Is "Review the AI features you’ve used" de volgende slimme prompt? Een praktische review

Haak: De Vreemde Kleine Prompt Die Uw Workflow Superchargeert

U heeft het waarschijnlijk getypt zonder erbij na te denken: “Bekijk de AI-functies die u hebt gebruikt.” Dan gebeurt de magie: uw assistent vat samen wat u hebt geprobeerd, wat werkte en wat mislukte. Het is een kleine zin met een enorm effect, en het wordt stilletjes een van de meest bruikbare meta-prompts voor kenniswerkers die elke dag met AI in aanraking komen.

Dit is een productrecensie vermengd met een uitleg van het bedrieglijk eenvoudige commando: bekijk de AI-functies die u hebt gebruikt. We zullen uitpakken wat het doet in verschillende tools, waarom het belangrijk is voor teams en hoe u er een wekelijks ritueel van maakt dat u uren bespaart.

Wat betekent “bekijk de AI-functies die u hebt gebruikt” eigenlijk?

In de kern vraagt deze prompt uw assistent om uw AI-gebruik te verzamelen en erover na te denken: de tools die u hebt aangeroepen, de modellen die u hebt geselecteerd, de prompts die het beste werkten en de outputs die de moeite waard zijn om te bewaren. Beschouw het als een persoonlijke changelog, maar dan slimmer, want de assistent kan:

Opsommen welke AI-functies zijn gebruikt (samenvatten, herschrijven, analyseren, extraheren, code genereren, vertalen, brainstormen, enz.)

Functies toewijzen aan taken (bijv. “'PDF Samenvatten' gebruikt voor notities van de Q4-earnings call”)

Effectiviteit evalueren (gewonnen snelheid, geleverde kwaliteit, ondervonden problemen)

Volgende stappen aanbevelen (ander model proberen, prompt afstemmen, herbruikbare sjabloon maken)

Het is het verschil tussen “Ik heb deze week veel AI gebruikt” en “Hier is de 20% van de AI-functies die 80% van de waarde leverden.”

Waarom deze prompt nu belangrijk is

Cognitieve ontlasting: AI-sessies zijn gefragmenteerd. U springt tussen chat, documenten, e-mails en dashboards. Een review consolideert de chaos.

Prestatie-transparantie: Als u niet kunt meten welke AI-functies daadwerkelijk helpen, kunt u uw workflow niet verbeteren.

Kennisdeling in het team: Een herhaalbare review maakt het gemakkelijk om wat werkt, uit te zenden naar teamgenoten.

Compliance nudge: Het beoordelen van functies helpt u gevoelige inhoud, modelkeuzes en instellingen voor het delen van gegevens op te vangen.

De Review Format: Een Sjabloon Die U Kunt Hergebruiken

Probeer uw assistent te vragen:

“Bekijk de AI-functies die u deze week hebt gebruikt. Organiseer op taak, gebruikte functie, model, promptpatroon, tijdwinst en problemen. Eindig met drie aanbevelingen om te verbeteren.”

U krijgt vaak een gestructureerd antwoord. Zo niet, voeg dan koppen toe zoals:

Taken gedekt (met links of bestandsnamen)

Gebruikte AI-functies (samenvatten, classificeren, vertalen, code genereren, image captioning)

Model & instellingen (modelversies, temperatuur, tokens)

Promptpatronen (rolprompts, chain-of-thought-lite, few-shot voorbeelden)

Metrics (doorlooptijd, vereiste bewerkingen, factuality checks)

Mislukkingen (hallucinaties, opmaakproblemen, timeouts)

Voorgestelde verbeteringen (sjablonen, automatisering, guardrails)

Real-world voorbeelden: Waar “bekijk de AI-functies die u hebt gebruikt” schittert

Research sprints

Situatie: U heeft 12 PDF's verwerkt, twee sites gescraped en drie entity extracties uitgevoerd.

Review outcome: Identificeert dat “table extraction” ondermaats presteerde op gescande documenten, terwijl “abstract summarization” consistent leverde. Beveelt aan om OCR preprocessing toe te voegen.

Marketing content ops

Situatie: U heeft briefs, outlines en eerste concepten gegenereerd.

Review outcome: Laat zien dat het gebruik van “tone transfer” en “SEO outline generator” minder revisies opleverde dan ruw opstellen. Stelt voor om een outline template te standaardiseren.

Data analyse in spreadsheets

Situatie: U heeft AI-formules geprobeerd voor het opschonen, categoriseren en voorspellen.

Review outcome: Merkt op dat de nauwkeurigheid verbeterde bij het verstrekken van kolomkoppen als schema voorbeelden. Beveelt een herbruikbare prompt aan: “Gebruik deze koppen als ground truth schema.”

Customer support prep

Situatie: U heeft 60 tickets samengevat en response macro's gegenereerd.

Review outcome: Vlagt dat “sentiment analysis” hielp bij de triage, maar sarcasme verkeerd classificeerde. Stelt voor om 5 few-shot voorbeelden toe te voegen met edge tones.

Engineering doc reviews

Situatie: U heeft AI gebruikt voor code comments en API doc summaries.

Review outcome: Vindt dat “diff explanation” tijd bespaarde, maar “auto-refactor” stijl regressies creëerde. Beveelt aan om een linter preset uit te voeren vóór acceptatie.

