Twee bestuurders openen dezelfde AI. Ze voeren hem dezelfde vergaderstukken. De een krijgt een nette samenvatting en een gladde e-mail terug. De ander krijgt de drie risico's die de stukken stilletjes verbergen.
Zelfde model. Zelfde document. Zelfde middag. Een verschil van 10x in wat eruit kwam.
Het verschil was geen toegang. Die hadden ze allebei. Het verschil was de vraag, en de hoogte van waaruit die werd gesteld. Die hoogte is de hele vaardigheid, en bijna niemand leert het je.
"Engineering" is het verkeerde woord
Het woord laat het technisch klinken, alsof er een syntax is die je uit je hoofd moet leren. Die is er niet. Niet meer.
Het tijdperk van de slimme formulering is voorbij. Ethan Mollick, die dit aan Wharton onderzoekt, zegt het onomwonden: de trucs doen er nu veel minder toe dan de AI goede context geven, zoals je een capabele assistent zou briefen. De modellen werden goed genoeg dat het woordspel niet langer loonde.
Zelfs de beroemdste truc is een mythe. Een AI vertellen dat hij "als een expert moet handelen" verbeterde de nauwkeurigheid in Whartons tests niet betrouwbaar: het expert-label maakte in de meeste gevallen en modellen geen verschil voor de juistheid van het antwoord. Zulke rollen sturen toon en insteek. Ze maken het antwoord niet meer waar.
Laat "engineering" dus vallen. De echte vaardigheid is promptgeletterdheid: helderheid van denken, de juiste context en specificiteit. Whartons eigen zes tactieken voor betere resultaten komen daarop neer: benoem de uitkomst, geef context en kaders, herhaal, vraag om verschillende invalshoeken. Geen enkele magische zin. Alleen helder denken en zeggen wat je werkelijk wilt.
Voor een bestuurder is dat goed nieuws. Het moeilijke deel doe je al voor de kost: je weet welke vraag ertoe doet. Die vaardigheid neem je gewoon mee.
Vragen op jouw hoogte
Dit is het deel dat de cursuspagina's missen. Een CEO, een CFO en een CTO kunnen exact dezelfde cijfers krijgen en horen daar structureel andere vragen over te stellen.
Een CEO vraagt waar het hele bedrijf naartoe drijft en welke twee slides elkaar tegenspreken. Een CFO vraagt wat de prognose breekt en wanneer de kaspositie ongemakkelijk wordt. Een CTO vraagt wat de architectuur niet aankan en waar de technische schuld zich opstapelt. Dezelfde data eronder. Drie hoogtes erboven.
Dat is geen metafoor. Het is de werklogica van de AI CEO-, AI CFO- en AI CTO-vensters: dezelfde motor, andere stoel, elk vragend op het niveau van zijn beslissing.
Het onderzoek wijst dezelfde kant op. MIT Sloans werk over de kunst van het vragen, gebaseerd op Hal Gregersens methode van de "question burst", vond dat in ongeveer 85% van de gevallen het genereren van vragen, zónder je meteen op antwoorden te storten, het probleem herkadert of een nieuwe route blootlegt. AI hoort die kunst te versterken, niet te vervangen. De voorsprong van de bestuurder was nooit het antwoord. Het was weten welke vraag je moest stellen, en van hoe hoog.
Promptgeletterdheid voor de directie is precies dat instinct, gericht op een model. Je vraagt op jouw hoogte, en de machine werkt op jouw hoogte met je mee.
De context die vragen laat landen
Een perfecte vraag op generieke data geeft je een generiek antwoord. Daarom stellen kant-en-klare promptbibliotheken teleur. Een "CEO-prompttemplate" van een listicle heeft niets eronder: geen pijplijn, geen prognose, geen cijfers van vorige maand. Het kan je alleen vertellen wat een CEO ergens misschien zou willen horen.
De waardevolste context is geen slimmere instructie. Het is de echte data van je eigen bedrijf. Richt dezelfde vraag op je werkelijke vergaderstukken, je werkelijke kaspositie, je werkelijke roadmap, en het antwoord houdt op een template te zijn en wordt een briefing.
Dat is de structurele zet: leg je cijfers onder de vraag. Chatten met je eigen bedrijfsdata verandert promptgeletterdheid van een salontruc in een werkend gereedschap, en het blijft private by design, op je eigen machine, niet ingetikt in een openbare chatbot. De vraag is de hoogte. De data is de grond. Je hebt allebei nodig.
