🛠 Claude als persoonlijke editor op je eigen schrijfarchief

Hoofdonderwerpen

• AI-washing bij ontslagrondes: Atlassian (10% eruit), Block (4.000 mensen), en Meta (mogelijk 16.000) noemen AI als reden voor reorganisaties. De hosts vragen zich af hoeveel daarvan écht over AI gaat en hoeveel gewoon een handig verhaal is voor de beurs.
• Waarom chatbots slecht schrijven: Te gast Jasmine Sun (journalist, schreef er een stuk over in The Atlantic) legt uit waarom LLMs ondanks alle vooruitgang nog steeds geen goed literair werk produceren. Spoiler: GPT-2 was qua creativiteit bizar genoeg beter dan Claude vandaag.
• Tokenmaxxing: Techbedrijven zoals Meta en OpenAI hebben interne leaderboards waarop medewerkers worden gerankt op hoeveel AI-tokens (de rekeneenheid waarin LLMs werken — ruwweg stukjes woord) ze gebruiken. Topper bij OpenAI: 210 miljard tokens in 7 dagen.
• Een concrete workflow van Jasmine Sun: hoe zij Claude heeft ingericht als persoonlijke editor die feedback geeft op basis van haar eigen schrijfstijl en aspiraties, niet op basis van een generieke rubric.

Standpunten Casey & Kevin

Kevin: Ziet de ontslagrondes als vroege signalen van echte verschuiving. Voorspelt dat AI-native bedrijven meer gaan uitgeven aan AI-tools dan aan salarissen. Over tokenmaxxing: slecht idee als HR-tool, want Goodhart's Law (zodra een meting een doel wordt, is het geen goede meting meer — mensen gaan het gamen).

Casey: Nuchterder. Ziet de ontslagen grotendeels als 'AI-washing' (als bedrijven ontslagen of kostenbesparingen verpakken als 'we worden efficiënter dankzij AI' terwijl AI er in werkelijkheid weinig mee te maken heeft) bij bedrijven die hun koers kwijt waren. Block groeide tijdens corona van 3.800 naar 12.000 man en gaf 68M uit aan een Jay-Z-event — dát is het probleem, niet AI. Over schrijven: is niet overtuigd dat LLMs slecht zijn in schrijven, het hangt van de use case af. Vindt leaderboards in de bredere economie zorgwekkend voor het moreel.

AI & Tech nieuws

• Atlassian schrapt 10% (±1.600 banen), CEO noemt AI expliciet als factor maar geeft toe dat er meer speelt.
• Block ontslaat ±4.000 mensen (±8%). Aandeel schoot 17% omhoog na de aankondiging.
• Meta zou 20%+ van het personeel schrappen (tot 16.000 banen). Tegelijk $135 miljard aan capex (capital expenditures — investeringen in data centers, chips, infrastructuur) dit jaar.
• Meta's model 'Behemoth' is afgeblazen, opvolger 'Avocado' wordt uitgesteld omdat die amper beter presteert dan Gemini 2.5.
• Tokenmaxxing-cijfers: topgebruiker van Claude Code gaf vorige maand $150.000 uit aan tokens. Een Zweedse engineer spendeert meer aan Claude dan hij verdient.
• UK trekt voorstel in om AI-bedrijven op copyrighted materiaal te laten trainen na protest van artiesten zoals Dua Lipa.

What to Build

Project: Claude als persoonlijke editor op basis van je eigen archief

Wat het is Jasmine Sun beschrijft een setup waarin Claude fungeert als editor die feedback geeft niet op basis van generieke 'goed schrijven'-regels, maar op basis van jouw stijl, stem en persoonlijke ambities. Het is geen tool die voor je schrijft — het is een tool die je dwingt om beter te worden door goede vragen te stellen.

Hoe zij het bouwt (exact volgens de aflevering)

1. Maakt een Claude Project aan (geen Claude Code, geen API — gewoon in claude.ai).
2. Upload haar complete Substack-archief plus freelance-werk.
3. Upload haar retro-notities: na elk gepubliceerd stuk schrijft ze in een notes-app een paar bullets over wat goed en slecht was. Dit is cruciaal — het leert Claude haar smaak, niet alleen haar stijl.
4. Voegt context toe: wie is haar publiek, wat is haar beat, wat zijn haar doelen.
5. Samen met Claude ontwikkelt ze een rubric (beoordelingsschema) gebaseerd op wat haar schrijven kenmerkt — bijvoorbeeld 'benut je je insider-anthropoloog-positie in Silicon Valley?' of 'wissel je goed tussen registers (startup-jargon, internetslang, beleid, persoonlijk)?'.
6. Splitst het proces op in fases: ideation → structuur → proza → factcheck.
7. Belangrijke instructie aan Claude: niet voor haar schrijven, maar uit haar prompten wat ze kan verbeteren. Bijvoorbeeld: 'je conclusie is een samenvatting, wat voelde je toen dat vliegtuig opsteeg?'

