Kijk lang genoeg naar de beste mensen in een team en je ziet dat ze allemaal patronen hebben. Een senior salesmedewerker stapt niet koud een belangrijk gesprek in. Die heeft het laatste gesprek al uit de CRM gehaald, weet wie de echte beslisser aan de andere kant is en herinnert zich de belofte die iemand drie weken geleden deed en die nooit in de notities terechtkwam. Een sterke support lead leest een escalatie niet zoals een junior dat doet. Die pikt de toon op, de accountwaarde, de versiegeschiedenis van het productprobleem, en het kleine signaal dat dit ticket op het punt staat een veel groter probleem te worden. Een finance lead kijkt niet naar de cijfers zoals het dashboard hem voorschrijft. Die weet welke bewegingen ertoe doen, welke ruis zijn, en welke een verhaal nodig hebben voordat de boardmeeting begint.
De meeste bedrijven leunen elke dag op werk dat er precies zo uitziet. Ze noemen het ervaring, gevoel, smaak, institutionele kennis. In de praktijk is het een methode, een specifieke manier van werken die de beste mensen in het team consistent toepassen en die de rest van het team slechts benadert. De AI-bedrijven noemen het inmiddels een skill, en dat is volgens mij precies het juiste woord ervoor.
Ik bouw nu ongeveer een jaar aan de dingen die tegenwoordig skills worden genoemd. Soms was het artefact een map met markdown-bestanden. Soms was het een per-klant intelligence/-directory in een Git-repo met drie lagen (best practices, de manier van het bureau, businesscontext). Soms was het één CLAUDE.md-bestand bovenaan een project dat Claude Code vertelde welke conventies het moest respecteren. Soms was het een brain_feed.md-bestand dat in de system prompt van elke agent binnen een bepaalde scope werd geïnjecteerd. Elke keer zag het artefact er anders uit, maar de functie was identiek. Ik verpakte de methode, los van de agent, los van de data, zodat dezelfde methode consistent toegepast kon worden, ongeacht welk model er op dat moment draaide.
Die ervaring vormt de basis voor iets specifieks dat ik wil beargumenteren. De eerste echte AI-strategie van elk bedrijf zou een skill library moeten zijn. Geen modelkeuze. Geen vendorpartnerschap. Geen chatbot op de website. Een bibliotheek van de methodes die jouw beste mensen gebruiken, goed genoeg opgeschreven zodat elke agent ze kan laden en toepassen. Dat is het bezit dat zich opstapelt. Bijna al de rest is inwisselbare infrastructuur: nodig, maar geen onderscheidend bezit.
Toegang is de makkelijke helft
De meeste teams beginnen hun AI-traject op de toegangslaag. De CRM koppelen. Drive aansluiten. Het warehouse blootleggen. Een Slack-bot toevoegen. GitHub erbij pluggen. Een koppellaag opzetten waarmee agents op je systemen aansluiten; in het vak heet die standaard MCP. De vendors verkopen je dit onderdeel graag, want het is wat zij leveren. En het doet ertoe: een agent zonder toegang gokt maar wat.
Makkelijk is overigens relatief. In Nederland is die toegangslaag regelmatig al een klus op zich, omdat een deel van de softwareleveranciers hier nog geen behoorlijke API, webhooks of documentatie heeft. Maar dat is oplosbaar werk, werk dat een integratiepartij of vendor voor je kan doen. Het is niet het deel waarin jouw bedrijf zich onderscheidt.
Want toegang zonder methode levert een heel specifiek soort mislukking op: het soort dat het lastigst te herkennen is en het snelst ongemerkt de deur uitgaat. De agent leest elke salesnotitie in Salesforce en mist toch de kern van de deal. Hij doorzoekt elk supportticket en kan toch niet zeggen welk account op het punt staat te churnen. Hij opent elk productdocument en produceert een productplan dat goed klinkt maar de eigenlijke beslissing mist. De output ziet er competent uit. Het is ook precies het gemiddelde van alles wat ooit over het onderwerp is geschreven, waar dan ook op het internet. Dat is wat een model zonder methode oplevert als je het vraagt om vakwerk te doen.
