Wat is een knowledge cutoff?
Een knowledge cutoff is de datum waarop de trainingsdata van een AI-model eindigt. Over gebeurtenissen, producten of veranderingen na die datum heeft het model niets geleerd. Zonder zoekfunctie antwoordt het dus alsof de tijd daar is blijven stilstaan.
Elk large language model heeft er één, en de meeste aanbieders vermelden de datum in hun documentatie. Omdat trainen en testen tijd kost, komt een model meestal pas maanden na de cutoff uit, en het kan daarna nog lang in gebruik blijven. Ook kennis vlak voor de cutoff is vaak mager: toen de trainingsdata werd verzameld, was er nog weinig over recente gebeurtenissen geschreven.
Veel AI-assistenten omzeilen de cutoff door op het web te zoeken. Met retrieval-augmented generation halen ze eerst actuele pagina's op. Maar niet elke vraag leidt tot een zoekopdracht, en sommige modellen en apps antwoorden standaard uit hun geheugen.
Waarom de knowledge cutoff belangrijk is voor jouw merk
Alles wat na de cutoff is veranderd, is onzichtbaar voor het geheugen van het model: een rebranding, een nieuwe productlijn, nieuwe prijzen, een overname of een nieuwe markt. Antwoordt een AI-assistent uit zijn geheugen, dan beschrijft hij misschien een oudere versie van je bedrijf, of kent hij je helemaal niet als je pas net bent gestart.
Op termijn werkt de cutoff ook in je voordeel. Elke nieuwe modelgeneratie wordt getraind op nieuwere data, dus de content en aandacht die je nu opbouwt, kunnen bepalen hoe toekomstige modellen je merk zien. Daarom is content freshness zo belangrijk: actuele pagina's met een duidelijke datum voeden zowel de zoekantwoorden van vandaag als de trainingsdata van morgen.
Zo ga je om met knowledge cutoffs
Test met en zonder zoekfunctie. Vraag naar je merk bij AI-assistenten die op het web zoeken en bij modellen die uit hun geheugen antwoorden, en vergelijk de antwoorden.
Communiceer veranderingen helder. Publiceer na een rebranding, lancering of prijswijziging een pagina met datum die de verandering in gewone woorden uitlegt, bijvoorbeeld met "voorheen bekend als".
Werk ook de rest van het web bij. Actualiseer profielen, bedrijvengidsen, reviewsites en partnerpagina's, zodat retrieval overal dezelfde, actuele feiten vindt.
Houd pagina's crawlbaar. AI-assistenten kunnen verouderde kennis via zoeken alleen corrigeren als AI-crawlers je actuele pagina's kunnen lezen.
Check opnieuw na een nieuwe modelrelease. Een nieuw model kan de beschrijving van je merk van de ene op de andere dag veranderen.
Trackbase voert je prompts dagelijks uit bij 11 AI-modellen, zodat je ziet wanneer antwoorden veranderen. Lees ook hoe je veranderingen in AI-antwoorden in de loop van de tijd volgt.
Voorbeelden van knowledge cutoff in de praktijk
Een B2B-softwareleverancier voor salarisadministratie kreeg vorig jaar een nieuwe naam, maar een AI-assistent die uit zijn geheugen antwoordt, gebruikt nog de oude naam en noemt pakketten die niet meer bestaan.
Een Nederlandse fietsenwebshop verkoopt sinds kort elektrische bakfietsen, maar een model met een eerdere cutoff beschrijft hem als winkel met alleen stadsfietsen.
Een marketingbureau dat na de cutoff van een model is opgericht, ontbreekt volledig in de antwoorden, tot de AI-assistent op het web zoekt en de site van het bureau vindt.
Een AI-assistent noemt de abonnementsprijs van vorig jaar voor een maaltijdboxbedrijf, omdat de prijswijziging na de cutoff plaatsvond.
Veelgestelde vragen
Wat is de knowledge cutoff van ChatGPT?
Dat hangt af van de modelversie en verandert bij elke nieuwe release. OpenAI vermeldt de knowledge cutoff per model in zijn documentatie. Houd er rekening mee dat ChatGPT op het web kan zoeken en dus ook vragen over recente gebeurtenissen kan beantwoorden. Test voor je merk daarom de prompts die ertoe doen, in plaats van te vertrouwen op één datum.
Kan ik een nieuw product in een AI-model krijgen vóór de volgende training?
Niet in het geheugen van het model, maar je kunt het wel vindbaar maken voor AI-assistenten die op het web zoeken. Publiceer een duidelijke, crawlbare pagina over het product, zorg dat die geïndexeerd wordt en verdien aandacht op bronnen als reviews en vakmedia. AI-assistenten die zoeken, kunnen het product dan ophalen en noemen, en toekomstige modellen kunnen er via dezelfde bronnen over leren.
Waarom geeft AI andere antwoorden over mijn merk met en zonder zoekfunctie?
Zonder zoekfunctie leunt het model op trainingsdata die stopt bij de knowledge cutoff, dus het herhaalt misschien verouderde of onvolledige feiten. Met zoekfunctie leest het actuele pagina's en baseert het zijn antwoord daarop. Een groot verschil tussen beide is een teken dat oudere informatie over je merk nog de overhand heeft in wat het model heeft geleerd.