Veel van de eerste discussies over AI gingen over wat het kon. Kan het dit schrijven, dat samenvatten, code produceren of een pagina bouwen?

Intussen weten we dat het dat vaak kan.

Wat mij meer interesseert, is wat er gebeurt wanneer AI ook het proces rond die output begint te raken. Het selecteert informatie, classificeert die, werkt bestanden bij, configureert systemen, rolt zaken uit en volgt nadien op wat er gebeurt. In meer geavanceerde workflows bewaart het ook context: eerdere beslissingen, projectgeschiedenis, beperkingen, aannames en dingen die het onderweg heeft geleerd.

Nuttig, uiteraard. Maar het verplaatst het risico.

Als AI een slechte alinea schrijft, zit de fout in die alinea. Misschien merkt iemand ze op, misschien niet, maar je weet tenminste ongeveer waar je moet kijken.

Als het een foute aanname als projectcontext opslaat, wordt het interessanter. De volgende analyse kan erop voortbouwen. De volgende tekst ook. Een andere agent kan ze twee weken later ophalen en behandelen als iets wat al vaststond.

De fout is stroomopwaarts verhuisd.

Een fout zit niet langer in één output. Ze kan in alles terechtkomen wat daarna wordt gemaakt.

Context bewaren is niet hetzelfde als hem waar houden

Context opslaan wordt behoorlijk eenvoudig.

Hem actueel houden niet.

Projecten veranderen op heel gewone manieren. Een budgetgrens die in maart vaststond, wordt in juni heronderhandeld. Een beperking bij een leverancier verdwijnt. Iets wat tijdens een verkennend gesprek werd gezegd, blijkt helemaal geen beslissing te zijn geweest. En soms is de bevestigde beslissing van gisteren vandaag gewoon niet meer de beslissing.

Het document is misschien niet veranderd. De werkelijkheid wel.

Een AI-systeem dat met dat document werkt, gaat daar zonder probleem op verder.

Dat is een van de redenen waarom ik terughoudend ben om ‘geheugen’ als een feature op zich te behandelen. Geheugen is alleen nuttig als je weet wat er precies werd onthouden.

Neem een vrij onschuldige zin:

De klant wil X.

Prima. Alleen: wie heeft dat gezegd? De klant? Was het mijn interpretatie? Was het een voorstel dat drie vergaderingen heeft overleefd zonder ooit echt te zijn goedgekeurd? Wanneer werd het vastgelegd, en geldt het nog?

Een contextsysteem kan dat allemaal bewaren. Maar alleen als we ook de status en herkomst van de uitspraak bijhouden. Anders zien een hypothese en een goedgekeurde beslissing er bijna identiek uit wanneer ze later worden opgehaald.

Dat wordt belangrijker zodra meerdere agents met dezelfde context werken. Een gedeeld geheugen betekent ook gedeelde fouten.

Keurig gesynchroniseerd zelfs.

Ik wil weten welke status iets heeft

Voor praktisch werk vind ik vier niveaus bruikbaar:

• Ruwe output — gegenereerd, niet gevalideerd.

• Werkhypothese — geloofwaardig genoeg om te onderzoeken of mee te werken, maar niet bevestigd.

• Bevestigde beslissing — uitdrukkelijk goedgekeurd door degene die bevoegd is om te beslissen.

• Actuele projectwaarheid — bevestigd, traceerbaar en nog altijd geldig.

Het verschil tussen de laatste twee lijkt klein. Dat is het niet.

Een beslissing kan volledig echt zijn geweest en intussen toch vervallen zijn.

Dat betekent dat context niet alleen kan blijven aangroeien. Zaken moeten worden vervangen, gecorrigeerd, teruggezet in status of gewoon gemarkeerd als niet langer actueel. Anders krijg je uiteindelijk een uitstekend geheugen van verschillende versies van de werkelijkheid tegelijk.

Ik zou ook willen dat elk belangrijk gegeven minstens een bron, een eigenaar en een indicatie van geldigheid meekrijgt.

Niets exotisch. Net genoeg om drie eenvoudige vragen te beantwoorden: waar komt dit vandaan, wie mag bepalen of het klopt, en geloven we het vandaag nog?

Dan is er nog een tweede vraag

Zelfs dat is maar de helft.

Een onbevestigde hypothese is niet automatisch waardeloos. Ik werk voortdurend met hypotheses. Je kunt er een analyseren, een scenario rond modelleren of een eerste versie mee voorbereiden.

Het probleem begint wanneer het systeem vergeet dat het een hypothese was.

Er is een verschil tussen onzekere informatie een analyse laten sturen en die informatie iets buiten de analyse laten veranderen.

Een mogelijk budgetbedrag kan perfect bruikbaar zijn voor scenarioplanning. Ik heb liever niet dat een agent het op een website publiceert.

Een interpretatie van een contractclausule kan het onderzoeken waard zijn. Dat maakt ze nog geen geschikte basis om een bindend antwoord te versturen.

Een waarschijnlijke technische oorzaak kan een test sturen. Ze hoeft daarom nog geen productiewijziging te sturen.

Er zijn dus eigenlijk twee vragen in de workflow:

Hoe zeker zijn we van deze informatie?

En wat laten we ze doen?

Voor mij komt dit dichter bij het echte model:

informatiestatus × actierisico → vereiste gate

Hoe groter de gevolgen van de actie, hoe belangrijker de status van de onderliggende informatie wordt.

Websites worden onderdeel van hetzelfde probleem

Dat verandert ook hoe ik naar websites kijk.

Ze blijven uiteraard interfaces voor mensen. Maar ze worden ook steeds vaker door systemen gelezen: zoekmachines, AI-assistenten en agents die informatie eruit halen en elders opnieuw gebruiken.

Een website krijgt dus een bijkomende functie. Ze wordt, minstens gedeeltelijk, een machineleesbare bron van waarheid.

Daardoor is verouderde informatie meer dan een slordig contentprobleem.

Een dienstenpagina waar twee jaar niemand naar heeft gekeken, kan vandaag nog altijd worden gecrawld en behandeld als het huidige standpunt van het bedrijf. De machine weet niet dat intern al achttien maanden niemand die pagina nog gelooft.

Daar bestaat geen slimme GEO-truc voor.

De bron moet gewoon kloppen.

En zo komen we terug bij dezelfde, weinig glamoureuze vragen: wat is actueel, wat is gezaghebbend, wat heeft wat vervangen en wie is eigenaar van die informatie?

Iemand moet nog altijd beslissen

Ik denk niet dat elk bedrijf plots een ‘AI-governanceframework’ nodig heeft.

Zeker geen van veertig pagina’s.

Maar zodra systemen hun eigen context beginnen te onderhouden en op basis daarvan handelen, moet iemand wel bepalen wat ze als waar mogen behandelen.

Mag een agent iets aan het geheugen toevoegen? Waarschijnlijk.

Mag hij zelf beslissen dat zijn interpretatie voortaan projectwaarheid is? Andere vraag.

Mag hij autonoom vanuit een hypothese werken? Soms.

Mag diezelfde hypothese een publicatie, uitrol, contractuele verbintenis of andere externe actie activeren? Opnieuw: andere vraag.

Dat onderscheid wordt belangrijker naarmate de modellen beter worden, niet minder belangrijk.

Want betere uitvoering lost slechte context niet op.

Ze voert die alleen beter uit.

Hoe meer AI kan, hoe zorgvuldiger we moeten bepalen wat het mag geloven — en wat het met dat geloof mag doen.