Uw AI-model is tijdelijk. Het begrip van uw organisatie hoort dat niet te zijn.

ARC Prize publiceerde onlangs een analyse van de manier waarop OpenAI's GPT-6 Astra ARC-AGI-3 benaderde. Deze benchmark plaatst een AI-systeem in onbekende interactieve omgevingen en toetst of het kan verkennen, de situatie kan begrijpen, doelen kan vormen en succesvol kan handelen.

Eén observatie reikt veel verder dan de benchmark. Astra zette onbekende omgevingen om in compacte symbolische wereldmodellen. Het beschreef objecten, coördinaten, status, regels en mogelijke acties. Wanneer de harness dat toeliet, maakte het model ook parsers, statustrackers en planningstools om dat begrip operationeel te maken.

Lees de analyse van ARC Prize

ARC Prize doet geen uitspraak over bedrijfsarchitectuur. Het volgende is onze eigen afleiding: bruikbare agents hebben meer nodig dan toegang tot documenten of een groot contextvenster. Zij hebben een samenhangende representatie nodig van de wereld waarin zij geacht worden te handelen.

Voor een organisatie is dat wereldmodel haar organisatiebegrip.

Actuele bedrijfscontext is noodzakelijk, maar niet voldoende

Een agent kan het laatste klantbericht, de actieve bestelling, de openstaande case of de toestemmingsstatus kennen. Dat is actuele bedrijfscontext. Die beantwoordt een essentiële vraag:

Wat is nu waar?

Maar weten wat waar is, vertelt de agent nog niet wat het betekent of wat de organisatie toestaat. De agent moet ook begrijpen:

• Wat een klant, bestelling, case, verplichting of bedrijfssignaal betekent.
• Welke bronnen en relaties gezaghebbend zijn.
• Welk beleid, welke doelen, bevoegdheden en uitzonderingen van toepassing zijn.
• Welke mensen, systemen of agents een actie mogen uitvoeren.
• Welk resultaat vereist is en welk bewijs beschikbaar moet blijven.

Dat is organisatiebegrip. Het beantwoordt een andere vraag:

Hoe mag deze organisatie interpreteren en handelen op basis van wat nu waar is?

AI heeft beide nodig. Context zonder organisatorische betekenis leidt tot aannemelijke gissingen. Documentatie zonder actuele status leidt tot goed geïnformeerde maar verouderde antwoorden.

De meeste documentatie stopt waar de uitvoering begint

Organisaties documenteren al beleid, verantwoordelijkheden, datadefinities, processen en architectuur. Het probleem is niet dat documentatie volledig ontbreekt. Het probleem is dat documentatie meestal stopt aan de rand van de runtime.

Beleid beschrijft wat er zou moeten gebeuren. Applicatiecode bepaalt wat er werkelijk gebeurt. Een procesdiagram toont de bedoelde route. Integraties en workflowconfiguraties implementeren een andere route. Een datadefinitie legt een veld uit, terwijl iedere applicatie dat veld anders kan interpreteren.

De kloof groeit telkens wanneer de organisatie sneller verandert dan haar softwarelandschap. AI maakt die kloof ingrijpender, omdat een agent informatie nu op machinesnelheid kan interpreteren en acties kan uitvoeren.

Als het organisatiemodel alleen in documenten bestaat, moeten mensen het voortdurend vertalen naar prompts, code, workflows en toegangsregels. Als het alleen in de context of het geheugen van één AI-provider bestaat, heeft de organisatie haar eigen begrip afhankelijk gemaakt van een tijdelijk model.

Documentatie moet infrastructuur worden

Documentatie wordt infrastructuur wanneer dezelfde beheerste betekenis die de operatie uitlegt ook aan die operatie deelneemt.

Organisatiedefinities moeten gebruikt kunnen worden om:

• Een binnenkomend bedrijfsbericht te valideren.
• Te bepalen welke context bij een situatie hoort.
• Te bepalen welke regel of welk beleid van toepassing is.
• De data en mogelijkheden van een agent te begrenzen.
• Toegestane acties en resultaatcontracten vast te leggen.
• Het bewijs te bewaren dat nodig is om een resultaat uit te leggen.

