Context engineering
Context engineering is het vak van het ordenen en beschikbaar stellen van de juiste bedrijfscontext, zodat een AI-systeem werk kan leveren dat klopt voor dat specifieke bedrijf.
Laatst bijgewerkt:
Waar het vandaan komt
Een paar jaar lang ging de aandacht naar prompt engineering: hoe formuleer je je vraag zo dat het model een goed antwoord geeft. Dat werkt voor losse taken, maar niet voor werk dat elke week terugkomt in een organisatie. Dan is de vraag niet hoe je hem stelt, maar wat het model weet op het moment dat je hem stelt.
Context engineering verschuift de aandacht van de vraag naar de kennis eronder. Niet: hoe schrijf ik een betere prompt. Maar: welke informatie moet dit systeem bij de hand hebben, waar komt die vandaan, wie onderhoudt hem, en wie mag hem zien.
Waarom het ertoe doet
AI faalt in organisaties zelden door een zwak model. De modellen zijn goed genoeg. Het loopt vast omdat ze het bedrijf niet kennen: niet de afspraken, niet de toon, niet wie welke klant doet, niet waarom die ene post elk kwartaal afwijkt.
Die kennis zit verspreid over systemen, e-mails, gesprekken en de hoofden van mensen. Zolang dat zo is, krijg je algemene antwoorden op specifieke vragen. Context engineering is het werk dat daartussen zit.
Hoe nativ het doet
nativ bouwt die contextlaag als Company Brain: één centrale plek waar samenkomt wat een bedrijf weet, met bij elk gegeven een herkomst, een eigenaar en rechten. Daarbovenop draaien AI-workflows die daaruit putten.
Beginnen doen we bij de Minimum Viable Context: de gestructureerde twintig procent van de bedrijfscontext die ongeveer tachtig procent van de AI-taken dekt. Zo hoeft een bedrijf niet eerst alles vast te leggen voordat er iets werkt.
Veelgestelde vragen
Wat is het verschil tussen context engineering en prompt engineering?
Prompt engineering gaat over hoe je de vraag formuleert. Context engineering gaat over welke kennis het systeem bij de hand heeft als de vraag binnenkomt. Voor losse taken helpt een betere prompt; voor werk dat elke week terugkomt in een bedrijf is de context bepalend.
Is context engineering hetzelfde als RAG?
Nee. RAG is een techniek om relevante stukken tekst op te halen en aan een model mee te geven. Context engineering is het bredere vak: bepalen welke kennis er überhaupt moet zijn, waar die vandaan komt, wie hem onderhoudt en wie hem mag zien. RAG is een van de manieren waarop die kennis bij het model komt.
Hangt hiermee samen
Minimum Viable Context (MVC™)
Minimum Viable Context (MVC™) is het framework van nativ voor de kleinste hoeveelheid gestructureerde bedrijfscontext waarmee AI nuttig werk kan leveren: de twintig procent die ongeveer tachtig procent van de AI-taken dekt.
RAG (retrieval-augmented generation)
RAG, voluit retrieval-augmented generation, is een techniek waarbij een AI-systeem eerst relevante stukken uit een kennisbron ophaalt en die aan het taalmodel meegeeft, zodat het antwoord op die bron gebaseerd is in plaats van op wat het model uit zichzelf denkt te weten.
Prompt engineering
Prompt engineering is het zo formuleren van een opdracht aan een AI-model dat het antwoord bruikbaar wordt, door het doel, de vorm en de randvoorwaarden expliciet te maken.
Wil je zien wat hiervan bij jou zou werken? De AI-scan laat zien welk werk in jouw bedrijf zich leent voor AI, op volgorde.