Ik ben geen ontwikkelaar, maar ik bouw nu AI-tools die ik vroeger alleen kon bedenken

Jarenlang had ik ideeën voor tools die ik wilde bouwen.

Geen grote softwareplatformen. Geen ingewikkelde systemen voor iedereen. Gewoon praktische tools voor echte problemen die ik bleef zien in mijn eigen werk en in gesprekken met klanten.

Een betere manier om leads op te volgen. Een betere manier om klantgesprekken te organiseren. Een betere manier om onderzoek te doen naar complexe AI-regelgeving. Een betere manier om visuele concepten te maken. Een betere manier om een rommelige workflow om te zetten in iets eenvoudigs, bruikbaars en herhaalbaars.

Het probleem was altijd hetzelfde.

Ik ben geen traditionele ontwikkelaar.

Ik kon het idee beschrijven. Ik kon de workflow in mijn hoofd zien. Ik kon uitleggen waar de wrijving zat. Ik kon zelfs bedenken hoe de tool moest aanvoelen voor de persoon die hem gebruikt. Maar dat idee omzetten in werkende software was iets anders.

Je had code nodig. Je had structuur nodig. Je had iemand nodig die de technische setup begreep, mappen, servers, fouten, frameworks, en alle verborgen stappen die nodig zijn voordat een tool echt werkt.

Daar stoppen veel ondernemers.

Niet omdat het idee slecht is. Niet omdat het probleem klein is. Maar omdat de afstand tussen “ik wou dat dit bestond” en “ik kan dit echt gebruiken” te groot voelt.

Die afstand is vandaag kleiner dan ooit.

Daarom worden AI-tools voor ondernemers zo belangrijk. Ze maken het mogelijk om echte businessproblemen sneller om te zetten in bruikbare systemen.

AI heeft mij geen ontwikkelaar gemaakt. AI heeft mij meer mogelijk gemaakt.

Ik noem mezelf nog altijd geen ontwikkelaar. Maar ik bouw nu wel.

Dat is het belangrijkste punt.

Met AI, Codex en een duidelijke manier van werken begon ik ideeën om te zetten in echte tools. Niet door willekeurige vragen te stellen. Niet door te verwachten dat AI mijn business zomaar begrijpt. Maar door AI te behandelen als een technische partner.

Ik definieer het probleem. Ik leg de workflow uit. Ik test het resultaat. Ik corrigeer wat fout is. Ik duw het systeem verder. Ik verbeter de prompt. Ik controleer de logica. Ik blijf doorgaan tot de tool begint te werken zoals ik echt werk.

Dat heeft veel veranderd.

Vroeger moest ik mijn werk aanpassen aan bestaande tools. Nu kan ik tools beginnen vormen rond mijn eigen werk.

Dat is een andere manier van denken.

En ik denk dat dit op dit moment een van de grootste kansen is voor ondernemers, consultants, agentschappen en kleine teams.

Het echte geheim is niet de tool

Veel mensen starten met de verkeerde vraag.

Ze vragen:

“Moet ik ChatGPT gebruiken?”
“Moet ik Claude gebruiken?”
“Moet ik Gemini gebruiken?”
“Welke AI-tool is de beste?”

Ik begrijp die vraag. Maar dat is niet waar ik zou beginnen.

Het echte geheim is niet de tool. Het echte geheim is weten wat je echt nodig hebt.

Dat klinkt simpel, maar de meeste mensen slaan deze stap over. Ze testen AI-tools voordat ze het probleem begrijpen. Ze vragen om automatisering voordat ze hun workflow begrijpen. Ze vragen om betere output voordat ze definiëren wat goede output eigenlijk is.

Daarna krijgen ze gemiddelde resultaten.

AI werkt het best wanneer het verbonden is met je eigen expertise. Als je je business, je klanten, je proces en je problemen kent, kun je AI veel beter sturen. Je ziet wanneer het antwoord fout is. Je kunt de richting corrigeren. Je kunt context toevoegen. Je kunt je eigen kennis omzetten in een workflow, een document, een systeem, een automatisering, of zelfs een werkende tool.

Maar er is één vaardigheid die mensen nog steeds onderschatten.

Prompting.

Niet prompting als truc. Niet prompting als een lijst magische woorden. Echte prompting betekent dat je de missie, de context, de beperkingen, de voorbeelden, het verwachte resultaat en de kwaliteitsnorm duidelijk kunt uitleggen.

