AI met geheugen: zo bouw je een AI die je bedrijf kent

AI met geheugen is het verschil tussen een AI die elke keer bij nul begint en een AI die je bedrijf echt kent. De modellen zijn slim genoeg. Het probleem is dat ruwe intelligentie niet vanzelf blijft hangen. Een model dat niets onthoudt over jouw werk, jouw voorkeuren en jouw fouten, doet morgen precies dezelfde dingen als vandaag.

Anthropic noemt de oplossing hiervoor context engineering, en het is volgens hun eigen engineers de grootste hefboom om van een slim model naar een bruikbaar product te komen. Recent lieten ze ook een proces zien dat ze "dreaming" noemen: een AI die in de rustmomenten zijn eigen geheugen opschoont en bijwerkt.

In deze blog leggen we nuchter uit wat AI-geheugen is, wat losse tools als ChatGPT al doen, en wat je als MKB-bedrijf nodig hebt om een AI te bouwen die slimmer wordt naarmate je 'm gebruikt.

Wat AI met geheugen eigenlijk is (en wat ChatGPT al doet)

AI-geheugen is alle informatie die een AI vasthoudt buiten het ene gesprek dat je nu voert. Een taalmodel zelf onthoudt standaard niets tussen sessies. Elke nieuwe chat start blanco, tenzij je de context er expliciet weer instopt. Voor een simpele chatbot is dat prima. Voor een AI die echt werk doet in je bedrijf is het een probleem.

ChatGPT lost dit binnen z'n eigen app trouwens al netjes op. Het onthoudt je voorkeuren en eerdere gesprekken, zodat je niet elke keer opnieuw hoeft uit te leggen wie je bent. Dat werkt goed voor persoonlijk gebruik.

De beperking zit ergens anders. Dat geheugen is persoonlijk en zit vast in die ene app. Het weet niets van je CRM, je planning, je offertes of je klanthistorie. Zodra je een AI wil die taken uitvoert over je systemen heen, heb je een ander soort geheugen nodig dat in jouw omgeving leeft.

Een handige manier om dit te zien is in lagen. Er is het werkgeheugen in het lopende gesprek, er is extern geheugen in bestanden en databases, en er is de kennis die in het model zelf zit gebakken. Voor een AI-medewerker draait het vooral om dat externe geheugen: de laag die jij beheert en die jouw bedrijf beschrijft. Wil je weten hoe zo'n medewerker eruitziet, lees dan wat een AI-medewerker is en waar je begint.

Context engineering: de saaie hefboom die het verschil maakt

Context engineering is het bewust kiezen wat een AI op welk moment voor zich krijgt. Anthropic vat hun aanpak samen in één regel: doe het simpele wat werkt. Geen ingewikkelde architectuur, maar een paar bewezen bouwstenen die samen een enorm verschil maken in hoe goed een AI presteert.

De eerste bouwsteen is verrassend simpel: een instructiebestand. Een kort document met wie je bent, hoe je werkt en wat je voorkeuren zijn, dat aan het begin van elke sessie wordt ingeladen. Anthropic noemt dit zelf "belachelijk effectief". Het stuurt de AI direct naar wat belangrijk is.

De tweede bouwsteen heet progressive disclosure, en die voorkomt dat zo'n bestand dichtslibt. De AI leest eerst alleen de titel en de eerste regels van een stuk kennis, en laadt de details pas als hij ze echt nodig heeft. Vergelijk het met een boekenkast: je pakt alleen het boek dat bij het gesprek past, niet de hele plank tegelijk.

De derde bouwsteen is geheugen als gewoon bestandssysteem. Markdown-bestanden in mappen, waar de AI met simpele zoekacties doorheen gaat. Geen exotische techniek, gewoon bestanden die een mens én een AI kunnen lezen en aanpassen.

Bij onze klanten bouwen we precies zo'n contextlaag op. We leggen vast wie de klant is, welke voorkeuren er gelden en hoe het bedrijf werkt. Die laag koppelen we vervolgens aan de systemen waar de actuele data al staat, zoals het CRM, de planning of de productdatabase. Zo hoeft niemand het geheugen handmatig bij te werken, het vult zichzelf aan vanuit de bron.

