De vraag of je AI gebruikt is dit jaar niet meer interessant. Het CBS telde over 2025 dat 66,2% van de grote bedrijven en 29,8% van het MKB met AI-technologie werkt, en daar zit alles wat je mensen zelf op hun laptop hebben gezet nog niet eens bij. De vraag die er nu toe doet is wat die AI van jullie weet, want dat is het enige stuk van de vergelijking dat je concurrent niet kan kopen.

Door de functies van een model onderscheid je je namelijk niet meer, want jij en je grootste concurrent kopen dezelfde. Als twee mensen hetzelfde vragen kunnen ze toch iets heel anders terugkrijgen, en dat verschil zit niet in het model maar in wat ze er vooraf bij zetten: voor wie de AI werkt, in welke rol, en waarvoor.

Je concurrent heeft hetzelfde model. Niet dezelfde context.

De briljante nieuwe medewerker op dag één

Stel je een nieuwe medewerker voor die op papier briljant is. Snel, slim, hij pakt alles op. Maar het is zijn eerste ochtend en hij weet niet voor wie hij werkt, wat jullie doel dit kwartaal is, welke klant gevoelig ligt en welke afspraken heilig zijn. Zet hem zonder inwerken op je klanten en hij doet snel het verkeerde, met volle overtuiging.

Een AI-agent is precies zo. De intelligentie zit in het model, maar het oordeel komt uit de context die jij hem geeft. Bij een medewerker is inwerken vanzelfsprekend en heb je er een proces voor. Bij een agent slaan de meesten die stap over, en verbazen zich dan dat het resultaat generiek is.

Daarom levert 95% van de pilots niets op

MIT publiceerde vorig jaar het rapport The GenAI Divide, op basis van 150 interviews met leidinggevenden, een enquête onder 350 medewerkers en een analyse van 300 AI-implementaties. De uitkomst was ongemakkelijk.

De onderzoekers wijten dat niet aan de kwaliteit van de modellen, maar aan het feit dat generieke tools zich niet aanpassen aan de manier waarop een organisatie werkt. Ze leren je bedrijf niet kennen. Dat is precies wat context is, en het is ook meteen de reden dat AI bij de één wél rendeert en bij de ander niet terwijl ze hetzelfde model gebruiken.

Bron: MIT NANDA, “The GenAI Divide: State of AI in Business 2025”, augustus 2025. Voorlopige bevindingen, niet peer-reviewed.

Dit is geen AI-truc, dit is effectief communiceren

In 2008 schreef ik een boek, “Schaduw-CRM in perspectief”. Voordat je aan een hoofdstuk begon vulde je eerst een korte vragenlijst in, en op basis van je antwoorden zag je welk hoofdstuk het best bij jouw situatie paste, zodat je daar kon beginnen in plaats van je van voor naar achter door de rest te worstelen. Bijna iedereen die het las vond het laagdrempelig, juist omdat het iedereen z’n eigen ingang gaf. Zelfde boek, ander vertrekpunt. Wat je vooraf meegeeft bepaalt wat je eruit haalt, en dat is nooit anders geweest.

De vier vragen die zo meteen komen zijn dan ook niet voor AI bedacht. Je hebt ze net zo hard nodig bij een briefing aan je marketeer, een overdracht aan een collega of een gesprek met een klant. Misverstanden ontstaan zelden omdat de ander het niet snapt, maar omdat de zender aannames in z’n hoofd houdt die de ontvanger niet kan zien.

“Je moet niet luisteren naar wat ik zeg, maar naar wat ik bedoel.”

Sjoerd

Bij AI wordt dat pijnlijk zichtbaar. Een collega vraagt door als hij iets mist, of je ziet aan z’n gezicht dat hij ernaast zit. Een AI doet dat uit zichzelf niet, hij vult je gaten in en levert vol overtuiging iets af. Daarmee is hij de eerlijkste spiegel van je commerciële communicatie die je kunt krijgen, want komt er iets generieks terug, dan is de opdracht generiek geweest. Laat je dat in dertig laptops tegelijk gebeuren, dan meet je eigenlijk hoe scherp je organisatie is in wat ze belooft.

