In elk bedrijf zit iemand die één ding structureel beter doet dan de rest. De collega wiens offertes vaker worden getekend. Degene die vacatureteksten schrijft waar wél goede reacties op komen. De planner die altijd net het juiste tijdslot vindt.
Die kennis zit in één hoofd. Gaat die persoon met vakantie, met pensioen of naar de concurrent, dan gaat de werkwijze mee.
Sinds ongeveer een jaar is daar een praktische oplossing voor die geen kennismanagementproject vereist: je legt de werkwijze vast in een skill, en je AI-assistent past hem toe wanneer iemand anders diezelfde klus doet. De uitvoering is simpeler dan het klinkt. De valkuil zit ergens anders dan je verwacht.
Wat een skill is
Een skill is een vastgelegde werkwijze die je AI-assistent er automatisch bij pakt zodra een taak erom vraagt.
Bij Claude is het letterlijk een mapje met een tekstbestand erin, SKILL.md. Bovenaan staan twee dingen: een naam, en een beschrijving van wanneer deze skill gebruikt moet worden. Daaronder staan de instructies, in gewone taal. Meer is het niet.
Bij OpenAI heten ze ook skills en leven ze binnen een workspace agent, sinds april 2026 de opvolger van de custom GPT’s, beschikbaar in ChatGPT Business, Enterprise en Edu. Bij Microsoft heet het equivalent een declarative agent, die je bouwt in de Agent Builder binnen Copilot.
De techniek verschilt, het idee niet: niet elke keer opnieuw uitleggen hoe iets moet.
Beginner-tip:het verschil met een goede prompt is dat een skill zichzelf aanroept. Bij een prompt moet jij onthouden dat je hem gebruikt, en waar je hem hebt opgeslagen. Bij een skill herkent de assistent aan de beschrijving dat deze taak erom vraagt, en past hem toe zonder dat iemand eraan hoeft te denken. Dat verschil is precies waarom het schaalt naar collega’s die er niet zelf mee bezig zijn.
De winst is gemeten
Dit is geen belofte meer maar een cijfer. Onderzoekers publiceerden in februari 2026 SkillsBench, een test van 87 taken over acht domeinen in achttien verschillende opstellingen, telkens uitgevoerd mét en zónder skill.
De gemiddelde slagingskans ging van 33,9 procent naar 50,5 procent. Een winst van 16,6 procentpunt, per opstelling variërend van 4,1 tot 25,7.
Twee bevindingen daaruit zijn direct bruikbaar voor een MKB-bedrijf. Ten eerste: kleinere, goedkopere modellen mét skill kwamen in de buurt van grotere modellen zonder. Een goed vastgelegde werkwijze is dus deels een alternatief voor een duurder abonnement.
Ten tweede, en dat is het praktische advies: gefocuste skills met maximaal drie onderdelen deden het beter dan grote, uitputtende bundels. Klein beginnen is hier geen compromis maar de betere aanpak.
De valkuil: vraag het niet aan je expert
Nu de tegenintuïtieve kant. De vanzelfsprekende eerste stap is naar je beste medewerker lopen en vragen of ze even opschrijft hoe ze het doet.
Dat is aantoonbaar de zwakste manier.
Onderzoekers Pamela Hinds, Michael Patterson en Jeffrey Pfeffer publiceerden in 2001 in het Journal of Applied Psychology een experiment waarin beginners een taak leerden, sommigen geïnstrueerd door experts en anderen door mede-beginners. De groep die door beginners was geïnstrueerd, voerde de taak béter uit — en rapporteerde minder problemen met de instructies.
De verklaring: experts denken en formuleren abstract. De stappen die ze jaren geleden bewust namen zijn geautomatiseerd geraakt, en verdwijnen daardoor uit hun eigen beschrijving. Dezelfde onderzoeksgroep liet eerder zien dat experts systematisch onderschatten hoeveel tijd een beginner nodig heeft, en dat je dat nauwelijks kunt wegtrainen. “The curse of expertise”, noemden ze dat.
Er is één nuance die de moeite waard is: op andere taken bínnen hetzelfde vakgebied deed de door-experts-geïnstrueerde groep het juist beter, omdat abstracte concepten overdracht bevorderen. Voor een skill die één specifieke klus moet dekken, is de concrete route de betere.