De skill library dicht dat gat. Het is het deel van je bedrijf dat uitlegt hoe je dit soort werk doet, los van de data die het voedt en los van het model dat het draait.
Een skill is geen prompt
Een prompt is wat je de agent nu vertelt. Het geldt maar voor één moment. Een skill is wat je de agent elke keer vertelt dat dit soort werk zich voordoet. Het is een herhaalbare methode.
De vorm van een skill staat niet vast. In de versie van Anthropic is het een map met bovenaan een SKILL.md-bestand, optionele ondersteunende bestanden (checklists, templates, scripts, voorbeelden), en een manifest dat de agent vertelt wanneer hij het moet laden. Andere systemen komen op andere vormen uit, maar de inhoud is hetzelfde. Een skill bundelt instructies, voorbeelden, templates, de checklist die een senior zou doorlopen, de vuistregels die iedereen op de harde manier leert, de edge cases waar de ervaren persoon op let, en de kwaliteitslat die ze aan het einde verwachten.
De Google Ads brain feed die ik vorige maand voor een klant bouwde, was in feite een skill, ook al heette hij zo niet. Een brain feed is een kennisbestand dat elke agent binnen een afgebakend werkgebied als eerste laadt, nog voordat hij aan de slag gaat. Deze bundelde de catalogussamenvatting, de brand share-tabel, het overzicht van welke productspecificaties gevuld waren, de launch-ready percentages per asset group, en de vuistregels over welke merken in Performance Max-campagnes konden en welke uitgesloten moesten worden. Elke agent die binnen de SEA-scope van dat project opereert, laadt die brain feed voordat hij iets anders doet. Het eerste wat de agent doet, nog voor hij een enkele headline schrijft, is checken wat de data zegt over welke USP's claim-safe zijn. Dat is de skill in actie. Het model heeft het nooit bedacht. Het model zou het nooit bedenken, omdat het model niet weet welke feedvelden ontbreken in die specifieke catalogus.
Connectoren zijn context, skills zijn beoordelingsvermogen
Zodra je de twee lagen splitst, wordt de juiste strategie een stuk duidelijker. Connectoren geven de agent context. Skills geven de agent beoordelingsvermogen.
Een connector kan de hele Salesforce-instantie blootleggen. Hij kan de agent niet leren hoe jouw team een forecast review draait. Een Drive-integratie kan elk document op de gedeelde drive teruggeven. Ze kan de agent niet vertellen welke oude boarddeck de moeite waard is om te kopiëren en welke de versie is waarin de CFO het jaar fout had en het bedrijf besloot die nooit meer te gebruiken. De MCP-server die je voor je product levert, geeft een agent de mogelijkheid om je tool aan te roepen. Dat leert de agent op zichzelf niet wanneer hij je tool moet aanroepen, welke van de mogelijkheden van je tool hij moet gebruiken, en hoe hij moet interpreteren wat er terugkomt.
| De connector geeft (context) | De skill geeft (beoordelingsvermogen) |
|---|---|
| Alle salesnotities van het account | De volgorde waarin jouw beste accountmanager een renewal voorbereidt, en het risico dat hij als eerste checkt |
| Elk document op de gedeelde drive | Welke boarddeck als voorbeeld dient en welke versie nooit meer gebruikt wordt |
| Elk supportticket met volledige historie | De escalatielogica die bepaalt welk ticket vandaag nog aandacht verdient |
| Toegang tot je tool via een MCP-server | Wanneer de agent die tool aanroept, met welke opties, en hoe hij het antwoord interpreteert |
Skills zitten tussen de connector en de actie. Zij zijn het deel dat zegt: "als je dit soort werk doet, volg dan deze volgorde, check dit eerst, let op dit faalpatroon dat ons al drie keer heeft betrapt, en zo hoort de output eruit te zien." Dat is het deel dat de meeste bedrijven niet hebben opgeschreven. Dat is ook het deel dat, als ze het wel opschrijven, maand na maand opstapelt tot een operationeel voordeel dat concurrenten niet kunnen kopiëren door hetzelfde model te adopteren.
