AI kan veel, maar niet raden wat jij bedoelt. Toch verwachten organisaties soms dat het systeem dat wel doet. En dan valt het resultaat vaak tegen. Wat ontbreekt? Context. Zonder duidelijke achtergrondinformatie blijft AI een voorspelmachine die woorden kiest op basis van waarschijnlijkheid. Met de juiste context wordt het een collega die je helpt, meedenkt en verbetert. Dit artikel laat zien waarom context engineering zo belangrijk is en hoe jij het inzet om betere resultaten te krijgen.
AI snapt niet vanzelf wat jij bedoelt
AI “weet” niet wat het schrijft. Een taalmodel voorspelt alleen het volgende woord op basis van de tekst die er al staat.
Die voorspelling maakt het op basis van twee bronnen:
- De context die jij geeft (prompt + chatgeschiedenis).
- De kennis in het model zelf, die in de gewichten zit opgeslagen.
Het model heeft dus geen bewust begrip, maar wel veel getrainde kennis. Hoe beter de context die jij geeft, hoe beter het model die kennis gebruikt. Vraag iemand hoe je een “kater” behandelt en je krijgt tips voor hoofdpijn. Laat daarna een foto zien van een kat met een verbandje om het hoofd, en iedereen lacht. Het gaat dus om de kat, niet het feestje. Context bepaalt alles.
AI werkt net zo: “De kat ligt…” leidt vaak tot “in zijn mand”. Maar geef context dat de kat met een raket naar de maan ging, dan wordt “op de maan” opeens logischer.
Waarom teams vaak teleurgesteld raken
Vaak wordt vooral gedacht (en tijd besteed) aan het perfect formuleren van een vraag, maar vergeten dat het antwoord valt of staat met de informatie die het model meekrijgt. We verwachten een topprestatie in één poging. Wanneer dat tegenvalt, groeit het idee dat AI “waardeloos” is.
Met slechte context krijg je slechte antwoorden. En dan haken sommigen af. Het wordt een cultuurding: “Zie je wel, AI werkt niet.” Maar het probleem is vaak het gebrek aan richting (context) die aan de AI wordt gegeven.
Context bouwen is samenwerken met AI
Context engineering betekent dat je eerst relevante informatie toevoegt vóórdat je de taak geeft. Denk aan doelen, doelgroep, stijl, beperkingen of extra kennis.
Voor het schrijven van een LinkedIn-post kun je de prompt gebruiken: “Schrijf als de beste contentmarketeer ter wereld een LinkedIn-post op basis van deze tekst.” Het resultaat is oké, maar mogelijk niet sterk.
Bouw je context op, bijvoorbeeld met step-back prompting:
- Vraag AI eerst wat de taken en verantwoordelijkheden zijn van een top LinkedIn-contentmarketeer.
- Vraag daarna in dezelfde chatsessie om best practices voor posts die goed scoren.
- Vraag dan om die inzichten te gebruiken om de LinkedIn-post te schrijven.
- Je beoordeelt het resultaat en vertelt de AI wat eventueel nog anders of beter moet. Je voert een dialoog.
Het verschil kan groot zijn: relevanter, scherper, professioneler. Context verbeteren = output verbeteren. Onze AI-workshop leert teams precies deze aanpak hands-on toepassen en helpt organisaties dit direct in hun werkproces te integreren.
Waarom dit zoveel waarde oplevert
Organisaties die bewust met context werken, merken snel drie dingen:
• Hogere kwaliteit: AI begrijpt beter wat je bedoelt en hoe het moet schrijven.
• Betere samenwerking: teams snappen hoe AI werkt en kunnen het verhaal sturen.
• Meer vertrouwen: gebruikers zien hoe AI kan helpen.
AI is geen ik-vraag-zij-antwoord-apparaat; het is een vergeetachtige collega die je steeds opnieuw moet onboarden.
De grootste misvatting over AI
De grootste fout? Denken dat AI zelf wel tot het beste antwoord komt. Maar AI heeft geen eigen gedachten of intern begrip. Het weet niet vooraf wat het gaat schrijven. Het voorspelt woord voor woord het meest waarschijnlijke vervolg op basis van:
• jouw context,
• de chatgeschiedenis,
• en de kennis in (de gewichten van) het model.
Wie dit begrijpt, gebruikt AI anders: veel actiever in het sturen.
Waarom context engineering steeds belangrijker wordt
Modellen worden ‘slimmer’. Ze herkennen intentie steeds beter. Maar dat betekent niet dat je minder context hoeft te geven. Integendeel: hoe complexer de vragen worden, hoe belangrijker duidelijke achtergrondinformatie is.
Context blijft dus essentieel. Het bepaalt de woorden die AI als antwoord genereert.
Wat moet je morgen als eerste doen?
Leer hoe AI werkt. Als je begrijpt dat AI woorden voorspelt (en hoe) en geen intern begrip heeft, wordt het duidelijk waarom context zo belangrijk is. Je weet dan ook welke context je moet geven.
Wat jij kunt doen om vandaag al beter met AI te werken
Zorg dat je organisatie deze basis toepast:
• Leer kort, simpel en praktisch hoe AI werkt (token prediction).
• Stel vooraf vast wat je wilt bereiken.
• Bouw context in stappen op, vóórdat je de taak geeft.
• Voer een dialoog met AI, geen eenmalige vraag.
• Laat AI reflecteren op eigen output; dat verbetert het resultaat.
Start klein, maar begin vandaag
Context engineering maakt AI niet alleen beter, maar ook betrouwbaarder en relevanter voor jouw organisatie. Teams werken effectiever met AI en zien betere resultaten.
Wil je jouw organisatie slimmer laten werken met AI? Begin dan met één simpele stap: leer teams hoe AI werkt en laat ze bewust context opbouwen. Zo maak je van AI een collega die écht meedenkt.
