Je bewaart het verkeerde

Vorige week vroeg ik mijn assistent waarom ik voor de ene aanpak had gekozen en niet voor de andere. Niet wat ik had gekozen. Waarom.

Dat kon hij me niet vertellen. Hij wist dat ik in Lelystad woon, dat ik van korte antwoorden houd, hij kon zelfs de conclusie noemen waar ik vorige week dinsdag op uitkwam. Maar de redenering die me daar had gebracht, de drie opties die ik had afgewogen, de optie die ik had geschrapt en waarom, was weg. Hij had het antwoord bewaard en de redenering weggegooid.

Dat lijkt me precies wat iedereen die nu aan AI-geheugen bouwt over het hoofd ziet. Iedereen bouwt geheugen. Bijna niemand is gestopt om te vragen waar geheugen eigenlijk voor dient.

Op dit moment zie je grofweg twee manieren om het te doen. En allebei bewaren ze het verkeerde.

De eerste bewaart feiten. Een keurig profiel, teruggebracht tot de kern en opgeborgen: naam, locatie, voorkeuren, een paar dingen die voorlopig waar blijven. Nuttig, tot op zekere hoogte. Maar een profiel is een samenvatting, en een samenvatting verliest precies dat ene wat hier fataal is: hij bewaart de bestemming en gooit de weg weg. ‘Zet de database om naar het derived model’ blijft staan. Waarom, welke andere optie er lag en wat er stukgaat als je dat vergeet, verdwijnt. Je houdt een conclusie over die je niet meer kunt bevragen. Dat is nauwelijks beter dan helemaal geen geheugen.

De tweede bewaart alles. Volledige transcripties, niks weggegooid, zonder enig verlies. Dan krijg je het tegenovergestelde probleem. De redenering staat er ergens tussen, begraven in een muur van gesprekken. Om haar terug te vinden moet je het hele gesprek opnieuw lezen en het besluit reconstrueren uit alles wat eromheen werd gezegd. Het systeem haalt tekst terug. Jij wilde een conclusie en kreeg een zoekresultaat.

De ene aanpak bewaart dus te weinig en de andere te veel. Vanaf twee kanten missen ze hetzelfde: de redenering zelf, als iets wat je kunt vasthouden.

Dit verandert er als je juist die bewaart.

Het waardevolste wat een geheugen doet is niet terughalen. Het is tegenspreken.

Kijk naar wat er in echt werk gebeurt. Je staat op het punt een bepaalde richting in te slaan, en de nuttige onderbreking is bijna nooit: ‘hier is een relevant feit van eerder.’ Het is: ‘wacht, dit heb je drie weken geleden al besloten, toen koos je juist de andere kant op, en dit was waarom.’ Het systeem houdt je tegen en haalt het besluit naar boven dat je nieuwe idee ongemerkt dreigt te schenden.

Een profiel kan dat niet. Het kent geen conflict, alleen feiten die over jou waar zijn. Zoeken in transcripties kan het ook niet. Dat vindt tekst die op je vraag lijkt, nooit tekst die ertegenin gaat.

En juist in die tegenspraak zit de waarde. Een feit vergeten is goedkoop, dat zoek je op. De dure fout in een lang project is een vraag opnieuw uitvechten die je al had afgesloten. Of hem ongemerkt weer openzetten en de verkeerde kant op lopen over een weg die je al in kaart had gebracht. Dat kost dagen.

Dit verandert zelfs waar je op zou optimaliseren. De wereld van AI-geheugen meet geheugen aan recall: vond het systeem het relevante ding? Dat is makkelijk te meten. Maar het relevante ding is vaak juist wat ertegenin gaat. Het geheugen dat je wilt, merkt dat je jezelf tegenspreekt en zegt het voordat je een week de verkeerde kant op bent gelopen.

Bewaar het antwoord en je krijgt een systeem dat je eraan herinnert wat je dacht. Bewaar de redenering en je krijgt een systeem dat je betrapt wanneer je hetzelfde opnieuw bedenkt, maar deze keer verkeerd, met het bewijs er nog bij.

Het ene is een archiefkast. Het andere lijkt meer op een collega die erbij was toen je het besluit nam en nog weet waarom.