Het patroon is ouder dan AI
Ik merk steeds weer dat dit geen nieuwe vorm is. Software klimt al een halve eeuw hoger op de abstractieladder, en elke generatie verpakte een andere laag expertise in iets herbruikbaars.
Unix-commando's maakten nuttige bewerkingen herbruikbaar. Shell scripts maakten reeksen herbruikbaar. Libraries maakten code herbruikbaar. API's maakten services herbruikbaar. Workflows maakten bedrijfsprocessen herbruikbaar. Skills maken beoordelingsvermogen herbruikbaar. De progressie is logisch. Elke stap verpakte een laag menselijk werk en maakte die laadbaar in wat er dan ook draaide.
Wat in deze laatste stap veranderde, is niet de wens om te verpakken: het is de uitvoerder. Tientallen jaren lang, zelfs nadat je het draaiboek had opgeschreven, moest een mens het nog steeds lezen, interpreteren en toepassen. Dat knelpunt valt nu weg. Een agent kan het draaiboek laden, tools aanroepen, bestanden inspecteren, scripts draaien, zijn werk controleren, en doorgaan. Het draaiboek is niet langer alleen een document: het wordt actief. Dat is het deel dat aandacht verdient.
De beste skills blijven privé
Publieke skill marketplaces zijn in opkomst. Een deel van wat ze aanbieden zal nuttig zijn, vooral het generieke werk: "hoe schrijf je een tweet", "hoe formatteer je een CSV", "hoe leg je een regex uit". De meeste van die skills zijn niet meer dan commodity, en het ligt voor de hand dat de labs daar gratis versies van uitbrengen.
De skills die er echt toe doen voor jouw bedrijf zijn de skills die niemand anders je kan leveren, omdat ze jouw specifieke manier van werken vastleggen. De precieze lens die jouw salesteam gebruikt om deals te kwalificeren. De escalatielogica die jouw supportmanager toepast en die niemand anders op de vloer heeft geïnternaliseerd. De stem die jouw merk gebruikt, de toon van jouw boardupdates, het format dat je gebruikt voor incident postmortems, de juridische fallbackposities die je in vijf jaar contractreviews hebt uitonderhandeld. Niets daarvan staat in de publieke skill marketplace, en het is onwaarschijnlijk dat dat ooit gebeurt, want het is precies wat concurrenten niet kunnen downloaden.
Een generieke agent komt bij jouw bedrijf aan met brede kennis van sales, support, finance en engineering. Wat hem tot een nuttige collega maakt, is het leren van de specifieke zaken: het proces, de beslissingen, de lessen die jouw team heeft opgebouwd. Die specifieke zaken zijn jouw skill library, of je ze nu al hebt opgeschreven of niet.
Voor wie dit nu interessant is, en voor wie nog niet
De vraag die een directeur hierbij hoort te stellen is niet "moeten wij dit bouwen", maar "wat levert dit op en wanneer". Het eerlijke antwoord hangt af van hoe jouw kenniswerk georganiseerd is.
Een skill library loont nu al voor bedrijven waar meerdere mensen hetzelfde soort kenniswerk doen en de beste aantoonbaar beter presteert dan de rest. Denk aan B2B-salesteams, supportorganisaties, bureaus, financeteams, softwarebedrijven, e-commerceteams die wekelijks dezelfde analyses draaien. Overal waar een senior een junior nog moet inwerken, ligt materiaal voor een skill. De winst zit niet in één spectaculair moment maar in consistentie: het werk dat vroeger alleen goed ging als die ene drukbezette persoon ernaar keek, kan vaker en op een constanter niveau draaien.
Voor een zzp'er of een bedrijf van vijf man waar alle kennis in één hoofd zit en diegene het werk zelf uitvoert, is dit minder urgent. Niet zinloos, want een opgeschreven methode is ook gewoon je inwerkdocument voor de eerste nieuwe collega, maar het rendement is kleiner zolang er niemand anders is die de methode hoeft toe te passen.
