MODULE 1 — BUILDR FOUNDATION [START OP SLIDE 1] Welkom bij Module 1 van Buildr Foundation. In deze module leer je waarom bedrijven niet betalen voor AI op zichzelf, maar voor tijd, geld en risico dat wordt opgelost. [KLIK — NAAR SLIDE 2] Laat me je gelijk iets vertellen wat bijna niemand je zegt. Een bedrijf betaalt jou nooit omdat je AI snapt. Nooit. [KLIK — NAAR SLIDE 3] Sterker nog, de meeste bedrijven die jou ooit gaan inhuren weten niet eens precies wat AI is, en dat boeit ze ook helemaal niks. Waar bedrijven wel voor betalen is dit: tijd die ze terugkrijgen, geld dat ze besparen of verdienen, en risico dat verdwijnt. Dat is het. [KLIK — NAAR SLIDE 4] Drie dingen. AI is gewoon het gereedschap waarmee jij dat voor elkaar krijgt, maar het gereedschap is nooit het verkoopargument. [KLIK — NAAR SLIDE 5] Kijk maar naar wat er dagelijks misgaat bij heel verschillende bedrijven. Een tandartspraktijk verliest elke maand omzet aan no-shows, omdat niemand tijd heeft om iedereen handmatig te bellen voor een herinnering. Een systeem dat automatisch een herinnering stuurt en bevestiging vraagt, dat is geen "AI-project". [KLIK — NAAR SLIDE 6] Dat zijn stoelen die anders leeg hadden gestaan. Een recruiter krijgt tweehonderd CV's binnen voor één vacature en besteedt daar zes uur per week aan om ze handmatig door te lezen. [KLIK — NAAR SLIDE 7] Een systeem dat die CV's binnen tien minuten screent en de beste tien eruit pikt, dat is geen "AI-project". Dat is vijf uur en vijftig minuten per week die die recruiter teruggeeft. Een makelaar moet voor elk huis een aantrekkelijke woningomschrijving schrijven, en doet dat na een lange dag bezichtigingen vaak slordig en laat. [KLIK — NAAR SLIDE 8] Een systeem dat op basis van foto's en kenmerken binnen een minuut een goede tekst aanlevert, dat is geen "tekstgenerator". Dat is een avond die de makelaar teruggeeft aan zijn gezin. [KLIK — NAAR SLIDE 9] Een klein bureau moet elke dag content maken maar heeft geen tijd en geen team. Een systeem dat content voorbereidt op basis van wat al goed werkt, dat is geen "content-AI". Dat is een marketingmedewerker die nooit ziek is. [KLIK — NAAR SLIDE 10] Zie je het patroon? In geen van die voorbeelden noemde ik welk model, welke tool of welk prompt erachter zit. [KLIK — NAAR SLIDE 11] Want dat is niet wat het bedrijf koopt. Het bedrijf koopt het probleem dat is opgelost. Dus vanaf nu kijk je nooit meer naar AI als technologie. [KLIK — NAAR SLIDE 12] Je kijkt naar AI als oplossing voor een heel specifiek bedrijfsprobleem, in welke branche dan ook. Dat is het enige wat telt. [KLIK — NAAR SLIDE 13] Je hebt vast al tien YouTube-video's gezien over AI-tools. Misschien zelfs een cursus gevolgd, een certificaat gehaald. En toch heb je nog geen klant, nog geen systeem, nog geen euro verdiend. Dat is niet omdat je niet genoeg weet. Dat is omdat je nog denkt als een leerling, en niet als een builder. Een leerling verzamelt kennis. [KLIK — NAAR SLIDE 14] Een leerling denkt: als ik nog één cursus volg, nog één tool leer, dan ben ik klaar. Maar er is geen "klaar". Er is alleen "begonnen" of "niet begonnen". Een builder denkt totaal anders. Vier dingen die builders anders doen dan leerlingen. Eén. [KLIK — NAAR SLIDE 15] Builders starten bij het probleem, niet bij de tool. Een leerling vraagt: wat kan ik bouwen met n8n? Een builder vraagt: welk probleem ken ik, en