Kennisbank en skills: zo klinkt je AI-team als jouw bedrijf

Het verschil tussen een AI-team dat bruikbaar werk aflevert en een AI-team dat generieke tekst produceert, zit zelden in het model. Het zit in wat het team over jouw bedrijf weet en in de regels die het volgt. Dat is de laag met de kennisbank en de skills, een van de vier lagen van een AI-marketingteam.

Hieronder laat ik zien welke bestanden je nodig hebt, wat erin hoort, hoe een skill eruitziet en hoe de reviewer alles daaraan toetst. Dit is de stap waar de meeste zelfbouwers te snel doorheen gaan, en waar later de meeste problemen vandaan komen.

Waarom een kennisbank

Een taalmodel weet veel over de wereld en niets over jouw bedrijf. Het kent je producten niet, weet niet wat je wel en niet belooft en heeft geen idee hoe je klanten praten. Als je dat niet vastlegt, vult het model de gaten zelf in. Met aannemelijke, algemene en soms verzonnen informatie.

Een kennisbank is niets meer dan een set tekstbestanden die elke agent leest voordat hij aan het werk gaat. Geen ingewikkelde database. Gewone bestanden, zodat jij ze kunt lezen, aanpassen en controleren.

De zes bestanden

In het voorbeeld op mijn site zie je de kennisbank onderaan het schema, met zes onderdelen. Zo vul je ze:

Merk en toon: laat zien, niet alleen beschrijven

“Wij zijn toegankelijk en professioneel” zegt een model niets. Elk bedrijf vindt zichzelf toegankelijk en professioneel. Wat wel werkt:

• Concrete keuzes. Je of u. Ik of wij. Korte zinnen of uitgebreid. Wel of geen uitroeptekens.
• Woordenlijst. Woorden die je gebruikt en woorden die je nooit gebruikt, met het alternatief erbij.
• Voorbeelden. Drie teksten van jezelf die goed zijn, en één die precies niet goed is, met uitleg waarom.

Doelgroepen: de woorden van je klant

De beste marketingteksten gebruiken de woorden van de klant, niet die van het bedrijf. Een klant zoekt niet naar een “hoogwaardige oplossing voor zakelijke communicatie”. Hij zoekt “speaker voor vergaderruimte die echt goed klinkt”.

Die woorden vind je in reviews (van jezelf en van concurrenten), klantmails en vragen aan je klantenservice, zoektermen in Search Console en opmerkingen onder je advertenties. In het team doet de klanttaal-onderzoeker dit. Hij verzamelt letterlijke zinnen en zet ze per doelgroep in doelgroepen.md, als voorstel. Jij keurt goed wat erin komt.

Merkregels: de grenzen

Dit bestand voorkomt de meeste schade. Een uitsnede van hoe zoiets eruitziet:

# Merkregels

## Wat we nooit doen
- Geen bezorgtijden, levertermijnen of vaste tarieven noemen.
  Wel: "in overleg" of verwijzen naar de offerte.
- Geen percentages of cijfers zonder bron in bronnen.md.
- Geen concurrenten bij naam noemen.
- Geen medische of gezondheidsclaims.

## Toon
- Ik-vorm, je-vorm. Korte zinnen.
- Geen superlatieven zonder bewijs ("de beste", "ongekend").

## Altijd naar de eigenaar
- Alles met een prijs, korting of actie.
- Alles wat een belofte doet over resultaat.

Merk op dat de regels toetsbaar zijn. “Wees voorzichtig met claims” kan een reviewer niet controleren. “Geen cijfers zonder bron in bronnen.md” wel.

Bronnen: elke claim heeft een herkomst

Verzonnen claims zijn het grootste risico van AI-tekst. Een model schrijft makkelijk “verwijdert 99 procent van de huisstofmijt” of “binnen 24 uur geleverd” omdat het aannemelijk klinkt. De oplossing: een lijst met claims die je mag gebruiken, elk met de bron erbij.

# Bronnen

| Claim                         | Bron                    | Geldig tot |
|-------------------------------|-------------------------|------------|
| Getest volgens norm X          | Testrapport lab, 2026   | 2028       |
| Beoordeeld met 4,7 sterren    | Reviewplatform, okt 2026| maandelijks|

De regel voor het hele team: staat een claim niet in dit bestand, dan wordt hij niet gebruikt. De reviewer controleert daarop.

Resultaten: het team leert

Na elke actie meet data en analyse wat het opleverde. Wat werkte of juist niet, komt als korte regel in resultaten.md: datum, wat er gedaan is, wat het opleverde, wat we ervan leren. Daardoor stelt het team over drie maanden geen dingen meer voor die al eens zijn mislukt.

Skills: vaste werkwijzen per afdeling

De kennisbank vertelt wat het team moet weten. Skills vertellen hoe het werk gedaan wordt. Een skill is een los bestand met een werkwijze: wanneer je hem gebruikt, welke stappen erin zitten, welke regels gelden en hoe het resultaat eruitziet. Hermes Agent, het platform waarop mijn agents draaien, laadt een skill wanneer de taak erom vraagt.

