Het AI-model dat je vandaag gebruikt, is binnen een paar maanden vervangen door een beter en goedkoper model. Wat niet vanzelf meeverhuist, is alles wat dat model over jouw werk weet: je kennis, je regels, je voorbeelden, je beslissingen en je koppelingen met je eigen data. Dat is je context. Modellen huur je. Je context moet je bezitten, in een vorm die elk volgend model kan lezen.

Klinkt vanzelfsprekend, maar in de praktijk zit context vaak net zo vast als het model zelf: in het geheugen van één chatapp, in prompts die op één modelfamilie zijn afgesteld, of in een databank die alleen met de embeddings van één leverancier werkt. Dit artikel legt uit waarom het model huurgoed is geworden, waar je context ongemerkt toch huurt, en hoe je ze in zes stappen echt van jou maakt.

Waarom het model huurgoed is geworden

Een model is een dienst die je per token betaalt en die je leverancier op elk moment kan vervangen, duurder of goedkoper kan maken of kan stopzetten. Drie dingen maken dat in 2026 duidelijker dan ooit.

Het tempo. Tussen 10 juni en 15 oktober 2026 besprak artificial-intelligence.be minstens zestien nieuwe modellen van de grote labs, van Claude Opus 5 en GPT-6 Astra tot Gemini 4 Argon en Mistral Large 4. Wie in juni het beste model koos, werkt in oktober met iets dat al twee generaties oud is.

De prijs. Elke nieuwe generatie maakt de vorige goedkoper. Claude Opus 5.5 kwam in september met 40% lagere kosten, GPT-6 Sol en Luna halveerden de API-prijzen een dag later. Onderzoeksgroep Epoch AI mat dat de prijs om een bepaald prestatieniveau te halen met een factor 9 tot 900 per jaar daalt, afhankelijk van de taak. Een voordeel dat je koopt door een duur model te gebruiken, is dus snel door iedereen in te halen.

De huur kan opgezegd worden. Drie dagen na de lancering van Claude Fable 5 verbood een Amerikaans exportdirectief de toegang voor iedereen zonder Amerikaanse nationaliteit. Omdat Anthropic dat niet per gebruiker kon controleren, schakelde het bedrijf het model wereldwijd uit. Wie zijn werk rond Fable 5 had gebouwd, moest van de ene dag op de andere terugvallen op een ander model. Fable keerde in september terug als versie 5.1, maar het punt was gemaakt.

Tijdlijn van zestien modelreleases tussen juni en oktober 2026, met Fable 5 dat na drie dagen wordt uitgeschakeld
Zestien releases in vier maanden, twee prijshalveringen en één model dat na drie dagen offline ging. Bron: berichtgeving op artificial-intelligence.be, juni tot oktober 2026.

Bedrijven gedragen zich daar al naar. In een bevraging van a16z bij honderd grote bedrijven gebruikte 37% vijf of meer modellen, tegenover 29% een jaar eerder. Menlo Ventures zag dat 66% van de teams in een jaar overstapte op een nieuwer model van dezelfde leverancier en 11% van leverancier wisselde. Beide cijfers dateren van midden 2025. Sindsdien is het aantal releases alleen maar toegenomen.

Wat context precies is

Een model weet veel over de wereld en niets over jouw bedrijf. Het kent je klanten niet, je prijzen, je tone of voice, de fout die je vorig jaar maakte of de reden waarom je bepaalde leveranciers niet meer gebruikt. Anthropic beschrijft context engineering als het samenstellen van de kleinste set informatie met het meeste signaal die het model nodig heeft om een taak goed te doen. Die informatie heeft zes lagen:

  • Kennis: productinformatie, procedures, klantgeschiedenis, interne documenten.
  • Regels: huisstijl, tone of voice, wat wel en niet mag, wettelijke grenzen.
  • Voorbeelden: goede en slechte resultaten, zodat een model weet wat “goed” voor jou betekent.
  • Beslissingen: waarom je iets zo doet, en wat je al geprobeerd hebt.
  • Koppelingen: toegang tot je mailbox, CRM, boekhouding of databank.
  • Evaluaties: een vaste set taken waarmee je meet of een model goed werk levert voor jou.

