Een custom GPT maken kost ongeveer een halfuurtje als je de juiste voorbereiding hebt gedaan. Een custom GPT is een eigen versie van ChatGPT met vaste instructies, eigen kennisbestanden en een afgebakende taak. Dit artikel laat zien hoe je er een bouwt, welke valkuilen ik in mijn eigen werk ben tegengekomen, en wanneer een custom GPT geen goede keuze is.
Wat is een custom GPT?
Een custom GPT is een aangepaste versie van ChatGPT die werkt volgens vooraf ingestelde instructies en optioneel toegang heeft tot eigen kennisbestanden. Waar standaard ChatGPT elk gesprek opnieuw context nodig heeft, weet een custom GPT al wat zijn taak is, hoe hij moet schrijven en welke bronnen hij kan raadplegen.
Het idee is simpel: in plaats van elke keer dezelfde uitgebreide prompt te typen, configureer je die prompt eenmalig in een custom GPT. De volgende keer dat je dezelfde taak uitvoert, open je de GPT en geef je alleen de specifieke input voor die ronde. De rest is al ingericht.
Onder de motorkap draait een custom GPT op het reguliere ChatGPT-model. Je traint het model dus niet, en je voegt geen nieuwe kennis toe aan het taalmodel zelf. Wat je doet is de output van het model sturen via instructies en optionele kennisbestanden. Wie wil begrijpen wat ChatGPT precies is voordat je in de configuratie duikt, leest dat eerst.
Wanneer is een custom GPT zinvol en wanneer niet?
Een custom GPT is zinvol als je een taak vaak terug ziet komen, een vaste werkwijze hebt die je consistent wilt hanteren, en de input per keer een herkenbaar patroon volgt. Denk aan briefings opstellen, social posts in een vaste stijl schrijven, e-mails afhandelen volgens een vast format, of een type analyse uitvoeren met steeds dezelfde stappen.
Ik heb in mijn periode met ChatGPT meerdere custom GPT’s gebouwd voor SEO-werk: een GPT voor zoekwoordenonderzoek, een voor zoekintentie-classificatie, een voor concurrentieanalyse, een voor content briefings, een voor meta titles en meta descriptions, en een voor kannibalisatie-detectie tussen pagina’s. Dat zijn allemaal taken die in mijn werk vaak terugkwamen, en juist dáár loonde de bouwtijd zich.
Een custom GPT is niet zinvol voor eenmalige taken, voor werk waarbij elke opdracht totaal anders is, en voor taken waarbij de output achteraf niet meer te controleren valt. Voor verkennende vraagstukken, sparringsessies of brainstorms werkt een gewoon ChatGPT-gesprek beter, omdat een custom GPT juist disciplineert in plaats van vrij associeert.
Wat ook niet in een custom GPT thuishoort: vertrouwelijke bedrijfsinformatie waarvan je niet wilt dat anderen die kunnen achterhalen. Knowledge files zijn afhankelijk van de instellingen en het type bestand mogelijk uitleesbaar door wie de GPT gebruikt. Wie een GPT publiek deelt of breder beschikbaar maakt, moet ervan uitgaan dat ook de geüploade bronnen in handen kunnen komen van de gebruikers.
Wat heb je nodig om een custom GPT te maken?
Om een custom GPT te maken heb je drie dingen nodig: een betaald ChatGPT-abonnement, een afgebakende taak waarvoor je de GPT gaat inzetten, en bronmateriaal of voorbeelden die de output moeten sturen.
Een gratis ChatGPT-account is niet genoeg. Custom GPT’s bouwen kan alleen op Plus, Go, Business, Team, Pro, Enterprise of Edu. Wel kunnen gratis gebruikers custom GPT’s van anderen openen en gebruiken; alleen het bouwen zelf zit achter de betaalmuur. Bouwen kan bovendien alleen via de webinterface op chatgpt.com, niet via de mobiele app.
De voorbereiding is belangrijker dan veel mensen denken. Voor je de builder opent, schrijf je het liefst eerst kort uit wat de GPT precies moet doen, voor welk type input, met welk type output, en in welke stijl. Wie deze stap overslaat en direct in de builder gaat zitten, zit halverwege alsnog te bedenken wat de GPT nu eigenlijk moet kunnen.
Custom GPT maken in negen stappen
Een custom GPT maken doe je in de GPT-builder van ChatGPT. Hieronder de negen stappen die je doorloopt, met per stap waar je op moet letten en waar de meeste mensen vastlopen.