Wanneer je goed kunt prompten, is het verschil in output enorm.

Dat heb ik op de harde manier geleerd.

De eerste setup is vaak lastig wanneer je geen ontwikkelaar bent. Je weet niet waar je moet beginnen. Je weet niet hoe je het project moet structureren. Je weet niet wat je eerst moet vragen. Je weet niet wat technisch belangrijk is en wat niet. Je kunt uren verliezen omdat het idee duidelijk is in je hoofd, maar nog niet duidelijk genoeg is voor AI om het goed uit te voeren.

Voor mij werd de methode heel duidelijk:

1. Weet wat je nodig hebt.
2. Bouw vanuit je eigen expertise.
3. Leer duidelijk prompten om sterke resultaten te krijgen.

Wanneer die drie dingen samenkomen, stopt AI met een speeltje zijn en wordt het een serieus businessinstrument.

Wat ik begon te bouwen

Na een tijdje besefte ik dat ik niet één aparte app aan het bouwen was.

Ik bouwde een werksysteem.

Een onderzoekslaag.
Een businesslaag.
Een creatieve laag.
Een uitvoeringslaag.
Een publieke laag.

Elk onderdeel lost een ander probleem op, maar samen dienen ze dezelfde missie: sneller werken, helderder denken, minder wrijving, en ideeën omzetten in bruikbare systemen.

Een AI Act research graph

Een van de eerste projecten waaraan ik werkte, was een AI Act research graph.

Het idee kwam uit een echt probleem: AI-regelgeving is complex, en de meeste mensen lezen ze als losse documenten. Maar regelgeving werkt niet los van alles. Een wet linkt aan richtlijnen. Richtlijnen linken aan risico’s. Risico’s linken aan verplichtingen. Verplichtingen linken aan businessbeslissingen.

Het doel was dus niet om meer informatie te verzamelen. Het doel was om de juiste informatie te verbinden.

Dat is belangrijk, want de meeste bedrijven hebben niet meer AI-ruis nodig. Ze hebben duidelijkheid nodig. Ze moeten weten wat op hen van toepassing is, wat er veranderd is, wat nu telt, en wat ze vervolgens moeten doen.

Een graph-based systeem was logisch, omdat het mensen helpt relaties te zien in plaats van verspreide documenten één voor één te lezen. Het maakt informatie gemakkelijker om te verkennen, te bevragen en te gebruiken.

Die les gaat veel verder dan regelgeving.

Meer data is zelden het antwoord. Betere structuur is dat vaak wel.

ClientFlow: een CRM gebouwd rond echte opvolging

Een ander project was ClientFlow.

Dit kwam uit een praktisch businessprobleem.

Wanneer je met veel klanten praat, berichten ontvangt, prospects opvolgt, kansen beheert en elk gesprek probeert te onthouden, gaan dingen verloren.

Een naam. Een belofte. Een behoefte. Een volgende stap. Een goede kans.

De meeste ondernemers verliezen geen klanten omdat ze slecht zijn in hun werk. Ze verliezen klanten omdat de opvolging niet gestructureerd genoeg is.

Daarom wilde ik een systeem dat helpt om leads, gesprekken en volgende acties duidelijker te beheren.

Een CRM is niet alleen een contactenlijst. Een goede CRM is een geheugen voor je business. Het helpt je herinneren wie aandacht nodig heeft, wat er gebeurd is, waar de kans zit en wat de volgende actie moet zijn.

Het punt was niet om nog een generieke CRM te bouwen. Het punt was om iets te maken dat dichter ligt bij hoe ik echt werk.

Daar wordt AI-assisted bouwen interessant. Je bent niet langer beperkt tot de vraag: “Welke tool bestaat al?” Je kunt beginnen vragen: “Hoe zou de juiste tool eruitzien voor mijn workflow?”

Een moodboardsysteem voor creatief AI-werk

Ik werkte ook aan een moodboardsysteem voor creatieve productie.

Ook dat kwam uit een frustratie.

AI-tools voor beeld en video zijn krachtig, maar de workflow is vaak rommelig. Mensen springen meteen naar prompts, genereren veel beelden, en vragen zich daarna af waarom het resultaat niet consistent aanvoelt.

Maar creatief werk heeft meer nodig dan een prompt.

Het heeft referenties nodig. Het heeft visuele richting nodig. Het heeft consistentie nodig. Het heeft herkenbare personages nodig. Het heeft scènes nodig die bij elkaar passen. Het heeft structuur nodig voordat je begint te genereren.