wat is de simpelste manier om dat te fixen? De tool komt daarna, niet eerst. Twee. Builders bouwen iets dat werkt, ook al is het lelijk. [KLIK — NAAR SLIDE 16] Er is een uitspraak die je moet onthouden: klein en lelijk dat werkt is altijd beter dan groot en mooi dat nooit afkomt. Jouw eerste systeem mag een rommeltje zijn met losse spreadsheets en handmatige stappen. Als het het probleem oplost, is het goed genoeg om te verkopen. Drie. Builders testen op echte mensen, niet in hun hoofd. Je kan tien keer in je hoofd bedenken of iets gaat werken. [KLIK — NAAR SLIDE 17] De enige manier om het echt te weten, is het aan iemand laten zien die het probleem heeft, en kijken wat er gebeurt. Vier. Builders herhalen een vaste cyclus: bouwen, testen, verbeteren, verkopen. Niet eindeloos plannen en dan pas bouwen. Die cyclus draait continu, en elke ronde wordt het systeem, en jouw vaardigheid, een stukje beter. Denk aan de tandarts uit de vorige video, die omzet verliest aan no-shows. [KLIK — NAAR SLIDE 18] Een leerling zou nu een cursus zoeken over "patiëntherinneringen automatiseren met AI". Een builder doet iets veel kleiners. Deze week stuurt hij gewoon zelf, met de hand, een WhatsApp-bericht naar de vijf patiënten die morgen een afspraak hebben: "Hoi [naam], even een herinnering aan je afspraak morgen om [tijd]. Kom je nog?" Geen automatisering, geen AI, gewoon een test. Hij kijkt wat er gebeurt: reageren mensen, komen ze inderdaad, voelt het bericht goed. [KLIK — NAAR SLIDE 19] Pas als dat blijkt te werken, gaat hij uitzoeken hoe hij dat exacte berichtje automatisch laat versturen voor alle patiënten, elke dag. Dat is de cyclus in actie: een kleine, lelijke, handmatige versie eerst, en pas daarna de automatisering erbij. De praktische conclusie: stop met het verzamelen van kennis. Kies één probleem en bouw de simpelste versie van een oplossing. Niet perfect. Werkend. [KLIK — NAAR SLIDE 20] Er zijn letterlijk duizenden tools. ChatGPT, Claude, n8n, Make, Zapier, Airtable, Notion, Bubble, en iedereen op LinkedIn doet net alsof jij ze allemaal moet kennen voordat je mag beginnen. Dat is onzin, en het is precies de reden waarom zoveel mensen nooit verder komen dan tutorials kijken. Bij Buildr werken we met één vaste stack. Niet omdat het de enige goede combinatie tools is, die bestaat niet, maar omdat het de combinatie is waarmee je het snelst van een idee naar een werkend systeem gaat, zonder je te verliezen in keuzestress. Zo ziet die stack eruit, in vijf lagen. Eerst heb je een trigger. Het moment waarop iets gebeurt dat het systeem aan het werk zet. [KLIK — NAAR SLIDE 21] Een nieuw formulier-antwoord, een nieuwe e-mail, een nieuwe afspraak in de agenda, een tijdstip op de klok. Dan komt de AI-verwerking. Dit is waar Claude het denkwerk doet. Een tekst samenvatten, een aanvraag beoordelen, een bericht schrijven, een beslissing nemen op basis van context. Daarna de orchestratie. Dit is de laag die alles aan elkaar knoopt. Bij Buildr gebruiken we daarvoor n8n. [KLIK — NAAR SLIDE 22] Dit is de regisseur. Het bepaalt wat er na elkaar gebeurt, welke informatie waar naartoe gaat, en wat er moet gebeuren als iets misgaat. Dan de opslag. Waar informatie blijft staan zodat je systeem een geheugen heeft. Denk aan Airtable, een database, of een CRM. En als laatste de output. Waar het resultaat landt. Een bericht in Telegram of Slack, een