Web research: wat bestaat er al

• Claude Projects ondersteunt tot 500 pagina's aan uploads en activeert automatisch RAG (Retrieval-Augmented Generation — techniek waarbij de AI eerst relevante stukken uit je documenten opzoekt voordat hij antwoordt) op betaalde plannen. Zie de officiële Anthropic-gids.
• Er is een Nederlandse tutorial (2026) die Projects-setup met files en connectors naar Notion/Drive behandelt.
• Een praktijkvoorbeeld van iemand die 34 PDFs (166MB) aan blogarchief in één Claude Project analyseerde.
• Gat in de markt: generieke AI-rubric-generators (LessonUp, Flint, MagicSchool) bestaan, maar geen enkele leert van je eigen publicaties + zelfevaluaties. Wat Jasmine doet is dus echt een custom workflow.

Analyse: wat kan beter of anders

• Jasmines setup is krachtig maar zit vast in claude.ai. Voor een ondernemer die meerdere contentstromen heeft (Stooker-blog, LinkedIn, klantcommunicatie, B Corp-rapportages) wordt het interessanter om dit programmatisch te doen via de Claude API, zodat je het kunt koppelen aan je eigen systemen.
• De retro-notities zijn het echte geheim. De meeste mensen slaan die stap over en krijgen daarom generieke feedback. Bouw een klein ritueel in om na elke publicatie 3-5 bullets op te schrijven.
• Splitsing in fases (ideation / structuur / proza / factcheck) is slim omdat het voorkomt dat je in één ronde over alles tegelijk feedback krijgt. Dat is ook hoe menselijke editors werken.

Stappenplan voor Onno

1. Verzamel je archief: alle Stooker-nieuwsbrieven, LinkedIn-posts, blogs, klantmails die je goed vond. Zet het als markdown of PDF in een map.
2. Schrijf retro-notities over je 10-20 beste stukken: wat werkte, wat niet, waarom. 3-5 bullets per stuk is genoeg.
3. Maak een Claude Project (claude.ai, Pro of Team abonnement). Upload alles.
4. Custom instructions voor het project: 'Je bent mijn editor. Ik ben Onno, specialty coffee-ondernemer bij Stooker, B Corp, AI-tinkerer. Geef feedback in vier fases: ideation, structuur, proza, factcheck. Schrijf nooit voor mij — stel vragen die mij dwingen om dieper te graven. Baseer je feedback op mijn archief.'
5. Co-ontwikkel een rubric met Claude zelf: vraag Claude om op basis van je archief + retro-notities te destilleren wat jouw stem kenmerkt. Sla die rubric op als apart document in het project.
6. Alternatieve stack als je dit programmatisch wilt: Next.js frontend + Supabase voor opslag van drafts en retro-notities + Claude API met system prompt die je rubric injecteert. Dit is vibe-codebaar in een avond. Bonus: je kunt retro-notities laten genereren door Claude op basis van performance-data (opens, clicks) uit je nieuwsbrief.
7. Voeg een MCP-connector toe (Model Context Protocol — standaard van Anthropic waarmee Claude direct met externe data en tools kan praten) naar je Substack of Ghost, zodat Claude automatisch nieuwe publicaties in je archief opneemt.

Takeaways

• AI-washing is een reëel verschijnsel — wees sceptisch als concurrenten of leveranciers 'AI-transformatie' als reden geven voor koerswijzigingen. Vaak is het een beursverhaal, niet een operationele realiteit. Voor een B Corp-koffiebedrijf: je eerlijke 'we gebruiken AI voor X en Y'-verhaal is waardevoller dan het hippe alternatief.
• Schrijfwerk blijft mensenwerk, maar anders: LLMs zijn superieure tekstgeneratoren, maar slecht in ideeën bedenken, rapporteren, en schrijven vanuit échte ervaring. Jouw voordeel als koffie-ondernemer: je loopt door de branderij, je proeft, je praat met boeren. Dat is precies wat LLMs niet kunnen. Gebruik ze voor editing en feedback, niet voor generatie.
• Retro-notities zijn goud: het stukje waar Jasmine haar eigen reflecties bijhoudt maakt het verschil tussen generieke en persoonlijke feedback. Ditzelfde principe werkt voor élk AI-systeem dat je bouwt — óók voor klantinteracties, productbeschrijvingen, B Corp-rapportages. Hoe meer metadata over 'wat goed was en waarom', hoe beter de AI.
• Tokenmaxxing is een anti-pattern: pas op als je voor Stooker ooit team-brede AI-KPI's gaat instellen. Meet uitkomsten (betere klantgesprekken, snellere rapportages), niet input (tokens, AI-gebruik).
• Centaur-model wint: Jasmines belangrijkste punt is dat mens + AI samen beter presteren dan elk apart. Voor vibe coding geldt hetzelfde — jij hebt de smaak en context, Claude doet het typewerk.