17 mei 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Een PRD schrijven met AI: promptframework en reviewlus
AI maakt van de PM een editor in plaats van een schrijver. Hier vind je het promptframework, de PRD-prompt om te kopiëren en de reviewlus die een door AI geschreven PRD eerlijk houden.
Om een PRD met AI te schrijven, schrijf je het probleem, het bewijs en de succesmetriek zelf, geef je het model die context met een duidelijke taak en harde randvoorwaarden, en laat je het de structuur, user stories, edge cases en acceptatiecriteria opstellen. Je rol verschuift van schrijver naar editor: je controleert elke bewering, schrapt wat geen bron heeft en beslist over de trade-offs. Het concept is versie 0.5, niet versie 1.
Belangrijkste punten
PRD's schrijven is een van de meest voorkomende toepassingen van AI in productwerk. In Productboards enquête van 2025 onder 379 productprofessionals gebruikte 94% AI dagelijks of vaak, en het schrijven van PRD's hoorde bij de grootste tijdsbesparers (Productboard, 2025).
Modellen verzinnen nog steeds dingen. Zelfs als ze alleen een aangeleverd document moeten samenvatten, hallucineren toonaangevende modellen volgens Vectara's leaderboard in 1,8% tot 24,2% van de gevallen (Vectara, 2026). Een PRD-prompt met weinig context vraagt om veel meer.
Onderzoekers herleiden hallucinatie tot training en evaluatie die "gokken belonen boven het toegeven van onzekerheid" (Kalai et al., 2025). Laat het model dus gaten markeren in plaats van ze op te vullen.
Het Context-Taak-Randvoorwaarden-framework hieronder, plus jouw bewijs, doet meer voor de kwaliteit van de output dan welke modelkeuze ook.
Review is nu het werk: elke bewering in de secties over probleem en succes heeft een bron nodig die je kunt openen.
Wat verandert er als je een PRD met AI schrijft?
Het doel van de PRD verandert niet. Marty Cagan definieerde het als het duidelijk verwoorden van het doel, de features, de werking en het gedrag van het product, zodat het team het kan bouwen en testen (SVPG, 2005). Wat verandert is waar je tijd naartoe gaat.
Productprofessionals besteedden in de enquête van het Pragmatic Institute uit 2019 onder 2.474 mensen ongeveer 18 uur per maand aan het formuleren en prioriteren van requirements (Pragmatic Institute, 2019). Een groot deel daarvan was opstellen en opmaken. Met AI kost het opstellen minuten; de resterende uren zouden moeten gaan naar de drie dingen die een model niet voor je kan doen:
Validatie. Is het probleem echt, en is het bewijs sterk genoeg om op te handelen?
Strategische afstemming. Dient deze feature het doel dat het bedrijf echt heeft gesteld?
Trade-off-analyse. Wat kies je bewust niet te bouwen, en welk risico neem je op de koop toe?
Atlassians enquête State of Product 2026 onder meer dan 1.000 productprofessionals vond dat AI teams 10 tot 60 minuten per dag bespaart, vooral bij documentatie en onderzoek, terwijl respondenten zeiden dat het niet hielp bij complex werk zoals plannen (Mind the Product, 2025). Dat is de juiste verdeling. Geef het model het papierwerk en houd zelf het oordeel.
Kan AI zelfstandig een goede PRD schrijven?
Nee. AI is een synthesemotor, geen discoverymotor. Het kan je notities, transcripties en randvoorwaarden omzetten in een nette, consistente structuur. Het kan niet weten welk klantprobleem het zwaarst weegt, wat je uitgangspunt is of welke trade-off je team vorige week heeft geaccepteerd.
Het probleem is niet een duidelijk slecht document, maar een vloeiend document. Uit de Stack Overflow-enquête van 2025 bleek dat 66% van de developers gefrustreerd is door AI-output die "bijna goed is, maar net niet", en dat meer developers de nauwkeurigheid van AI wantrouwden (46%) dan vertrouwden (33%) (Stack Overflow, 2025). Bij PRD's speelt hetzelfde probleem, met een twist: een bug in code laat een test falen, terwijl een verzonnen klantinzicht door de review komt als niemand de bron controleert.
Behandel het AI-concept als versie 0.5. Het geeft je structuur en dekking. Jij levert het bewijs, de beslissingen en de stem van het team.