Dat koppelen is het echte werk. Een AI die alleen een statisch instructiebestand heeft, veroudert. Een AI die zijn context uit je live systemen trekt, blijft kloppen. Dit is ook waarom we AI-medewerkers bouwen in plaats van losse ChatGPT-wrappers: de waarde zit in de koppeling met je echte processen.

Een AI die beter wordt naarmate je 'm gebruikt

Een AI met goed geheugen doet een taak de tweede keer beter dan de eerste. Dat is het effect waar het echt om draait. De AI onthoudt wat de vorige keer misging, en hoeft het niet opnieuw uit te zoeken. Daardoor gaat hij niet alleen accurater werken, maar vaak ook sneller en goedkoper, omdat hij minder hoeft te proberen.

Dit zagen we zelf bij een matchingplatform dat we bouwden. De matches tussen vraag en aanbod werden beter naarmate het systeem langer draaide. Niet omdat het onderliggende model slimmer werd, maar omdat er meer context ontstond over wie bij welke opdracht past. Het geheugen deed het werk, niet een nieuw model.

Anthropic verwoordt het scherp: een minder krachtig model met uitstekend onderhouden geheugen verslaat vaak een slimmer model zonder context, zeker op specialistische taken. De kwaliteit van het geheugen telt op den duur net zo zwaar als de kwaliteit van het model.

Voor jou als ondernemer is dat goed nieuws. Je hoeft niet te wachten op het volgende grote model. Je kunt vandaag al rendement halen uit context die je opbouwt rond een model dat er nu is. En je maakt jezelf minder afhankelijk van één leverancier, iets wat we eerder bespraken in waarom je niet op één AI-model moet leunen.

Claude Dreaming: hoe een AI zijn eigen geheugen opschoont

Claude Dreaming is een proces van Anthropic waarbij een AI in de rustmomenten tussen taken zijn eigen geheugen herziet. De naam verwijst naar hoe onze hersenen tijdens de slaap herinneringen ordenen. Het proces leest oude sessies terug, zoekt patronen, en stelt verbeteringen aan het geheugen voor. En ja, Claude doet dit nu al binnen Anthropic's Managed Agents.

Het idee is logisch als je bedenkt wat één AI tijdens een gesprek niet kan zien. Binnen één sessie ziet een AI alleen die ene sessie. Hij merkt niet dat hij in tien gesprekken dezelfde fout maakt, en hij ziet niet wat andere AI's in andere processen tegenkomen. Dreaming kijkt juist over al die sessies heen.

Wat het concreet doet, lijkt op een hoofddocent die al het gemaakte werk nakijkt. Ziet hij dat iedereen dezelfde vraag fout heeft, dan ligt het niet aan de leerlingen maar aan het lesplan. Dreaming herkent zo'n patroon in de teruggelezen gesprekken en stelt voor om het geheugen aan te passen: iets toevoegen wat ontbrak, iets weghalen wat niet meer klopt, of een tegenstrijdigheid oplossen.

Belangrijk om te weten is wat het niet doet. Dreaming verandert het model zelf niet, het past alleen het externe geheugen aan. Het gebeurt niet live tijdens een gesprek, maar als apart proces achteraf. En in gevoelige processen kun je instellen dat een mens de voorgestelde wijzigingen eerst goedkeurt voordat ze in het geheugen belanden.

Dat laatste is precies de juiste instelling voor de meeste MKB-bedrijven. Je wil de schoonmaak automatiseren, maar je wil ook kunnen zien en goedkeuren wat er verandert. Een AI die zijn eigen geheugen mag herschrijven zonder enige controle, is een AI die ongemerkt de verkeerde les kan leren.

Hoe je AI-geheugen onderhoudt (en waarom dat actief werk is)

AI-geheugen onderhouden is geen knop die je één keer omzet, het is iets waar je actief mee bezig moet blijven. Geheugen veroudert namelijk vanzelf. Voorkeuren veranderen, prijzen wijzigen, een workaround voor een oude bug is niet meer nodig. Zonder onderhoud stapelt die rommel zich op en gaat je AI op verouderde informatie sturen.

Hier zijn concrete manieren om dat onderhoud goed te regelen:

Werk met één duidelijk instructiebestand dat je periodiek nakijkt. Loop het elke paar weken door met de simpele vraag: klopt dit allemaal nog? Schrap wat niet meer geldt.

