Van prompt engineer naar context-architect
Prompt engineering werd verkocht als de zes-cijferige snelweg naar AI. Maar nu modellen volwassener worden, doet woordkeuze er steeds minder toe dan alles wat ze kunnen zien. Context engineering, documenten, geheugen, tools en workflow, bepaalt nu of een agent slaagt of faalt, en wie wordt aangenomen om het te bouwen.
Waarom AI-bedrijven stopten met het aannemen van prompt engineers
De meest overschatte functietitel van 2024 staat in 2025 al op de rand van uitsterven. Terwijl duizenden professionals nog cursussen volgen om de perfecte prompt te schrijven, heeft de sector de regels al herschreven. Wie nu investeert in prompt engineering, bouwt een vaardigheid op die morgen een gemeengoed is. Zie de perfecte prompt.
Het klinkt als een paradox. Minder dan twee jaar geleden werd prompt engineering nog gepresenteerd als de gouden carrièrekans, een baan van 200.000 dollar zonder dat programmeerkennis nodig was [1]. Nu staat diezelfde functie onderaan de prioriteitenlijst van bedrijven die nieuwe rollen overwegen. Microsoft vroeg 31.000 medewerkers in 31 landen welke functies hun organisaties prioriteit geven. Prompt engineer eindigde op de voorlaatste plaats [2].
The Core of the Signal
Prompt engineering stierf niet omdat taal er niet meer toe deed. Het stierf omdat bedrijven leerden dat schaal scripts breekt. De winnende teams behandelen context als product, niet als proza, en bouwen retrieval, geheugen en toegang tot tools in in het dagelijkse werk. Als wervingsbeleid een voorkeur lijkt te krijgen voor context engineers, komt dat omdat zij faalpercentages in echte workflows verlagen. De praktische vraag is simpel: wat moet AI zien voordat het antwoordt aan jouw gebruikers en klanten.
- Onderzoek waar antwoorden in productie misgaan, en koppel elke fout aan ontbrekende context.
- Ontwerp inputs die met de taak meereizen, inclusief documenten, geheugen, tools en randvoorwaarden.
- Meet succes aan de hand van workflowresultaten, niet aan slimme prompts of mooiere formuleringen.
De verschuiving heeft inmiddels een naam gekregen die nog weinig mensen kennen, maar die binnen twaalf maanden overal zal opduiken: context engineering.
Wat de sector ontdekte toen chatbots volwassen werden
Prompt engineering ontstond uit noodzaak. Vroege taalmodellen waren kwetsbaar. Formulering deed ertoe. Toon deed ertoe. De volgorde van instructies deed ertoe. Iedereen die slim kon communiceren met een AI-systeem had een voorsprong op de rest. Maar die voorsprong verdampte sneller dan iemand had voorspeld.
Andrej Karpathy, voormalig hoofd AI bij Tesla en medeoprichter van OpenAI, vatte de verandering samen in één zin die viraal ging: context engineering is de subtiele kunst en wetenschap van het vullen van het contextvenster met precies de juiste informatie voor de volgende stap [3]. Het verschil met prompt engineering is fundamenteel. Waar prompt engineering draait om wat je zegt, gaat context engineering over alles wat het model ziet.
Karpathy gebruikte een technische metafoor die duidelijker is dan ze op het eerste gezicht lijkt. Het taalmodel functioneert als een processor, en het contextvenster dient als werkgeheugen. Een prompt is één instructie. Context omvat voorbeelden, geheugen, opgehaalde informatie, beschikbare tools, systeemstatus en de volledige workflow waarin het model opereert.
Tobi Lütke, CEO van Shopify, bracht de term in juni 2025 naar een breder publiek. Hij schreef dat context engineering de kernvaardigheid beter beschrijft dan prompt engineering: de kunst om alle context te leveren zodat de taak aannemelijk oplosbaar wordt voor het taalmodel [4]. Binnen enkele weken hadden Gartner en Anthropic de verschuiving officieel bevestigd.
Waarom de oude aanpak niet meer werkt
De innovatie die context engineering vertegenwoordigt, kwam niet voort uit theoretische overwegingen, maar uit praktische mislukkingen. Zodra organisaties overstapten van incidentele chatgesprekken naar geïntegreerde bedrijfsworkflows, kwamen de barsten in prompt engineering aan het licht.
Prompts steunen op taalkundige precisie, niet op logica. Ze zijn kwetsbaar. Verander één woord of token en het systeem gedraagt zich anders. Die kwetsbaarheid is acceptabel voor een enkele vraag aan ChatGPT. Voor een geautomatiseerd proces dat honderden beslissingen per dag neemt, garandeert het chaos.