Hoe schrijf je stap voor stap een PRD met AI?
Verzamel eerst het bewijs. Pak de 3 tot 10 bronnen die op deze beslissing betrekking hebben: interviewfragmenten, supporttickets, een gebruiksquery, de relevante OKR. Plak of voeg ze toe; vraag het model niet om gebruikers te "bedenken".
Schrijf het probleem en de succesmetriek zelf. Elk twee of drie zinnen. Dit deel bepaalt of de PRD klopt, dus het moet in jouw woorden staan.
Prompt met Context, Taak en Randvoorwaarden. Gebruik het framework hieronder. Noem het formaat, de scopegrens en de regel dat elke bewering een aangeleverde bron moet citeren.
Genereer sectie voor sectie. Vraag de modulaire onderdelen één voor één: doel, persona's, succesmetrics, user stories, acceptatiecriteria, niet-functionele eisen, risico's. Kleinere opdrachten leveren strakkere output op en zijn makkelijker te reviewen.
Vraag om gaten, niet alleen om antwoorden. Prompt: "Noem de vragen die een engineering lead zou stellen en die deze PRD niet kan beantwoorden." Maak van de antwoorden open vragen met een eigenaar.
Herleid elke bewering. Markeer elke feitelijke zin als onderbouwd, afgeleid, aangenomen of verzonnen, en verwijder de verzonnen zinnen. De claim trace van 15 minuten loopt het stap voor stap door.
Review met engineering en design, en versioneer dan. Bewaar één canonieke kopie en link ernaar vanuit tickets. Voor de volledige handmatige methode achter deze stappen, zie hoe je een PRD schrijft.
Wat is het Context-Taak-Randvoorwaarden-promptframework?
Context-Taak-Randvoorwaarden (CTC, van het Engelse Context-Task-Constraint) is een promptstructuur in drie delen die het model binnen de werkelijkheid van jouw product laat werken in plaats van een generieke PRD te produceren.
Context: wie de gebruikers zijn, wat het product doet, het probleem en het bewijs. Anthropics promptinggids stelt voor het model te zien als "een briljante maar nieuwe collega" die jouw normen niet kent, en de motivatie achter instructies erbij te zetten zodat het kan generaliseren (Anthropic).
Taak: de specifieke output die je wilt, één sectie of één document, in een benoemd formaat.
Randvoorwaarden: scopegrenzen, syntaxis (bijvoorbeeld Given/When/Then), lengte en verankeringsregels zoals "als een bewering niet door de bronnen wordt onderbouwd, schrijf dan OPEN VRAAG in plaats daarvan".
Drie gewoonten laten CTC-prompts beter werken:
Scheid de delen. Anthropic raadt aan instructies, context en invoer in eigen XML-tags te zetten, zoals <context> en <sources>, om misinterpretatie te verminderen.
Laat een voorbeeld zien. Dezelfde gids raadt 3 tot 5 goed gekozen voorbeelden aan. Eén goede eerdere PRD van je team leert toon en diepgang sneller dan welke beschrijving ook.
Doe de collegatest. Als een collega zonder achtergrond in de war zou raken van je prompt, geldt dat ook voor het model.
Zo ziet het verschil er in de praktijk uit:
Zwakke prompt
CTC-prompt
"Schrijf een PRD voor geautomatiseerde verlofgoedkeuring."
Context: B2B-HR-platform; admins bij klanten met 50 tot 500 medewerkers keuren verlof handmatig goed; 3 gelinkte interviewfragmenten en 1 ticketquery. Taak: stel user stories en acceptatiecriteria op. Randvoorwaarden: alleen MVP-scope, Given/When/Then, bij elke bewering een bron noemen, open vragen opsommen.
Levert een aannemelijke, generieke PRD op met verzonnen persona's en metrics
Levert een afgebakend concept op dat je regel voor regel kunt controleren
AI-PRD-prompt om te kopiëren
Gebruik hem met elk capabel model, of dat nu ChatGPT, Claude of Gemini is. Vul de haakjes in, plak je bronnen en voer hem sectie voor sectie uit als de output lang is.
<role>
Treed op als senior product manager die schrijft voor een engineeringteam.