e-mail, een update in een planning of pipeline. [KLIK — NAAR SLIDE 23] Dit zijn niet zomaar vijf willekeurige stappen. Dit zijn de vijf bouwblokken die je in Module 2 nog veel dieper gaat leren. De Buildr Stack is simpelweg hoe wij die bouwblokken concreet invullen met tools die we hebben getest en die werken. Het belangrijkste wat ik je nu wil meegeven: tools veranderen voortdurend. Vandaag is het n8n, morgen misschien iets anders. Maar de bouwblokken, trigger, AI, orchestratie, opslag, output, die veranderen niet. Als je dat patroon eenmaal doorhebt, kun je met vrijwel elke tool overweg, omdat je weet wat de rol van elk onderdeel is. [KLIK — NAAR SLIDE 24] Iedereen praat over AI als magie, of als gevaar. De ene helft van LinkedIn doet alsof het een orakel is dat alles weet. De andere helft is bang dat het hun baan overneemt. Beide ideeën zijn onzin als je systemen wil bouwen, en erger nog, beide ideeën zorgen ervoor dat je het verkeerd gaat gebruiken. Wat AI eigenlijk is, is veel saaier en veel praktischer dan je denkt. Een taalmodel zoals Claude voorspelt, op basis van patronen, wat de beste volgende woorden zijn gegeven de input die jij geeft. [KLIK — NAAR SLIDE 25] Het "weet" niks uit zichzelf. Het heeft geen toegang tot het internet, tenzij je dat specifiek geeft. Het heeft geen geheugen van gisteren, tenzij jij dat geheugen zelf meegeeft in je vraag. Dat betekent dat de kwaliteit van wat eruit komt volledig afhangt van wat erin gaat. Dat klinkt misschien als een beperking, maar het is juist je grootste kracht als builder, want het betekent dat jij de regie hebt. Denk aan een nieuwe medewerker op zijn eerste werkdag. [KLIK — NAAR SLIDE 26] Stel je geeft die medewerker de opdracht: schrijf een verkoopmail. Niks meer. Wat krijg je terug? Iets generieks, iets dat nergens op slaat voor jouw situatie. Maar stel je geeft die medewerker een goede briefing. Dit is de doelgroep, dit is de toon die we gebruiken, hier zijn drie voorbeelden van mails die wel werkten, en dit is precies het probleem dat de klant heeft. [KLIK — NAAR SLIDE 27] Dan krijg je iets dat je daadwerkelijk kan versturen. AI werkt exact zo. Vage prompt, vage output. Scherpe context, doelgroep, toon, voorbeelden, doel, en je krijgt iets dat een bedrijf daadwerkelijk kan gebruiken. Zo ziet dat verschil er letterlijk uit. Een vage prompt: "Schrijf een verkoopmail." [KLIK — NAAR SLIDE 28] Daar kan AI weinig mee, en het resultaat is generiek en gaat over niets specifiek. Een scherpe prompt: "Schrijf een verkoopmail voor [bedrijf], gericht aan eigenaren van kleine webshops die moeite hebben met het bijhouden van klantvragen. De toon is direct en informeel, geen overdreven verkooppraat. Hier is een voorbeeld van een mail die eerder goed werkte: [voorbeeld]. Het doel van de mail is een vervolgafspraak inplannen." Hetzelfde model, hetzelfde moment, maar door de context krijg je nu iets dat een verkoper daadwerkelijk kan versturen. [KLIK — NAAR SLIDE 29] Dit is ook precies waarom twee mensen met dezelfde tool totaal andere resultaten krijgen. Niet omdat de ene slimmer is, maar omdat de ene weet hoe je een briefing schrijft en de andere niet. Dus vanaf nu: behandel AI niet als een orakel waar je een vraag aan stelt en op een antwoord wacht. Behandel het als een nieuwe medewerker op dag één. Slim, snel, leergierig, maar alleen zo goed als de briefing die jij geeft.