Concreet betekent dit dat informatie wordt opgeslagen in eenvoudige, open formaten zoals Markdown (voor tekst) en YAML (voor gestructureerde metadata). Deze bestanden zijn overzichtelijk gestructureerd en daardoor goed leesbaar en verwerkbaar voor zowel mensen als AI, in tegenstelling tot complexere bestandsformaten zoals Word of PDF. Ze zijn bovendien zonder speciale software te openen en kunnen via links met elkaar worden verbonden. Tools zoals Obsidian maken dit zichtbaar als een netwerk van notities, terwijl AI-tools zoals Claude of ChatGPT deze context kunnen gebruiken om beter te helpen bij schrijven, analyseren en plannen.

Het verschil met traditionele systemen is dat je niet meer zelf alle verbanden hoeft te reconstrueren. Doordat informatie vanaf het begin wordt gekoppeld, bijvoorbeeld een persoon die verbonden is aan een project, een datum en een gebeurtenis, kan een AI of zoeklaag deze relaties veel makkelijker benutten en sneller verbanden leggen. Dit maakt informatie bruikbaarder en vermindert herhaling.

Op deze manier kun je relatief eenvoudig een persoonlijk operating system (Mijn-OS) opzetten. Je werkt met een mapstructuur met een paar kernbestanden, zoals een profiel (wie ben ik), een werkwijze (hoe werk ik), een doelenbestand en projectmappen. Dagelijks maak je korte notities in Markdown, bijvoorbeeld over wat je hebt gedaan of geleerd, en daarin leg je links naar projecten, mensen of ideeën. Na verloop van tijd ontstaat zo een persoonlijk kennisnetwerk. Wanneer je vervolgens een AI zoals Claude of ChatGPT gebruikt, kan die, mits je deze informatie als context meegeeft, dit netwerk benutten. Daardoor hoef je minder uit te leggen en krijg je relevantere output, omdat de AI werkt met jouw eigen informatiebasis in plaats van alleen algemene kennis. Erwin legt dit in vijf korte Handpicked AI-nieuwsbrieven eenvoudig en duidelijk uit.

Martijn laat met het gedachte-experiment PolitieOS zien hoe dit principe op organisatieniveau zou kunnen werken. In plaats van honderden losse systemen werken medewerkers met één gedeelde structuur van bestanden. Agenten leggen gebeurtenissen vast in korte, gestandaardiseerde notities, bijvoorbeeld wie, waar, wanneer en wat, ondersteund door YAML-metadata. Personen, locaties en zaken bestaan één keer als entiteit en worden via links overal hergebruikt. Hierdoor ontstaat een gedeeld netwerk van informatie waarin verbanden automatisch zichtbaar worden, bijvoorbeeld tussen zaken of personen die eerder los van elkaar stonden. Volgens het gedachte-experiment dekt dit model een groot deel van de informatievoorziening, maar niet alle operationele systemen.

Belangrijk is dat de technologie, zoals Markdown en YAML, zelf niet nieuw is, maar dat de echte verandering zit in de manier van denken: van documenten naar gebeurtenissen, van mappen naar relaties en van losse systemen naar een gedeeld geheugen. De belangrijkste conclusie is dat AI pas echt waardevol wordt als de onderliggende informatie goed georganiseerd is. Zonder structuur blijft AI generiek; met een verbonden kennisbasis wordt het een gerichte assistent. Tegelijk vraagt dit om discipline in het vastleggen van informatie en om duidelijke afspraken over toegang, privacy en verantwoordelijkheid. Ook zijn sommige claims, zoals grote kostenbesparingen, nog aannames die in de praktijk getest moeten worden.

De kern van deze ontwikkeling zit dus niet in AI zelf, maar in hoe informatie wordt gestructureerd zodat AI er effectief mee kan werken. Het lijkt er dan ook op dat werk de komende jaren zal verschuiven: minder tijd naar zoeken en structureren en meer naar interpreteren en beslissen.

Ik zou zeggen: duik eens in de blogs van Martijn Aslander of abonneer je op de nieuwsbrief van Erwin Blom en laat je inspireren. Ik ben in ieder geval begonnen met het bouwen van mijn eigen MarcOS.