</role>
<context>
Product: [wat het doet, voor wie]
Probleem (door mij geschreven): [2-3 zinnen]
Succesmetriek (door mij geschreven): [metriek, uitgangspunt -> doel, controledatum]
Strategisch doel / OKR: [doel]
Bekende randvoorwaarden: [techniek, juridisch, tijdbudget]
</context>
<sources>
[Plak interviewfragmenten, ticketsamenvattingen, data. Label elk met S1, S2, S3...]
</sources>
<task>
Stel een PRD op voor [naam van de feature] met deze secties:
1. Executive summary (5 regels)
2. Doelpersona('s), alleen gebaseerd op de bronnen
3. Succesmetrics: gebruik de mijne; stel maximaal 2 guardrails voor
4. User stories, gerangschikt, met prioriteit Must / High-want / Nice
5. Acceptatiecriteria in Given/When/Then-vorm
6. Niet-functionele eisen: latency, beveiliging, privacy, toegankelijkheid
7. Risico's en afhankelijkheden
8. Buiten scope
9. Open vragen
</task>
<constraints>
- Alleen MVP-scope; alles daarbuiten komt onder Buiten scope.
- Elke feitelijke bewering over gebruikers of de markt moet een bron-ID noemen (S1...).
- Als een bewering niet door de bronnen wordt onderbouwd, schrijf dan OPEN VRAAG in plaats daarvan.
- Verzin geen cijfers, citaten of klantnamen.
- Eenvoudige, beknopte taal. Geen marketingtekst.
</constraints>
Vervolgprompts die het concept aanscherpen
"Treed op als engineering lead. Noem de 10 vragen die je zou stellen voordat je dit inschat."
"Noem de lege, laad-, fout- en rechtenstatussen die de acceptatiecriteria niet afdekken."
"Welke requirements bewegen de succesmetriek niet? Stel voor wat er geschrapt kan worden."
"Herschrijf elk acceptatiecriterium zodat een tester het kan verifiëren zonder het mij te vragen."
"Noem elke zin in de probleemsectie die niet rechtstreeks door S1-S5 wordt onderbouwd."
Uitgewerkt voorbeeld: een door AI opgestelde PRD voor verlofgoedkeuring
Dit voorbeeld is illustratief en geen echt bedrijf. Stel dat een B2B-HR-platform hoort dat admins verlof handmatig goedkeuren.
Wat de PM schrijft: "Admins bij klanten met 50 tot 500 medewerkers keuren elke verlofaanvraag met de hand goed, vaak dagen te laat. In 4 van de 7 recente interviews zeiden admins dat ze op vrijdag in batches goedkeuren. Succes: de mediane goedkeuringstijd daalt binnen 60 dagen na de lancering van 3 dagen naar minder dan 1 dag, zonder toename van betwiste goedkeuringen."
Wat de PM als bronnen plakt: de 4 interviewfragmenten (S1-S4), een query die 1.200 verlofaanvragen van vorige maand toont (S5) en het huidige goedkeuringsscherm.
Wat de AI goed opstelt: een gerangschikte lijst van 6 user stories, 14 acceptatiecriteria in Given/When/Then-vorm, edge cases zoals overlappende aanvragen en goedkeurders die zelf met verlof zijn, en niet-functionele eisen voor audit logging.
Wat de review vindt:
Een persona beschreven als "drukke HR-managers die 20 tools jongleren", zonder bron. Verwijderd.
Een voorgestelde guardrail, "houd NPS boven 40", zonder enig uitgangspunt. Vervangen door een open vraag.
Een automatische goedkeuringsregel voor aanvragen van minder dan 2 dagen waar niemand het over eens was. Naar Buiten scope verplaatst tot er een besluit is.
Het concept kostte minuten; de review ongeveer een uur en haalde drie beweringen weg die anders de bouw hadden gestuurd. Die verhouding is precies het punt.
Welke AI-tool kun je het beste gebruiken om een PRD te schrijven?
Gebruik het model dat je bedrijf toestaat en dat je goed kent. Productboard ontdekte dat 88% van de productprofessionals al twee of meer AI-modellen gebruikt, terwijl slechts 65% zei dat hun bedrijf een gedocumenteerd AI-beleid had (Productboard, 2025). Controleer het beleid voordat je klantdata in een tool plakt.