Stap 1. Bepaal het doel en de scope
Bepaal het doel en de scope van je custom GPT voordat je iets in de builder typt. Schrijf op één pagina: wat is de input die de GPT krijgt, wat is de output die hij moet leveren, voor wie is het bedoeld, en wat moet de GPT expliciet níet doen. Die laatste vraag is de belangrijkste.
Een GPT die alles probeert te kunnen, doet niets goed. Een GPT die één taak uitvoert binnen een afgebakend domein, levert in mijn ervaring stabielere output dan een lange chat-prompt op het standaardmodel. Dat verschil zit niet in betere AI, maar in betere afbakening.
Stap 2. Open de GPT-builder
Open de GPT-builder via de zijbalk in ChatGPT. Klik op “GPT’s” in het menu, en vervolgens rechtsboven op “Maken”. Je komt dan in een omgeving met aan de linkerkant de bouwfuncties en aan de rechterkant een live previewvenster waarin je de GPT direct kunt testen.
De preview is geen bijzaak. Bij elke aanpassing die je maakt aan de instructies of kennis, kun je in de preview meteen testen of het effect klopt. Wie pas aan het einde gaat testen, mist veel kleine afwijkingen die nu nog makkelijk te corrigeren zijn.
Stap 3. Kies tussen de gespreksbouwer en de configuratieweergave
De gespreksbouwer en de configuratieweergave zijn twee manieren om dezelfde GPT te bouwen. In de gespreksbouwer stelt ChatGPT je vragen over wat de GPT moet doen, en vult op basis van jouw antwoorden de velden in. In de configuratieweergave vul je alle velden zelf direct in.
De configuratieweergave werkt voor de meeste bouwers beter dan de begeleide gespreksbouwer. De gespreksbouwer is vriendelijk om mee te starten, maar produceert vaak instructies die langer zijn dan nodig en die je achteraf alsnog handmatig wilt herschrijven. Wie de tijd neemt om zelf in de configuratieweergave te schrijven, krijgt scherpere output en houdt grip op wat er precies in de instructies staat.
Begin daarom direct in de configuratieweergave. Naam, beschrijving, instructies, conversation starters, knowledge en capabilities staan daar overzichtelijk onder elkaar.
Stap 4. Schrijf je instructions
Schrijf je instructions voor de GPT als een instructiedocument voor een nieuwe medewerker. De instructions zijn het belangrijkste veld van de hele GPT en bepalen hoe de GPT zich gedraagt in elk gesprek. Behandel ze als een vaste systeemprompt die altijd actief is. Wie eerst de fundamenten van een goede prompt wil scherpstellen voordat hij ze in een GPT vastlegt, leest wat een prompt precies is als startpunt.
Goede instructions bevatten: een korte rolomschrijving, een afgebakend takenoverzicht, de stappen die de GPT doorloopt voordat hij antwoord geeft, het output-format, en duidelijke grenzen aan wat de GPT wel en niet doet. Wie deze structuur aanhoudt, schrijft instructies die de GPT consistent volgt.
OpenAI’s eigen documentatie raadt aan om voor multi-stap workflows een expliciete stapstructuur te gebruiken, zoals “als X gebeurt, doe Y”, en om secties te scheiden met heldere afbakening. Liever positieve, concrete instructies dan een lange lijst verboden. Werk waar mogelijk met voorbeelden van acceptabele en niet-acceptabele output, zodat de GPT weet wat de norm is.
Wat ik in productie consistent heb gezien: bij langere instructies met meerdere voorwaarden volgt de GPT een deel van de instructies en negeert een ander deel zonder dat aan te kondigen. Bij complexere taken loont het dus om de instructions op te delen of de taak in stappen uit te voeren via meerdere prompts, in plaats van één megainstructie te geven die in productie deels wordt overgeslagen.
Stap 5. Upload kennis als referentiemateriaal
Upload kennis als referentiemateriaal in het knowledge-veld van de GPT. Knowledge zijn de bronbestanden waaruit de GPT kan putten tijdens een gesprek. Denk aan productdocumentatie, beleidsstukken, voorbeeldteksten, prijslijsten, glossaries of stijlgidsen.
De technische limieten: per GPT mag je tot 20 bestanden uploaden, met een maximum van 512 MB per bestand en 2 miljoen tokens per tekst- of documentbestand. Dat klinkt ruim, maar in de praktijk komt het zelden goed uit om die limieten op te zoeken. Veel kleine, gerichte bestanden werken beter dan één gigantisch bestand waar de GPT zelf in moet zoeken.
