Een paar jaar geleden vroeg een grote opdrachtgever mij om een whitepaper te schrijven. Ze gaven me een briefing mee die… laat ik het netjes zeggen: niet bepaald bruikbaar was.
Geen duidelijk doel, geen duidelijke doelgroep, geen idee welke probleem ze eigen wilden oplossen. Wat er wél in stond? Heel veel over henzelf.
U kent dat wel, de verhalen over een merk die enkel de mensen die er werken, echt wat interesseert. Content die wél tijd en geld kost maar niet echt iets oplevert.
It’s magic (hint: nietes)
Ik heb toen gedaan wat ik wel vaker doe: ik ging zitten met het materiaal dat ik wél had en maakte stiekem mijn eigen draft. Dat leek me sneller dan de eindeloze discussie die je soms hebt over wat allemaal nodig is voor een goede tekst.
Ja, het merk kreeg een plek in de tekst, maar vooral vertaalde ik hun verhaal naar iets wat de lezer daadwerkelijk interessant zou vinden. Dat scheelde niet alleen in effectiviteit van content, maar ook onnodig veel correctierondjes.
Een jaar later belden ze opnieuw. Ik had het druk en was dus niet beschikbaar. Ze smeekten bijna: “we hebben jouw magie nodig.” Ik snapte wel wat ze bedoelden. Wat zij magie noemden, was eigenlijk gewoon mijn content-ervaring: ik weet hoe ik een slechte briefing omtover naar bruikbare content en hoe ik dus kosten, tijd en frustratie kan beperken.
Het recept: kies de kwaliteit van je ingrediënten
Toen ik vorig jaar op het Congres Content werd gevraagd wat de rol van contentspecialisten is in het AI-tijdperk, zei ik dan ook dat deze situatie nu niet meer opgaat en dat wij nu eindelijk goede briefings kunnen eisen. Men keek mij aan alsof ik een uniek Chinees dialect sprak, met een dik Frans accent.
Maar ik denk nog steeds dat mijn punt staat, misschien wel meer nog dan vorig jaar: AI kan namelijk geen gaten dichten. Het vult die leegtes op met aannames. En die aannames baseert het ook nog eens op trainingsdata die Amerikaans-gefocust is, de grote gemene deler tot norm verheft (mediocratie) en die vol zit met biasBias is de set aan vooroordelen in AI-output die het resultaat is van de data en de manier waarop een model is getraind. Omdat LLM's leren van bestaande teksten, waarin... Meer in het beste geval en hallucinatiesEr is sprake van een hallucinatie wanneer een AI-model informatie verzint die plausibel klinkt maar die feitelijk onjuist is of volledig verzonnen. Dat gebeurt omdat LLM's zoals ChatGPT woordreeksen voorspellen... Meer als je niet oplet.
Kortom, het perfecte recept voor fouten, inconsistenties en soms uiteindelijk zelfs reputatieschade. Een strakke en duidelijke briefing kan daar al indrukwekkend veel van fixen.
Proactief gokken
AI legt iets bloot wat eerlijk gezegd altijd al een probleem was: het proces dat leidt tot content is bepalend in de kwaliteit van die content. Want een slechte briefing is nooit alleen het document (of de e-mail, of het telefoontje) het is een symptoom van onduidelijke doelen, slechte afstemming en gaten in je contentprocessen.
Jarenlang konden contentspecialisten dat opvangen met ervaring en intuïtie. Maar AI kan dat niet. Het gokt op zeer proactieve wijze met jouw content. En elke verkeerde interpretatie kost tijd en geld om te herstellen…als je het al ziet (ik zeg outputblindheid)
Maar dat is allemaal niet het einde der tijden, want het is (zoals het dat ook was) gewoon op te lossen: wie AI wil inzetten, moet de briefing én het proces erachter serieus nemen. Serieuzer dan ooit.
Want dat levert meer op dan alleen betere output:
- Het verbetert de briefing zelf
Slordigheid leidt direct tot slechte output en dus verspilling van uren en budget. Dat wordt met AI opeens pijnlijk zichtbaar. - Het bespaart eindeloze discussies
De briefing wordt het moment waarop de keuzes gemaakt worden, niet pas bij feedbackronde tien en dat scheelt frustratie én projectkosten. - Het dwingt je naar je proces te kijken
AI laat feilloos zien waar je interne gaten hebt: in doelstellingen, in afstemming, in kennisdeling enz.
De briefing verschuift van bij elkaar gegooide (of zeer gestructureerde, maar relevante-informatie-arme-) bijlage naar fundament.
En dat fundament betekent concreet:
- Doel/context
Waarom maken we dit eigenlijk en hoe ziet succes eruit. En hoe meten we dat succes, zodat tijd en geld niet weglekken? - Doelgroep
Voor wie schrijf je en wat hebben ze eraan of wat moeten ze ermee, want irrelevante content is pure verspilling. - Kaders
Aan welke richtlijnen moet de content voldoen en welke contenttype hebben we het eigenlijk over? Wat mag het absoluut niet zijn of doen?
Zonder die drie vragen is elke briefing een gokspel. En gokken kost geld.
Good news everyone!
En hoewel ik nu een beetje hard klink, wil ik benadrukken dat het eigenlijk goed nieuws is voor contentspecialisten: AI laat genadeloos zien waar briefings tekortschieten en daarmee waar processen haperen. Het helpt je dus om bij deze eeuwenoude frustraties te wijzen naar de machine. De kans dat iemand in discussie gaat met GenAI is vele malen kleiner, dan met jou!
De vraag blijft staan of organisaties en teams die zich bezighouden met content de inzichten in de lacunes in hun processen gebruiken om de manier van werken aan te scherpen. Of blijven ze toch hopen dat de volgende AI-tool de vaagheid wel oplost. Dat laatste kan natuurlijk ook, maar dat kost dan wel wat!
Don’t stress….it’s just me!
I’ve spent over 25 years working in content strategy and digital transformation, which means I’ve seen enough technology hype cycles to be skeptical and enough genuine innovation to stay curious.
Want to talk shop? Do get in touch!
I have a newsletter and it's bearable. Subscribe to read my (Gen)AI articles!
