Het periodiek systeem van AI is een diagnostisch model met acht lagen, van infrastructuur tot gedrag. Het helpt je bepalen op welke laag een AI-probleem zit, zodat je niet eindeloos aan je prompt zit te sleutelen terwijl de fout in je data zit.
Een AI-agent die €400 per uur aan API-kosten verbrandt. Niet omdat het model slecht is, maar omdat je niet begreep hoe tokens en contextvensters werken. Een automatisering die nooit triggert, hoe goed de prompt ook is. Een agent die volledig van het script afwijkt terwijl jij de no-code tool vervangt. Elk van deze fouten heeft één gemeenschappelijke oorzaak: je loste het probleem op de verkeerde laag op. Het periodiek systeem van AI — 48 elementen, acht groepen — is een diagnostisch framework dat je vertelt op welke laag je moet zoeken. Geen leerboek. Een kompas.
De duurste AI-fout is geen toolkeuze
De meest voorkomende reactie op een falend AI-systeem is: verander de tool of herschrijf de prompt. Switch van ChatGPT naar Claude. Tweak de instructies voor de vijfde keer. Soms helpt het. Meestal niet — en dat is precies het probleem.
Waarom prompts tweaken beperkt helpt
AI-systemen zijn niet één laag diep. Ze zijn acht lagen diep. De tool en de prompt zijn alleen het oppervlak — het is wat je ziet, wat je digitaal aanraakt. Maar als het probleem drie lagen dieper zit, lost geen enkele oppervlakteaanpassing iets op.
Slechte outputs ontstaan vaak omdat het model geen context heeft om op te werken. Dat is een dataprobleem, geen promptprobleem. Een automatisering die niet triggert, is een infrastructuurprobleem — betere prompts raken het niet eens. En een agent die van het script afwijkt, mist vangrails of geheugen. Een ander no-code tool kiezen helpt dan niet.
Hoe misdiagnose eruitziet in de praktijk
Elke misdiagnose kost je twee dingen: tijd en vertrouwen. Mensen verlaten AI-projecten met het gevoel dat “AI niet werkt voor mijn bedrijf” — terwijl het echte probleem was dat ze een transmissieprobleem behandelden als een motorprobleem. De oplossing is geen betere tool. Het is een betere structuur.
8 groepen die elk AI-systeem bepalen
Het periodiek systeem van AI bestaat uit 48 concepten, ingedeeld in acht groepen. Elke groep dekt een eigen laag van het systeem. Je hoeft ze niet allemaal te beheersen — je moet weten welke groep relevant is voor wat je nu bouwt.
Groep 1–3: fundamenten, data en intelligentie
Groep 1 — Fundamenten bevat de basiselementen die in elk AI-systeem terugkomen: token, model, prompt, contextvenster, temperatuur en parameters. Tokens zijn de eenheid waarin AI tekst verwerkt (≈0,75 woorden per token) en bepalen direct je kosten en snelheid. Het contextvenster is het kortetermijngeheugen met een harde grens — bereik je die, dan verdwijnt eerdere informatie. Dit is waarom je AI soms lijkt te “vergeten” wat je eerder zei.
Groep 2 — Data en kennis gaat over hoe je een AI-systeem voedt met domeinkennis. De sleutelelementen: embeddings (numerieke representaties van betekenis), vectordatabases (waar die embeddings worden opgeslagen), en RAG (Retrieval-Augmented Generation).
RAG is de combinatie van een kennisbank en een model — je AI antwoordt dan op basis van jouw informatie, niet alleen op wat het oorspronkelijk geleerd heeft. Dit is het fundament van de meeste custom AI-assistenten die vandaag worden gebouwd.
Groep 3 — Intelligentielaag overbrugt het ruwe model en het daadwerkelijke gedrag. De systeemprompt is de verborgen instructieset die persona, regels en toon bepaalt. Geheugen zorgt dat de AI gebruikersgeschiedenis over sessies heen onthoudt — zonder geheugen begint elk gesprek bij nul. Vangrails zijn de veiligheidsregels die bepalen wat een AI-systeem wél en niet doet: voor klantgerichte toepassingen zijn ze niet optioneel.