Voorkeur gaat uit naar tekst-eerst bestanden zonder complexe opmaak. PDF’s met tabellen, kolommen of veel afbeeldingen leveren in mijn ervaring slechtere antwoorden op dan een eenvoudig markdown- of tekstbestand met dezelfde inhoud. Dat is geen tekortkoming van de uploadfunctie maar van hoe het model documenten kan inlezen: een schone tekstuele structuur is altijd makkelijker te verwerken dan een visueel ontwerp.
Stap 6. Activeer de juiste capabilities
Activeer de juiste capabilities op basis van wat de GPT nodig heeft. De drie standaard capabilities zijn web search, image generation en code interpreter (data analysis). Daarnaast kun je actions instellen, waarmee de GPT externe API’s kan aanroepen.
Web search activeer je alleen als de GPT actuele informatie nodig heeft. Voor een GPT die werkt met je eigen kennisbestanden is web search vaak juist storend, omdat de GPT dan extern naar bronnen gaat zoeken in plaats van bij je geüploade documenten te blijven.
Code interpreter is nuttig voor GPT’s die met data, spreadsheets of berekeningen werken. Image generation alleen aanzetten als de GPT visuele output produceert. Actions zijn een geavanceerde optie waarmee je via een schemafile externe API’s koppelt; dat valt buiten de scope van een eerste custom GPT.
Stap 7. Test in de previewmodus
Test je custom GPT in de previewmodus systematisch, niet ad hoc. Bedenk vooraf vijf tot tien testgevallen die de breedte van je GPT afdekken: een typische opdracht, een randgeval, een opdracht waar de GPT zou moeten weigeren of doorvragen, en een opdracht waar de input incompleet is.
Wat je in de preview test is niet alleen of de GPT de juiste output geeft, maar ook of hij zich aan de tonale en gedragsregels uit je instructions houdt. Vraag bewust dingen die buiten de scope vallen en kijk of de GPT dat herkent. Vraag dingen op een onhandige manier en kijk of de GPT alsnog de juiste interpretatie kiest.
Bij elke afwijking ga je terug naar de instructions of de knowledge, niet naar een nieuwe testronde met dezelfde instellingen. Een afwijking herhaalt zichzelf totdat je de oorzaak in de configuratie aanpakt.
Stap 8. Stel de zichtbaarheid in en publiceer
Stel de zichtbaarheid van je GPT in via de publicatie-instellingen. Je hebt drie opties: alleen jij, iedereen met de link, of openbaar in de GPT Store. Kies bewust, want eenmaal openbaar gepubliceerd zijn je instructies en knowledge files in de praktijk inzichtelijk voor wie er moeite voor doet.
Voor zakelijk gebruik binnen Team, Business, Enterprise of Edu kun je een GPT ook intern delen met je workspace. Dat is meestal de juiste keuze voor GPT’s die organisatie-eigen content of werkwijzen bevatten. Publiek delen reserveer je voor GPT’s die geen vertrouwelijke informatie bevatten en waarvan je het idee niet erg vindt om weg te geven.
Stap 9. Onderhoud en versiebeheer
Onderhoud en versiebeheer beginnen op het moment dat de GPT live staat. Een custom GPT is geen eenmalig project: instructies blijken in de praktijk soms anders uit te pakken, knowledge raakt verouderd, en jouw eigen werkwijze ontwikkelt zich. Plan een vast moment in (bijvoorbeeld eens per kwartaal) om te kijken of de GPT nog past bij hoe je werkt.
ChatGPT bewaart een geschiedenis van versies, zodat je een eerdere versie kunt terugzetten als een aanpassing slechter blijkt te werken. Maak gebruik van die versiegeschiedenis: kleine wijzigingen testen en eventueel terugdraaien is veiliger dan een grote herziening die je achteraf niet meer goed kunt vergelijken met het origineel.
Het verschil tussen instructions en knowledge
Het verschil tussen instructions en knowledge wordt vaak onderschat, terwijl het de belangrijkste configuratiebeslissing is bij een custom GPT. Instructions bepalen hoe de GPT zich gedraagt; knowledge bepaalt waaruit de GPT kan putten.
In instructions zet je: rol, taken, werkwijze, output-format, stijlrichtlijnen, grenzen aan wat de GPT wel en niet doet. Dit is gedrag. In knowledge zet je: documentatie, voorbeeldteksten, productinformatie, glossaries, beleidsstukken. Dit is bronmateriaal.
De fout die ik vaak terugzie: mensen plakken hele beleidsdocumenten in de instructions, of zetten gedragsregels in de knowledge. Allebei werkt slechter dan het hoort. Beleidsdocumenten in de instructions maken die instructions zo lang dat de GPT cruciale stukken overslaat. Gedragsregels in de knowledge worden door de GPT als referentie behandeld in plaats van als verplichting.