Daar gaat het moodboardsysteem over.

Het gaat niet alleen over beelden maken. Het helpt om creatief denken te structureren voordat je het eindresultaat produceert.

Dit is een van de grootste lessen die ik leerde tijdens het bouwen met AI: de beste resultaten ontstaan vaak voordat de prompt geschreven is. Ze komen uit het denken, de referenties, de structuur en de beslissingen die je eerst neemt.

Een eenvoudige launcher om technische wrijving weg te nemen

Een van de kleinere tools was een eenvoudige launcher.

Niets spectaculairs. Gewoon een manier om projecten met één klik opnieuw te openen en te starten.

Maar voor mij was dat belangrijk.

Wanneer je geen ontwikkelaar bent, creëren kleine technische stappen veel wrijving. Mappen, commando’s, servers, poorten, terminals, setup-instructies, fouten. Elke kleine stap vertraagt je.

Dus wilde ik iets simpels.

Als een project bestaat, moet ik het kunnen openen en starten zonder technische commando’s te onthouden.

Dat is ook een businessles.

Soms is de beste AI-kans geen grote transformatie. Soms is het gewoon het wegnemen van kleine wrijving die mensen elke dag vertraagt.

De website en de publieke laag

Ik werkte ook aan de website en aan hoe ik uitleg wat ik doe.

Want tools bouwen is één deel van het werk. De waarde uitleggen is een ander deel.

Mensen moeten begrijpen wat je doet, wie het helpt, waarom het belangrijk is en wat de volgende stap is. Een product kan diepe logica achter zich hebben, maar de publieke boodschap moet simpel blijven.

Ook daar worstelen veel bedrijven met AI.

Ze hebben experimenten. Ze hebben tools. Ze hebben ideeën. Maar ze hebben geen duidelijk verhaal.

Zonder duidelijk verhaal komen mensen niet in actie.

Daarom heeft AI-werk twee kanten nodig: het systeem achter de schermen en de boodschap die mensen aan de voorkant begrijpen.

Beide tellen.

“Moet ik bij ChatGPT blijven of Claude gebruiken?”

Dit is een vraag die klanten mij vaak stellen.

“Moet ik bij ChatGPT blijven?”
“Moet ik Claude gebruiken?”
“Welke is beter?”

Mijn antwoord is meestal hetzelfde:

Gebruik wat het best past bij je werk.

Er is geen perfect antwoord voor iedereen. Sommige mensen verkiezen Claude voor schrijven, lange documenten of de manier waarop het gesprek aanvoelt. Andere mensen verkiezen ChatGPT omdat ze het elke dag gebruiken, omdat het ecosysteem beter past bij hun werk, of omdat ze willen evolueren naar bouwen, automatisering en technische workflows.

Ik denk niet dat dit een fan-debat moet worden.

De betere vraag is niet: “Welke tool is de beste?”

De betere vraag is: “Welke tool helpt mij het beste resultaat te behalen met de minste wrijving?”

Dat gezegd, Codex heeft voor mij het gesprek veranderd.

Vroeger hielp AI mij met denken, schrijven, samenvatten, structureren en brainstormen. Nu kan ik met Codex verder gaan. Ik kan aan tools werken, ideeën testen, workflows verbeteren, en dichter bij echte software komen.

Dat is een ander niveau van bruikbaarheid.

Mijn praktische observatie is dit: telkens wanneer de concurrentie sterk wordt, reageert OpenAI vaak snel. Ik zeg dat niet als vaste regel. Ik zeg het als iets dat ik regelmatig zie in de markt.

Maar ik zeg klanten nog altijd dat ze moeten testen wat voor hen werkt.

Voor schrijven, vergelijk tools.
Voor onderzoek, vergelijk tools.
Voor content, vergelijk tools.
Voor interne workflows, vergelijk tools.

Maar als je systemen wilt bouwen, delen van je werk wilt automatiseren, interne tools wilt maken, of je eigen proces wilt omzetten in software, dan verdient ChatGPT met Codex serieuze aandacht.

De vraag is niet langer alleen:

“Welke AI geeft het beste antwoord?”

De betere vraag wordt:

“Welke AI helpt mij het beste resultaat te bouwen?”

Wat ik zie bij klanten

De meeste klanten hebben in het begin geen technische uitleg nodig.

Ze hebben iemand nodig die naar hun werk kijkt en betere vragen stelt.

