Waarom Emma haar AI-assistent niet vertrouwde — en hoe mensen, processen en technologie samen het probleem oplosten

Emma werkte als projectcoördinator bij een middelgroot consultancybureau. Ze was slim, gestructureerd en altijd onderweg: van klantgesprek naar interne meetings, van rapportages naar deadlines die elkaar in rap tempo opvolgden.

Het bedrijf had recent een AI-assistent geïntroduceerd die iedereen moest ontlasten van administratieve rompslomp. De belofte was groot: persoonlijk, intelligent, proactief.

Maar Emma merkte al snel dat er iets niet klopte.

Elke ochtend begon ze hetzelfde ritueel.

“Goedemorgen, kun je mijn dag plannen?”
“Zeker! Wat zijn je voorkeuren qua werktijden?”

Emma zuchtte.
Dat heb ik je gisteren verteld.

Ze legde opnieuw uit dat ze liefst om 08:00 begint, haar creatieve uren in de ochtend liggen en ze na de lunch vaak klanten belt.
De AI luisterde vriendelijk. Maar een dag later was alles opnieuw weg.

Het voelde alsof ze dagelijks een nieuwe collega moest inwerken.
De menselijke kant van Emma — haar voorkeuren, werkstijl, stressfactoren, routines — gleed elke nacht als zand door de vingers van de AI.

En na een paar weken begon ze de assistent maar te vermijden.
“Hij vergeet toch alles”, zei ze tegen een collega.

Haar frustratie was niet uniek.
Het was een symptoom van een dieper probleem: de organisatie had de AI wél uitgerold, maar het proces eromheen en het technische fundament ontbrak.

Mensen: een AI die je niet begrijpt, vertrouwde niemand

Emma’s verhaal ging rond op kantoor. Anderen herkenden het maar al te goed.

Sommigen vonden de AI te afstandelijk.
Anderen zeiden dat het systeem hen onderbrak met onhandige suggesties.
De HR-manager merkte op dat het “persoonlijke” karakter van de assistent nauwelijks aanwezig was.

Dat leidde tot een menselijk vraagstuk:
Hoe kun je vertrouwen op technologie die jouw manier van werken niet onthoudt?

Een AI zonder geheugen voelde voor medewerkers als een stagiair die elke dag opnieuw begint zonder notities te maken.

Het probleem raakte niet alleen individuen zoals Emma, maar ook teams:
projectinformatie ging verloren, voortgang in gesprekken werd vergeten, deadlines moesten steeds opnieuw worden uitgelegd.

Mensen haakten af — niet omdat ze geen AI wilden, maar omdat die AI hen niet kende.

Processen: de oude manier van werken botste met de nieuwe technologie

Het bedrijf had gedacht dat een AI-assistent een kwestie was van “aanzetten en gebruiken”.

Maar een AI zonder context is als een medewerker zonder onboarding, zonder vergadernotulen, zonder klantdossiers.

De processen waren niet ontworpen om informatie vast te houden of door te geven aan de AI.
Er was geen structuur waarin gesprekken van gisteren doorliepen in de taken van vandaag.
Er was geen enkele procedure om belangrijke klantgegevens, voorkeuren of voortgang te bestendigen.

Zelfs binnen één gesprek kon de AI maar een beperkte hoeveelheid tekst “zien” voordat het context verloor. De gesprekken werden simpelweg te lang en te rommelig voor het systeem om betekenisvol te blijven.

Zonder nieuwe werkprocessen bleef de AI steken in oppervlakkige interacties.

Systemen en technologie: de AI zat gevangen in geheugenloosheid

Achter de schermen was het technische probleem nog fundamenteler.
De AI bestond uit een indrukwekkend Large Language Model — maar dat model was volledig stateless.

Het wist niets van:

• eerdere gesprekken
• eerdere sessies
• wie Emma was
• welke voorkeuren ze had

Elke nieuwe prompt was voor het model een blanco pagina.