En daar zit de lastige kant. Een opdracht zo specifiek meegeven dat de ontvanger weet wat hij moet doen, waarom, op welke termijn, in welke vorm en met welk doel, is een vak apart. Alleen is het hier niet die ene communicatiespecialist die het moet doen, want iedereen stuurt z’n eigen AI aan voor z’n eigen stukje van het proces.

Ieder van hen weet voor z’n eigen deelproces hoe het bijdraagt aan wat de klant uiteindelijk krijgt. En bijna iedereen gebruikt AI nog vluchtig, soms met een goede prompt waar context in zit, maar zelden met een geheugen dat blijft staan en bijna nooit afgestemd op elkaar, laat staan bedrijfsbreed. Daar ligt een enorme commerciële kans.

Context zit verspreid in de hoofden van je personeel en in de data van je systemen.

Je stuurt op je merk, je marges en je klantbeloftes, alleen doet je AI daar niet aan mee zolang niemand hem vertelt hoe die eruitzien. Geef je de context scherp mee in iedere schakel van een levering, van de marketeer tot de servicemedewerker, de programmeur, de data engineer en de verkoper, dan haal je uit elke schakel wat agentic AI daar werkelijk kan.

Context = vier vragen vooraf

Het zijn vier vragen die je bij elke opdracht beantwoordt, of je die nu aan een mens of aan een AI geeft.

Geef je die vier mee, dan hoeft de AI niet te gokken. Laat je ze weg, dan vult hij ze zelf in met een gemiddelde aanname, en gemiddeld is precies wat je klant niet raakt. Twee dingen maken het af: zeg wat je terug wilt krijgen en in welke vorm, en geef hem toestemming om te twijfelen, dus dat hij moet doorvragen als er iets ontbreekt in plaats van het gat zelf te vullen.

Volgend jaar staan er agents op die context

Deloitte ondervroeg 3.235 IT- en business-leiders in 24 landen. Van hen verwacht 74% dat het bedrijf in 2027 met AI-agents werkt, terwijl 21% zegt een volwassen governance-model voor die agents te hebben. Vier op de vijf organisaties zetten dus iets neer waarvoor ze de spelregels nog niet hebben geschreven.

Bron: Deloitte, State of AI in the Enterprise, januari 2026, onder 3.235 IT- en business-leiders in 24 landen.

Een agent is geen chatvenster dat op een prompt wacht, maar iets dat zelfstandig stappen zet in je systemen. Bij een chat kan je medewerker het antwoord nog rechtzetten voordat het naar de klant gaat, bij een agent gebeurt dat niet, dus wat je hem vooraf meegeeft is alles wat hij heeft. Een agent op je commercie zetten zonder vastgelegde context is hetzelfde als een uitzendkracht op je grootste account zetten met alleen een inlogcode.

Daarmee wordt het ook een andere vraag dan een AI-vraag. Wie bepaalt wat de organisatie namens jou zegt, waar staat dat vastgelegd, en hoe komt je AI aan de juiste klantgegevens zonder er vijf versies van te vinden. Dat is de oude vraag of commercie en IT op elkaar zijn afgestemd, nu met iets erbij dat er zelfverzekerd naar handelt.

En dan wordt data interessant

Context vertelt de agent voor wie hij werkt en waar je naartoe wilt, data vertelt hem wat er feitelijk speelt: welke klanten stil zijn gevallen, wat er in de pijplijn zit, hoe je markt eruitziet. Zet je die twee bij elkaar, dan gaat het pas echt hard, want een agent die je klant kent én de juiste cijfers erbij pakt doet in tien minuten waar iemand anders een middag mee bezig is.

Dat lukt alleen als je data klaarstaat: goed geprepareerd, op een plek waar de agent erbij kan, in een vorm die hij begrijpt. Rommelige data levert rommelige agents op, hoe goed je context ook is. Daar ga ik in de komende blogs op door, met wat het commercieel oplevert als je het wél op orde hebt.

2026 is niet het jaar waarin AI sneller wordt, want snel is hij al, bij jou en bij je concurrent. Het is het jaar waarin het verschil gaat zitten in wie z’n eigen kennis heeft vastgelegd in plaats van in dertig hoofden laat zitten, en dat werk begint vandaag met één taak, vier vragen en een uur van je tijd.