Over LearnLLM

Achter LearnLLM zit één persoon, Dennis van de Velde, SEO-specialist bij Space'M Online en dagelijks gebruiker van AI in professioneel werk. De implementatietrajecten, cursussen en kennisbankartikelen op dit platform komen voort uit zijn eigen praktijk, niet uit theorie of marketingmateriaal.

Mijn SEO-werk speelt zich al jaren af binnen marketingbureaus, sinds 2026 als SEO-specialist bij Space'M Online. In die rol werk ik dagelijks met content, technische SEO en data-analyse voor klanten in uiteenlopende sectoren. LearnLLM komt direct uit die wereld voort, want de aanpak behandelt exact het type werk waarvoor ik AI dagelijks inzet, namelijk schrijven, structureren, samenvatten en analyseren onder kwaliteitsdruk.

In mijn dagelijkse werk is Claude inmiddels het primaire AI-model, zowel via de interface voor schrijfwerk en analyse als via de Python-API voor workflows die op mijn eigen VPS draaien. Die workflows koppelen taalmodellen aan SEO-tooling, met Google Search Console voor query-analyse, PageSpeed Insights voor technische audits en Screaming Frog voor crawl-data. Het gaat om productie-omgevingen waarin scripts honderden keren per dag draaien, niet om losse experimenten.

Voor de overstap naar Claude heb ik ChatGPT intensief gebruikt, inclusief het bouwen van meerdere custom GPT's voor zoekwoordenonderzoek, contentbriefings, technische SEO-analyses en GSC-data. Die periode liet zien wat AI structureel goed doet en waar het structureel faalt. De overstap was geen modekeuze maar een werkbeslissing op basis van eigen vergelijking.

Mijn eerdere werkachtergrond ligt bij Nederlandse grootbanken, Rabobank, ABN Amro en Van Lanschot. Daar werkte ik met principes die in de bankensector vanzelfsprekend zijn maar in AI-werk vaak ontbreken, zoals het four-eyes-principe, risicoclassificatie waarbij de hoeveelheid controle meebeweegt met de impact van een fout, en compliance-denken over welke data je wel en niet aan een systeem toevertrouwt. Die principes pas ik dagelijks toe op AI-output, en ze zitten in het DNA van LearnLLM.

Waarom LearnLLM is opgezet, laat zich het best uitleggen vanuit één observatie. Professionals lopen niet vast omdat AI niet slim genoeg is, maar omdat AI overtuigend fout kan zijn en die fouten vaak pas laat worden herkend. Een goed geformuleerde zin die nergens op gebaseerd is, een statistiek zonder bron, een samenvatting die de nuance weglaat. Vloeiende taal is geen bewijs van juistheid, en dat onderscheid leert alleen ervaring je.

In de periode dat ik ChatGPT intensief gebruikte voor SEO-werk, kwam ik consistent dezelfde patronen tegen. Een terugkerend voorbeeld is dat ChatGPT bij het invoeren van een zoekwoord er ongevraagd een zoekvolume bij plaatste, terwijl het geen koppeling heeft met Ahrefs, SEMrush of een andere keyword-tool en die cijfers dus onmogelijk kan kennen. Pure hallucinaties die plausibel klinken voor wie zelf geen toegang tot keyword-data heeft. Hetzelfde gebeurde bij code, met niet-bestaande Python-functies, WordPress-hooks die nep zijn en CSS-eigenschappen die nergens gedocumenteerd staan. Vaak komt dat pas naar boven bij het draaien van de code, wat tijd kost in het ontwikkelproces.

Een tweede observatie komt uit mijn SEO-werk. Sinds de Google-update van januari 2026 zie ik in Search Console bij klantsites en bij benchmarksites die ik volg dat een specifiek type content substantieel in verkeer is gezakt, namelijk AI-gegenereerde artikelen zonder menselijke bewerking, generieke wat-is-X-pagina's zonder eigen perspectief en me-too content die sterk lijkt op wat concurrenten al schrijven. Wat stabiel bleef of groeide, was content met een herkenbare auteur, concrete cases, eigen data en duidelijke E-E-A-T-signalen. Google maakt steeds scherper onderscheid tussen content die niemand anders kan schrijven en content die door tientallen sites inwisselbaar gepubliceerd wordt.

LearnLLM is opgezet om dat gat te dichten, niet door AI te vermijden maar door het te doorgronden. Je leert eerst waar AI structureel faalt voordat je het inzet in je werk. Daarna bouw je een werkwijze met vaste controlepunten die fouten vangen voordat ze verder gaan. Het uitgangspunt is simpel. AI is nooit verantwoordelijk. Jij wel.

