Je zou nooit een collega vragen: ‘Schrijf een paar leuke posts voor LinkedIn.’ Toch doen de meeste mensen precies dat met AI. En dan zijn ze verbaasd dat het resultaat generiek is, te lang of totaal niet past bij wat ze in gedachten hadden.
Het probleem zit bijna nooit in de tool. Het zit in de instructie. Een onduidelijke prompt levert een onduidelijk resultaat op, net als een onduidelijke briefing. Het KADO-model helpt je die briefing helder te krijgen, in vier stappen. Zodat je AI-output krijgt waar je direct mee kunt werken.
Waarom de meeste prompts niet opleveren wat je wil
Neem deze prompt: ‘Schrijf een LinkedIn-post over AI in marketing.’ Lijkt misschien prima. Maar als je er goed naar kijkt, ontbreekt alles. Voor wie is die post? Wat is de aanleiding? Wat moet de lezer na het lezen denken of doen? Hoe lang moet het zijn, in welke toon? AI is een mega breed onderwerp, waar moet het precies over gaan? Wat is je unieke insteek.
AI vult al die ontbrekende informatie zelf in. En dat doet het met gemiddelden: een gemiddelde toon, een gemiddelde lengte, een gemiddelde invalshoek. Het resultaat? Inwisselbare content die op duizend andere posts lijkt.
Meer prompten helpt dan niet. Beter briefen wel.
Het KADO-model: vier letters, vier vragen
KADO staat voor Klant, Aanleiding, Doel en Output. Elke goede prompt bevat deze vier elementen, net als elke goede briefing die je aan een collega of bureau zou geven.
Voeg je koptekst hier toe
De twee letters die bijna iedereen overslaat
In trainingen zie ik hetzelfde patroon: de K (Klant) en de D (Doel) worden het vaakst vergeten. Mensen beschrijven wel wat ze willen hebben (Output) en soms de context (Aanleiding), maar ze vergeten te vertellen voor wie ze schrijven en wat het moet opleveren.
Zonder de K krijg je tekst die voor iedereen is en dus voor niemand. Zonder de D krijg je tekst zonder richting: woorden die klinken als ‘iets over het onderwerp’ maar nergens naartoe bewegen.
De combinatie van die twee maakt het verschil tussen output die niks voor je gaat doen en waar de ontvanger waarschijnlijk ook niet warm van wordt en output die je met kleine aanpassingen kunt publiceren.
In de praktijk: dezelfde vraag, ander resultaat
Hier zie je het verschil. Dezelfde opdracht, eerst zonder en dan met KADO.
Zonder KADO
DE PROMPT
“Schrijf een LinkedIn-post over AI voor marketeers.”
HET RESULTAAT
Een generieke post over ‘de kracht van AI in marketing’ met vijf tips die je overal kunt vinden. Inwisselbaar, geen persoonlijkheid, geen richting. Precies het type content dat niemand onthoudt.
Met KADO
DE PROMPT
“Schrijf een LinkedIn-post.
Klant: contentmarketeers (mediors) uit de B2B-sector in Nederland/Benelux die AI willen gebruiken maar overweldigd zijn door het aanbod aan tools.
Aanleiding: veel marketeers proberen te veel tools tegelijk en raken gefrustreerd omdat geen enkele tool echt goed werkt als je er geen tijd in steekt.
Doel: de lezer laten inzien dat minder tools vaak meer oplevert, en aanmoedigen om er één goed te leren kennen.
Output: maximaal 150 woorden, persoonlijke toon, open met een herkenbaar moment, sluit af met een vraag aan de lezer.”
HET RESULTAAT
Een gerichte, herkenbare post met een duidelijke boodschap en toon. Niet perfect (dat is AI-output zelden), maar een sterke eerste versie die je in vijf minuten kunt aanpassen naar jouw stem.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Drie tips om het KADO-model in je werkdag te gebruiken
Begin met de K
Als je maar één ding verandert aan hoe je prompt, laat het de K zijn. Beschrijf je doelgroep concreet. Niet ‘marketeers’ maar ‘contentmarketeers op senior niveau in een klein team van een middelgroot bedrijf met gevestigde naam die zich richt op [ categorie] B2B markt, die weinig tijd hebben en overweldigd zijn door toolkeuze.’ Hoe specifieker, hoe gerichter de output.
Schrijf de D als actie
Als je maar één ding verandert aan hoe je prompt, laat het de K zijn. Beschrijf je doelgroep concreet. Niet ‘marketeers’ maar ‘contentmarketeers op senior niveau in een klein team van een middelgroot bedrijf met gevestigde naam die zich richt op [ categorie] B2B markt, die weinig tijd hebben en overweldigd zijn door toolkeuze.’ Hoe specifieker, hoe gerichter de output.
Bewaar je beste KADO-prompts
Zodra je een prompt hebt die goed werkt, sla die op. Niet de output, maar de prompt zelf. Na een maand heb je een verzameling bewezen briefings die je steeds opnieuw kunt gebruiken, met kleine aanpassingen per situatie. Dat bespaart je elke keer opnieuw het denkwerk.
Hoe het KADO-model ontstond
Er zijn ontzettend veel modellen die je kunt gebruiken, dit model is bij mij ontstaan vanuit de praktijk. Het groeide organisch, vanuit het ontwerpen van AI-trainingen voor marketeers.
De vier letters zijn in feite de vier elementen die in elke goede briefing terugkomen. Of je nu een collega, een bureau of een AI-tool instrueert: als je de Klant, Aanleiding, Doel en Output helder hebt, krijg je betere resultaten. KADO maakt dat proces expliciet en herhaalbaar.
Beter prompten begint niet bij de prompt
De meeste prompts mislukken niet door slechte formulering. Ze mislukken omdat het denkwerk ervoor ontbreekt. Het KADO-model dwingt je om dat denkwerkte doen, voordat je een AI-tool opent.
Vier letters. Vier vragen. En het verschil tussen output die je weggooit en output waar je direct mee aan de slag kunt.
Veelgestelde vragen
Ja. Het model gaat over hoe je instrueert, niet over welke tool je gebruikt. Of je werkt met Claude, Gemini, Copilot of een ander AI-platform: de vier elementen blijven hetzelfde.
Voor snelle, simpele taken (een synoniem zoeken, een zin herformuleren) is het niet nodig. Maar zodra je output verwacht die je ergens voor wilt gebruiken, helpen de vier letters je om beter resultaat te krijgen.
Er zijn veel frameworks voor prompting. KADO is specifiek ontworpen voor marketeers en contentprofessionals. Het sluit aan bij hoe je al gewend bent te briefen: doelgroep, context, doel, verwacht resultaat. Dat maakt het makkelijk om te onthouden en toe te passen.
Dat is één van de sterkste toepassingen. Als iedereen in je team dezelfde vier vragen doorloopt, krijg je consistentere output en minder 'maar AI levert troep op'-frustratie. Het geeft een gedeelde taal voor hoe je met AI werkt.
Meer blogs lezen
Plaud Note vs Otter.ai vs Fireflies.ai vs Fathom: welke AI-recorder past bij jou in 2026?
Het AI-kompas: drie vragen voor betere AI-resultaten
ai voor e-mailmarketing
AI content workflow
Ai hallucinaties, hoe zit het nu precies?