Optie
Goed voor
Let op
Algemeen chatmodel (ChatGPT, Claude, Gemini)
Flexibel opstellen met de CTC-prompt
Je moet het bewijs elke keer plakken; geen geheugen van eerdere beslissingen
Gratis PRD-generator
Een snel eerste concept op basis van een feature-idee
De output is net zo goed als het probleem dat je invoert
AI in docs of wiki (Notion, Confluence)
Opstellen waar de PRD uiteindelijk komt te staan
Kan meestal geen interviews of tickets in andere tools zien
Product-tool gekoppeld aan bewijs
Concepten die de onderliggende gesprekken, tickets en feedback citeren
Je bronnen moeten eerst gekoppeld zijn
Om de eerste stappen zonder setup uit te proberen, gebruik je de gratis PRD-generator voor een gestructureerd concept, of feedback to spec om één stukje klantfeedback om te zetten in een probleemomschrijving. Als de feature die je uitwerkt zelf een AI-feature is, lees dan de AI-PRD-gids voor de secties over modelgedrag, guardrails en evaluatie.
Veelgemaakte fouten bij het schrijven van een PRD met AI
Prompten met alleen een featurenaam. Het model vult de leemte met wat statistisch gangbaar is, en dat is zelden wat je gebruikers nodig hebben.
De AI de probleemomschrijving laten schrijven. Die klinkt goed en kan fout zijn. Schrijf hem zelf.
Verzonnen metrics accepteren. Als het concept een doel voorstelt, vraag dan waar het uitgangspunt vandaan komt. Geen uitgangspunt, geen doel.
Eén gigantische prompt. Lange outputs met meerdere secties dwalen af. Genereer en review sectie voor sectie.
De review door engineering overslaan. Een AI-concept kan compleet lijken en toch de afhankelijkheid missen die je tech lead kent.
Vertrouwelijke data in niet-goedgekeurde tools plakken. Controleer eerst je AI-beleid en de datavoorwaarden van de tool.
Waar Specky past
Specky stelt PRD's op uit de klantgesprekken, feedback, Slack-threads en tickets die al in de Product Graph staan, zodat de context uit stap 1 voor je wordt samengesteld in plaats van geplakt. De PRD Editor toont naast elke bewering een inline citaat, waardoor de review in stap 6 neerkomt op doorklikken, en concepten komen in de PM Inbox terecht zodat een mens ze kan goedkeuren.
Veelgestelde vragen
Wat is de beste prompt om een PRD met AI te schrijven?
De beste prompt geeft het model context (product, gebruikers, probleem, bewijs), een specifieke taak (welke secties, welk formaat) en randvoorwaarden (MVP-scope, elke bewering citeren, gaten markeren als open vragen). Schrijf het probleem en de succesmetriek zelf en plak ze erin. De kopieerbare prompt hierboven volgt die structuur en werkt met de grote modellen.
Is het veilig om ChatGPT of Claude voor PRD's te gebruiken?
Dat hangt af van het AI-beleid van je bedrijf en de datavoorwaarden van de tool, niet van het model. Productboards enquête van 2025 vond dat slechts 65% van de bedrijven een gedocumenteerd AI-beleid had. Verwijder persoonsgegevens uit transcripties, gebruik waar nodig business- of enterpriseabonnementen en plak nooit klantdata in een tool die je bedrijf niet heeft goedgekeurd.
Hoe voorkom je dat AI dingen verzint in een PRD?
Lever je bronnen aan, label ze en eis een bron-ID bij elke feitelijke bewering. Instrueer het model om OPEN VRAAG te schrijven als de bronnen een uitspraak niet onderbouwen. Herleid daarna zelf elke bewering voordat engineering het concept ziet. Modellen worden getraind op een manier die zelfverzekerd gokken beloont, dus de instructie om zich te onthouden doet ertoe.
Moet de AI de user stories schrijven of de PM?
Laat de AI ze opstellen op basis van een afgesproken probleem en persona, en bewerk ze daarna. AI is goed in dekking: het somt stories, statussen en edge cases op die jij zou missen. De PM bepaalt de rangschikking, voegt duplicaten samen en schrapt stories die de succesmetriek niet bewegen. Review de acceptatiecriteria het scherpst, want engineers bouwen ernaar.
Heb ik nog een PRD-template nodig als ik AI gebruik?
Ja. Een template maakt AI-output consistent over features en reviewers heen. Zet de secties van je team in het taakblok van de prompt, of begin met de gratis PRD-template. Een consistente structuur helpt ook engineers, en AI-coding-agents, om scope en acceptatiecriteria te vinden.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing