De laag waar iedereen om vecht

Wat context eigenlijk is, hoe je hem vult en levend houdt, en hoe de grote partijen hem proberen te bezitten

Deel 2 van twee. In deel 1 ging het over het gevoel en de eigendomsvraag; dit deel gaat de diepte in.

Gedeelde context is de kern van een relatie — tussen mensen delen we haar op basis van vertrouwen en wederkerigheid. In deel 1 zag je hoe verleidelijk het is om datzelfde delen ook bij een AI te zoeken, en stelde ik de vraag die onder dat comfort verscholen zit: van wie is die context eigenlijk? Om die scherp te beantwoorden, moet je weten waar je het over hebt. Dus dit deel gaat over het ding zelf — wat het is, hoe het wordt gevuld en levend gehouden, wat het waard is en waarom, waar het op stukloopt, en hoe de grootste partijen ter wereld er op dit moment om vechten.

Een waarschuwing vooraf. Ik bouw deze systemen niet, en op de techniek zijn er mensen wiens vakgebied dit is die het scherper — en op punten ongetwijfeld correcter — kunnen. Ik kijk er anders naar: vanuit de praktijk van organisatieverandering en talentontwikkeling, het werk dat we bij Sogyo doen. Wat hierna komt is dan ook een verkenning — ik kijk een stuk de diepte in en schets de contouren, de richting en de samenhang die ik zie. Ik noem wél namen, begrippen en bronnen, juist omdat ik de hoofdlijn serieus wil nemen en niet wil blijven zweven. Ik denk dat ik er iets mee te pakken heb — maar ik ken mijn beperkingen. Lees het dus als een kaart die ik zelf teken, niet als het laatste woord.

Wat context eigenlijk is

Context is geen data. Data is wat er gebeurde — de feiten, de records, de rijen in een database. Context is het levende beeld eromheen: wie je bent, wat je probeert te bereiken, je geschiedenis, je relaties, je voorkeuren, de redenen achter je keuzes. Het is het verschil tussen een systeem dat wéét dat je vorige week een document opende, en een systeem dat begrijpt waaróm, en wat je ermee van plan was.

Technisch bestaat het uit twee delen. Het eerste is het contextvenster: de begrensde ruimte die een model op het moment van redeneren kan overzien. Het tweede is het duurzame geheugen erachter, waaruit dat venster wordt gevuld. Een model zonder context is briljant en stuurloos. Een model met een rijk, kloppend beeld van jou is een partner. De intelligentie zit in het model; de bruikbaarheid zit in de context.

Hoe ze het noemen

Het veld is het nog niet eens over de naam, wél grotendeels over de kern. Foundation Capital, een venture-capitalpartij, doopte het eind 2025 de context graph: een levend register van beslissingssporen — niet alleen wát er gebeurde, maar waaróm het mocht gebeuren. Palantir, de meest operationele enterprise-speler, noemt het een ontologie: een digitale tweeling van de organisatie die data, logica en actie als één geheel modelleert. Het geheugen-framework Zep, met zijn open-source variant Graphiti, bouwt een temporele kennisgraaf van entiteiten, relaties en feiten. Glean spreekt van een system of context; Anthropic benadert het van de andere kant, als context engineering — de kunst van het cureren van wat er in het beperkte contextvenster terechtkomt. En Thoughtworks noemt het organisatiegeheugen achter een agent het agent unconscious, met een scherp begrip ernaast: intent debt — het gat tussen wat een agent expliciet te horen krijgt en wat hij eigenlijk moet weten om met organisatiegevoel te handelen.

De woorden verschillen, de kern is gedeeld: leg niet alleen de uitkomst vast, maar de redenering en de beslissing; houd het levend en bevraagbaar; en maak het de grond waarop agents handelen. Welke term wint, en wat de scherpste definitie is, laat ik aan hen. Mij gaat het om die gedeelde kern, en om de vraag die eronder ligt: van wie is dat beeld?

Hoe je het vult

De oude droom was om een organisatie één keer volledig in kaart te brengen. Die droom strandde altijd, want op het moment dat de kaart af was, klopte hij al niet meer. De nieuwe aanpak is omgekeerd: je tekent niets vooraf, je laat het werk zelf sporen nalaten. Het is een beetje als een mieren- of termietenkolonie: niemand heeft de blauwdruk, en toch ontstaat er structuur — puur uit de sporen die elk individu nalaat. Stigmergie heet dat.