Wat herhaal je elke week?
Waar verlies je tijd?
Waar wachten klanten te lang?
Waar kopieert en plakt je team te veel?
Waar zit kennis vast in iemands hoofd?
Waar blijven dezelfde fouten terugkomen?
Waar kan één eenvoudige tool je manier van werken veranderen?

Daar begin ik meestal.

Niet met de tool. Met het werk.

Want AI wordt pas bruikbaar wanneer het verbonden is met een echt proces.

Een bedrijf heeft geen AI nodig om AI te gebruiken. Een bedrijf heeft betere opvolging nodig, betere beslissingen, betere content, betere onboarding, betere rapportage, betere structuur of minder manueel werk.

AI wordt waardevol wanneer het één van die doelen dient.

Waarom AI-tools voor ondernemers en kleine teams belangrijk zijn

Ondernemers kennen hun problemen vaak beter dan wie dan ook.

Ze weten wat traag is. Ze weten wat repetitief is. Ze weten wat klanten telkens vragen. Ze weten waar het team energie verliest. Ze weten wat zou moeten bestaan, zelfs wanneer ze het nog niet kunnen bouwen.

Vroeger bleef die kennis vaak vastzitten in iemands hoofd.

Vandaag kan die kennis een systeem worden.

Je hoeft geen fulltime ontwikkelaar te worden. Maar je moet wel precies worden.

Precies over het probleem. Precies over het resultaat. Precies over de workflow. Precies over wat geautomatiseerd moet worden en wat menselijk moet blijven.

Daar ontstaat de echte waarde.

AI neemt de nood aan expertise niet weg. AI verhoogt de waarde van expertise.

Want wanneer je je vak, je klanten, je proces en je problemen kent, kan AI je helpen die kennis om te zetten in iets praktisch.

Een workflow.
Een promptsysteem.
Een klantproces.
Een contentmachine.
Een onderzoeksassistent.
Een interne tool.
Een eerste versie van software.

Ik heb het op de harde manier geleerd

Ik zeg dit niet omdat ik één artikel over AI heb gelezen.

Ik zeg dit omdat ik tijd heb besteed aan testen, falen, corrigeren, opnieuw bouwen en leren op de harde manier.

Ik weet hoe het voelt om een sterk idee te hebben maar niet te weten waar te beginnen. Ik weet hoe het voelt om vast te zitten in technische setup. Ik weet hoe het voelt om AI om hulp te vragen en output te krijgen die goed lijkt, maar niet echt werkt. Ik weet hoe frustrerend het is wanneer je de businesswaarde ziet, maar de eerste stappen onduidelijk voelen.

Daarom help ik klanten nu om beter te starten.

Niet door hen een tool te verkopen. Niet door hen in één platform te duwen. Maar door hen te helpen begrijpen wat de moeite waard is om te bouwen, wat eenvoudiger kan, en waar AI het snelste praktische resultaat kan creëren.

Soms is het antwoord een betere prompt. Soms is het een workflow. Soms is het een custom GPT. Soms is het een automatisering. Soms is het een kleine interne tool. Soms is het gewoon een duidelijker proces.

Het doel is niet om meer AI te gebruiken.

Het doel is om je werk beter te maken.

Slotgedachte

AI heeft mijn werk niet vervangen. AI heeft uitgebreid wat ik kan doen.

Het heeft mij geholpen om van ideeën naar systemen te gaan. Van vragen naar workflows. Van manueel werk naar tools. Van “ik wou dat dit bestond” naar “laten we een eerste versie bouwen”.

Daarom denk ik dat dit moment belangrijk is voor kleine teams, consultants, agentschappen en ondernemers.

De winnaars zullen niet de mensen zijn die elke nieuwe AI-tool testen voor de fun. De winnaars zullen de mensen zijn die AI verbinden met echte businessproblemen.

De mensen die betere vragen stellen. De mensen die hun expertise structureren. De mensen die hun workflows verbeteren. De mensen die bouwen rond wat ze al weten.

Want AI gaat niet alleen meer over antwoorden.

Het gaat over uitvoering.

En in uitvoering ontstaat businesswaarde.

Als je je afvraagt waar AI je tijd kan besparen, je werk kan verbeteren, of je kan helpen een tool te bouwen rond je eigen proces, dan kan ik je helpen om dat helder te zien.

Ik begin niet met de tool. Ik begin met je werk.

Boek hier een gratis strategiegesprek van 15 minuten:

https://bit.ly/Jax15m