Waarom is dit belangrijk?
Dankzij context sluit een antwoord beter aan op de concrete situatie, zodat een model niet steeds hetzelfde algemene verhaal geeft. In de opkomst van grote taalmodellen kan meer passende informatie antwoorden samenhangender maken en fouten verkleinen. Gebruikers krijgen daardoor gerichtere hulp bij hun taken, maar een model benut lange invoer niet overal even sterk en mist feiten in het midden sneller.
Zo werkt het in de praktijk
In de zorg zoeken teams documenten en geven die mee als context van een taalmodel. Een studie in de American Medical Informatics Association beschrijft dit bij klinische taken, zoals medicatievragen. Bij Anthropic haalt Claude Code gerichte bestanden in de context.
Onderzoekers kijken of extra documenten de uitkomsten bij biomedische taken veranderen. De studie verzamelde zulke vergelijkingen met en zonder ophaalstap. De auteurs noemen als vervolg de koppeling met elektronische patiëntendossiers.
NIST koppelt context en systemen die documenten ophalen aan het AI Risk Management Framework, een kader voor AI-risico's. Een hoofdstuk legt dit naast de AI-verordening en ISO/IEC 42001, de norm voor een AI-managementsysteem. Anthropic werkt met context engineering en koppelt hulpmiddelen via het Model Context Protocol.




