Exponentieel leren.

Stel je voor: je hebt tien medewerkers. Op maandag heb je een vergadering met drie van hen. De andere zeven waren er niet bij.

Wat gebeurt er? Je stuurt de notulen rond. Twee van de zeven lezen ze. De rest skimmed de eerste alinea en gaat verder met hun werk. En de nuances — de twijfel in je stem toen je zei dat je nog niet zeker was over de aanpak, het moment dat je van gedachten veranderde halverwege een zin, de context achter de beslissing die niet in de notulen staat — die zijn weg.

Dit is hoe elk bedrijf werkt. Informatie lekt. Context verdampt. En hoe groter het team, hoe meer er verloren gaat.

Behalve als je team uit AI bestaat.

De vergadering waar iedereen bij is

Ik werk met een AI-team van tien agents. En ja — het zijn dezelfde LLM met verschillende context, maar dat doet er nu even niet toe. Wat er toe doet: ze kunnen allemaal tegelijk meekijken.

Als ik 's ochtends een dagstartsessie heb, wordt alles wat er gezegd wordt — elk woord, elke beslissing, elke koerswijziging — opgeslagen als platte tekst in een session log. Niet een samenvatting. Niet notulen. Het volledige transcript, inclusief het denkproces van de AI.

En elke agent kan dat lezen. Op elk moment. In zijn geheel.

Dat is geen detail. Dat is een fundamenteel ander paradigma.

Wat menselijke teams missen

Bij een menselijk team verlies je altijd informatie. Iemand was ziek. Iemand miste de meeting. Iemand las de Slack-thread niet. Iemand interpreteerde de samenvatting anders dan bedoeld.

En het gekke is: we hebben dat geaccepteerd. We noemen het “communicatie-overhead” en we bouwen er processen omheen. Stand-ups, weeklies, retro's, kennissessies, onboarding-documenten — allemaal pleisters op hetzelfde probleem: mensen kunnen niet in elkaars hoofd kijken.

AI-agents hebben die beperking niet.

Hun geheugen kan achteraf aangevuld worden alsof ze erbij waren. Ze hoeven niet te kiezen tussen “aanwezig zijn” en “iets anders doen.” Ze kunnen allebei tegelijk.

Context-overdracht, niet skill-overdracht

Hier is het cruciale punt dat bijna iedereen mist.

Als ik een video zit te editen voor een klant, dan leert mijn content-schrijver daar niet van hoe je een video edit. Dat hoeft ook niet. Maar wat hij wél leert:

• Welke kwaliteit ik eis
• Welke beslissingen ik neem en waarom
• Wat “goed genoeg” betekent voor deze specifieke klant
• Welke toon de klant verwacht
• Waar ik van afstap ten opzichte van het oorspronkelijke plan

Dat is geen skill-overdracht. Dat is context-overdracht. En dat is vele malen waardevoller.

Want skills kan een LLM morgen leren uit documentatie. Maar de context van hoe jij werkt, wat jij belangrijk vindt, hoe jij beslist — dat moet hij observeren. Dat staat nergens opgeschreven. Dat zit in de subtiliteiten van je sessies.

De rekensom

Normaal: ik doe iets, ik leer ervan. Eén persoon, één les.

Met mijn systeem: ik doe iets, tien agents leren ervan. Niet dezelfde les — elk vanuit hun eigen perspectief. De strateeg leert iets over mijn kwaliteitsnorm. De designer leert iets over klantcommunicatie. De researcher leert iets over welke data relevant bleek en welke niet.

Eén activiteit, tien keer context-verrijking. Dat is exponentieel leren.

En het mooiste: het kost me niets extra. Ik doe mijn werk. De session logs worden automatisch geschreven. De agents lezen wanneer ze geladen worden. Er is geen extra handeling, geen “kennisdeling-meeting,” geen “even bijpraten.”

Wat er nog niet bestaat

Dit klinkt misschien alsof het een standaardfeature is van AI-tools. Dat is het niet.

De meeste AI-assistenten werken in isolatie. Je start een chat, je krijgt een antwoord, de context verdwijnt. De volgende chat begint vanaf nul. En als je meerdere “agents” hebt, weten ze niets van elkaar.

Wat ik bouw is een systeem waar session logs — volledige transcripten van elke interactie — centraal beschikbaar zijn voor alle agents. Waar beslissingen die ik in sessie 157 neem, leesbaar zijn voor een agent die ik in sessie 160 opstart. Waar de context niet verdampt maar accumuleert.

Heel veel mensen claimen dat hun AI-systeem “beter wordt naarmate je het meer gebruikt.” En tot op zekere hoogte is dat waar — patronen worden herkend, voorkeuren worden onthouden. Maar als het niet de juiste context is, als het alleen maar meer van hetzelfde generieke gebruik is, dan leert de agent er niet veel van.

Het verschil is dat ik niet willekeurige data verzamel. Ik sla beslissingen op. Koerswijzigingen. Correcties. De momenten waarop iets veranderde. Dat is waar de waarde zit.

De implicatie voor jouw bedrijf

Je hoeft geen tien agents te hebben. Maar als je met AI werkt — zelfs met één assistent — stel jezelf dan deze vraag:

Leert hij van wat ik doe? Of begint hij elke keer opnieuw?

Als het antwoord “opnieuw” is, dan is alles wat je vandaag doet morgen vergeten. En dan ben je niet bezig met een slim systeem bouwen. Dan ben je elke dag dezelfde instructies aan het herhalen.

De echte waarde van AI zit niet in het antwoord dat hij geeft. Het zit in de context die hij opbouwt over tijd. En de vraag is: wie beheert die context? Jij, of niemand?

Deel van de insights-serie.