Hoe geef je je AI een beter werkgeheugen?

Een psycholoog bij een AI-startup? Dat klinkt misschien als een vreemde combinatie. Toch liggen die twee vakgebieden dichter bij elkaar dan je denkt. De neurale netwerken achter AI zijn namelijk geïnspireerd op de werking van het menselijk brein.

Joris Visser, met wie ik Transic heb opgezet, studeerde Artificial Intelligence. Hij kijkt naar hoe computers informatie verwerken, ik naar hoe mensen dat doen. Samen onderzoeken we hoe AI kan onthouden zodat jij beter met AI kan werken.

Hoe je werkgeheugen werkt

In de psychologie onderscheiden we verschillende geheugensystemen. Een daarvan is het werkgeheugen.

Alles wat je op een bepaald moment ziet, hoort of denkt, kan informatie leveren voor je werkgeheugen. Daar houd je tijdelijk informatie vast en kun je er iets mee doen zoals: een rekensom maken, een planning opstellen of een gesprek volgen.

Je werkgeheugen heeft echter maar een beperkte capaciteit. Je kunt maar een beperkte hoeveelheid informatie tegelijk actief vasthouden. Sommige informatie onthoud je omdat je die herhaalt, ermee aan de slag gaat of er iets belangrijks aan koppelt. Die informatie kan in je langetermijngeheugen terechtkomen, zodat je er later opnieuw gebruik van kunt maken.

Andere informatie vergeet je weer. En dat is misschien maar goed ook. Je krijgt iedere dag ontzettend veel informatie binnen. Als je alles zou onthouden, zou het een stuk moeilijker worden om je aandacht te richten op wat er nú toe doet.

Het werkgeheugen van AI: de context van een gesprek

Ook bij AI speelt de hoeveelheid informatie die op dat moment beschikbaar is een belangrijke rol. We noemen die informatie de context van een gesprek.

Alles wat je in een chat zet, kan de AI gebruiken om je volgende vraag te beantwoorden. Denk aan je instructies, de tekst die je deelt, bestanden die je toevoegt en eerdere berichten in het gesprek. Hoeveel informatie een AI-model in één keer kan verwerken, wordt bepaald door het contextvenster (in het Engels: context window).

Open je een nieuwe chat, dan begint die chat met een nieuwe context. De informatie uit het vorige gesprek is niet automatisch beschikbaar, tenzij je die opnieuw aanlevert of via een andere voorziening beschikbaar maakt.

Dat lijkt misschien een nadeel. Je moet immers opnieuw uitleggen waar je mee bezig bent. Maar het heeft ook een voordeel: je kunt opnieuw beginnen met alleen de informatie die op dat moment relevant is. En precies daar gaat het vaak mis.

De paradox van context

Toen ik net met AI werkte, probeerde ik zo lang mogelijk in dezelfde chat te blijven. Hoe meer de AI over mijn werk wist, hoe beter de antwoorden zouden worden. Althans, dat dacht ik. In onze workshops noemen we dit de paradox van context: meer informatie lijkt altijd beter, maar dit kan je juist in de weg zitten.

In de psychologie kennen we dit als het begrip ruis: informatie die afleidt van wat je op dat moment probeert te doen. Denk aan een gesprek in een druk café. Je hoort niet alleen degene met wie je praat, maar ook de gesprekken aan de tafeltjes om je heen. Hoe meer je aandacht wordt opgeëist door irrelevante informatie, hoe moeilijker het kan worden om je op het juiste gesprek te concentreren.

Bij AI speelt iets vergelijkbaars. Een taalmodel genereert tekst op basis van patronen in de informatie die het heeft gekregen. De context helpt het model om je vraag te begrijpen, maar niet elk stukje context is even nuttig. Oude instructies, achterhaalde besluiten en lange zijpaden kunnen het moeilijker maken om de informatie te vinden die voor je huidige vraag van belang is.

Meer context betekent dus niet automatisch betere antwoorden. Het gaat erom dat de juiste informatie op het juiste moment beschikbaar is.

Vergelijk de volgende twee vragen.

Korte chat

Wat is 3 + 2?

5

Lange chat · beweeg erover om de ruis weg te halen

Jan heeft drie appels. Anneke heeft vijf bananen. Tim heeft drie peren en twee appels. Tim geeft zijn appels aan degene met de meeste appels. Hoeveel appels heeft die nu?

5

De rekensom is eenvoudig. Maar in het tweede voorbeeld moet je eerst bepalen welke informatie ertoe doet. Het verhaal bevat meer woorden, maar maakt de eigenlijke vraag niet moeilijker.

Bij AI kan een lange context op dezelfde manier extra uitdagingen opleveren. Niet omdat elk extra woord per definitie slecht is, maar omdat de hoeveelheid informatie en de relevantie ervan ertoe doen.

Onderzoekers van Chroma onderzochten in 2025 hoe verschillende taalmodellen omgaan met langere contexten. In hun onderzoek, met achttien modellen, zagen ze dat de prestaties bij bepaalde taken achteruitgingen naarmate de context veranderde of langer werd. Ze beschrijven dit verschijnsel als context rot.

Dat roept een praktische vraag op: hoe zorg je ervoor dat AI genoeg weet om goed werk te leveren, zonder dat je het gesprek onnodig vol laat lopen?

Midden op de dag fris beginnen

Aan het eind van een werkdag schrijf je misschien op waar je morgen mee verder wilt. Je noteert wat je hebt gedaan, welke besluiten je hebt genomen en wat nog openstaat. De volgende ochtend hoef je niet alles opnieuw uit te zoeken. Je leest je aantekeningen en gaat verder.

Stel je nu voor dat je datzelfde kunt doen midden op de dag. Je werkt al uren met AI. De chat bevat allerlei ideeën, tussenstappen, correcties en zijpaden. Je wilt verder met je project, maar liever niet met al die geschiedenis erbij.

Wat als je een frisse versie van je AI-assistent kon laten beginnen, mét alles wat nodig is om je werk voort te zetten?

Dat kan. Je laat de oude chat een overdracht schrijven: een compacte samenvatting van wat de volgende chat moet weten. Die samenvatting neem je mee naar een nieuw gesprek.

Zo vervang je duizenden woorden aan gesprekshistorie door een kort overzicht van de informatie die er werkelijk toe doet. Je begint opnieuw, zonder je werk opnieuw te hoeven doen. Voor dat proces hebben we de hand-off skill gemaakt.