En dat werk heeft veel bronnen — jijzelf in elk gesprek en elk document, je collega's, je systemen, en steeds vaker de agents die namens je handelen. Elke gebeurtenis — een gesprek, een beslissing, een document, een transactie, een handeling van een agent — wordt een episode die in de laag wordt opgenomen. Een taalmodel haalt daar de entiteiten en relaties uit — meestal in de vorm van triples: twee knooppunten met de relatie ertussen, te lezen als een mini-zinnetje van onderwerp, relatie en object ("klant — tekende — contract"). Het zijn de elementaire bouwstenen van een kennisgraaf, en het model past ze incrementeel in het bestaande beeld in, zonder telkens alles opnieuw te berekenen.

Maar daar zit meteen de adder — en die zag ik zelf niet. Toen ik hierover begon na te denken, werd ik vriendelijk maar beslist op de vingers getikt door een gewaardeerde collega: schoenmaker, blijf bij je leest. Ik kreeg een kort maar leerzaam lesje over triples. En precies dat hoort erbij; juist op zo'n moment word je op je eigen grenzen gewezen. De les: een triple is alleen eenduidig binnen een afgebakende context. "Auto — heeft — boekwaarde" geldt in de boekhouding, "auto — heeft — leaseprijs" in de calculatie, "auto — heeft — schadehistorie" in de operatie: dezelfde entiteit, drie verschillende waarheden. Gooi je ze ongesorteerd in één graaf, dan ontstaat een semantisch dubbelzinnige hoop. Een taalmodel haalt triples goedkoop boven water, maar zonder contextgrenzen weet niemand binnen welk model een feit geldt. Die afbakening — in domain-driven design de bounded context, door Eric Evans al in 2003 scherp gesteld — is daarom geen luxe maar de ruggengraat: ze geeft een contextgraaf pas ordening en betrouwbaarheid.

Het beeld blijft daardoor levend, omdat de bronnen die het voeden het dagelijkse leven van de persoon of de organisatie zíjn. Je onderhoudt het niet apart; het onderhoudt zichzelf, zolang het werk doorgaat.

Hoe het levend blijft

Hier zit het mooiste stukje techniek, en het is een van de redenen dat een geheugen als dit nu bruikbaar wordt, in plaats van na een paar maanden te verouderen. Het werk rond temporele kennisgrafen — Zep en het open-source Graphiti zijn de bekendste — houdt twee tijden tegelijk bij: wanneer iets in de werkelijkheid waar was, en wanneer het systeem het te weten kwam. Bitemporeel, heet dat. Daardoor kun je niet alleen vragen wat nú geldt, maar ook wat we vorig kwartaal dáchten dat gold — en zien hoe een beeld zich corrigeert.

En als nieuwe kennis botst met oude, gooit een goed systeem de oude niet weg. Het markeert die met een tijdstempel als verouderd, en bewaart de historie. Dat is het tegengif tegen wat je "zombie-feiten" zou kunnen noemen: verouderde aannames die zich als waar blijven gedragen omdat niemand ze ooit doodverklaarde. Thoughtworks beschreef zo'n geval: een agent die inkoopverzoeken maandenlang naar twee allang vertrokken directeuren bleef routeren — de logica klopte, alleen de werkelijkheid niet meer. Geen zichtbare fout, alleen stille degradatie.

Boven op die directe opname draait een traag achtergrondproces dat ervaring samenvat en het geheugen herschrijft — OpenAI doopte dat in juni 2026 Dreaming, en het houdt het beeld actueel naarmate de tijd verstrijkt (van "je gáát volgende maand naar Singapore" naar "je bént er geweest"). Vergelijkbare consolidatie zie je inmiddels bij meerdere partijen. En het ophalen ten slotte combineert betekeniszoeken, trefwoorden en het volgen van verbindingen in één snelle beweging. Bij elkaar: een geheugen dat groeit, zichzelf corrigeert en zijn eigen verleden onthoudt.

De theorie eronder

Zo nieuw als het voelt, zo oud is het idee. Het meeste van wat een mens of een organisatie werkelijk kenmerkt, is impliciet — het zit in hoofden, gewoonten en dingen die we weten maar nooit opschrijven. De filosoof Michael Polanyi vatte het in 1966 in één zin: we weten meer dan we kunnen zeggen. Die stilzwijgende kennis — tacit knowledge — onttrekt zich aan vastlegging.