Elke laag kost tijd om op te bouwen en wordt waardevoller naarmate je ze langer bijhoudt. Een nieuw model krijg je met één klik. Een goed bijgehouden bedrijfsgeheugen niet. Daarom zit het blijvende voordeel daar, en niet in de keuze tussen Claude, GPT of Gemini.

Animatie waarin modellen na elkaar inpluggen op dezelfde contextlaag met kennis, regels, voorbeelden, beslissingen, koppelingen en evaluaties
Het model bovenaan wisselt, de contextlaag eronder blijft. Dat werkt alleen als die laag los van het model is opgeslagen.

Waar je context ongemerkt toch huurt

Hier gaat het vaak mis. Veel mensen denken dat hun context van hen is omdat ze die zelf hebben ingevoerd. Maar wie kan erbij, en in welke vorm?

Geheugen in een chatapp. ChatGPT bouwt met Dreaming V3 automatisch een geheugen op uit je gesprekken. Handig, maar dat geheugen leeft bij OpenAI. Hoe groot dat probleem is, bleek toen Anthropic in maart 2026 een importfunctie voor geheugen uitbracht, speciaal voor wie overstapt van ChatGPT, Gemini of Copilot. Dat zo’n functie nodig is, zegt genoeg.

Prompts die op één model zijn afgesteld. Elke modelfamilie reageert anders op dezelfde instructie. Toen Claude Opus 4.7 en ChatGPT 5.5 uitkwamen, adviseerden beide makers om oude prompts overboord te gooien, om tegengestelde redenen. Een CIO vertelde a16z dat “all the prompts have been tuned for OpenAI” en dat een overstap daardoor veel engineeringtijd kost.

Embeddings en fine-tunes. Zoek je in je eigen documenten met embeddings van één leverancier, dan werken die niet in de vectorruimte van een andere. Een fine-tune op een gesloten model kan je meestal niet exporteren. Developer Tian Pan zet die lagen op een schaal van makkelijk tot moeilijk om te verhuizen: het API-formaat wissel je in een middag, opgeslagen toestand en fine-tunes zijn het lastigst.

Schema met zes lagen van AI vendor lock-in, van API-formaat tot fine-tunes, en per laag hoe je ze draagbaar houdt
Lock-in zit zelden in de API-aanroep zelf. Hoe dieper de laag, hoe meer het loont om ze in een open vorm te bewaren. Gebaseerd op Tian Pan, april 2026.

Zo maak je context echt van jou

Je hoeft niet te kiezen tussen gemak en eigendom. Met deze zes gewoonten blijft je context bruikbaar voor het volgende model, wie het ook maakt.

  1. Schrijf je context uit in gewone bestanden. Markdown of tekst, in een map of repository die jij beheert. Huisstijl, procedures, voorbeelden en beslissingen horen daar, niet alleen in het geheugen van een chatbot. Formaten zoals AGENTS.md en skills-bestanden zijn gewoon tekst die elk model kan lezen.
  2. Koppel via een open standaard. Het Model Context Protocol (MCP) verbindt een model met je tools en data, en wordt intussen ondersteund door ChatGPT, Gemini, Copilot, Claude, Cursor en VS Code. Anthropic schonk MCP in december 2025 aan de Agentic AI Foundation van de Linux Foundation, toen al goed voor meer dan 97 miljoen SDK-downloads per maand. Een koppeling die je één keer bouwt, werkt zo met elk model.
  3. Houd modelspecifieke opmaak apart. Bewaar wat je wil (de inhoud) los van hoe je het aan een bepaald model vraagt (de opmaak). Dan pas je bij een overstap alleen die laatste laag aan.
  4. Bouw je eigen evaluatieset. Twintig tot vijftig echte taken uit je werk, met een voorbeeld van een goed antwoord. Komt er een nieuw model, dan weet je binnen een uur of het beter is voor jou, en niet alleen op een benchmark. Tools zoals Cursor Router tonen dat routeren tussen modellen pas werkt als je weet welk model waarvoor goed is.
  5. Maak geheugen exporteerbaar. Gebruik je het geheugen van een app, exporteer dan geregeld wat belangrijk is naar je eigen bestanden. Bouw je zelf agents, laat ze dan notities schrijven in een opslag die jij beheert, zoals Anthropic aanraadt voor langlopende agents.
  6. Leg beslissingen vast. Waarom koos je deze leverancier, deze prijs, deze aanpak? Een kort beslissingslog is voor een model goud waard, en voor een nieuwe collega ook.