En voor Nederlandse bedrijven specifiek: de AI-adoptie loopt hier achter op de Amerikaanse markt, en dat is in dit geval geen reden om te wachten. Een skill library bouwen vraagt geen toegang tot het allernieuwste model en geen groot implementatietraject. Het is vooral opschrijven, testen en bijschaven, en het resultaat wordt waardevoller naarmate de agents om je heen beter worden. Het is een van de weinige AI-investeringen die je nu kunt doen zonder gok op welke vendor er over twee jaar wint.
Waar te beginnen, en wat je niet eerst moet doen
Als ik met een team zou zitten dat dit serieus wil aanpakken, zou de eerste zet niet zijn om een vendor te kiezen. Niet om een model te kiezen. Niet om een MCP-server op te zetten. De eerste zet is het in kaart brengen van het werk.
Zoek de vijf of zes workflows waarin ervaren mensen in jouw team consistent beter presteren dan de rest. Voorbereiding van een salesgesprek. Synthese van klantonderzoek. Triage van supportescalaties. Productplannen schrijven. Incident postmortems. Contractreview. Forecast review. Launch briefs. Concurrentieanalyse. Release notes. Geen van deze is "de baan". Ze zijn alles wat om de baan heen zit, en juist daar beslist zich of het resultaat goed of uitstekend is.
Ga dan in gesprek met de persoon in het team die elk van deze workflows het best beheerst, en stel de saaie vragen. Waar kijk je als eerste naar? Wat zien anderen over het hoofd? Welke voorbeelden vormen jouw aanpak? Welke fouten probeer je specifiek te vermijden? Hoe ziet succes er uiteindelijk uit?
De antwoorden zijn het ruwe materiaal voor een skill. Zet ze om in een markdown-bestand. Laat de skill een paar echte taken uitvoeren. Itereer erop. Houd de oorspronkelijke eigenaar dicht bij het werk zodat de skill accuraat blijft naarmate het bedrijf verandert. Drie of vier skills die op deze manier gebouwd zijn, zijn meer waard dan 50 generieke die van een marketplace zijn geplukt.
Wat de strategie eigenlijk is
Mijn inschatting is dat veel bedrijven de komende twee jaar vooral bezig zullen zijn met het vergelijken van modelbenchmarks en het overstappen naar een nieuwe vendor zodra die bovenaan de leaderboard staat. Dat is de verkeerde graadmeter om op te sturen. Het model is het substraat. Het wordt beter of je nu iets doet of niet.
Het bezit dat zich binnen jouw bedrijf opstapelt, is de bibliotheek van methodes die je goed genoeg hebt opgeschreven zodat elke agent ze kan laden en toepassen. Die bibliotheek is wat ervoor zorgt dat een agent die op dinsdagochtend op Claude draait, dezelfde call brief oplevert die jouw beste accountmanager geschreven zou hebben, in plaats van de gemiddelde salesbrief die het model op het internet heeft gelezen. Die bibliotheek zorgt ervoor dat een junior medewerker die jouw supportescalatie-skill gebruikt, tickets triageert zoals de senior die de skill heeft opgesteld dat zou hebben gedaan. Die bibliotheek is wat ervoor zorgt dat de boardupdate van een finance analist klinkt als de update die de CFO de afgelopen zes kwartalen heeft goedgekeurd, niet als de update die een verse LLM helemaal opnieuw zou hebben gegenereerd.
Elk bedrijf heeft een manier van werken. Het grootste deel daarvan is onzichtbaar, leeft in de hoofden van mensen, verspreid over Slack en oude decks en onboardinggesprekken. Skills maken die manier van werken zichtbaar. Skill libraries maken die herbruikbaar. Jouw bedrijf heeft al skills: je hebt ze alleen nog niet verpakt.
Wil je een tweede paar ogen op welke methodes van jouw team het eerst de moeite waard zijn om te verpakken, stuur me dan een bericht. Mail info@jermayads.nl of gebruik jermayads.nl/contact.