Dit betekent niet dat iedere alinea uitvoerbare code wordt. Het betekent dat duurzame kennis een expliciete rol, eigenaar, reikwijdte en levenscyclus heeft, terwijl de operationele onderdelen machine-interpreteerbare voorwaarden worden die voor en na de uitvoering kunnen worden gecontroleerd.

Uitleg en uitvoering lopen dan niet langer als twee losstaande werelden uiteen.

Een modelonafhankelijke operationele architectuur

Een duurzame agentic organisatie heeft drie afzonderlijke lagen nodig.

1. Duurzame organisatiekennis

Definities, beleid, verantwoordelijkheden, besluiten en onopgeloste vragen moeten eigendom van de organisatie blijven. Zij mogen niet verdwijnen wanneer een adviseur vertrekt, een model wordt vervangen of een promptgeschiedenis wordt gewist.

Canonrail biedt een manier om deze duurzame project- en organisatiekennis te beheren. Het maakt de rol, eigenaar, levenscyclus, reikwijdte en openstaande aandacht van documentatie expliciet. Het voert geen bronsysteemoperaties uit en verleent geen runtimebevoegdheden.

2. Actuele beheerste bedrijfsstatus

DataInbox ontvangt bedrijfsberichten en onderhoudt de actuele status, historie, doelen, verplichtingen, bevoegdheden en resultaten die voor een specifieke operationele context nodig zijn. Deterministische regels bepalen wat is toegestaan voordat intelligentie wordt ingezet.

Dit geeft mensen en agents een beheerste weergave van de situatie, in plaats van onbeperkte toegang tot iedere bron of herhaalde reconstructie uit documenten en transcripties.

3. Vervangbare intelligentie

Goedgekeurde AI-modellen en agents kunnen vragen interpreteren, wijzigingen voorstellen en toegestaan werk uitvoeren. Zij gebruiken de betekenis en actuele status van de organisatie, maar zijn van geen van beide eigenaar.

Het model kan verbeteren, van provider veranderen of verdwijnen. De organisatie hoeft haar geheugen, bevoegdheden en operationele logica niet opnieuw rond de vervanger op te bouwen.

De modelvervangingstest

Er is een praktische manier om te beoordelen of het organisatiebegrip werkelijk onafhankelijk is.

Als u morgen het AI-model vervangt:

• Kan het nieuwe model dezelfde bedrijfsentiteiten en relaties vinden?
• Kan het dezelfde actuele status beoordelen zonder geheugen opnieuw op te bouwen uit gespreksgeschiedenis?
• Kan het zien welk beleid en welke bevoegdheden iedere actie begrenzen?
• Kunnen mensen dezelfde definities beoordelen zonder providerspecifieke prompts te lezen?
• Kan de organisatie uitleggen welke goedgekeurde versie en bevoegdheid tot een resultaat hebben geleid?

Als die antwoorden samen met het model verdwijnen, heeft de organisatie intelligentie gehuurd maar geen duurzaam begrip opgebouwd.

De organisatie is de wereld die de agent moet begrijpen

De belangrijkste les van Astra is niet dat een model onbekende spellen kan spelen. De les is dat bekwaam handelen voortkomt uit een compacte representatie van objecten, status, regels, tools en doelen.

Een organisatie is geen gesloten spel. Haar omgeving omvat mensen, regelgeving, onvolledige informatie, veranderende verantwoordelijkheden en gevolgen in de echte wereld. Het organisatiemodel kan daarom geen geïmproviseerde prompt of verborgen laag applicatiecode blijven.

Actuele bedrijfscontext maakt een agent bruikbaar voor de situatie die voorligt. Documentatie als infrastructuur maakt dat begrip duurzaam, controleerbaar en overdraagbaar. DataInbox verbindt beide met toegestane acties.

Het AI-model is tijdelijk. Het begrip van de organisatie moet het model overleven.

Ontdek de DataInbox-architectuur