Vuistregel: alles waarvan je wilt dat de GPT het altijd doet, hoort in de instructions. Alles waaruit de GPT optioneel mag putten als de vraag erom vraagt, hoort in de knowledge.
Welk model draait er onder een custom GPT?
Welk model er onder een custom GPT draait, is in 2026 op meerdere momenten veranderd. Tot februari 2026 draaiden custom GPT’s voor de meeste gebruikers op GPT-4o. Op 13 februari 2026 zijn GPT-4o, GPT-4.1, GPT-4.1 mini, OpenAI o4-mini en de oorspronkelijke GPT-5 (Instant en Thinking) uit ChatGPT gehaald. Wie de bredere context wil, vindt de uitleg over hoe ChatGPT werkt in een apart artikel.
Custom GPT’s draaien daardoor op het actuele standaardmodel van ChatGPT. Voor gewone gebruikers is dat GPT-5.3 Instant. Op zakelijke plannen en bij gebruikers die handmatig schakelen, kan de GPT ook op GPT-5.5 Thinking draaien voor zwaardere taken. Voor klanten op Business, Enterprise en Edu was er een uitzonderingsperiode waarin GPT-4o nog tot 3 april 2026 beschikbaar bleef binnen custom GPT’s; daarna verdween ook die toegang.
Wat dit betekent voor jou: een custom GPT die je een jaar geleden bouwde op GPT-4o, draait inmiddels op een ander model, mogelijk met afwijkend gedrag. Instructies die op het oude model goed werkten, kunnen op het nieuwe model net iets anders uitpakken. Bij elke modeloverstap loont het om je belangrijkste GPT’s opnieuw te testen op je standaard testgevallen, en de instructions waar nodig bij te stellen.
Versiewisselingen waar prompts op moeten worden afgestemd zijn ook iets wat ik zelf heb meegemaakt bij andere modellen. Bij de overstap van Claude Opus 4.6 naar 4.7 moest ik een aantal van mijn productie-prompts opnieuw schrijven om dezelfde output-kwaliteit te behouden. Hetzelfde principe geldt voor custom GPT’s onder ChatGPT: een nieuw model is niet automatisch een beter model voor jouw specifieke prompt.
Veelgemaakte fouten bij het bouwen van een custom GPT
Veelgemaakte fouten bij het bouwen van een custom GPT zijn zelden technisch. Ze zitten in de afbakening, de instructies en de manier waarop output wordt gecontroleerd. Hieronder de fouten die ik in mijn eigen werk consistent ben tegengekomen.
De eerste fout: een te brede taakomschrijving. “Een GPT voor mijn marketingwerk” levert een GPT op die alles half doet. “Een GPT die social posts schrijft volgens dit format, in deze stijl, met deze maximale lengte” levert een GPT op die één ding goed doet. Smal beginnen werkt beter dan breed proberen.
De tweede fout: instructions die als wensen geformuleerd zijn in plaats van als regels. “Probeer in een professionele toon te schrijven” is een wens. “Schrijf in zakelijke spreektaal, vermijd jargon, gebruik korte zinnen” is een regel. Wensen worden in productie vaker genegeerd dan regels.
De derde fout: knowledge files met visueel complexe layout. PDF’s met meerkolomopmaak, tabellen die over pagina’s lopen, of inhoudsopgaven die naar paginanummers verwijzen, leveren slechtere antwoorden op dan dezelfde inhoud in een platte tekstvorm. Wie van een PDF naar markdown converteert voor de upload, ziet de output meetbaar verbeteren.
De vierde fout, en in mijn ervaring de gevaarlijkste: aannemen dat de GPT klopt zonder controle. Een specifieke valkuil die ik bij eigen GPT’s voor SEO-werk consistent heb gezien is dat ChatGPT bij zoekwoorden ongevraagd zoekvolumes erbij plaatst, terwijl er geen koppeling met Ahrefs of een andere keyword tool bestaat. Die cijfers zijn pure hallucinaties die plausibel klinken voor wie zelf geen toegang tot keyword data heeft. Hetzelfde patroon zag ik bij verzonnen bronnen, niet-bestaande Python-functies en samenvattingen die plausibel klinken maar inhoudelijk afwijken van het origineel.
Een custom GPT die foute output produceert is niet veiliger dan een gewone ChatGPT-prompt; hij produceert die foute output alleen consistenter. Daarom blijft een controlestap onmisbaar, ook bij een GPT die je zelf hebt gebouwd. Vanuit mijn jaren in de bankensector ken ik dat principe als four-eyes: niets de deur uit zonder tweede controle. Bij AI-output is die tweede controle nog belangrijker dan bij menselijk werk, omdat AI-fouten zelfverzekerder geformuleerd zijn.