Wie dieper wil gaan in hoe je context zo compact en bruikbaar mogelijk houdt, vindt meer in ons stuk over context engineering voor Claude 5.

Zo pakt Zaela dit aan

Zaela, het platform van Edge dat tot voor kort Edge OS heette, is op precies dit idee gebouwd. Het is geen eigen AI-model en geen extra chatbot. Zaela geeft de AI die je al gebruikt, zoals Claude of ChatGPT, de kennis, werkwijzen en tools van je organisatie, via één koppeling op basis van MCP. Elke assistent die MCP ondersteunt, kan erop aansluiten. Wissel je van model, dan blijft je context in je eigen Zaela-werkplek staan in plaats van in het geheugen van één chatapp.

Zaela werkt met vier bouwstenen, die netjes overeenkomen met de lagen uit dit artikel:

  • Geheugen: gedeelde kennis per merk of onderwerp, zoals huisstijl, tone of voice, richtlijnen en eerder werk, met versiegeschiedenis zodat er niets stilletjes verdwijnt.
  • Agents: rollen zoals een contentschrijver, een rapportbouwer of een SEO-specialist, die weten welke kennis en tools ze nodig hebben en werk aan elkaar doorgeven.
  • Werkwijzen: methodes die één keer worden vastgelegd en daarna door iedereen gebruikt worden, met elk gekoppeld model.
  • Tools: koppelingen met je data en platformen, zoals Google Analytics, Search Console of je CRM, via één toegangspoort.

Alles wat de AI gebruikt, kan je team zelf bekijken, aanpassen en aanvullen in de webapp van Zaela. Elke organisatie krijgt een eigen, afgeschermde werkplek. De AI ziet alleen wat de gebruiker mag zien, sleutels blijven versleuteld en elke actie wordt gelogd. Dat laatste telt: context die je bezit, wil je ook kunnen controleren.

Dit artikel is er zelf een voorbeeld van. Het werd gemaakt door een agent in Zaela, die de huisstijl, de eerdere covers en de werkwijze van deze site uit het gedeelde geheugen haalde. Op zaela.com lees je hoe het werkt en kan je je gegevens achterlaten om meer te horen. Volledigheidshalve: artificial-intelligence.be is een site van Edge, het bedrijf achter Zaela.

Veelgestelde vragen

Moet ik dan geen geheugenfuncties meer gebruiken in ChatGPT of Claude?

Toch wel. Ze zijn handig voor dagelijks gebruik. Zorg er alleen voor dat wat echt belangrijk is voor je werk, ook in je eigen bestanden staat, zodat je het bij een overstap niet kwijt bent.

Is MCP veilig om mijn bedrijfsdata te koppelen?

MCP is een protocol, geen garantie. De veiligheid hangt af van welke servers je gebruikt, welke rechten je geeft en of je het verkeer logt. Geef een agent alleen toegang tot wat de taak vraagt, en begin met alleen lezen.

Is overstappen naar een open-weightsmodel de oplossing?

Het helpt tegen de situatie waarin een leverancier of overheid de toegang afsluit, omdat je het model zelf kan draaien. Maar ook dan geldt: zonder goed bijgehouden context presteert het ene model niet beter dan het andere. Eigen context maakt elk model sterker, open of gesloten.

Hoeveel werk is dit voor een kleine organisatie?

Minder dan je denkt. Begin met één map met je huisstijl, je belangrijkste procedures en tien goede voorbeelden. Dat alleen al maakt elk model bruikbaarder, en je neemt het mee naar de volgende.

Kies het model per kwartaal, je context voor jaren

De vraag welk model het beste is, krijgt elk kwartaal een ander antwoord. Daar kan je ontspannen mee omgaan als het wisselen weinig kost. De vraag die blijft, is een andere: als je morgen moet overstappen, wat neem je mee? Is het antwoord “een paar oude chats”, dan huur je meer dan je denkt. Is het antwoord “een map met alles wat ons werk goed maakt”, dan maakt elk nieuw model je alleen maar sterker.