Het antwoord is dat de kwaliteit van AI-output niet langer vooral bepaald wordt door het gebruikte AI-model, maar door de context die jij als gebruiker aanlevert. Volgens Jeff Dean, voormalig Chief Scientist bij Google, is context engineering inmiddels belangrijker dan het model zelf. Voor ondernemers betekent dit dat je met dezelfde AI-tool betere resultaten kunt behalen door slimmer en gestructureerder informatie aan te leveren, zonder dat je technische kennis nodig hebt.

Wat er aan de hand is

Jeff Dean, jarenlang de topwetenschapper op AI-gebied bij Google, stelt dat de focus in de AI-wereld verschuift. Waar de afgelopen jaren vooral werd gekeken naar welke modellen het krachtigst zijn, ligt de nadruk nu steeds meer op hoe je die modellen optimaal gebruikt. Volgens Dean is de context die je aan een AI-model geeft vaak bepalender voor het eindresultaat dan de keuze van het model zelf.

Dit is een opvallende uitspraak van iemand die aan de wieg stond van veel van Googles AI-technologie. Het betekent dat de ‘race’ om het beste model minder relevant wordt voor de dagelijkse praktijk. Wat telt is hoe goed jij een AI-systeem kunt voorzien van de juiste achtergrondinformatie, duidelijke instructies en relevante voorbeelden. Deze ontwikkeling maakt AI toegankelijker: je hoeft geen technische achtergrond te hebben om betere resultaten te krijgen.

Wat dit betekent

Voor het MKB is dit een geruststellende en praktische boodschap. Het betekent namelijk dat je niet hoeft te wachten op een nieuwer of duurder AI-model om betere resultaten te krijgen. De winst zit in je eigen aanpak. Een ondernemer die een AI-tool gebruikt voor het schrijven van offertes, het beantwoorden van klantvragen of het opstellen van marketingteksten kan direct betere output krijgen door meer en betere context te geven.

Deze verschuiving heeft ook gevolgen voor de manier waarop je AI in je bedrijf inzet. Het gaat niet langer om het kiezen van het ‘beste’ systeem, maar om het trainen van jezelf en je medewerkers in het helder formuleren van wat je nodig hebt. Dit is een vaardigheid die je kunt ontwikkelen, net zoals je leert om een goede briefing te schrijven voor een medewerker of een externe partij. De investering zit niet in dure software, maar in het verbeteren van je eigen communicatie met de AI.

Hoe je dit kunt toepassen

Als je een webshop runt en productbeschrijvingen laat genereren door AI, dan is de kans groot dat je teleurgesteld bent in de resultaten. De oplossing is niet een ander model, maar meer context. Je zou kunnen beginnen met het aanleveren van een voorbeeld van een productbeschrijving die je wél goed vindt, inclusief de toon die je wilt gebruiken. Voeg daarnaast specifieke kenmerken van het product toe die in de standaardinformatie ontbreken, zoals materiaalsoort, gebruiksmogelijkheden of verzenddetails. Een mogelijkheid is om een vaste ‘prompt-template’ te maken waarin je deze context structureel meestuurt bij elke nieuwe productbeschrijving.

Als je een team aanstuurt en AI gebruikt voor het opstellen van notulen of samenvattingen, dan zie je misschien dat de output te algemeen is. Overweeg om vooraf aan te geven welke onderdelen voor jou essentieel zijn: besluiten, actiepunten, verantwoordelijken en deadlines. Je zou kunnen afspreken dat iedereen die een AI-tool gebruikt voor dit doel, eerst een korte context toevoegt over het doel van de vergadering en de achtergrond van de deelnemers. Een optie is om een standaard instructie te ontwikkelen die je teamleden kunnen kopiëren en plakken bij elk AI-verzoek.

Als je in de marketing werkt en AI gebruikt voor het genereren van contentideeën, dan merk je waarschijnlijk dat de suggesties vaak te algemeen zijn. De kern van het probleem is dat de AI niet weet wie je doelgroep is, wat je aanbod onderscheidt en welke tone-of-voice je hanteert. Je zou kunnen beginnen met het opstellen van een ‘brandbriefing’ van één pagina waarin je deze elementen beschrijft. Deze briefing voeg je toe als context bij elk verzoek dat je aan de AI doet. Een mogelijkheid is om deze briefing ook te gebruiken voor andere AI-toepassingen binnen je bedrijf, zodat iedereen met dezelfde vertrekpunten werkt.

Als je een dienstverlener bent en AI gebruikt voor het opstellen van offertes of voorstellen, dan is de kans groot dat de eerste versie te algemeen is. De oplossing is om de AI te voorzien van specifieke informatie over de klant, het project en de gewenste uitkomst. Je zou kunnen overwegen om een template te maken waarin je deze context standaard invult voordat je de AI inschakelt. Een optie is om ook eerdere, succesvolle offertes als voorbeeld mee te sturen, zodat de AI de structuur en toon kan overnemen.

Als je klantenservice hebt en AI inzet voor het beantwoorden van veelgestelde vragen, dan zie je misschien dat antwoorden te formeel of te vaag zijn. De oplossing is om de AI te voorzien van voorbeeldantwoorden die je zelf goed vindt, inclusief de juiste toon en de juiste lengte. Je zou kunnen beginnen met het verzamelen van tien tot vijftien goede antwoorden uit het verleden en deze als context toe te voegen. Een mogelijkheid is om ook veelvoorkomende klantvragen en de gewenste antwoordstructuur op te nemen, zodat de AI consistent blijft in zijn communicatie.

De praktische toepassing hangt af van jouw situatie, maar de kern is overal hetzelfde: geef de AI dezelfde informatie die je ook aan een nieuwe medewerker zou geven voordat die aan de slag gaat. Hoe meer relevante context, hoe beter het resultaat. Dit is een vaardigheid die je vandaag nog kunt oefenen met bestaande AI-tools, zonder extra kosten of technische aanpassingen.

Bron: Search Engine Journal