Hoe wij naar AI kijken, rust op drie uitgangspunten. Het eerste is dat een taalmodel tekst genereert op basis van waarschijnlijkheid, niet op basis van waarheid. Het voorspelt welk woord plausibel volgt op het vorige, gebaseerd op patronen in taaldata. Dat is geen bug die in de volgende versie wordt opgelost, het is een structureel kenmerk van hoe deze systemen werken. Inzicht in dat mechanisme is de basis van verantwoord gebruik.

Het tweede uitgangspunt is dat verantwoordelijkheid altijd menselijk blijft. AI kan uitstekend ondersteunen bij denken en uitwerken, maar het neemt geen besluiten en draagt geen verantwoordelijkheid. ChatGPT zei het is geen professioneel argument, juridisch noch ethisch. Wie AI gebruikt, blijft eindverantwoordelijk voor wat onder zijn of haar naam naar buiten gaat, of dat nu een klantmail is, een beleidsadvies of een interne presentatie.

Het derde uitgangspunt is dat niet alles wat technisch kan, ook moet worden ingezet. Niet elke taak heeft hetzelfde risicoprofiel. Een eerste schrijfversie heeft een andere foutmarge dan een juridische overeenkomst of een financieel rapport. Het onderscheid tussen laag-risico en hoog-risico gebruik is het meest praktische kompas dat een professional kan hanteren. In mijn eigen werk betekent dat AI breed inzetten en de controlepunten laten meebewegen met de impact van een eventuele fout.

De LearnLLM-aanpak in vier stappen komt voort uit mijn eigen overstap van losse prompts naar gestructureerde workflows. Die overstap was geen theoretische keuze maar een reactie op concrete problemen, zoals fouten die in productie terechtkwamen, herhaling die efficiënter kon en klantwerk dat geen wisselende output accepteert. De vierde stap is bovendien een directe vertaling van het four-eyes-principe dat ik bij de banken heb leren toepassen.

Wat onze cursussen onderscheidt is geen lijst features maar een werkwijze die in alles terugkomt. Wie wil zien hoe dat per tool is uitgewerkt, kan terecht bij het overzicht van de AI cursussen, of direct doorklikken naar de ChatGPT cursus of de Claude AI cursus.

De cursussen voor individuele professionals zijn bedoeld voor kenniswerkers zonder technische achtergrond die AI al gebruiken maar nog geen vaste werkwijze hebben. Denk aan consultants en adviseurs, marketeers en communicatieprofessionals, beleidsmedewerkers, HR-professionals en projectmanagers. Ook ZZP'ers en freelancers die AI willen inzetten om productiever te werken zonder kwaliteitsverlies.

Wat al deze professionals delen, is dat ze output leveren onder eigen naam, verantwoordelijkheid dragen voor wat ze versturen en zich geen reputatierisico kunnen veroorloven door AI-fouten die ze niet hebben onderschept. Iedere cursus duurt zes tot acht uur en is op je eigen tempo te volgen, met twaalf maanden toegang en een certificaat. Wie eerst wil ervaren hoe de aanpak voelt, begint met de gratis introductiecursus van tien minuten.

Voor teams en organisaties is het implementatietraject de kern van wat LearnLLM doet. In acht weken bouw ik samen met jouw kantoor één gedeelde AI-werkwijze, persoonlijk uitgevoerd, geen junior of onderaannemer. Je krijgt een prompt-bibliotheek op maat, een AI-richtlijn en vaste controlepunten, en de deliverables blijven na afloop jouw eigendom zonder vendor lock-in. Na de intake besluit je of je doorgaat, en stop je dan, dan betaal je alleen de geleverde uren.

Er zijn drie pakketten naar teamgrootte. Start voor teams tot tien medewerkers, Groei voor tien tot vijfentwintig medewerkers en Schaal voor vijfentwintig tot vijftig medewerkers, met prijzen vanaf €3.500. De volledige opzet en de prijzen staan op de pagina over AI implementatie. Omdat alle trajecten persoonlijk worden uitgevoerd, neemt LearnLLM drie tot vier trajecten per kwartaal aan.

Voor twee sectoren bestaat een aparte uitwerking. AI implementatie MKB is gericht op kantoren van vijf tot vijftig medewerkers, en AI implementatie notariaat sluit aan op de KNB AI-weegschaal met prompts per akte-type. Wil je alleen de e-learnings voor je team zonder volledig traject, dan kan dat via groepslicenties op de pagina over AI-training voor bedrijven.

Begin bij wat past bij waar je nu staat. Voor wie een traject overweegt, is de pagina over AI implementatie het startpunt, met de pakketten, de werkwijze en de prijzen. Voor individuele professionals die zelf aan de slag willen, geeft het cursusoverzicht inzicht in alle e-learnings per tool, met inhoud, duur en het tastbare eindproduct. En wie eerst wil proeven, begint met de gratis introductiecursus van tien minuten, zonder verplichting.