De droom om haar tóch te vangen is oud, en strandde steeds. De klassieke poging — één centrale, complete waarheid over de organisatie, het tijdperk van master data management en de "single source of truth" — liep telkens vast: de kaart was verouderd zodra hij af was, en het vangen kostte meer dan het opleverde. Wat nu anders is, is niet de wens maar de mogelijkheid. Een taalmodel kan betekenis uit ruwe gebeurtenissen halen, en een temporele graaf kan het levend houden. Niet dat het diepste oordeel nu wél te vangen is — dat blijft grotendeels ontoegankelijk, Polanyi houdt gelijk — maar een bruikbare, meegroeiende benadering ervan is voor het eerst binnen bereik.

De grenzen

En precies daar moet je eerlijk blijven. Een beeld van jou is niet jou, en de scherpste kritiek komt van binnenuit het veld. De eerste barst zit in de mooiste belofte: je vangt vooral het waarneembare hoe van het werk — het digitale spoor van handelingen — zelden het ongrijpbare waarom erachter. Het diepste oordeel ontsnapt; Polanyi blijft gelden. De tweede is nuchterder: er is nog geen standaard, geen gedeelde definitie, geen stabiel model. Analist Sanjeev Mohan vreest dat 2026 wordt verpraat aan context graphs, en trekt de vergelijking met de data mesh — een aantrekkelijk concept dat veel debat opriep en nooit duurzaam beklijfde.

De derde prijs wordt zichtbaar bij Palantir: de winst is reëel, maar de afhankelijkheid is van een diepere soort. Het is geen gewone leveranciers-lock-in maar een semantische: hun ontologie wordt de taal waarin je organisatie over zichzelf denkt — en die taal verruil je niet zomaar. En er is, eerlijk is eerlijk, weinig hard bewijs. De schaarse benchmarks die er zijn — LongMemEval, LoCoMo — lopen sterk uiteen en worden betwist: op LongMemEval scoort de ene geheugen-engine rond de 64 procent waar de andere op 49 blijft steken, en zelfgerapporteerde cijfers worden door concurrenten aangevochten. Veel prestatiewinst is voorlopig projectie.

Daar bovenop de bekende risico's: het beeld kan afdrijven, fouten kunnen inslijpen, en een systeem dat jou door en door kent kan jou ook sturen — de donkere kant waar in deel 1 de voorzichtigste stem in de sector voor waarschuwde. Hoe zelfverzekerder het systeem, hoe gevaarlijker de vergissing. Wie de kaart voor het gebied aanziet, verdwaalt sneller dan wie geen kaart had.

Waarom het zo veel waard is

En toch is de waarde reëel, en groeiend, om een nuchtere reden. Het redeneren zelf wordt goedkoper, en modellen worden sneller en onderling beter uitwisselbaar. Niet dat ze helemaal inwisselbaar worden — op redeneerkwaliteit, kosten en specialisatie blijven ze verschillen. Maar dat verschil wordt kleiner, en daarmee verschuift de bottleneck van de intelligentie naar de context. Een briljant model met een dun beeld van jou maakt zelfverzekerde, verkeerde keuzes; een bescheidener model met een rijk, kloppend beeld is de betere partner. De waarde migreert van het denken naar de context.

De analisten zien het ook. Begin 2026 noemden Gartner en Forrester de contextlaag het fundament voor de volgende generatie AI-agents; Gartner-analisten verwachten dat tegen 2029 zo'n tachtig procent van de agentplatformen er een heeft, tegen nog geen tien procent nu. Of die adoptie ook kwalitatief goed gebeurt, is een tweede vraag — veel wat nu "context graph" heet is vooral marketing, en echt bitemporele, bestuurbare systemen zijn nog schaars en duur. Maar de richting is duidelijk: het is geen randverschijnsel meer, het wordt de grond waarop de rest staat.

De markt trekt daar de logische conclusie uit. In venture-capitalkringen klinkt inmiddels openlijk dat context de nieuwe slotgracht is — misschien wel de belangrijkste, al blijft ze er één van meerdere: niet je model of je features maken je verdedigbaar, maar vooral of jíj de context bezit die nodig is om het werk te doen. Investeerders vragen het letterlijk. Wat ooit een bijproduct was — de neerslag van hoe je werkt — wordt het bezit waar alles om draait. Geen bijzaak meer, maar de inzet zelf.

Van context naar bedoeling en spec

Een rijk beeld is op zichzelf nog geen daad. Het is een betere foto. De sprong zit in het omzetten van context in bedoeling — wat je werkelijk wilt bereiken — en vervolgens in een specificatie die een machine kan uitvoeren en toetsen.

