Een AI-marketingteam bouwen: zo zit het in elkaar

De meeste bedrijven gebruiken AI voor marketing op dezelfde manier: iemand opent ChatGPT of Claude, plakt er een stuk tekst in en vraagt om een betere versie. Dat werkt. Maar het is geen marketingteam. Het is een slimme typemachine die elke keer opnieuw moet horen wie je bent, wat je verkoopt en hoe je klinkt.

Een AI-marketingteam is iets anders. Het is een vaste opstelling van gespecialiseerde agents die elk een eigen taak hebben, uit dezelfde kennisbank werken, toegang hebben tot je cijfers en op vaste momenten zelf aan het werk gaan. Jij krijgt voorstellen en concepten, en jij beslist wat er naar buiten gaat.

Ik heb zo’n team eerst voor mijn eigen webshops gebouwd en bouw het nu op maat voor andere bedrijven. In dit artikel laat ik zien hoe het in elkaar zit: de lagen, de afdelingen en de momenten waarop jij beslist. Je kunt het daarmee zelf opzetten. En merk je halverwege dat het meer werk is dan je dacht? Dan weet je in elk geval precies wat je uitbesteedt.

Waarom één chatbot niet genoeg is

Wie AI serieus voor marketing inzet, loopt binnen een paar weken tegen dezelfde vier grenzen aan.

• Geen geheugen. Elk gesprek begint bij nul. Je merkregels, je doelgroep en wat vorige maand wel en niet werkte, moet je steeds opnieuw uitleggen. In de praktijk gebeurt dat niet, en dan krijg je generieke tekst.
• Geen toegang tot je cijfers. Een chatbot weet niet welke pagina’s in Google dalen, welke advertentie geld verbrandt of welk product slecht converteert. Jij moet die data eerst zelf ophalen en erin plakken.
• Geen initiatief. Er gebeurt alleen iets als jij een vraag stelt. Niemand kijkt dinsdagochtend om zeven uur naar Search Console.
• Geen controle. Eén model dat schrijft en zichzelf beoordeelt, ziet zijn eigen fouten over het hoofd. Verzonnen cijfers en beloftes die je niet kunt waarmaken, glippen erdoor.

Een AI-team lost die vier punten op met opbouw, niet met een betere prompt. Dat is het belangrijkste inzicht van dit hele verhaal: de kwaliteit zit in wat je om het model heen bouwt, niet in het model alleen.

De bouwtekening: vier lagen

Op de pagina over het AI-marketingteam staat deze opbouw in het kort. Hier de uitgebreide versie.

Bovenop die vier lagen sta jij. Niet als iemand die alles zelf doet, maar als iemand die op twee momenten ja of nee zegt. Daarover verderop meer.

Laag 1: niet één model, maar het juiste model per taak

Een veelgemaakte fout is alles door het duurste model laten doen, of juist alles door het goedkoopste. Ik verdeel het werk zo:

• Redeneren en schrijven (advies, briefings, pagina’s, advertentieteksten): een sterk model. Ik werk hier vooral met Claude.
• Volume en routine (cijfers samenvatten, productdata controleren, labels toekennen): een lichter en goedkoper model. Het verschil in kwaliteit is hier klein, het verschil in kosten groot.
• Controle: de reviewer draait bewust op een ander model dan de maker. Twee verschillende modellen maken verschillende fouten, en vangen daardoor elkaars fouten beter op.

Via een tussenpartij zoals OpenRouter kies je per agent een ander model, zonder voor elk model een apart account en contract.

Laag 2: het platform waarop het team werkt

Een agent is in de basis een AI-model met instructies, gereedschap en een opdracht. Het platform is de werkplek eromheen: waar de agents draaien, wanneer ze aan het werk gaan, wat ze onthouden en hoe ze jou bereiken. Ik gebruik daarvoor Hermes Agent, een open-source agentplatform van Nous Research, op een eigen server. Het heeft een ingebouwde planner (elke ochtend, elke maandag, op verzoek), een geheugen en een koppeling met onder meer Telegram, WhatsApp en e-mail.

Laag 3: koppelingen met je systemen

MCP (Model Context Protocol) is de open standaard waarmee AI met andere software praat. Per systeem is er een MCP-server die het AI-team bepaalde handelingen laat doen, zoals “haal de zoektermen van de afgelopen 28 dagen op” of “zet dit artikel als concept klaar in WordPress”. Het belangrijkste ontwerpbesluit zit hier: per koppeling bepaal je of het team alleen mag lezen, ook een concept mag klaarzetten, of er helemaal niet bij mag.

