Veel marketeers en bouwers lopen nu met dezelfde vraag rond: AI doet zoveel van het werk, hoe val ik straks nog op voor de volgende klant, de volgende opdracht, de volgende kans?
Het is een terechte zorg, maar hij wijst de verkeerde kant op. Je waarde is niet gewist, hij is verplaatst.
Zodra een tool binnen enkele seconden de brief schrijft, de code opzet en de audit draait, zakt de prijs van het uitvoeren van bekende expertise naar bijna nul. Wat overblijft zijn de dingen die AI niet voor je doet.
Ergens zit iemand vast op een probleem dat jij kunt oplossen. Die persoon zoekt niet de slimste specialist die er is, maar iemand die begrijpt waar hij zit en hem eruit helpt.
De vier stappen waarvan de meesten er drie overslaan
De mensen die winnen, doorlopen steeds dezelfde vier stappen:
- Begrijp het echte probleem, niet het makkelijke.
- Leef mee, in de taal en de angst die iemand echt heeft.
- Leg de oplossing in simpele woorden uit, zodat iemand ziet hoe je gaat helpen nog voordat hij betaalt.
- Lever met geproductiseerde expertise: de skills en systemen die je hebt gebouwd, zodat het resultaat betrouwbaar is en niet elke keer een heldendaad.
De meeste aandacht gaat naar die laatste stap, de slimme tool, en de eerste drie worden overgeslagen. Terwijl AI juist die vierde stap allang kan: een competente oplossing genereren. Wat een model niet doet, is het probleem achter het probleem horen en de weg vooruit zo uitleggen dat een nerveuze klant weer opgelucht ademhaalt.
Waarom je je werkwijze beter kunt publiceren
Je kennis openbaar delen, lesgeven en bouwen levert je meer op dan haar achterhouden. Mensen gaan erop vertrouwen dat je kunt helpen nog voordat je een factuur, een cv of een contract stuurt.
Zo werk ik zelf ook. Ik zet mijn Google Ads-scripts open op internet, ik schrijf deze blogs uit, en ik deel de werkwijzen die ik voor klanten gebruik. Niet omdat ik van mijn geheimen af wil, maar omdat het delen ervan vertrouwen oplevert. Dezelfde gedachte zit in de softwarelaag die je om een model heen bouwt: schaars is niet het model of de tool, maar de laag eromheen die van jou is.
Train ik dan niet mijn eigen vervanger?
Nee. Je kunt niemand automatiseren wiens echte vaardigheid het is om mensen te begrijpen en de volgende oplossing te maken. Een gepubliceerde skill is een momentopname van wat je gisteren wist. Het begrip waarmee je morgen het volgende probleem oplost, kopieert niemand.
Wat je deze week kunt doen
Pak één probleem waarvan je weet dat mensen ermee worstelen. Schrijf op hoe je de oplossing aan een slimme vriend zou uitleggen, in gewone woorden. Giet die ene werkwijze in een skill: een Claude Skill, een GPT, een MCP-server, een script of een template. Publiceer die twee deze week allebei, zonder er iets voor te vragen. Hoe je zo'n bibliotheek opbouwt, schreef ik uit in je eerste AI-strategie is een skill library.
Wat je weet is minder schaars geworden. Hoe snel je een echt probleem doorziet, het uitlegt en het afmaakt tot iets wat je kunt opleveren, is dat wel. Leg je playbook dus uit, publiceer het, lever het, en ga daarna het volgende probleem begrijpen.