Een vereenvoudigd voorbeeld van een skill voor de SEO-strateeg:

---
name: seo-briefing
description: Maak van een zoekkans een briefing voor de schrijver.
---

## Wanneer
Na de wekelijkse kansenanalyse, per goedgekeurde kans.

## Lees eerst
- kennisbank/doelgroepen.md
- kennisbank/merkregels.md
- skills/seo-regels.md

## Stappen
1. Haal zoektermen, vertoningen, klikken en positie op (28 dagen).
2. Bekijk de huidige pagina en de top 3 in Google.
3. Bepaal de zoekintentie: informatie, vergelijking of aankoop.
4. Schrijf de briefing in het vaste format hieronder.

## Format
- Doel van de pagina (1 zin)
- Hoofdzoekterm en 3 tot 5 verwante termen
- Vragen die de pagina moet beantwoorden
- Klanttaal die terug moet komen
- Wat de pagina niet moet doen
- Hoe we meten of het werkt

## Klaar als
De briefing past op een scherm en elke keuze is onderbouwd met data.

Een paar dingen die een skill goed maken:

• Een vast format voor het resultaat. Dan is elk advies even snel te beoordelen, en weet de volgende afdeling precies wat hij krijgt.
• Een duidelijke “klaar als”. Zonder einddefinitie blijft een agent schaven of levert hij half werk.
• Verwijzingen naar de kennisbank in plaats van kopieën. Zet je merkregels niet in elke skill. Verwijs ernaar. Dan pas je ze op één plek aan.
• Klein houden. Eén skill, één werkwijze. Liever tien korte skills dan één lange handleiding.

Welke skills je nodig hebt, volgt uit de afdelingen. Voor een start met SEO en content zijn dat er vaak vier: kansenanalyse, briefing, artikel of pagina schrijven en reviewen. Voor het dagrapport twee: cijfers ophalen en samenvatten.

De reviewer: controle met een ander model

De reviewer is de afdeling die het verschil maakt tussen “AI heeft iets gemaakt” en “dit kan naar de eigenaar”. Hij schrijft niets zelf. Hij toetst.

1. De maker levert een concept af in concepten/.
2. De reviewer leest het concept naast merkregels.md, bronnen.md en de goedgekeurde briefing.
3. Elke regel wordt afgevinkt. Klopt alles, dan krijgt het concept een vinkje.
4. Klopt iets niet, dan gaat het terug naar de maker met concrete opmerkingen: welke zin, welke regel, wat er mis is.
5. Na een vinkje gaat het naar jou, voor poort 2. Na twee keer terugsturen zonder vinkje gaat het ook naar jou, met de opmerkingen erbij. Zo blijft het niet eindeloos heen en weer gaan.

De reviewer draait op een ander model dan de maker. Dat is geen detail. Een model dat zijn eigen tekst beoordeelt, vindt die meestal prima. Een ander model kijkt er anders naar en vangt andere fouten.

Alleen jij past de kennisbank aan

Dit is de belangrijkste regel van het hele systeem. Agents lezen de kennisbank, ze schrijven er niet in. Wel doen ze voorstellen: “in de reviews van deze maand komt het woord ‘stil’ vaak terug, toevoegen aan klanttaal?” Dat voorstel komt bij jou binnen en jij beslist.

Waarom zo streng? Omdat kleine aanpassingen optellen. Als agents zelf regels mogen bijschaven, drijft je merk in een paar maanden ongemerkt weg. En als er dan iets misgaat, weet niemand meer waar de regel vandaan kwam.

Houd bij elke wijziging bij wat je aanpaste en waarom. Een simpel wijzigingslog onderaan het bestand is genoeg. Wie handig is met Git, zet de kennisbank in versiebeheer.

Veelgemaakte fouten

• Alles in één groot bestand. Moeilijk te onderhouden en agents lezen dingen die ze niet nodig hebben. Splits per onderwerp.
• Vage regels. “Wees niet te commercieel” is niet te toetsen. Maak het concreet.
• Tegenstrijdigheden. “Kort en krachtig” in het ene bestand, “leg alles uitgebreid uit” in het andere. Het model kiest dan willekeurig.
• Verouderde informatie. Een oude prijs of een product dat niet meer leverbaar is. Zet een datum bij alles wat kan verlopen.
• Geen voorbeelden. Eén goede voorbeeldtekst zegt meer dan tien regels uitleg.

Zo begin je, in één middag

1. Verzamel drie teksten van jezelf die je goed vindt. Je beste productpagina, een goede mail, een post die goed liep.
2. Schrijf merkregels.md met vijf dingen die je nooit wilt zien. Begin bij wat eerder misging.
3. Zet je tien belangrijkste claims met bron in bronnen.md.
4. Haal twintig letterlijke zinnen uit reviews en klantmails en zet ze in doelgroepen.md.
5. Laat het team een testtekst schrijven en lees mee waar het afwijkt. Elke afwijking is een regel die nog ontbreekt.

Daarna groeit de kennisbank vanzelf mee, via de voorstellen van het team en de resultaten die terugkomen. Daarna geef je het team toegang tot je cijfers, met koppelingen via MCP en duidelijke rechten per systeem.