Zo doe je het wel
Stap 1. Kies één taak, geen functie. Niet “hoe Monique haar werk doet” maar “hoe wij een vacaturetekst schrijven”. Terugkerend, afgebakend, met een herkenbaar eindresultaat.
Stap 2. Laat iemand anders het opschrijven. Twee werkende varianten. Laat een junior of stagiair meekijken terwijl de expert een échte opdracht uitvoert en hardop denkt. Of laat de expert een uur interviewen door een AI-assistent met de opdracht door te vragen op elke keuze. Het punt is hetzelfde: je wilt de beslissingen te pakken krijgen op het moment dat ze genomen worden, niet in een reconstructie achteraf.
Stap 3. Verzamel drie goede voorbeelden. Drie vacatureteksten die het goed deden, met erbij waaróm. Voorbeelden dragen vaak meer dan regels, omdat ze de dingen bevatten die niemand kon benoemen.
Stap 4. Schrijf het kort op. Anthropic adviseert in de eigen documentatie om de kern onder de vijfhonderd regels te houden, en waarschuwt dat vage beschrijvingen ertoe leiden dat de skill nooit gevonden wordt. Wees dus expliciet over wanneer hij gebruikt moet worden. En schrijf alleen op wat het model niet al weet — algemene schrijftips kan het zelf.
Stap 5. Test met iemand die het niet kan. Geef de skill aan een collega die deze taak nooit doet en kijk waar het misgaat. Elke plek waar diegene struikelt, is een stap die in de skill ontbreekt. Doe dit vóór je hem breder deelt; het kost een middag en scheelt maanden gemopper.
Stap 6. Wijs een eigenaar aan. Eén persoon die de skill bijwerkt als het werk verandert. Zonder eigenaar wordt hij binnen een half jaar onjuist, en een onjuiste skill is erger dan geen skill.
Wat je niet moet doen
Publieke skills zomaar installeren. Beveiligingsbedrijf Snyk scande in februari 2026 bijna vierduizend skills uit publieke bibliotheken. Bij 36,8 procent zat minstens één beveiligingsdefect, bij 13,4 procent iets kritieks. Er zaten 76 bevestigd kwaadaardige exemplaren tussen, en ruim een op de tien bevatte hardcoded wachtwoorden of sleutels.
OWASP publiceerde op 17 augustus 2026 een top tien van risico’s rond skills. De kern van het probleem in één zin: een skill is gewone tekst, dus een virusscanner ziet er niets verdachts in, en hij draait met de rechten van degene die hem gebruikt. Twee risico’s die specifiek voor bedrijven gelden: een goedgekeurde skill kan later stilletjes veranderen, en dezelfde skill kan op een ander platform ineens meer rechten hebben.
Voor het MKB is de praktische regel simpel: schrijf je skills zelf of laat ze door je eigen mensen schrijven, en installeer niets uit een publieke bibliotheek zonder dat iemand de tekst regel voor regel heeft gelezen.
Alles in één skill proppen. SkillsBench liet zien dat gefocuste skills grote bundels verslaan. Bovendien waarschuwt Anthropic dat te veel gelijktijdig geladen skills de kans verkleint dat de juiste wordt gekozen.
Waar begin je
Op het platform dat je al hebt. Werk je met Microsoft 365, dan bouw je een declarative agent in de Agent Builder en deel je die via de organisatiecatalogus, met adminreview. Heb je ChatGPT Business of Enterprise, dan maak je een workspace agent, deelbaar binnen je team en te gebruiken in ChatGPT én Slack. Gebruik je Claude, dan maak je een SKILL.md.
Bij Claude is er wel een beperking om te kennen: op claude.ai upload je skills per individuele gebruiker en is er geen centraal adminbeheer. Wil je iets organisatiebreed uitrollen, dan loopt dat via de API of via Claude Code met plugins. Anthropic adviseert bedrijven om skills in Git te beheren, versies te pinnen in productie en auteur en reviewer te scheiden.
Begin met één taak, van één persoon, deze week. De vraag om mee te starten is niet welk platform het beste is, maar: wie is bij ons degene die dit altijd het beste doet, en welke klus is dat precies?