciet wanneer het model moet doorwerken, wanneer het moet stoppen, en welk bewijs het moet tonen voordat iemand het resultaat goedkeurt. Dat is precies het onderscheid dat OpenAI in zijn eigen gids maakt tussen te snel om bevestiging vragen en juist te veel aannames doen.

Het verschil zit niet in het model. Hetzelfde model, met een prompt die duidelijk maakt wat "klaar" betekent en wat "onzeker, vraag het na" betekent, gaat van een tool die voortdurend toezicht nodig heeft naar een tool die toezicht verdient omdat het al werk aflevert dat je in een paar minuten kunt controleren. Dat is het werk waar een AI consultant voor betaald wordt: de laag rond het model schrijven die bepaalt of het bruikbaar is voor iemand die geen tijd heeft om alles na te lezen.

De risico's die een slechte prompt-aanpak erbij haalt

Twee recente voorbeelden laten zien waarom dit geen theoretische discussie is. GPT-6 Astra, net gelanceerd door OpenAI, was volgens meldingen op Reddit binnen 24 uur te kraken met een uitgebreide Task-in-Prompt-aanval: een techniek uit een ACL 2025-paper, gecombineerd met vier andere methoden. Een model dat op papier veilig is getest, kan dus alsnog worden overgehaald om zijn instructies te negeren als een prompt daar ruimte voor laat. Een consultant die alleen de standaardinstellingen van een model kent en nooit naar dit soort meldingen kijkt, ziet dat gat niet aankomen voor het te laat is.

Het tweede voorbeeld gaat over data. Meta biedt voor zijn nieuwe Muse Spark-model een korting die gemiddeld op ongeveer 95% uitkomt voor klanten die hun prompts en output delen voor trainingsdoeleinden: 10 cent in plaats van 1,25 dollar per miljoen inputtokens, 20 cent in plaats van 4,25 dollar per miljoen outputtokens. Princeton-hoogleraar Arvind Narayanan wijst erop dat grote bedrijven juist daarom vaak vasthouden aan duurdere, tokengefactureerde enterprise-plannen in plaats van consumentenabonnementen die tien tot twintig keer goedkoper zijn: de reden is bijna altijd dat die goedkopere plannen minder controle geven over waar de data terechtkomt. Een AI consultant die een goedkope optie voorstelt zonder dat gesprek te voeren, bespaart je geld op de factuur en geeft tegelijk iets van je bedrijf weg dat je niet terugkrijgt.

Deze twee voorbeelden hangen samen. Hoe beter een consultant een model weet te sturen met prompts, hoe minder hij hoeft te leunen op trainingsdata om resultaten te krijgen, en hoe minder reden er is om jouw prompts en output op een goedkoop, gedeeld plan te laten lopen.

Dit is ook meteen waarom "we gebruiken het nieuwste model" geen antwoord is op de vraag of een aanpak veilig is. Elk nieuw model krijgt binnen dagen nieuwe aanvalstechnieken te verwerken, en de prijsstructuur eromheen verandert net zo snel: Anthropic verlaagde deze week de kosten voor gecachte tokens bij zijn nieuwe Fable- en Mythos-modellen, en OpenAI deed eind juli al iets vergelijkbaars met een forse prijsverlaging. Een consultant die zijn advies baseert op prijzen en beveiligingsinformatie van een half jaar geleden, werkt met verouderde aannames in een omgeving die van maand tot maand verschuift.

Freelancer, boutique of groot bureau: wat verandert er in de prompt-aanpak

De keuze tussen een freelance AI consultant, een klein boutiquebureau en een groot adviesbureau raakt dezelfde vraag als remote versus lokaal: waar zit de vaardigheid, en hoe controleer je die voor je tekent. Een freelancer werkt vaak met zijn eigen, opgebouwde bibliotheek aan prompts en test-scripts, en is daardoor sneller op te starten, maar valt weg bij ziekte of een volgend project. Een groot bureau heeft meer capaciteit achter de hand, maar de persoon die de intake doet, is zelden dezelfde persoon die de prompts schrijft. Vraag daarom altijd wie de daadwerkelijke prompt-engineering doet, niet wie het contract ondertekent.

Een klein, gespecialiseerd team zit er meestal tussenin: genoeg mensen om ziekte op te vangen, klein genoeg dat de consultant die het intakegesprek voert ook zelf aan de prompts werkt. Dat scheelt een laag ruis tussen wat je afspreekt en wat er wordt gebouwd, ook al blijft kwaliteit iets wat je apart moet checken. Vraag naar de naam en achtergrond van de persoon die het werk echt gaat doen, ongeacht de grootte van het bureau.

Een aanbieding vergelijken voor je tekent

Leg twee offertes van een AI consultant naast elkaar en vraag naar precies deze punten, ongeacht of het om een consultant in Wenen, Quebec of volledig remote gaat:

• Laat een prompt zien die hij eerder heeft geschreven, met uitleg waarom die zo is opgebouwd, niet alleen het eindresultaat dat eruit kwam.
• Vraag welk model hij standaard gebruikt en waarom, en of hij weet welke jailbreak- of promptinjectietechnieken daar recent voor zijn gemeld.
• Vraag expliciet wat er met je prompts en output gebeurt: gaan die naar de modelaanbieder voor training, en tegen welke prijs geldt dat wel of niet.
• Vraag hoeveel van het werk na oplevering bij jouw team blijft liggen, en hoeveel bij de consultant.
• Vraag om een tijdlijn met een concreet, controleerbaar tussenresultaat binnen de eerste twee tot drie weken, niet alleen een einddatum over drie maanden.

Wie deze vijf punten scherp beantwoordt, kent het vak van binnenuit. Wie uitwijkt naar tools, certificaten of algemene beloftes over efficiëntie, verkoopt een idee van AI consulting en niet de praktijk ervan. Het verschil tussen die twee zie je pas terug op de dag dat een agent zelfstandig een taak moet afronden, en dan is het te laat om er nog naar te vragen.