Geef twee mensen dezelfde opdracht. De een kent het hele verhaal: wie de klant is, wat er al is geprobeerd, waarom het nu speelt. De ander weet alleen wat er moet gebeuren. De uitkomst is voorspelbaar. Niet omdat de tweede persoon minder capabel is, maar omdat die persoon de verkeerde aannames maakt op elke plek waar informatie ontbreekt.
Bij een AI-model werkt het precies zo. En het model maakt op elke ontbrekende plek een keuze, zonder dat je het merkt. De bouwsteen die dat voorkomt heet Context (De Wereld).
Roland Bieleveldt
Context (De Wereld) is alle achtergrondinformatie die het model nodig heeft om de juiste keuzes te maken bij het uitvoeren van de Taak (De Motor). Het is het verschil tussen een opdracht in een vacuüm en een opdracht die past bij de situatie.
Context kan bestaan uit informatie over de doelgroep (voor wie is dit?), de aanleiding (waarom nu?), de organisatie (wat doet deze organisatie, in welke sector?), eerdere stappen (wat is er al gedaan?) en de kaders waarbinnen het antwoord moet passen (welke afspraken, richtlijnen of beperkingen gelden er?).
Zonder context vult het model elke ontbrekende keuze in met de meest waarschijnlijke optie uit de trainingsdata. Dat levert output op die statistisch gezien het vaakst voorkomt. Voor jouw situatie is dat bijna per definitie te generiek.
Een concreet voorbeeld maakt dit zichtbaar. “Schrijf een uitnodiging voor een bijeenkomst” is een Taak zonder Context. Het model kiest zelf: welk type bijeenkomst, welk publiek, welke toon, welke mate van formaliteit. Het resultaat is een nette maar generieke uitnodiging die nergens op aansluit. “Schrijf een uitnodiging voor een informatieavond over de verbouwing van ons kantoorpand, gericht aan huurders die zich zorgen maken over geluidsoverlast” is dezelfde Taak met Context. Het model heeft nu de informatie over het publiek, het onderwerp en de gevoeligheid. De output is gericht, relevant en bruikbaar.
Niet alle context weegt even zwaar. Drie typen leveren consistent het grootste verschil op.
Voor wie is de output bedoeld? Een samenvatting voor het bestuur ziet er anders uit dan een samenvatting voor het operationele team. Een e-mail aan een klant die voor het eerst contact opneemt, heeft een andere toon dan een e-mail aan een klant die al tien jaar meeloopt. Het model past woordkeuze, diepgang en toon aan zodra het weet wie de lezer is.
Waarom speelt dit nu? Een beleidsnotitie die is geschreven omdat de directie ergens vragen over heeft, leest anders dan een notitie die is geschreven als voorzorgsmaatregel. De aanleiding geeft het model informatie over de urgentie, de richting en de toon.
Welke afspraken, richtlijnen of situaties beperken de ruimte? Een antwoord dat rekening houdt met een lopend juridisch geschil is anders dan een antwoord dat vrij kan formuleren. Een tekst die moet passen binnen een bestaande huisstijl is anders dan een tekst op een blanco vel. Kaders voorkomen dat het model keuzes maakt die niet passen bij de werkelijkheid waarin het resultaat terechtkomt.
De hoeveelheid context die nodig is, hangt af van hoe uniek de situatie is. Bij een standaardtaak met een duidelijke outputvorm is weinig context nodig: het model herkent het patroon. Bij een opdracht die specifiek is voor jouw organisatie, jouw klant of jouw situatie, is meer context nodig: het model kan niet gokken wat het niet weet.
Een bruikbare test is de nieuwe-collega-test. Als een capabele nieuwe medewerker op basis van je prompt niet zou weten hoe de organisatie werkt, wie de klant is of waarom dit nu speelt, dan ontbreekt er context. De informatie die jij vanzelfsprekend vindt maar die een buitenstaander niet heeft, is precies de context die in de prompt hoort.
Er is ook een bovengrens. Te veel context kan het model afleiden van de kern. Als de achtergrond drie keer zo lang is als de opdracht, kan het model moeite hebben om te bepalen wat de hoofdtaak is en wat achtergrondinformatie. De vuistregel: geef de context die nodig is om de juiste keuzes te maken, niet alle context die beschikbaar is.
Het onderscheid is belangrijk. De Taak (De Motor) zegt wat er moet gebeuren. Context (De Wereld) zegt in welke werkelijkheid dat gebeurt. “Schrijf een klachtreactie” is de Taak. “De klant heeft al drie keer gebeld, is al aangeboden gekregen om kosteloos te retourneren maar wil een financiële compensatie, en het gaat om een bestelling van 47 euro” is de Context. Zonder die Context schrijft het model een standaard klachtreactie. Met die Context schrijft het een reactie die past bij de situatie.
Een huisartsenpraktijk gebruikt een AI-model om verwijsbrieven te schrijven naar specialisten. De prompt zonder context: “Schrijf een verwijsbrief naar de cardioloog.” Het model schrijft een nette maar generieke verwijsbrief. De prompt met context: “Schrijf een verwijsbrief naar de cardioloog van het Antonius Ziekenhuis voor een patiënt van 62 jaar met atypische pijn op de borst die niet gerelateerd lijkt aan inspanning, normale bloedwaarden maar een positieve familieanamnese voor hartfalen. De huisarts wil een echocardiogram laten maken om een structurele afwijking uit te sluiten.” Het model schrijft een brief die de cardioloog direct voldoende informatie geeft om een afspraak in te plannen zonder terugbelverzoek. Het verschil: de context geeft het model genoeg situatie-informatie om een brief te produceren die werkt in de keten.
Een organisatieadviseur wil een AI-model een voorstel laten schrijven voor een klant. De prompt zonder context: “Schrijf een voorstel voor een reorganisatie.” Het resultaat is een generiek reorganisatieplan dat bij elke organisatie zou kunnen horen. De prompt met context: “Schrijf een voorstel voor de reorganisatie van de klantenservice-afdeling van een verzekeraar met 120 medewerkers. De afdeling heeft een hoog verloop (22 procent per jaar), lange wachttijden (gemiddeld 14 minuten) en een klanttevredenheid die in twee jaar van 7,8 naar 6,4 is gedaald. De directie wil geen gedwongen ontslagen.” Het resultaat is een voorstel dat ingaat op de specifieke problemen, de schaal van de afdeling en de randvoorwaarde van de directie. De context maakt het verschil tussen een sjabloon en een eerste aanzet tot een bruikbaar advies.
Wie wil weten hoe je het model vanuit een specifieke deskundigheid kunt laten reageren, leest verder bij Rol (De Expert) (cluster 4.2c).
Wie terug wil naar het overzicht van alle zeven bouwstenen, vindt dat op de hubpagina De 7 bouwstenen van de ideale prompt (cluster 4.2).