Het antwoord op de vraag hoe je betere resultaten uit AI haalt, ligt niet in het kiezen van een groter of beter model, maar in het verbeteren van de context die je aan dat model geeft. Volgens Jeff Dean, voormalig Chief Scientist bij Google, is context engineering inmiddels belangrijker dan het model zelf. Voor ondernemers betekent dit dat de winst niet zit in het wisselen van software, maar in het zorgvuldig voorbereiden van de informatie die je een AI-systeem geeft.

Wat er aan de hand is

In een recent artikel van Search Engine Journal legt Jeff Dean, de voormalige AI-topman van Google, uit waarom de focus in de AI-wereld verschuift. Waar de afgelopen jaren vooral werd gekeken naar welke modellen de beste prestaties leveren, stelt Dean dat de kwaliteit van de output steeds meer bepaald wordt door de context die je meestuurt. Context engineering is de praktijk van het structureren en aanleveren van relevante achtergrondinformatie, instructies en voorbeelden aan een AI-model, zodat het beter begrijpt wat er van hem wordt verwacht. Dit is geen theoretisch concept, maar een direct toepasbare vaardigheid die de effectiviteit van AI-tools in dagelijkse bedrijfsprocessen bepaalt.

Wat dit betekent

Voor het midden- en kleinbedrijf is dit een belangrijk signaal. Het betekent dat je niet hoeft te wachten op de nieuwste AI-release om betere resultaten te krijgen. De modellen die je nu gebruikt, zijn vaak al capabel genoeg. Het verschil tussen een teleurstellende en een bruikbare AI-output zit in de voorbereiding. Een ondernemer die een AI-tool gebruikt voor het opstellen van een offerte, het samenvatten van een vergadering of het beantwoorden van een klantvraag, ziet direct resultaat als hij of zij meer context meestuurt. Denk aan achtergrondinformatie over het bedrijf, de doelgroep, de toon van communicatie en het specifieke doel van de opdracht. Dit verklaart ook waarom twee bedrijven met dezelfde AI-tool totaal verschillende resultaten kunnen boeken.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor productbeschrijvingen, dan is de kans groot dat de eerste output generiek en kleurloos is. Je zou kunnen beginnen met het opbouwen van een contextbestand. Dit is een document waarin je de kernwaarden van je merk, de doelgroep, de typische klantvragen en drie voorbeelden van goede productbeschrijvingen opneemt. Elke keer dat je een nieuwe beschrijving wilt laten genereren, plak je dit bestand als context bij je opdracht. Het kost je eenmalig een uur, maar het zorgt ervoor dat elke volgende beschrijving consistent is met je merk.

Als je een team aanstuurt en AI gebruikt voor het samenvatten van notulen of het opstellen van actielijsten, dan is een mogelijkheid om een vaste instructie te maken die je aan elk AI-verzoek toevoegt. In die instructie staat bijvoorbeeld dat de AI alleen acties moet benoemen die expliciet in de tekst staan, dat het de verantwoordelijke persoon moet noemen en dat het een deadline moet vermelden als die bekend is. Door deze standaardcontext te gebruiken, voorkom je dat je elke keer opnieuw moet uitleggen wat je verwacht en krijg je consistentere samenvattingen.

Als je in de klantenservice werkt en AI gebruikt voor het opstellen van antwoorden op klantvragen, dan is de kern van context engineering het meesturen van de juiste informatie. Overweeg om een kennisbank op te bouwen met veelgestelde vragen, retourbeleid, levertijden en eventuele uitzonderingen. Wanneer je een AI-antwoord laat genereren, voeg je de relevante delen uit die kennisbank toe aan je opdracht. Het model kan dan een accuraat antwoord geven dat aansluit bij jouw specifieke bedrijfssituatie, in plaats van een algemeen antwoord dat mogelijk niet klopt.

Als je content creëert voor je bedrijf en AI gebruikt voor het schrijven van blogs of nieuwsbrieven, dan is een effectieve aanpak om te werken met een zogenaamd contextblok. Dit is een vaste tekst die je aan het begin van elke AI-opdracht plaatst. Hierin staat wie je bent, voor wie je schrijft, welke toon je hanteert en wat je met de content wilt bereiken. Je zou ook kunnen verwijzen naar eerdere artikelen die je goed vond, zodat het model een referentie heeft. Dit zorgt ervoor dat de output niet alleen informatief is, maar ook past bij de stijl van je bedrijf.

De praktische toepassing van context engineering hangt af van jouw situatie, maar het uitgangspunt is helder: investeer tijd in het voorbereiden van de informatie die je aan AI geeft. Het model is het gereedschap, maar de context is de blauwdruk.

Bron: Search Engine Journal