Pros and cons van de meta-prompt

Pros

Snelle duidelijkheid: Een enkele regel levert een bruikbare audit op.

Gewoontenvriendelijk: Wekelijkse cadans versterkt de voordelen.

Team-ready: Gemakkelijk te delen als een lightweight rapport.

Cons

Tool variance: Niet elke assistent houdt het functiegebruik even goed bij.

Gedeeltelijke zichtbaarheid: Private of externe tools kunnen worden gemist.

Metric fuzziness: “Tijdwinst” kan subjectief zijn zonder benchmarks.

Mitigations

Vraag om citaties: “Link naar de originele bestanden, chats en timestamps.”

Calibreer metrics: Stel baselines in (bijv. gemiddelde minuten per taak pre-AI).

Voeg structuur toe: Geef een template dat het model moet invullen.

Hoe u 10x meer kunt halen uit uw wekelijkse AI feature review

Standaardiseer prompts: Zet winnende prompts om in templates met variabelen (tone, audience, length).

Maak een "Do Not Use" lijst: Documenteer functies die ondermaats presteren voor uw workflows.

Bias voor hergebruik: Zet sterke outputs om in snippets, style guides, of checklists.

Vergelijk modellen: Vraag de assistent om A/B feature performance over modellen te vergelijken.

Sluit de loop: Eindig elke review met automations of saved workflows.

Example meta-prompt chain:

“Bekijk de AI-functies die u deze week hebt gebruikt.”

“Converteer de top 3 naar herbruikbare templates.”

“Package ze als step-by-step workflows met guardrails.”

“Maak een one-page team summary met links.”

Metrics that matter in an AI features review

Completion quality: Edit distance to final (aantal bewerkingen of revisies)

Time saved: Minuten of % reductie vs. baseline

Factuality: Aantal gecontroleerde citaties of benodigde correcties

Reusability: Hoe vaak een template daarna wordt gebruikt

Reliability: Error rate (timeouts, formatting breaks)

Vraag expliciet: “Estimate metrics en note confidence levels. If uncertain, suggest how to measure next time.”

Common pitfalls and how to avoid them

Overgeneralizing from a single success: Require at least 3 examples before promoting a template.

Hidden context drift: Include constraints in your prompts (audience, region, reading level).

Hallucinated feature names: Cross‑check with your tool’s feature list; ask for logs.

Ignoring security: Include a section on data handling (PII, model boundaries, redaction).

A short, repeatable weekly ritual

Try this 15‑minute cadence:

Monday kick‑off: Define 3 high‑value tasks; pin prompts.

Daily: Tag sessions by task (or ask the assistant to auto‑tag).

Friday review: “Review the AI features you’ve used this week.”

Share: Post the report with 3 improvements and 1 deprecated pattern.

Tooling note: Where this prompt works best

This meta‑prompt shines in AI workspaces that centralize chats, file actions, and model runs—so the assistant has context to analyze. If your environment supports document summarization, code assistance, spreadsheet formulas, and web extraction in one place, the review can capture the full picture.

Worth noting: If you’re using Sider.AI to work across chats, PDFs, webpages, and spreadsheets, asking it to “review the AI features you’ve used” can surface which features (like summarize, extract tables, outline generator, or code explain) actually moved the needle. By the way, Sider.AI’s unified history makes it easier to link specific actions to outcomes, which improves repeatability and team hand‑off.

Advanced: Turn reviews into automated playbooks

Auto‑tagging: Ask your assistant to label sessions by task and feature as you work.

Playbook extraction: “From this week’s review, generate a playbook with inputs, steps, and quality checks.”

Drift detection: “Alert me if a feature’s accuracy drops below 90% week‑over‑week.”

Team roll‑outs: “Create a 10‑minute training with examples and a quiz.”

The bottom line

“Review the AI features you’ve used” is a powerful, low‑friction prompt. It converts scattered experiments into a compounding system: measure, learn, standardize, and scale. Use it weekly, demand structured outputs, and turn insights into templates and playbooks. Your future self—and your team—will thank you.

Next steps

Today: Run the review on your latest week of work.

This week: A/B test two features on the same task and compare.

This month: Build a shared team playbook from your top three workflows.

FAQ

Q1:What does “review the AI features you’ve used” do in practice? It compiles a structured summary of your recent AI activity—features used, prompts, models, and results—then surfaces what worked, what didn’t, and how to improve. Think of it as a smart retrospective for your AI workflow.

Q2:How often should I review the AI features I’ve used? Weekly works best for most teams because it captures enough data to spot patterns without becoming a burden. Pair it with a simple template so the review stays consistent over time.

Q3:Which metrics should I track when I review AI features? Track time saved, edit distance to final output, factual accuracy, error rates, and reuse of templates. Ask the assistant to estimate confidence levels and suggest better measurement if data is thin.

Q4:Can I automate a review of the AI features I’ve used? Yes. Prompt the assistant to auto‑tag sessions by task and feature, then generate a weekly report with links to source files and chats. You can also trigger alerts for performance drops or failed runs.

Q5:Does a review work across different AI tools and models? It works best in unified workspaces that track actions across chats, documents, and code. If your tools are fragmented, ask the assistant to include links and logs so you can reconcile results in one report.