Custom GPT versus alternatieven binnen ChatGPT
Custom GPT versus alternatieven binnen ChatGPT is een vraag die de meeste artikelen overslaan, terwijl het bepaalt of een custom GPT überhaupt het juiste instrument is. ChatGPT biedt drie manieren om gedrag voor te configureren: custom instructions, projects, en custom GPT’s.
Custom instructions zijn account-brede voorkeuren. Je vult eenmalig in wie je bent en hoe je wilt dat ChatGPT met je communiceert, en die instellingen gelden voor alle gesprekken op je account. Geschikt voor universele voorkeuren zoals taal, toon en kennisniveau. Niet geschikt voor specifieke taken, omdat je maar één set custom instructions per account hebt.
Projects zijn werkruimtes binnen ChatGPT waarin je gerelateerde gesprekken bundelt, met eigen instructies en optionele bestanden die binnen dat project gelden. Geschikt voor langlopende klussen waarbij meerdere gesprekken bij elkaar horen, zoals een onderzoek of een offerte-traject. Niet geschikt om met anderen te delen of als publieke tool aan te bieden.
Custom GPT’s zijn herbruikbare configuraties met instructies, knowledge en optionele capabilities, die je kunt delen en publiceren. Geschikt voor terugkerende taken die je consistent wilt uitvoeren, eventueel ook door anderen. Niet geschikt voor verkennend werk of voor situaties waarin je elke keer iets anders nodig hebt.
Vuistregel: custom instructions voor hoe je wilt dat ChatGPT in algemene zin met je praat, projects voor een afgebakende klus met meerdere gesprekken, en custom GPT’s voor herhaalbaar werk dat je vaker terug ziet komen.
Custom GPT versus Claude Projects en andere alternatieven
Custom GPT versus Claude Projects is een vergelijking die in praktijk steeds vaker speelt, omdat veel professionals naast ChatGPT ook met Claude werken. Beide tools laten je een werkruimte inrichten met vaste instructies en bronbestanden, maar er zijn relevante verschillen.
Een Claude Project werkt op basis van een systeemprompt die je zelf schrijft (de “Project Instructions”) en bronbestanden die je toevoegt aan het project. De gesprekken die je in dat project voert, hebben automatisch toegang tot die instructies en bestanden. De configuratie is bewust eenvoudig: geen capabilities-knoppen, geen builder-modus, geen GPT Store. Je schrijft instructies, je upload bestanden, je werkt.
In mijn dagelijks werk gebruik ik Claude Projects intensief en heb ik in de periode daarvoor meerdere custom GPT’s gebouwd. Wat mij is opgevallen is dat custom GPT’s voor mij minder consistente output gaven dan Claude Projects op vergelijkbare taken. Dat is een persoonlijke observatie en geen meting; voor wie ChatGPT als primaire tool gebruikt en de eigen instructies en knowledge goed inricht, kan een custom GPT prima werken. De keuze tussen platforms is wel een valide vraag, geen gegeven.
Anthropic biedt daarnaast Skills, een aparte functie die meer lijkt op herbruikbare gedragsmodules dan op een werkruimte. Skills, Projects en custom GPT’s lossen elk een ander probleem op: skills voor herhaalbare gedragspatronen, projects voor afgebakende klussen, custom GPT’s voor herbruikbare configuraties met breder publiek.
Wie Claude (nog) niet gebruikt, hoeft de overstap niet te maken om effectief met AI te werken. Wie wel beide platformen gebruikt, doet er goed aan per type werk te bepalen waar het thuishoort, in plaats van standaard naar één platform te grijpen. Voor een uitgebreidere vergelijking tussen beide platformen verwijs ik naar het artikel Claude vs ChatGPT.
Een custom GPT bouwen is geen technisch project, maar een werkproject. De moeite die je steekt in afbakening, instructies en testen, bepaalt of de GPT je tijd gaat besparen of juist fouten gaat versterken. In de ChatGPT cursus van LearnLLM behandelen we het bouwen, testen en onderhouden van custom GPT’s binnen een bredere workflow-aanpak, inclusief de controlepunten die nodig zijn om AI-output verantwoord te gebruiken in je werk.
Wil je leren hoe je custom GPT’s professioneel inzet als onderdeel van een herhaalbare workflow, mét controlepunten die fouten vangen voordat ze verder gaan? Schrijf je in voor de ChatGPT e-learning en bouw aan een werkwijze die je kunt verantwoorden naar opdrachtgevers en collega’s.