De ongemakkelijke wending: jij gebruikt AI al meer dan je team
Hier zit de valkuil, en het is een comfortabele.
Je bent waarschijnlijk niet de achterblijver. BCG's onderzoek AI at Work 2025, onder ruim 10.600 werknemers in 11 landen, vond dat ongeveer 88% van de leidinggevenden regelmatige AI-gebruikers zijn, tegenover zo'n 51% van de medewerkers op de werkvloer. Er is een "silicon ceiling", en jij zit erboven.
Klinkt als veiligheid. Dat is het niet. Want veel gebruiken is niet hetzelfde als op hoogte gebruiken. McKinsey vond dat leiders de grootste rem op het opschalen van AI zijn, niet de medewerkers, en dat leiders hun eigen mensen flink onderschatten. De directie gokt dat zo'n 4% van de medewerkers generatieve AI gebruikt voor een derde van hun dagelijks werk; in werkelijkheid doet ongeveer 13% dat. Je team is ongeveer 3x zo AI-vaardig als je denkt.
Ondertussen ging de echte adoptie ondergronds. MIT's rapport The GenAI Divide vond dat rond de 95% van de zakelijke generatieve-AI-pilots geen meetbaar effect op de winst-en-verliesrekening opleverde, terwijl bij zo'n 90% van de bedrijven medewerkers al eigen AI-tools voor werk gebruiken. De programma's liepen vast. De individuen werden toch AI-native.
Leg het naast elkaar en de kwetsbaarheid is niet dat je geen AI gebruikt. Dat doe je, dagelijks. De kwetsbaarheid is dat je het ondiep gebruikt, op samenvattingen en concepten, terwijl iemand een niveau lager, of een collega aan de tafel ernaast, hardere vragen stelt aan beter gegronde data en vergadering na vergadering uitloopt.
Een werkende hoogteladder
De oplossing is een ladder, geen template. Je klimt van samenvatting naar strategie, en elke sport is een scherpere vraag over hetzelfde materiaal. Op basis van Whartons tactieken, namelijk benoem, contextualiseer en herhaal, ziet de klim er zo uit.
Sport één, samenvatting. "Vat deze vergaderstukken samen." Prima. Iedereen krijgt dit. Het is de basis, en het is waar de meeste bestuurders stoppen.
Sport twee, ondervraging. "Verzoen deze twee slides: sales zegt dat de pijplijn gezond is, finance zegt dat het krap is met kas. Welke klopt in de werkelijke cijfers, en wat verbergt het gat?" Nu vraag je de AI om tegenspraak te vinden, niet alleen om tekst in te dikken.
Sport drie, stresstest. "Stresstest deze prognose. Voor welke drie aannames is hij het gevoeligst, en wat gebeurt er met de runway als elk 20% slechter uitpakt?" Je test het oordeel onder druk, in plaats van het voor te lezen.
Sport vier, wat veranderde en waarom. "Wat bewoog deze maand het meest in het bedrijf, goed en slecht, en wat veroorzaakte het?" Je loopt de kamer in en weet het al, in plaats van een vergadering te plannen om het uit te zoeken.
Sport vijf, scenario en ommekeer. "Als we de twee late deals niet sluiten, wanneer wordt het ongemakkelijk, en wat zijn de drie schoonste zetten om een kwartaal te winnen?" Nu breidt de AI je opties uit, op de hoogte waar je werkelijk beslist.
Dezelfde vergaderstukken, de hele weg omhoog. De ladder is de vaardigheid.
Wat betere vragen nog steeds niet kopen
Wees eerlijk over het plafond, want die eerlijkheid is juist het punt.
Promptgeletterdheid verhoogt het plafond van je analyse. Ze verhoogt je oordeel niet, en raakt nooit aan ethiek, conflict of vertrouwen. Het model kan vijf scenario's uitstippelen en rangschikken. Het kan je niet vertellen met welk scenario jij kunt leven, welk scenario je board vergeeft, of welk scenario trouw blijft aan de mensen die voor je werken.
AI vergroot het speelveld aan opties. De bestuurder beslist nog steeds waarom, en waarvoor. Een betere vraag geeft je een betere kaart. Hij loopt de weg niet, draagt de verantwoordelijkheid niet, en zit niet tegenover je aan tafel als de beslissing verkeerd uitpakt. Dat deel is nog steeds van jou, en dat hoort zo.
