Het antwoord is dat je niet per se een duurder of nieuwer AI-model nodig hebt om betere resultaten te krijgen. Volgens Jeff Dean, de voormalige Chief Scientist van Google, is de context die je aan een AI-model geeft minstens zo belangrijk als het model zelf. Door slimmer om te gaan met de informatie die je meestuurt, kun je de kwaliteit van de output aanzienlijk verbeteren, zonder dat dit extra geld kost.

Wat er aan de hand is

Jeff Dean, jarenlang een van de meest invloedrijke technici bij Google, heeft onlangs uitgelegd waarom context-engineering steeds belangrijker wordt. Zijn kernpunt: de kwaliteit van AI-output wordt niet alleen bepaald door de kracht van het model, maar vooral door hoe goed je de context aanlevert. Dit is een verschuiving ten opzichte van de afgelopen jaren, waarin de focus vooral lag op het ontwikkelen van steeds grotere en duurdere modellen. Dean stelt dat het verbeteren van de context een effectievere en goedkopere manier is om betere resultaten te behalen. Dit is geen vendorclaim van een AI-bedrijf, maar een analyse van een van de meest gerespecteerde stemmen in het veld, gepubliceerd door Search Engine Journal.

Wat dit betekent

Voor ondernemers betekent dit dat de concurrentiestrijd niet alleen gaat over wie het duurste AI-abonnement heeft. De echte winst zit in de manier waarop je het model voedt. Een klein bedrijf met een standaard AI-tool kan betere resultaten behalen dan een groot bedrijf dat een duur model gebruikt met slordige prompts. Dit is vooral relevant voor taken als klantenservice, contentcreatie en data-analyse. Het niveau van de input, niet de prijs van het model, wordt de onderscheidende factor. Dit maakt geavanceerde AI-toepassingen toegankelijker voor het MKB, omdat de vaardigheid om goede context te bouwen belangrijker wordt dan het budget voor software.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor productbeschrijvingen… merk je misschien dat de teksten vaak generiek zijn. Een mogelijke aanpak is om niet alleen de productnaam en specificaties aan het model te geven, maar ook de doelgroep, de tone-of-voice van je merk en een voorbeeld van een eerdere, succesvolle beschrijving. Je zou kunnen experimenteren met een gestructureerde prompt waarin je deze elementen als aparte secties opneemt. De output zal dan beter aansluiten bij je merk en je klanten.

Als je een team aanstuurt en AI gebruikt voor het samenvatten van vergaderingen of rapporten… is de kans groot dat de samenvattingen te algemeen zijn. Overweeg om in je prompt expliciet te maken wat het doel van de samenvatting is. Wil je actiepunten, risico’s of juist besluiten zien? Door de context te specificeren, zoals ‘focus op beslissingen en openstaande acties voor het marketingteam’, stuur je het model in de juiste richting. Dit levert direct bruikbaardere output op.

Als je in de zakelijke dienstverlening werkt en AI gebruikt voor het opstellen van voorstellen of offertes… kun je de kwaliteit verhogen door relevante data uit eerdere projecten mee te sturen. In plaats van een algemene opdracht, zou je een prompt kunnen maken die verwijst naar specifieke resultaten uit het verleden. Je zou kunnen overwegen om een ‘contextbibliotheek’ aan te leggen met veelgebruikte zinnen, projectresultaten en klantprofielen. Deze kun je dan eenvoudig toevoegen aan je prompts, wat leidt tot consistente en overtuigende documenten.

Als je een marketingteam leidt en AI inzet voor het genereren van campagne-ideeën… krijg je vaak oppervlakkige suggesties. Een effectievere methode is om het model te voorzien van de volledige context van je vorige campagnes, inclusief resultaten en doelstellingen. Je zou kunnen experimenteren met het meesturen van een korte analyse van wat wel en niet werkte. Op basis van die context kan het model ideeën genereren die beter aansluiten bij je strategie en minder voor de hand liggend zijn.

Als je een klein bedrijf runt en AI gebruikt voor klantreacties op reviews of e-mails… is het belangrijk om de context van de klantrelatie mee te geven. In plaats van een algemene reactie, zou je het model kunnen instrueren met de specifieke situatie, zoals ‘klant is al 5 jaar klant’ of ‘klant had een klacht over de levering’. Je zou kunnen overwegen om een systeem te ontwikkelen waarin je de belangrijkste contextpunten per klant vastlegt en deze toevoegt aan je prompt. Dit maakt elke reactie persoonlijker en professioneler.

Bron: Search Engine Journal