Dat is geen losse gedachte; het vak benoemt het inmiddels, en bouwt het. Na prompt- en context-engineering tekent zich een derde golf af — intent engineering: het expliciet maken van wat een systeem moet bereiken, met doelen, grenzen, autonomiegrenzen en stopregels als een uitvoerbaar contract naast de agent. De concrete, in-productie variant heet spec-driven development, met een opvallende leus: intent is the source of truth. Je schrijft de bedoeling, leidt daar een plan en taken uit af, en pas dan code; verandert de behoefte, dan pas je de spec aan en genereer je opnieuw. GitHubs Spec Kit zet bovenaan elke workflow een constitution van onveranderlijke principes; AWS' Kiro dwingt de volgorde spec → ontwerp → taken → code af en vraagt bij kritieke acties om akkoord. In de enterprise bindt Palantir hetzelfde patroon via data → logica → actie, met een spoor van elke beslissing erbij (decision lineage). Het patroon is overal hetzelfde: de context levert het waarom, de spec maakt er een gestuurde, toetsbare daad van.

Maar eerlijk: hier zit ook de hardste praktijkpijn, en die wordt makkelijk weggepoetst. Context hébben is niet het probleem. De bedoeling betrouwbaar vertalen naar een spec, en die spec naar uitvoering die je kunt vertrouwen, is dat wél. Modellen hallucineren ook in plannen; een spec die niet getoetst wordt, schuift de fout alleen naar voren; en een agentlus die zichzelf voedt, kan ongemerkt afdrijven. Daarom hoort hier een serieuze laag omheen: evaluatie en tests op de uitkomsten, een mens-in-de-lus bij beslissingen die ertoe doen, en herkomst — kunnen terugzien waaróm een agent iets deed. Zonder dat is intent is the source of truth een mooie leus boven een onbetrouwbaar systeem.

Wat agents ermee doen

Agents zijn wat dit levend maakt. Ze lezen het beeld niet alleen — ze handelen erop en schrijven terug. Elke actie laat een spoor na, en dat spoor voedt het volgende. Daar zit de lus waarin de partner met de tijd beter wordt: hij leert van wat werkte en wat misging. En daar zit ook precies het risico, want een systeem dat zijn eigen geheugen voedt, kan in stilte de verkeerde kant op leren als niemand meekijkt. De lus is de motor én de zwakke plek.

Dat is geen theorie. In de praktijk koppelen organisaties een agent aan al hun systemen — CRM, ERP, mail, documentbeheer — in de verwachting dat het dan werkt, en ontdekken dat de agent elk systeem als een eiland behandelt en zelfverzekerd handelt op verouderde of context-loze gegevens. Een klantgegeven dat al maanden niet meer klopte en in een kwartaalrapport niemand opviel, wordt binnen seconden een zelfverzekerd verkeerde, automatisch verzonden mail. Het is een van de redenen dat Gartner verwacht dat ruim veertig procent van de agent-projecten vóór eind 2027 sneuvelt — door oplopende kosten, onduidelijke waarde en gebrekkige risicobeheersing — en waarschuwt voor agent washing: van de duizenden zelfbenoemde agent-leveranciers voldoet maar een handjevol aan de definitie.

Hoe de partijen het oppakken

Wie dit begrijpt, begrijpt waarom de grootste bedrijven ter wereld er nu om vechten. Niet om het slimste model — dat raakt uitgewisseld. Om de laag eronder. En ze doen het elk op hun eigen manier.

De modelmakers willen de plek zijn waar je context woont. Anthropic zet in op het zorgvuldig cureren van wat het model ziet (context engineering, najaar 2025), en — belangrijker voor de eigendomsvraag — op een open koppelstandaard, het Model Context Protocol, dat het eind 2024 introduceerde en eind 2025 aan een onafhankelijke stichting schonk. Een neutrale standaard is het tegengif tegen opsluiting. OpenAI richt zich op geheugen op consumentenschaal, met het achtergrondproces dat het in juni 2026 als Dreaming uitbracht. En Google heeft een structureel voordeel dat de hele discussie scherpstelt: het is de huisbaas. Gmail, Agenda, Drive en Documenten zitten al binnen; een assistent van Google hoeft geen toegang te vragen, want de context is er al.