Dat is geen zwakte van het gereedschap. Het is de vorm van het werk. De AI-native executive vraagt beter én beslist beter, omdat het twee verschillende handelingen zijn, en maar één ervan kun je aan een model delegeren.
AI-native worden zonder IT-programma
Let op wat deze vaardigheid níét vereist. Geen cursus, geen certificaat, geen tweejarige transformatie met een stuurgroep.
Het vereist je eigen laptop, je eigen data en de gewoonte om op jouw hoogte te vragen, in dagen, geen uitrol. Je richt AI van bestuursniveau op je echte cijfers, je beklimt de ladder, en je houdt op de ondiep-gebruikende bestuurder te zijn terwijl iemand onder je AI-native werd zonder het te vragen. Dit is de werkvaardigheid onder de identiteit: als de AI-native executive het wie is, dan is promptgeletterdheid het hoe. En zodra je data erachter zit, is het ook wat een AI-bedrijfsbrein doet: de vragen stellen waar je anders twee weken op had gewacht.
AI Board is jouw persoonlijke AI-assistent die je een AI-native executive maakt: een AI CEO, CFO en CTO op je eigen laptop, gevoed met de data van je bedrijf, en hij wordt scherper naarmate je data groeit. Privacy by design, snel, en vóór op de executives die wachten.
Die persoonlijke adoptie is niet hypothetisch. Ze gebeurt al onder je. De schaduw-AI-economie van je team is precies dit, zonder toestemming. De enige open vraag is of ze ook aan het hoofd van de tafel gebeurt.
Veelgestelde vragen
Wat is prompt engineering voor de directie?
Het is de vaardigheid om AI de juiste vraag te stellen op het niveau van je beslissing, gevoed met de eigen data van je bedrijf. De naam is misleidend; er is geen syntax om uit je hoofd te leren. Wat het antwoord beweegt is helderheid, context en specificiteit, niet slimme woordkeuze. Voor een bestuurder betekent het dat je je vergaderstukken, prognose of roadmap rechtstreeks ondervraagt in plaats van genoegen te nemen met een generieke samenvatting.
Moeten bestuurders dit echt leren?
Ja, maar niet als technische cursus. Bestuurders gebruiken AI al meer dan hun teams. BCG vond dat ongeveer 88% van de leidinggevenden regelmatige gebruikers zijn, tegenover 51% van de medewerkers op de werkvloer. Het risico is geen niet-gebruik. Het is ondiep gebruik: samenvattingen en concepten, terwijl een collega hardere vragen stelt aan betere data. Leren vragen op jouw hoogte is het verschil.
Wat maakt een goede directie-prompt?
Context en specificiteit, geen magische zin. Whartons tactieken, namelijk benoem de uitkomst, geef kaders en herhaal, verslaan elke template. De grootste hefboom is de data eronder: een scherpe vraag op je echte cijfers geeft een briefing; dezelfde vraag zonder iets eronder geeft een dooddoener.
Hoe verschilt de prompt van een AI CEO van die van een AI CFO?
Hoogte. Bij dezelfde cijfers vraagt een CEO waar het hele bedrijf naartoe drijft en welke slides elkaar tegenspreken; een CFO vraagt wat de prognose breekt en wanneer het krap wordt met kas; een CTO vraagt wat de architectuur niet aankan. Dezelfde data, ander niveau van vraag, precies waar de AI CEO-, AI CFO- en AI CTO-vensters voor gebouwd zijn.
Waarom voelen mijn AI-antwoorden zo generiek?
Bijna altijd omdat er geen echte context onder de vraag zit. Een prompt uit een template heeft geen pijplijn, prognose of cijfers van vorige maand erachter, dus kan hij alleen iets generieks teruggeven. Richt de AI op de werkelijke data van je bedrijf en dezelfde vraag geeft iets specifieks terug: een briefing in plaats van een gok.
Het gereedschap is nu voor iedereen gelijk. De vraag niet. De bestuurders die uitlopen zijn niet degenen met betere toegang. Het zijn degenen die vragen op hun hoogte, over data die werkelijk van henzelf is.
Bekijk wat een AI-native executive doet met de eigen bedrijfsdata →, en maak kennis met je AI CEO.