Laag 4: de kennisbank, het geheugen van het team

Dit is de laag die het verschil maakt tussen “AI-tekst” en “tekst die klinkt als jouw bedrijf”. Alle agents werken vanuit dezelfde kennisbank: merk en toon, producten en diensten, doelgroepen en hun woorden, merkregels, bronnen voor claims en eerdere resultaten. Daarnaast heeft elke afdeling vaste werkwijzen, zogeheten skills.

De afdelingen: wie doet wat

In het interactieve voorbeeld op mijn site zie je het team als een organisatie met acht afdelingen en één beslisser: jij. Kies daar een scenario en je ziet een oranje kaart van afdeling naar afdeling gaan. Dit zijn de rollen die erin zitten:

Let op de rechterkolom. Die is minstens zo belangrijk als de middelste. Een agent met een smalle taak en duidelijke grenzen presteert beter en is veiliger dan een alleskunner. Begin dus niet met “een AI die mijn marketing doet”, maar met rollen die je ook aan een nieuwe collega zou kunnen uitleggen.

Twee poorten: waar jij beslist

Het AI-team stopt twee keer, en daar gaat niets omheen.

1. Een afdeling ziet een kans in de cijfers, bijvoorbeeld een zoekterm met veel vertoningen en weinig klikken.
2. Poort 1, het advies. Je krijgt in één bericht wat het team wil doen en waarom. Jij zegt ja, nee of anders. Zonder akkoord begint er niemand.
3. De makers gaan aan de slag. De reviewer controleert. Wat niet door de controle komt, gaat terug naar de maker.
4. Poort 2, de livegang. Je ziet de pagina, advertentie of het bericht precies zoals het live gaat. Pas na jouw akkoord gaat het naar buiten, en dat publiceren doe je zelf.
5. Data en analyse meet het resultaat. Wat werkte, gaat als leerpunt terug naar de kennisbank.

Waarom zo streng? Omdat het risico niet in het schrijven zit, maar in wat er naar buiten gaat. Een slechte zin kost je niets zolang hij in een concept staat. Een advertentie met een verkeerd budget of een belofte die je niet kunt waarmaken, kost je wel iets. Door de poorten in de opbouw te leggen en niet alleen in afspraken, hoef je het systeem niet blind te vertrouwen.

Een uitzondering: werk dat niet naar buiten gaat, zoals het dagrapport, heeft geen poort nodig. Dat komt gewoon elke ochtend binnen.

Wat het kost en wat het oplevert

Er zijn twee soorten kosten: bouwen en draaien.

Draaien is goedkoper dan de meeste mensen denken. Een standaardtaak, zoals een kansenanalyse uit Search Console, kost aan modelgebruik meestal centen, geen euro’s. Daarbij komen een server (een eenvoudige VPS volstaat vaak) en eventueel abonnementen op tools zoals Semrush of Ahrefs, die je misschien al hebt.

Bouwen is waar de tijd zit. Niet in het installeren, dat is een middag. Wel in het opstellen van een goede kennisbank, het inrichten van koppelingen met de juiste rechten, het schrijven en testen van skills per afdeling en het bijschaven van de poorten tot ze passen bij hoe jij werkt. Reken op weken, niet op dagen, als je het naast je werk doet.

Wat het oplevert, is vooral continuïteit. Een bureau kijkt vaak maandelijks. Een AI-team kijkt elke dag, en komt alleen bij je als er iets te beslissen valt.

Waar het in de praktijk misgaat

• Te groot beginnen. Tien agents tegelijk, niets werkt goed, motivatie weg. Begin met één afdeling.
• Geen kennisbank. Zonder merkregels en bronnen krijg je generieke tekst en verzonnen claims. Dit is de meest onderschatte stap.
• Te veel rechten. Een agent die zelf mag publiceren of budgetten mag aanpassen, gaat vroeg of laat iets doen wat je niet wilde. Begin met alleen lezen.
• Geen meting. Als niemand bijhoudt wat een actie opleverde, leert het team niets en weet jij niet of het werkt.
• Agents die de kennisbank zelf aanpassen. Dan drijft je merk langzaam weg. Agents mogen voorstellen doen, alleen jij past aan.

Zelf aan de slag

n

Begin klein: één afdeling, koppelingen op alleen lezen en een kennisbank met je belangrijkste merkregels en bronnen. Breid pas uit als dat goed draait. Zo houd je overzicht, en zie je snel of het iets oplevert.

n

Wil je alvast zien hoe het werk door het team loopt? Speel een scenario af in het voorbeeld op de pagina over het AI-marketingteam.