De opkomst van AI-agents maakte het probleem urgent. Agents die taken autonoom uitvoeren, kennen hoge faalpercentages door slechte coördinatie en gebrek aan afstemming tussen doelen. Context engineering pakt dit aan door dynamische contexten samen te stellen en te delen, door persistente contexten over meerdere interacties heen te beheren. Prompt engineering kan dit fundamenteel niet leveren [5].
Neem een concreet voorbeeld. Een klantenservice-agent die honderden vragen per dag beantwoordt, heeft niet genoeg met een goed geformuleerde systeemprompt. Hij heeft toegang nodig tot klantgeschiedenis, productdocumentatie, actuele voorraadstatus, eerdere interacties en escalatieprotocollen. Al die informatie moet dynamisch worden samengesteld en gepresenteerd op het moment dat ze relevant wordt. Dat is geen taalkundig probleem. Dat is een architectuurvraag.
Er speelt nog iets anders. Moderne modellen zijn gewoon slimmer geworden. In de tweede helft van 2025 werd duidelijk dat recente generaties niet meer afhankelijk zijn van slimme prompts, maar van context. De kunst van de woorden maakt plaats voor de architectuur van informatie.
De stille dood van een carrièrepad
Voor individuele professionals is de impact van deze verschuiving nauwelijks opgemerkt. De zelfstandige functietitel prompt engineer verdwijnt niet omdat bedrijven hun interesse in AI-vaardigheden hebben verloren. Het omgekeerde is waar. De vaardigheid wordt opgenomen in bredere rollen.
In 2026 zul je zelden een vacature zien met de titel prompt engineer. In plaats daarvan verschijnen functies als AI-developer, NLP-specialist, data scientist of conversational designer waarin prompt engineering-expertise als vereiste wordt genoemd. De vaardigheid is niet verdwenen. Ze is gedecentraliseerd, opgenomen in de verwachte gereedschapskist van elke professional die met AI werkt.
Dit patroon is historisch herkenbaar. Denk aan webdesign in de jaren negentig. Eerst was het een gespecialiseerde functie, later een basisvaardigheid die elke marketeer en communicatieprofessional moest beheersen. De belofte van een lucratieve niche loste op in een algemene verwachting.
De ironie is dat veel professionals vandaag nog steeds investeren in cursussen en certificaten voor prompt engineering. Ze bouwen expertise op in precies het domein dat op het punt staat een gemeengoed te worden. Het is alsof je in 2004 een carrière begint als typist, in de veronderstelling dat snelheid op een toetsenbord een schaarse vaardigheid zou blijven.
Wat context-architecten anders doen
De professionals die de verschuiving wél zien, scholen zich om in systeemdenken. Context engineering vereist een fundamenteel andere aanpak dan het verfijnen van prompts.
Een context-architect denkt na over welke informatie een model nodig heeft voordat het een vraag ontvangt. Ze ontwerpen retrievalsystemen die op het juiste moment relevante documenten ophalen. Ze beheren geheugenlagen die context tussen sessies bewaren. Ze integreren externe tools en gegevensbronnen in de informatiestroom die het model bereikt.
Dit vraagt om een andere manier van denken over AI-systemen. Prompt engineers optimaliseerden input. Context-architecten optimaliseren het volledige informatie-ecosysteem waarin een model opereert. Ze stellen vragen als: welke kennisbronnen moeten doorzoekbaar zijn? Hoe lang moet context bewaard blijven? Wanneer moet informatie worden vernieuwd? Hoe voorkom je dat irrelevante data het contextvenster vervuilen?
Waar prompt engineering vooral taalkundig was, is context engineering systeemarchitectuur. Het vereist begrip van hoe taalmodellen informatie verwerken, hoe contextvensters functioneren, hoe retrieval augmented generation werkt, hoe agentic workflows worden gecoördineerd.
Gartner adviseert organisaties nu om een context engineering lead of team aan te stellen en deze functie te integreren met AI-engineering- en operationele governance-teams [5]. Het is een erkenning dat dit niet langer een vaardigheid is die je erbij doet, maar een discipline die structurele aandacht verdient.
De contraire waarheid over AI-vaardigheden
Niet iedereen is ervan overtuigd dat context engineering echt iets nieuws is. In ontwikkelaarsforums klinkt scepsis over nóg een modewoord. Ervaren AI-engineers wijzen erop dat context altijd al belangrijk is geweest, en dat de principes achter context engineering al jarenlang worden toegepast door iedereen die serieus met taalmodellen werkt.
Die kritiek snijdt hout. Het label is nieuw, de praktijk niet. Maar het label doet er wel toe. Het markeert een verschuiving in hoe de sector denkt over AI-interactie. Het signaleert aan organisaties dat prompt engineering niet langer volstaat als volledige aanpak.
Meer nog: prompt engineering verdwijnt niet helemaal. In veel gevallen doet het nog 85 procent van het werk. De kunst is te weten wanneer dat genoeg is en wanneer je de volledige context-architectuur nodig hebt. Die afweging vraagt om meer kennis, niet minder.
