Waarom steeds meer makers een tweede AI inschakelen
Wie apps bouwt met Lovable, denkt vaak dat het succes begint met het schrijven van de perfecte prompt. Maar volgens steeds meer AI-bouwers ligt de echte kracht ergens anders: laat een andere AI eerst de prompt schrijven.
In plaats van rechtstreeks instructies in Lovable te typen, gebruiken ontwikkelaars eerst een denkpartner zoals ChatGPT of Claude. Die helpt bij het structureren van ideeën, het verfijnen van functionaliteiten en het uitschrijven van een complete prompt die Lovable vervolgens kan omzetten in een werkende applicatie.
Het resultaat? Minder giswerk, betere output en een veel sneller ontwikkelproces.
Van idee naar app in twee stappen
De traditionele aanpak is eenvoudig: een idee ontstaat en wordt direct als prompt ingevoerd in Lovable. Hoewel dat soms werkt, leidt het vaak tot onvolledige instructies, gemiste functionaliteiten en extra correctierondes.
De alternatieve methode voegt een extra laag intelligentie toe.
Eerst wordt een gesprek gevoerd met Claude of ChatGPT. Daarin wordt het project hardop uitgedacht:
- Wat moet de applicatie precies doen?
- Wie zijn de gebruikers?
- Welke functies zijn essentieel?
- Hoe ziet de gebruikerservaring eruit?
- Welke gegevens moeten worden verwerkt?
Pas wanneer die vragen zijn uitgewerkt, genereert de AI een uitgebreide Lovable-prompt die direct klaar is voor gebruik.
Claude en ChatGPT als strategische sparringpartner
Waar Lovable uitblinkt in het bouwen van applicaties, blijken Claude en ChatGPT bijzonder sterk in redeneren, plannen en structureren.
Ze fungeren als een soort digitale projectmanager die helpt om ideeën om te zetten in duidelijke specificaties.
Voor veel makers verandert hierdoor de workflow fundamenteel:
- Idee bespreken met Claude of ChatGPT.
- Functionaliteiten definiëren.
- Prompt laten genereren.
- Prompt plakken in Lovable.
- Applicatie bouwen.
- Itereren en verbeteren.
Deze aanpak voorkomt dat ontwikkelaars belangrijke onderdelen vergeten of hun wensen te vaag formuleren.
Het ROCO-framework als geheime wapen
Centraal in deze methode staat een gestructureerd denkkader, het zogenaamde ROCO-framework.
Hoewel frameworks kunnen verschillen per maker, hebben ze meestal hetzelfde doel: AI voorzien van voldoende context om een kwalitatieve prompt te produceren.
Door vooraf duidelijke richtlijnen, doelstellingen en gebruikersscenario's mee te geven, kan Claude of ChatGPT een veel completere opdracht formuleren voor Lovable.
Daardoor ontstaat een betere eerste versie van de applicatie, wat de noodzaak voor talloze aanpassingen vermindert.
Een live vergelijking maakt het verschil zichtbaar
Tijdens een demonstratie werd hetzelfde app-idee via twee verschillende routes gebouwd.
Route 1: Direct naar Lovable
Bij de eerste aanpak werd het idee rechtstreeks in Lovable ingevoerd. Het resultaat was bruikbaar, maar vereiste meerdere verbeteringen en aanvullende prompts.
Route 2: Eerst Claude, daarna Lovable
Bij de tweede aanpak werd Claude ingezet om het project eerst volledig uit te denken en vervolgens een professionele Lovable-prompt te schrijven.
De uiteindelijke applicatie kwam sneller tot stand, bevatte meer details en vereiste minder correcties.
De vergelijking laat zien dat de kwaliteit van de prompt vaak belangrijker is dan de tool waarin die wordt gebruikt.
De opkomst van AI-teams
Deze werkwijze past binnen een bredere trend in de AI-wereld: verschillende AI-systemen samenwerken aan één taak.
In plaats van één model alles te laten doen, ontstaat een keten van gespecialiseerde AI's:
- Claude of ChatGPT voor strategie en planning.
- Lovable voor ontwikkeling.
- Andere tools voor design, testen of documentatie.
Deze aanpak lijkt steeds meer op hoe menselijke teams functioneren: elke specialist doet waar hij het beste in is.
De belangrijkste les voor AI-makers
De grootste fout die veel beginners maken, is direct beginnen met bouwen.
Ervaren AI-makers starten juist met denken.
Door Claude of ChatGPT eerst te gebruiken als brainstormpartner en promptarchitect, ontstaat een veel duidelijkere blauwdruk voor Lovable. Dat levert niet alleen betere resultaten op, maar bespaart ook tijd, frustratie en eindeloze iteraties.
De vraag is dus niet langer welke AI het beste is. De echte vraag wordt: welke AI zet hij als eerste aan het werk?