De SaaS- en domeinplatformen spelen een ander spel. Voor hen is AI een existentiële vraag: als de waarde naar de context verschuift, hoe blijf je dan relevant? Het antwoord dat zich aftekent, is poortwachter van jóuw context worden. Ze trekken een AI-laag om hun bestaande product, nestelen agents in je workflows, en zorgen dat het geheugen van hoe jij werkt zich binnen hún muren ophoopt. Je ziet het al in hun prijsmodellen: SAP en Salesforce stappen van betalen-per-zetel over op betalen-naar-verbruik — op tokens en acties — en verzilveren zo de context die je al jaren bij hen hebt staan. Wie de context bezit, bezit de klant, want overstappen betekent je geschiedenis achterlaten.

De agents zelf zijn een front dat makkelijk over het hoofd wordt gezien. Een agent die werk voor je doet, bouwt onderweg een beeld van je op — je systemen, je beslissingen, je manier van werken. Klantcontact-agents als Sierra en Decagon houden zo de geschiedenis en context van je klanten vast; codeer-agents als Devin (Cognition) en Cursor bouwen een beeld van je codebase op. Steeds vaker krijgen die agents een eigen geheugen dat klant- en beslissingscontext vasthoudt. Nuttig, maar het stelt dezelfde vraag opnieuw: als de agent van een ander is, van wie is dan de context die hij over jou verzamelt?

De tegenbeweging is misschien wel het meest veelzeggend. Er staan partijen op die het omgekeerde bouwen: private, meeneembare geheugeninfrastructuur — zoals het open-source MemMachine — waarmee je je eigen context model-onafhankelijk bewaart en over tools heen meedraagt, bezit dat van jou blijft. Hun observatie is ontnuchterend en herkenbaar: ChatGPT heeft zijn geheugen, Claude het zijne, Gemini het zijne; ze praten niet met elkaar, en niets ervan is van jou. Daarnaast groeit een beweging van zelf-hostende en lokale systemen — met een runtime als Ollama draait het model op je eigen hardware en verlaat je data je machine niet — gedreven door één nuchtere vraag: wat gebeurt er met mijn werk als de dienst waarvan ik afhankelijk ben, wegvalt?

Daarnaast levert een hele generatie gespecialiseerde bouwers de laag kant-en-klaar: geheugen-engines als Mem0, Zep, Letta (oud-MemGPT) en Cognee, die entiteiten, relaties en het bitemporele bijhouden; ontologieën die data aan logica en actie knopen; "context layers" die het organisatiegeheugen bewaken. Het is jong en omstreden — de grenzen hierboven gelden onverkort — en precies daarom de moeite waard.

De rode draad onder al die bewegingen is één en dezelfde vraag. Wie de contextlaag bezit, bezit de relatie. Google wil de huisbaas zijn, de SaaS-partijen de poortwachter, Anthropic de neutrale standaard — en een handvol partijen wil het eigendom teruggeven aan jou. Het enterprise-spel draait om dezelfde vraag: blijft jouw organisatiegeheugen van jou, of raakt het opgesloten in een platform dat codeert hoe je bedrijf denkt?

Context als intellectueel eigendom

Als ik het terugbreng tot één gedachte, is het deze: je context is een vorm van intellectueel eigendom, en je zou hem zoveel mogelijk zelf moeten bezitten.

We snappen dat instinctief voor andere bezittingen. Je broncode geef je niet zomaar weg. Je klantenbestand, je recepten, je methodes bescherm je. Maar je context — de neerslag van hoe je denkt, beslist en werkt — laten we achteloos achter in elk hulpmiddel dat we aanzetten, alsof het uitstoot is in plaats van bezit. Terwijl het, naarmate het redeneren een handelswaar wordt, juist het schaarse en verdedigbare deel is.

Voor een mens gaat het om de regie over wie je bent in de ogen van je gereedschap — en om de vrijheid om te vertrekken zonder jezelf achter te laten. Voor een organisatie gaat het om haar kroonjuweel: het levende geheugen van hoe ze beslist, wat werkte en waarom. Dat is precies het bezit dat het minst beschermd is, omdat het zich ongemerkt opbouwt op plekken die niet van haar zijn.

Eigendom betekent hier niet hamsteren. Het betekent dat je context van jou blijft, dat je hem kunt meenemen, en dat je bepaalt wie hem mag zien en gebruiken. Draagbaar, bestuurbaar, beschermd — zoals je elk ander waardevol bezit behandelt.