Wat dit betekent voor de individuele professional is zowel ontnuchterend als hoopvol. Ontnuchterend omdat de vaardigheid waarin velen investeerden sneller in waarde daalt dan verwacht. Hoopvol omdat er een duidelijk pad voorwaarts is.
Niet de sterkste van de soort overleeft, en ook niet de meest intelligente. Het is degene die zich het beste kan aanpassen aan verandering.
Vijf verschuivingen die nu al beginnen
De overgang van prompt engineering naar context engineering manifesteert zich langs vijf assen, elk met een eigen strategie.
Ten eerste verschuift de focus van taalvaardigheid naar systeemontwerp. Wie vandaag alleen leert hoe je een prompt formuleert, mist de grotere puzzel van informatiestromen en tool-integratie.
Ten tweede verandert de scope van losse interacties naar workfloworkestratie. Context engineering denkt in ketens van acties, niet in losse vragen.
Ten derde verschuift de waarde van creativiteit naar architectuur. De slimme prompt was een trucje. De robuuste context-architectuur is een structuur.
Ten vierde verandert de arbeidsmarkt van een gespecialiseerde functie naar een geïntegreerde vereiste. Competenties op het gebied van context engineering worden verwacht, niet apart beloond.
Ten vijfde verschuift de leercurve van toegankelijk naar technisch. Prompt engineering kon iedereen leren. Context engineering vraagt om systeemdenken en een technische basis.
Wat je morgen anders kunt doen
De professionals die deze verschuiving overleven, zijn degenen die nu al beginnen te leren over retrieval augmented generation, over agentic architecturen, over de mechanismen van contextvensters en geheugenlagen. Ze stoppen niet met prompt engineering, maar plaatsen het in een breder kader.
Ze volgen niet de cursus die belooft dat de juiste woorden alles uit een AI kunnen halen. Ze bestuderen hoe informatie wordt gestructureerd voordat het een model bereikt. Ze experimenteren met tools zoals LangChain en LlamaIndex die context-orkestratie faciliteren. Ze denken over dataretrieval, over systeemintegratie, over de hele keten die bepaalt wat een AI weet op het moment dat het een antwoord genereert.
De verschuiving van prompt naar context engineering is geen hype. Het is een correctie, een erkenning dat de eerste golf aan AI-vaardigheden te oppervlakkig was gedefinieerd. Wie dit nu begrijpt en ernaar handelt, positioneert zich voor de tweede golf.
De toekomst is voor wie context beheerst
Tobi Lütke van Shopify had gelijk toen hij schreef dat de term context engineering de kernvaardigheid beter beschrijft. Het gaat niet om wat je vraagt. Het gaat om alles wat je aanlevert voordat je vraagt.
In een wereld waarin iedereen toegang heeft tot dezelfde taalmodellen, is het onderscheidende vermogen niet langer hoe slim je een prompt formuleert. Het onderscheidende vermogen is hoe volledig en relevant de context is die je orkestreert.
Prompt engineering was de kinderjaren van AI-interactie. Context engineering is volwassenheid. De vraag is niet of je deze overgang maakt, maar wanneer, want de automatisering van AI-workflows wacht niet tot iedereen is bijgetrokken.
Gerelateerde signalen
- AI-chatbots uitgelegd: wat ze zijn en hoe je ze kunt gebruiken - Legt de basis van chatbotinteractie uit, de voorloper van geavanceerde context engineering.
- Autonome AI-agents en de toekomst van digitaal werk - Verkent hoe agents, die sterk leunen op context engineering, de werkplek veranderen.
- Maakt AI je brein lui? - Bespreekt de cognitieve impact van vertrouwen op AI, relevant voor de verschuiving van prompten naar architecturaal denken.
Referenties
[1] Fortune. Prompt engineering was supposed to pay $200K. Now AI has made it obsolete. Fortune; 2025 May 7. Available at: https://fortune.com/2025/05/07/prompt-engineering-200k-six-figure-role-now-obsolete-thanks-to-ai/
[2] Salesforce Ben. Prompt Engineering Jobs Are Obsolete in 2025. Salesforce Ben; 2025. Available at: https://www.salesforceben.com/prompt-engineering-jobs-are-obsolete-in-2025-heres-why/
[3] Karpathy A. Context engineering is the delicate art and science of filling the context window. X/Twitter; 2025 June. Available at: https://x.com/karpathy/status/1937902205765607626
[4] Lütke T. I really like the term ‘context engineering’ over prompt engineering. X/Twitter; 2025 June. Available at: https://x.com/tobi/status/1935533422589399127
[5] Gartner. Context Engineering. Gartner; 2025 July 28. Available at: https://www.gartner.com/en/articles/context-engineering