Betere AI-output door context: geef een taalmodel wat het nodig heeft
Gepubliceerd op 24-10-2026
De meeste mensen die AI willen verbeteren, zoeken het in de prompt. Betere formulering, slimmere structuur, een andere volgorde van zinnen. Dat helpt — maar het is niet de grootste hefboom.
De grootste hefboom is context. Niet hoe je de vraag stelt, maar wat je meestuurt als achtergrond.
Wat bedoelen we met "context"?
Context is alles wat je een AI meegeeft naast de eigenlijke vraag of taak. Het zijn de stukken informatie die de AI helpen begrijpen wie jij bent, wat je wil bereiken, voor wie het bedoeld is, en waaraan een goed antwoord moet voldoen.
Stel je voor dat je een nieuwe collega vraagt om een klantbrief te schrijven. Als je alleen zegt "schrijf een brief voor die klant die klaagt", is de kans klein dat je krijgt wat je wil. Maar als je ook het eerdere mailgesprek meegeeft, de toon uitlegt die jullie als bedrijf hanteren, en aangeeft of het een verontschuldiging of een zakelijke reactie moet zijn — dan heeft diezelfde collega genoeg om iets goeds te maken.
Met AI werkt het identiek. Het model is niet slecht; het had gewoon te weinig om mee te werken.
Waarom context méér doet dan de perfecte prompt
Een prompt is de instructie. Context is de fundering waarop die instructie landt.
Je kunt de meest nauwkeurig geformuleerde opdracht geven, maar als het model niet weet wie jouw klanten zijn, welke toon bij jullie past, of welke informatie relevant is — dan mikt het in het duister. Het vult de lege plekken in met aannames. Soms kloppen die aannames, maar vaak genoeg niet.
Goede context stuurt die aannames bij voordat ze worden gemaakt. Het resultaat is niet alleen beter, het is ook consistenter. Je hoeft niet elke keer te corrigeren, want je hebt het kader van tevoren neergezet.
Dit sluit direct aan op de gedachte dat je AI als een nieuw teamlid behandelt: goede input is niet eenmalig, het is iets wat je opbouwt naarmate je de samenwerking leert begrijpen. Meer daarover in AI beginnen in het MKB: start met één saai proces.
Welke soorten context kun je meegeven?
Context is geen vage aanwijzing om "meer te vertellen". Er zijn concrete categorieën. Dit zijn de meest waardevolle:
1. Achtergrondmateriaal
Geef relevante documenten, teksten of data mee. Denk aan een bestaand rapport, eerdere klantcommunicatie, een FAQ-document of een handleiding. De AI hoeft dan niet te gissen — hij baseert zich op wat er al is.
Praktisch: plak de relevante tekst direct in je bericht, of gebruik een tool die bestanden kan verwerken. Hoe meer het model weet van de situatie, hoe minder het hoeft te invullen.
2. Doelgroepomschrijving
Wie is de uiteindelijke lezer of gebruiker van de output? Een technisch rapport voor een ontwikkelaar vraagt een andere toon en diepgang dan een samenvatting voor een bestuurder. Als je dit niet meegeeft, kiest het model zelf een niveau.
Praktisch: "De lezer is een inkoper bij een productiebedrijf zonder technische achtergrond" werkt al veel beter dan niets.
3. Voorbeelden van wat je wil (en wat je niet wil)
Toon een voorbeeld van het gewenste resultaat. Of laat zien wat eerder niet goed uitpakte en leg uit waarom. Voorbeelden zijn krachtiger dan beschrijvingen, omdat ze direct laten zien wat de bedoeling is in plaats van het te omschrijven.
Praktisch: "Hier is een eerdere versie die wel goed was: [voorbeeld]. Let op de directe toon en de korte alinea's."
4. Kader en beperkingen
Wat mag er niet in? Welke aannames mag het model niet maken? Welke toon past niet bij jullie bedrijf? Door grenzen te benoemen, stuur je af op fouten die anders pas achteraf opvallen.
Praktisch: "Gebruik geen vakjargon. Noem geen concurrenten bij naam. Schrijf in de wij-vorm."
5. Het doel achter de taak
Niet alleen wat je wil, maar waarom. Als het model begrijpt wat je wil bereiken, kan het betere keuzes maken op plekken waar de instructie vaag is.
Praktisch: "Dit stuk is bedoeld om een prospect over de streep te trekken, niet om te informeren. Prioriteer overtuigingskracht boven volledigheid."