Own your context

Zo komen we terug bij waar deel 1 eindigde, nu met de machinerie zichtbaar eronder. Je hebt gezien wat context is, hoe hij zich uit je eigen werk opbouwt, hoe hij levend wordt gehouden, en hoe hij zich vertaalt naar bedoeling en daad. En je hebt gezien waarom de grootste partijen ter wereld er niet voor niets om vechten: het is de laag waar de waarde naartoe verschuift — de slotgracht, het bezit.

Daarmee is de conclusie onontkoombaar, en ze geldt of het nu om jou als mens gaat of om een organisatie. De vraag is niet hoeveel context je opbouwt — dat moet je, het is precies wat je AI-partner goed maakt. De vraag is van wie hij is. Het kostbaarste deel — wat het systeem van jou weet — hoort van jou te blijven: iets wat je kunt meenemen en zelf beheert, niet iets wat zich ongemerkt ophoopt op een plek die niet van jou is.

De keuze wordt nu gemaakt, vaak zonder dat iemand hem bewust maakt — door de plek waar je context toevallig landt. Maak hem met opzet. Own your context. Als mens, en als organisatie.

Bronnen

Foundation Capital. Context Graphs: AI's Trillion-Dollar Opportunity. foundationcapital.com, december 2025.

Gartner en Forrester. Analyses over de contextlaag als fundament voor agentic AI, met de Gartner-prognose van ~80% adoptie onder agentplatformen tegen 2029. Begin 2026.

Gartner. Voorspelling dat ruim 40% van de agentic-AI-projecten vóór eind 2027 wordt geannuleerd, en de waarschuwing voor agent washing (Anushree Verma, 2025).

Shapira, Sephi. Context Is the New Moat. 2026.

Zep. Zep: A Temporal Knowledge Graph Architecture for Agent Memory. arXiv 2501.13956, 2025 — bitemporeel geheugen, verouderde feiten markeren in plaats van wissen, hybride ophalen.

OpenAI. Dreaming — achtergrondconsolidatie voor het geheugen van ChatGPT, juni 2026.

Intent engineering — het expliciet maken van de bedoeling (doelen, grenzen, stopregels) als uitvoerbaar contract; de derde golf na prompt- en context-engineering, 2025–2026.

GitHub. Spec Kit — spec-driven development, "intent is the source of truth", opensource vanaf september 2025. AWS. Kiro — van specificatie naar ontwerp, taken en implementatie, 2025.

Palantir. The Ontology — data, logica en actie in één model, met decision lineage. palantir.com, 2025–2026.

Anthropic. Effective context engineering for AI agents, september 2025; en het Model Context Protocol (geïntroduceerd november 2024, eind 2025 ondergebracht bij een onafhankelijke stichting).

Glean. System of context — Enterprise Graph plus Personal Graph als contextlaag voor enterprise-AI. glean.com, 2026.

Thoughtworks. The agent unconscious: embedding organizational memory in AI — met het begrip intent debt. thoughtworks.com, mei 2026.

Teunisse, Jeroen. SAP wordt tokenreseller. jeroenteunisse.nl, maart 2026. Salesforce. Agentforce Pricing — verbruik (per conversatie en per actie) in plaats van per zetel. salesforce.com, 2026.

Mohan, Sanjeev (SanjMo). Kritiek op het ontbreken van een standaard en een gedeelde definitie voor context graphs, 2026.

Het agent- en geheugenlandschap 2026 — agents (Sierra, Decagon, Cognition/Devin, Cursor); geheugen-engines (Mem0, Zep/Graphiti, Letta/voorheen MemGPT, Cognee); meeneembare en zelf-hostende infrastructuur (MemMachine, Ollama). Diverse vergelijkende bronnen, 2026.

Geheugen-benchmarks (LongMemEval, LoCoMo) en praktijkanalyses over agents die op verouderde of silo-context handelen — uiteenlopende en deels betwiste cijfers, 2026.

Polanyi, Michael. The Tacit Dimension, 1966 — "we weten meer dan we kunnen zeggen."

Evans, Eric. Domain-Driven Design: Tackling Complexity in the Heart of Software. Addison-Wesley, 2003 — het concept van de bounded context.

Visuals gegenereerd met NotebookLM.

Co-creatie: Dit stuk is gemaakt samen met Claude (Anthropic), versie Opus 4.8. De gedachten, posities en interpretaties zijn van mij. Claude heeft geholpen bij het structureren, het aanscherpen van argumenten en het schrijven van de tekst; Grok (xAI) dacht als kritische meedenker mee. Ik vind het bij dit onderwerp passen om dat expliciet te benoemen.