Het antwoord op de vraag hoe je betere resultaten uit AI haalt, ligt niet in het kiezen van een groter of nieuwer model, maar in de kwaliteit van de context die je aan dat model geeft. Volgens Jeff Dean, jarenlang topwetenschapper bij Google, is context engineering inmiddels belangrijker dan het model zelf. Voor ondernemers betekent dit: de winst zit niet in de tool, maar in hoe je die tool voert met informatie.

Wat er aan de hand is

Jeff Dean, die tot april 2023 Chief Scientist bij Google was en nu een leidende rol heeft binnen Google DeepMind, stelt dat de aandacht in de AI-wereld verschuift. Waar de industrie jarenlang vooral bezig was met het bouwen van steeds grotere en slimmere modellen, is die race volgens hem minder relevant geworden. De modellen zijn inmiddels zo goed dat het verschil tussen de beste modellen onderling klein is. Wat wél een groot verschil maakt, is hoe je het model van de juiste context voorziet. Search Engine Journal bericht over zijn uitspraken tijdens een recente bijeenkomst.

Dean legt uit dat een AI-model zonder goede context vergelijkbaar is met een zeer intelligente medewerker die geen enkele briefing heeft gekregen. Die medewerker kan briljant zijn, maar zonder achtergrondinformatie, doelen en specifieke instructies is het resultaat willekeurig. Context engineering is de discipline die ervoor zorgt dat het model precies weet wat jij wilt, waarom je het wilt en binnen welke kaders het moet werken. Het is geen technische vaardigheid, maar een communicatieve: je leert het model wat relevant is voor jouw situatie.

Wat dit betekent

Voor het midden- en kleinbedrijf is dit een belangrijke verschuiving. Het betekent namelijk dat je geen datawetenschapper of AI-expert hoeft te zijn om professionele resultaten te krijgen. De dure, gespecialiseerde kennis die nodig was om AI-modellen te laten presteren, maakt plaats voor een vaardigheid die dichter bij goed opdrachtgeverschap ligt. Wie helder kan formuleren wat het probleem is, welke informatie relevant is en wat een goed resultaat is, kan AI effectief inzetten voor uiteenlopende taken.

De impact is het grootst voor bedrijven die AI al gebruiken voor klantcontact, contentcreatie of data-analyse, maar teleurgesteld zijn in de output. Vaak ligt het probleem niet bij het model, maar bij de context. Een model dat een klant-e-mail moet beantwoorden, presteert beter als het weet wie de klant is, wat de geschiedenis is en wat het bedrijfsbeleid is. Die context is voor elk bedrijf anders en dat maakt het een strategisch voordeel: hoe beter jouw context, hoe beter jouw resultaat, ongeacht welk model je gebruikt.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor klantenservice… dan is de kans groot dat je teleurgesteld bent in de standaardantwoorden die het systeem genereert. Overweeg om een contextdocument op te stellen dat het model altijd meekrijgt. Beschrijf daarin je retourbeleid, je levertijden, je meest gestelde vragen en de toon die je wilt gebruiken. Je zou kunnen beginnen met de tien meest voorkomende klantvragen en voor elk daarvan een perfect antwoord schrijven. Die vormen de basis van de context die je het model geeft.

Als je een team aanstuurt dat AI gebruikt voor rapportages of analyses… dan is een mogelijke aanpak om een vaste structuur voor elk verzoek te introduceren. Je zou kunnen afspreken dat elk AI-verzoek begint met een korte schets van het doel, de doelgroep van het resultaat en de beslissing die ermee genomen moet worden. Een mogelijkheid is om een sjabloon te maken dat teamleden invullen voordat ze een AI-tool gebruiken. Zo dwing je de context af die het model nodig heeft om relevant werk te leveren.

Als je in de zorg werkt en AI inzet voor het samenvatten van dossiers of het opstellen van communicatie… dan is zorgvuldige context geen luxe maar een vereiste. Overweeg om een strikte instructie te schrijven die het model vertelt welke informatie altijd benadrukt moet worden, welke termen vermeden moeten worden en hoe om te gaan met onvolledige gegevens. Je zou kunnen beginnen met een testfase waarin je het model alleen laat werken met geanonimiseerde data en de output altijd door een mens laat controleren.

Als je een marketingbureau runt en AI gebruikt voor contentcreatie… dan is de context die je meestuurt het verschil tussen generieke en onderscheidende teksten. Een optie is om een uitgebreid merkdocument op te stellen dat het model altijd meekrijgt: je tone of voice, je belangrijkste boodschappen, je doelgroep en je concurrenten. Je zou kunnen experimenteren met verschillende niveaus van context om te zien hoeveel detail nodig is voordat de kwaliteit significant verbetert. Een mogelijkheid is om per klant een apart contextbestand te onderhouden dat je steeds hergebruikt.

De kern van context engineering is dat je AI niet behandelt als een magische machine, maar als een zeer capabele assistent die duidelijke instructies nodig heeft. De investering die je doet in het opstellen van goede context, verdien je terug in tijdwinst en kwaliteit. Begin klein, test wat werkt en bouw je contextbestanden uit op basis van wat je leert.

Bron: Search Engine Journal