Elke AI-agent die vandaag op de markt is, heeft dezelfde fatale fout.
Hij vergeet.
Elk gesprek begint bij nul. Elke context wordt opnieuw opgebouwd. Elke voorkeur die je hebt gedeeld, elke beslissing die je hebt genomen, elke nuance die je team heeft vastgelegd: weg zodra de sessie eindigt.
We besloten dat op te lossen. Dit is wat we bouwden.
Elke dag weer bij nul
De meeste AI-agents zijn geavanceerd, maar lijden aan geheugenverlies. Binnen één gesprek redeneren ze uitstekend, maar zodra dat venster sluit, beginnen ze opnieuw. Je bent weer terug bij af.
Dat is geen klein ongemak. Het is een fundamentele fout in de architectuur. Een AI Chief of Staff die je investeerders, je voorkeuren voor communicatie of de context van een deal waar je al zes maanden aan werkt niet onthoudt, is geen Chief of Staff. Het is een dure chatbot.
Onderzoekers werken al jaren aan dit probleem. We bestudeerden meer dan 20 wetenschappelijke artikelen over geheugenarchitecturen, consolidatiestrategieën en zoeksystemen. De meeste oplossingen klopten in theorie, maar waren in de praktijk onbruikbaar: te traag, te duur of te kwetsbaar voor een productieomgeving.
Dus bouwden we ons eigen systeem.
De architectuur in vier lagen
Het geheugen van Outermind werkt in vier afzonderlijke lagen. Elke laag heeft een eigen functie in hoe een AI-agent kennis opdoet, vasthoudt en toepast.
Laag 1: cognitieve contextstatus Dit is het werkgeheugen: de actieve context die een agent vasthoudt tijdens een lopende sessie. Daarin zitten het huidige gesprek, de recente uitkomsten van tools en de redeneerstatus van de agent op dat moment. Snel, vluchtig en gemaakt om binnen de sessie goed te presteren.
Laag 2: centrale geheugendienst Dit is de kennis van je organisatie op lange termijn. Feiten over je bedrijf, je mensen, je processen en je voorkeuren. Leert je agent dat een bepaalde investeerder korte updates wil, of dat je CEO nooit gedachtestreepjes gebruikt, dan komt die kennis hier terecht. Ze blijft bewaard over sessies en agents heen, en door de tijd heen.
Laag 3: passief leren door SME-agents Onze SME-agents, agents met diepgaande kennis van één vakgebied, voeren niet alleen taken uit. Ze leren er ook van. Elke geslaagde inzet van een SME-agent draagt bij aan een groeiende hoeveelheid vakkennis, en die verbetert wat ze later doen. Hoe meer je het systeem gebruikt, hoe beter het wordt.
Laag 4: de droomcyclus Dit is de doorbraak.
De droomcyclus: leren terwijl je slaapt
Het menselijk geheugen legt ervaringen niet vast als we wakker zijn. Dat gebeurt tijdens de slaap, vooral in de diepe slaap en de REM-slaap, wanneer de hersenen de ervaringen van de dag opnieuw afspelen, samenvatten en verbinden tot duurzame herinneringen.
Wij bouwden hetzelfde voor AI-agents.
De droomcyclus (Dream Cycle) is een nachtelijk consolidatieproces in vier fasen:
Voorbereiding: Het systeem bepaalt welke herinneringen in aanmerking komen voor consolidatie. Dat zijn recente lessen, feiten die vaak worden opgevraagd en kennis waarnaar meerdere keren is verwezen, maar die nog niet is geoptimaliseerd.
Consolidatie: Verwante herinneringen worden met elkaar verbonden, dubbele vermeldingen worden samengevoegd en kennisgrafen worden bijgewerkt met de nieuwe verbanden die het werk van die dag heeft opgeleverd.
Optimalisatie: De zoekindexen worden opnieuw opgebouwd en gescoord. Het systeem leert welke herinneringen het meest waard zijn voor welk soort taak, zodat het later nauwkeuriger terugvindt wat het nodig heeft.
Controle: Geconsolideerde herinneringen worden getoetst aan bekende feiten. Haalt een herinnering de betrouwbaarheidsdrempel niet, dan wordt ze gemarkeerd zodat een mens haar kan nakijken.
Het resultaat: een AI-agent die 's nachts echt slimmer wordt. Niet door opnieuw te trainen. Niet door het model bij te stellen. Door dezelfde soort leren uit ervaring die menselijke experts in de loop der tijd beter maakt.
Wat we deze week opleverden
Dit is geen plan voor later. Het draait al.
De afgelopen week brachten we zes verbeteringen met hoge prioriteit uit in onze geheugenarchitectuur, allemaal in productie bij onze klanten in de Verenigde Staten:
- Hybride zoeken met BM25 en vectoren: combineert de precisie van zoeken op trefwoorden met semantisch begrip, zodat het geheugen veel nauwkeuriger terugvindt wat nodig is
- Bescherming tegen geheugenvergiftiging: herkent pogingen om de kennisbank van de agent te besmetten en zet ze in quarantaine
- Samengestelde score bij het zoeken: weegt hoe recent, hoe relevant en hoe betrouwbaar een herinnering is in samenhang, in plaats van die als losse signalen te behandelen
- Zoeken op basis van de taak: haalt andere soorten herinneringen op afhankelijk van wat de agent werkelijk doet, niet alleen van wat hij vraagt
- Geheugen condenseren met een LLM: maakt van uitgebreide geheugenvermeldingen precieze, herbruikbare feiten zonder dat de betekenis verloren gaat
- Geheugen als relatiegraaf: brengt automatisch de verbanden in kaart tussen mensen, projecten, doelen en beslissingen, zodat de agent de context begrijpt en niet alleen de inhoud
En de droomcyclus draaide deze week voor het eerst volledig in productie. Daarbij werden 3.419 bestaande herinneringen met terugwerkende kracht verwerkt en met elkaar verbonden, verspreid over alle zeven tenants die we in de Verenigde Staten hebben.
Wat dit betekent voor je bedrijf
Een AI-agent met echt geheugen is niet alleen handiger. Het is iets wezenlijk anders.
Hij onthoudt dat je CFO op vrijdag een wekelijkse samenvatting wil. Hij weet welke investeerders warm zijn en welke na het derde kwartaal zijn afgekoeld. Hij begrijpt dat een bepaalde klantrelatie gevoelig ligt en past zijn toon daarop aan. Hij legt het verband tussen een gesprek van drie maanden geleden en een beslissing die je vandaag neemt.
Dat is geen automatisering. Dat is bedrijfskennis die nooit de deur uit loopt.
Elke dag dat je Outermind gebruikt, begrijpt je AI Chief of Staff je bedrijf een beetje beter. Dat voordeel stapelt zich op, en precies dat maakt het verschil tussen een stuk gereedschap en een teamgenoot.
[outermind.ai]