6. Jouw eigen situatie of rol
In welke context werk jij? Wat is de aard van je bedrijf, je sector, je functie? Dit helpt het model om te kalibreren wat "normaal" of "gepast" is in jouw geval.
Praktisch: "Ik werk als accountmanager bij een logistiek bedrijf van 40 mensen en communiceer met klanten die gewend zijn aan directe, praktische taal."
Voor en na: hetzelfde verzoek, heel andere output
Hier is een concreet voorbeeld van hoe context het verschil maakt. De taak is hetzelfde; de context niet.
Zonder context:
"Schrijf een antwoord op deze klacht van een klant."
Het model schrijft een generieke verontschuldigingsbrief. Vriendelijk, correct, maar niet herkenbaar als van jouw bedrijf. De toon klopt niet helemaal, er worden zaken beloofd die misschien niet passen, en de tekst is langer dan nodig.
Met context:
"Schrijf een antwoord op deze klacht van een klant. Onze toon is direct en zakelijk, geen overdreven excuses. De klant klaagt over een vertraagde levering. Zie de originele klacht hieronder [klacht]. Eerdere correspondentie toont dat we al een deeloplossing hebben aangeboden [mail]. Het doel is de klant te behouden zonder extra compensatie toe te zeggen. De lezer verwacht een antwoord van één alinea."
Het model schrijft nu iets wat je bijna direct kunt gebruiken. Niet omdat de prompt technisch beter is geformuleerd, maar omdat het model weet waarbinnen het moet werken.
Vraag-antwoord: praktische twijfels
"Moet ik dit elke keer opnieuw meegeven?" Niet per se. Veel tools — waaronder ChatGPT, Claude en andere assistenten — hebben de mogelijkheid om systeeminstructies of vaste profielinformatie in te stellen. Dat is de plek om terugkerende context te zetten: wie je bent, welke toon je hanteert, wie je doelgroep is. Dat scheelt je elke keer typen.
"Hoeveel context is te veel?" Irrelevante context kan afleiden. Geef wat het model nodig heeft voor deze specifieke taak — niet alles wat je ooit over het onderwerp weet. Focus is ook een vorm van context.
"Is dit niet hetzelfde als prompten?" Een prompt is de instructie: wat moet er gebeuren. Context is de achtergrond: waarom, voor wie, met welke informatie. Ze overlappen, maar het onderscheid helpt. Wie alleen aan de prompt werkt en de context verwaarloost, optimaliseert de helft. Over hoe je klein en beheerst begint met AI — inclusief hoe je taken opknipt en kaders geeft — lees je in: AI beginnen in het MKB: start met één saai proces. En hoe je de output daarna toetst, lees je in: Hoe controleer je AI-output als je zelf geen expert bent?
"Wat als ik niet weet welke context relevant is?" Dat is een nuttige vraag om aan de AI zelf te stellen: "Welke informatie heb je nodig om deze taak goed uit te voeren?" Modellen zijn verrassend goed in het benoemen van wat ze missen — als je het ze vraagt.
Context opbouwen is een investering die terugbetaalt
De eerste keer dat je context serieus neemt kost wat tijd. Je denkt na over je doelgroep, zoekt een goed voorbeeld op, formuleert wat de beperkingen zijn. Dat is werk.
Maar die context is herbruikbaar. Sla het op als een template, een systeem-instructie, of een intern document. De volgende keer dat je een soortgelijke taak doet, is de fundering er al. Je copy-paste de context erbij en de AI weet meteen wat het kader is.
Zo verschuift het van "elke keer opnieuw proberen" naar een werkproces. AI als teamlid dat zijn context kent en daarbinnen zelfstandig kan opereren — dat is wanneer het echt productief wordt.
Samenvatting
Context is de informatie die je meestuurt naast de opdracht. De zes meest waardevolle soorten zijn: achtergrondmateriaal, doelgroepomschrijving, voorbeelden, kader en beperkingen, het doel achter de taak, en jouw eigen situatie. Wie die context bewust inzet, haalt structureel betere output — niet door de perfecte prompt te vinden, maar door het model te geven wat het nodig heeft om goed werk te leveren.
Wil je weten hoe je dit toepast op een concreet proces in jouw bedrijf? Plan een gratis intake en ik kijk met je mee waar de winst zit.
Meer lezen? Zie ook Waarom AI nooit twee keer hetzelfde antwoord geeft — over non-determinisme en wat dat betekent als je AI inbouwt in een werkproces. Of lees hoe je je eigen documenten aan een model koppelt: Chatbot op eigen documenten: zo werkt RAG voor jouw bedrijf.