100 gesprekken, één context

1. Chat was de eerste interface. Context is de volgende

Nieuwe chat. Dezelfde achtergrond.

Nieuwe tool. Dezelfde bestanden.

Nieuwe vraag. Dezelfde uitleg over wat je probeert te doen, welke bronnen ertoe doen, waarvoor de uitkomst bedoeld is, wat AI moet onthouden en wat AI niet mag verzinnen.

Dit is de verborgen belasting van AI-werk.

De echte kosten zitten in het telkens opnieuw opbouwen van context zodra het werk verschuift.

Je opent één AI-product om een markt te begrijpen. Een ander om een PDF samen te vatten. Nog een om een memo te herschrijven. Nog een omdat het beter is voor zoeken, code, schrijven of redeneren. Dan wordt de chat te lang. Het antwoord gaat afdwalen. De nuttige stukken raken ergens hoger in het gesprek begraven. Dus begin je opnieuw.

De taak gaat verder. De context niet. Dat is het probleem.

2. Grotere contextvensters helpen. Ze lossen het probleem niet op

De eerste generatie AI-tools maakte chat het centrum van het product. Je stelde een vraag. Het model antwoordde. Was het antwoord verkeerd, dan verfijnde je de prompt. Werd de thread rommelig, dan opende je een nieuwe.

Dat werkt voor kleine taken. Bij serieus werk valt het uit elkaar.

Serieus werk heeft context: bronnen, beperkingen, beslissingen, voorbeelden, toon, publiek, open vragen, afgewezen richtingen en een reden waarom de taak ertoe doet.

Een founder die een markt onderzoekt heeft concurrentiepagina's, prijs-screenshots, klanttaal, positioneringsnotities, oude concepten en de reden waarom een bepaalde invalshoek is afgewezen nodig. Een student heeft colleges, PDF's, diagrammen, zwakke plekken en de vragen die steeds terugkomen nodig. Een schrijver heeft het oorspronkelijke idee, referenties, structuur, lezer en smaak nodig.

In al deze gevallen is het gesprek tijdelijk. De context blijft.

3. De prijs van versnippering

Het voor de hand liggende antwoord is: maak het contextvenster groter.

Meer context is nuttig. Het laat een model meer informatie in één keer meenemen. Het maakt langere documenten en rijkere taken mogelijk.

Maar een contextvenster blijft een venster. Het beschrijft wat het model op een bepaald moment kan zien. Het bepaalt niet welke bronnen relevant zijn, welke projectversie actueel is of welke aannames volgende week opnieuw gebruikt moeten worden.

Recent onderzoek naar long context laat zien dat meer input niet hetzelfde is als meer bruikbare input. Naarmate input langer wordt, kunnen afleiding, ambiguïteit en retrieval-problemen juist toenemen.

De betere vraag is dus niet: hoe krijg ik alles in één chat? De vraag is: hoe breng ik de juiste context naar de juiste chat?

4. Het betere patroon: één keer opslaan, vaak gebruiken

AI-werk wordt krachtiger, maar ook meer versnipperd.

Eén taak kan nu door ChatGPT, Claude, Gemini, NotebookLM, Perplexity, een coding agent, een notitie-app, een browser, een PDF-viewer en een documenteditor gaan. Elke tool heeft een kracht. Elke tool heeft ook een grens.

Bij elke grens betaal je opnieuw: het doel uitleggen, dezelfde bron plakken, het publiek beschrijven, beperkingen herstellen, AI vertellen wat er is veranderd en controleren of het antwoord onderbouwd is of alleen aannemelijk klinkt.

Wanneer context met de hand wordt herbouwd, perst ongeduld hem samen. De tweede uitleg verliest details. De derde wordt een grove samenvatting. De vierde wordt: je weet wat ik bedoel. Het model weet dat niet.

Uiteindelijk wordt het project een keten van gedeeltelijke contexten. En gedeeltelijke context levert gedeeltelijke intelligentie op.

5. Een eenvoudig voorbeeld

Het antwoord is niet één oneindig gesprek.

Het antwoord is een herbruikbare contextlaag.

Gesprekken zijn de plek om te denken, vragen, vergelijken, beslissen, schrijven en verfijnen. Context moet iets zijn dat je kunt opslaan, organiseren, selecteren en opnieuw gebruiken.

Dat is het productidee achter Pickmix.

Pickmix maakt van nuttig materiaal opgeslagen Picks: webpagina's, notities, PDF's, screenshots, afbeeldingen, Markdown, links en platte tekst. Picks kunnen in Spaces staan, verbonden blijven met projectcontext en geselecteerde bronnen worden voor AI Chat.

De workflow is eenvoudig: sla de bron op terwijl de context nog vers is, bundel verwante Picks in een Space, kies de bronnen die ertoe doen, vraag AI met die context erbij en keer terug naar de oorspronkelijke Pick wanneer je wilt controleren, hergebruiken of verdergaan.

Als de taak verandert, begin je niet bij nul. Als de chat te lang wordt, verlies je het project niet. Als je van tool of vraag wisselt, bouw je niet de hele prompt opnieuw. Je haalt de juiste Picks terug.

6. De beste AI-output begint vóór de prompt

Stel dat je een nieuwe productcategorie onderzoekt.

In de oude workflow staan concurrentiepagina's in browsertabs. Prijs-screenshots liggen op je desktop. Notities staan in een document. PDF's zitten in een map. Prompts en antwoorden liggen verspreid over meerdere AI-chats.

Voor een marktmemo plak je een paar links in één tool. Voor positioneringsideeën plak je ze opnieuw in een andere. Voor een launchplan vat je de samenvatting samen en hoop je dat de belangrijke details het hebben overleefd.

In Pickmix wordt bronmateriaal vanaf het begin onderdeel van de workspace. Concurrentiepagina's, prijs-screenshots, klantreviews, PDF's, notities en concepten kunnen Picks in dezelfde Space worden.

Vraag om een marktmemo met de relevante bronnen geselecteerd. Vraag om een positioneringskaart vanuit dezelfde bronlaag. Vraag om een launchplan zonder te doen alsof het eerdere werk nooit heeft bestaan.

Het werk voelt minder als kopiëren en plakken en meer als waarde die zich opbouwt.