Je vraagt een AI-tool om een offerte op te stellen. Eerst vertel je wat je verkoopt, hoe je prijzen zijn opgebouwd, welke voorwaarden erbij horen en waarom die ene klant een uitzondering krijgt. Je krijgt een degelijke tekst terug. Morgen begin je opnieuw. En je collega, die precies hetzelfde nodig heeft, start iedere keer weer van nul.
Dat is geen vreemde fout van de software. Het zit hem in hoe AI precies werkt.
AI weet alles, behalve hoe jouw bedrijf in elkaar zit
Een taalmodel heeft nagenoeg het hele internet gelezen. Wat er niet in zit, is jouw bedrijf: je processen, je klanten, de afspraak die jullie in maart maakten over de strategie. Alles wat het over jouw situatie moet weten, moet je elke keer opnieuw aanleveren.
Die informatie noemen we context. Er bewust mee aan de slag gaan heet context engineering. Twee jaar geleden ging het gesprek vooral over prompts: hoe je je vraag zo slim mogelijk formuleert. Inmiddels is duidelijk dat de formulering maar een klein deel van het resultaat bepaalt. Wat je meegeeft, weegt zwaarder dan hoe je het vraagt.
Vier zaken waar je wat aan hebt
Veel verzinsels zijn een contextprobleem. Wanneer een AI iets niet weet, houdt het niet op. Het vult aan met wat plausibel klinkt. Geef het het echte contract, de echte prijslijst, het echte dossier, en dat gat verdwijnt grotendeels. "AI verzint maar wat" betekent in de praktijk vaak "we hebben de feiten niet meegegeven".
Meer context is niet automatisch beter. De verleiding is groot om alles mee te sturen: het volledige handboek, de hele mailbox, elk document dat ergens mee te maken heeft. Dat werkt niet. De aandacht van een model is beperkt en ongelijk verdeeld. Informatie die in het midden van een lange tekst staat, krijgt minder gewicht, en stukken die niet relevant zijn, leiden actief af. Kiezen wat je meegeeft, is het echte werk.
De kennis van jouw team is vandaag nergens bruikbaar. Vraag in een bedrijf hoe een proces precies loopt, en je krijgt vier antwoorden. Het zit in de hoofden van drie collega's, in een gedeelde mailbox en in een Excel die niemand nog durft aan te raken. Zolang dat zo is, valt er weinig aan te leveren.
Wat je vastlegt, stapelt op. Context die alleen in een gesprek zit, verdwijnt met dat gesprek. Context die ergens vastligt, maakt elke volgende poging beter. Voor jou, voor je collega's, en voor de tools die je volgend jaar gebruikt en vandaag nog niet kent.
Waarom een map vol documenten het niet oplost
De eerste reflex is begrijpelijk: dan schrijven we alles toch op. Een procedure hier, een handleiding daar, een pagina met afspraken in Notion.
Het probleem is dat die documenten uit elkaar groeien. Ze beschrijven hetzelfde proces vanuit verschillende hoeken, met verschillende woorden, op verschillende momenten geschreven. Na een jaar spreken ze elkaar tegen en weet niemand nog welke versie klopt. Voor een mens is dat vervelend. Voor een AI-tool is het onbruikbaar, want die kan niet inschatten welke van de drie beschrijvingen de juiste is.
Daar komt nog iets bij dat vaak vergeten wordt: context bepaalt ook wat je systemen mogen zien. Welke klantgegevens mogen in welk gesprek terechtkomen? Dat is een ontwerpkeuze, geen technisch detail. Je kan die keuze pas maken als je expliciet hebt gemaakt wat er precies aangeleverd wordt.
Eén beschrijving in plaats van honderd documenten
Bij Tandem werken we daarom met een contextmodel: één duurzame beschrijving van hoe je bedrijf werkt, in plaats van losse documenten die verouderen.
Die beschrijving bestaat uit drie lagen. Journeys: hoe een proces van begin tot eind loopt, vanuit de persoon die het doet. Events: wat er onderweg effectief gebeurt: een offerte verstuurd, een levering ingepland, een dossier goedgekeurd... En schermen: waar mensen dat zien en aanpassen.
Het gaat er niet om dat dit mooie documentatie oplevert, al is dat meegenomen. Het gaat erom dat AI-devtools er rechtstreeks uit kunnen bouwen. Het model is de context: één plek waar staat hoe je bedrijf in elkaar zit, waar je software uit voortkomt en waar AI-tools op terugvallen. Verandert het proces, dan pas je het model aan. Zonder zo'n model vindt elke prompt opnieuw uit hoe je bedrijf werkt, en elke keer een beetje anders.
Wat je hiermee doet
Je hoeft niet meteen alles vast te leggen. Neem één proces waar AI nu al meedraait, of waar je het wil inzetten, en schrijf uit hoe het echt loopt. Niet hoe het zou moeten lopen. Meestal is dat de eerste keer dat iedereen dezelfde versie te zien krijgt, en dat levert op zich al iets op.
Benieuwd hoe dat voor jouw bedrijf eruit zou kunnen zien? Stuur ons een bericht.