Technisch gezien bestond de AI uit losse verzoeken zonder enige vorm van continuïteit. Er was geen mechanisme dat besliste:

• Wat moet ik onthouden?
• Wat mag weg?
• Wat is relevant voor morgen?
• Wat hoort bij dit specifieke project of deze specifieke persoon?

Het systeem miste twee structuren die essentieel waren:

1. Een session — een plek waar het gesprek van nu werd bewaard terwijl het plaatsvond.
2. Memory — een langetermijngeheugen dat alleen de belangrijke inzichten vastlegde.

“De AI is slim,” zei een van de engineers,
“maar hij heeft geen bureau om op te werken, en geen archiefkast om iets in te bewaren.”

De doorbraak: Context Engineering brengt mensen, processen en technologie samen

Toen het bedrijf eindelijk erkende dat er meer nodig was dan een model, werd een team gevormd:
productmanagers, engineers, data-experts én eindgebruikers zoals Emma.

Zij introduceerden een nieuwe discipline: Context Engineering — precies het domein dat ontworpen is om dit probleem op te lossen.

Alle drie de elementen kwamen nu samen.

 
1. Mensen: een AI die eindelijk luistert en onthoudt

De AI kreeg een geheugen — niet door magie, maar door een zorgvuldig ontworpen processysteem.

Hij begon:

• werkpatronen van medewerkers te herkennen
• voorkeuren te onthouden
• projectinformatie te bewaren over meerdere dagen
• persoonlijke stijlvoorkeuren toe te passen
  
  Wanneer Emma nu vroeg om haar planning, zei de assistent:

“Je begint graag vroeg, dus ik plan je focusblok van 08:00 tot 10:00. Daarna heb je ruimte voor je klantcalls.”

Ze hoefde niets opnieuw uit te leggen.
Ze voelde zich gezien.

2. Processen: een nieuwe manier van werken waarin context standaard is

Het bedrijf paste zijn workflows aan.

In plaats van losse interacties werd elke interactie onderdeel van een groter geheel.
Sessions hielden een lopend gesprek netjes bij, terwijl memory belangrijke feiten bewaarde, zelfs als een sessie werd afgesloten.

De AI leerde onderscheid maken tussen “ruis” en “relevante inzichten”.
Het bedrijf kreeg processen voor:

• het samenvatten van lange gesprekken
• het opslaan van belangrijke feiten
• het ophalen van alleen de juiste informatie op het juiste moment

Teams merkten dat projecten vloeiender liepen.
Mensen waren minder tijd kwijt aan herhaling.
Overdrachten werden consistenter en overzichtelijker.

3. Technologie: een AI die werkt als een professional

Sessions fungeerden nu als het digitale bureau van de AI:
tijdelijke notities, recente gebeurtenissen, toolresultaten — precies wat nodig is om tijdens een gesprek slim te reageren.

Memory werd de archiefkast:
compact, georganiseerd, waar nuttige informatie duurzaam werd opgeslagen.

Techniek die eerder uit losse fragmenten bestond, werd nu een samenhangend systeem waarin:

• de AI niet overspoeld werd door lange historie
• relevante informatie automatisch werd opgehaald
• oude informatie automatisch werd “vergeten”
• nieuwe inzichten zorgvuldig werden geïntegreerd
  

Het systeem werd efficiënt, snel en betrouwbaar.
Niet door het model groter te maken, maar door het contextmanagement slimmer te maken.

Het resultaat: een AI die wérkt voor mensen — omdat mensen erin zijn meegenomen

Emma merkte het als eerste.
Ze hoefde niets meer drie keer aan te geven.
Haar werk stroomlijnde.
Ze kreeg meer rust, minder frustratie.

Haar collega’s vertrouwden de AI eindelijk.
Teams werkten consistenter.
Projecten werden beter overgedragen.

En de AI zelf?
Die voelde niet langer als een vergeetachtige robot, maar als een competente collega die zijn papieren op orde had.

Dit gebeurde niet door meer rekenkracht.
Niet door een groter model.
Maar doordat mensen, processen en systemen eindelijk met elkaar verbonden waren via één discipline: Context Engineering