Zet versiebeheer op je geheugen. Bewaar versies, zodat je kunt terugrollen als een update de prestaties verslechtert. Je wil altijd terug kunnen naar wat wel werkte.

Koppel bronnen die zichzelf bijwerken. Laat prijzen, voorraad en klantdata uit het systeem komen waar ze al actueel zijn, in plaats van ze handmatig in het geheugen te zetten. Dan veroudert die informatie niet.

Ruim tegenstrijdigheden op. Als een nieuwe voorkeur de oude vervangt, gooi de oude er dan uit. Twee tegenstrijdige notities maken een AI onbetrouwbaar.

Stel rechten in per laag. De bedrijfsbrede kennis maak je alleen-lezen voor de meeste AI's, terwijl een AI wel naar zijn eigen kladblok mag schrijven. Niet elke AI mag de centrale kennis aanpassen.

Bouw een vast opschoonmoment in. Handmatig of automatisch via een dreaming-achtig proces dat oude gesprekken terugleest en voorstellen doet. Behandel de tussenliggende tijd als kans om bij te leren, niet als dode tijd.

Behandel het geheugen niet als black box. Kijk regelmatig wat je AI onthoudt en gebruikt. Als je niet weet wat erin staat, weet je ook niet waarom hij doet wat hij doet.

Dit klinkt als werk, en dat is het ook. Maar het is precies het soort werk dat zichzelf terugverdient. Een AI die je goed onderhoudt, wordt elke maand beter in jouw specifieke situatie. Dat sluit aan op wat we eerder schreven over een AI die je gewoon een vraag over je bedrijf kunt stellen.

Veelgestelde vragen over AI met geheugen

Wat is AI met geheugen?

AI met geheugen is een AI die informatie vasthoudt buiten het lopende gesprek, zoals je voorkeuren, processen en eerdere fouten. Daardoor begint hij niet elke keer bij nul, maar bouwt hij voort op wat hij eerder leerde. Voor bedrijven betekent dit een AI die je werkwijze kent in plaats van een algemene chatbot.

Onthoudt ChatGPT al niet alles?

ChatGPT onthoudt binnen z'n eigen app inderdaad je voorkeuren en eerdere gesprekken, en dat werkt prima voor persoonlijk gebruik. Maar dat geheugen zit vast in die app en kent je bedrijfssystemen niet. Voor een AI die taken uitvoert over je CRM, planning en offertes heen, heb je geheugen nodig dat in jouw eigen omgeving leeft en met je systemen is gekoppeld.

Wat is context engineering?

Context engineering is het bewust bepalen welke informatie een AI op welk moment voor zich krijgt. Het bestaat uit simpele bouwstenen: een instructiebestand met je voorkeuren, kennis die pas wordt geladen als het nodig is, en geheugen in gewone bestanden. Volgens Anthropic is dit de grootste hefboom om een slim model echt nuttig te maken in jouw situatie.

Wat is Claude Dreaming?

Claude Dreaming is een proces van Anthropic waarbij een AI tussen taken door zijn eigen geheugen herziet. Het leest oude sessies terug, herkent patronen en terugkerende fouten, en stelt verbeteringen aan het geheugen voor. Het verandert het model zelf niet, alleen het externe geheugen, en je kunt instellen dat een mens de wijzigingen eerst goedkeurt.

Hoe begin je als MKB met een AI die onthoudt?

Begin klein met één proces en één duidelijk instructiebestand dat je voorkeuren en werkwijze beschrijft. Koppel daarna de systemen waar je actuele data al staat, zodat het geheugen zichzelf aanvult. Bouw vanaf het begin een vast onderhoudsmoment in, zodat de informatie actueel blijft en je AI elke maand beter wordt in jouw werk.

Aan de slag met een AI die je bedrijf onthoudt

Een AI met geheugen is geen toekomstmuziek, het is gewoon goed ingericht context-werk dat morgen al loopt. De techniek is er, de bouwstenen zijn simpel, en de winst zit in de koppeling met je echte processen en het onderhoud daarna.

Wil je weten welk proces in jouw bedrijf zich het beste leent voor een AI die meegroeit? Stuur ons een berichtje via de contactpagina met één proces dat nu te veel tijd kost. Dan kijken we concreet mee welke context je AI zou moeten kennen om het over te nemen.