RunningTab: hoe een omgevingsgeheugen AI-agents scherper maakt

TL;DR

• Wat: Onderzoekers introduceren RunningTab, een methode waarbij de werkomgeving bijhoudt wat een AI-agent heeft gelezen en wat er nog mist — zodat informatie niet meer stilletjes wegvalt.
• Waarom relevant: Als je AI inzet voor rapporten, budgetcontroles of het doorploegen van documenten, wil je erop kunnen vertrouwen dat het eindresultaat compleet is.
• Wat je ermee kunt: Besef dat "de agent heeft het gedaan" niet automatisch "alles staat erin" betekent — en houd dit soort ontwikkelingen in de gaten als je AI-tools evalueert.

Ik stuitte op een paper die me aan het denken zette. Onderzoekers rond Jinheon Baek publiceerden op 7 oktober 2026 het paper RunningTab: Direct Workspace Interaction with Environment-Side Tabs. De kern: AI-agents die door stapels bestanden werken, verliezen onderweg informatie — en er is een manier om dat structureel op te lossen. Dat vind ik relevant voor iedereen die overweegt om AI in te zetten voor kenniswerk.

Het probleem: agents die vergeten wat ze gelezen hebben

Stel dat je als ondernemer een AI-agent loslaat op een map met inkooporders, beleidsnotities of jaarverslagen. De agent doorzoekt bestand na bestand, leest, noteert, en levert uiteindelijk een rapport of samenvatting op. Klinkt efficiënt.

Maar hier zit een venijnig probleem. Na tientallen stappen — bestanden openen, lezen, weer doorgaan — glipt informatie weg. De agent heeft iets gezien, maar het komt niet terug in het eindresultaat. Volgens de onderzoekers ontbreekt bij een standaard aanpak zo'n 19,8% van de verwachte numerieke waarden in het uiteindelijke werkstuk. Bijna een vijfde van de cijfers die de agent wél heeft gelezen, maar niet opschrijft.

Waarom? Omdat er niets is dat bijhoudt: wat moet de taak opleveren, wat is er al gelezen, en welke bestanden zijn wel gevonden maar nooit geopend? Dat klinkt als een administratief probleem — en dat is het eigenlijk ook.

Wat RunningTab doet

De oplossing die de onderzoekers voorstellen heet RunningTab. Het idee: niet het AI-model zelf laten onthouden wat het nog moet doen, maar de omgeving — het systeem eromheen — daar verantwoordelijk voor maken.

Concreet werkt het zo:

Een lopende rekening voor de taak

De agent voegt taakvereisten toe aan een soort bonnetje — de "tab". Elke keer dat de agent een bestand leest, logt de omgeving automatisch een uittreksel met de herkomst. Bestanden die wel in een zoekresultaat verschenen maar niet geopend zijn, worden apart bijgehouden als kandidaten.

Actieve controle bij afronden

Bij elke vereiste ziet de agent de best passende uittreksels én de belangrijkste ongeopende kandidaten. Wil de agent de taak afsluiten terwijl er nog open vereisten zijn? Dan geeft de omgeving die terug — een soort "weet je zeker dat je niets vergeet?"-check.

Ik vind het een elegante aanpak. Je legt de verantwoordelijkheid voor het geheugen niet bij het taalmodel — dat toch al moeite heeft met lange sessies — maar bij het systeem daaromheen. Vergelijk het met een ober die een bonnetje bijhoudt: de klant hoeft niet alles te onthouden, het bonnetje doet dat.

De resultaten: consistent beter

De onderzoekers testten RunningTab op drie benchmarks met drie verschillende taalmodellen (GPT-5.4 nano, DeepSeek V4 Flash en Gemini 3.8 Flash). De taken varieerden van het schrijven van bedrijfsrapporten en het controleren van budgetten tot het opdiepen van cijfers uit een eeuw aan overheidsarchieven.

Een paar resultaten die mij opvielen:

• Bij Gemini 3.8 Flash op de Workspace-Bench steeg de pass rate van 31,42% (zonder tab) naar 46,91% (met RunningTab). Dat is een sprong van bijna 50% relatief.
• Op de OfficeQA Pro-benchmark — vragen beantwoorden op basis van archieven van het Amerikaanse Treasury Bulletin — ging de nauwkeurigheid bij datzelfde model van 43,08% naar 55,77%.
• De tab vangt het probleem bij de bron: 94,8% van de waarden die anders zouden wegvallen, staan wél in de tab geregistreerd.

Wat mij hier opvalt: de verbetering is het grootst bij taken waar de agent het meest moet lezen. Bij het zwaarste derde van de taken is de winst ongeveer twee keer zo groot als bij het lichtste derde. Hoe meer bestanden, hoe meer de tab helpt.

Een concreet voorbeeld uit het paper: bij een taak met tien inkooporders liet de standaard agent een rij weg — nota bene die met het grootste bedrag (¥55.000). Met RunningTab bleef die rij staan.

Wat betekent dit voor een ondernemer?

Je hoeft RunningTab niet zelf te installeren — het is een onderzoekspaper, geen product. Maar de les erachter is wel direct toepasbaar.

Als je AI-agents inzet voor kenniswerk — denk aan het samenvatten van contracten, het doorlopen van financiële overzichten, het samenstellen van offertes op basis van eerdere projecten — dan is de vraag niet alleen "kan de AI dit?" maar ook "mist de AI iets?"

De onderzoekers laten zien dat bijna een vijfde van de relevante cijfers kan wegvallen zonder dat je het merkt. Bij een budgetcontrole of een compliance-rapport is dat geen klein probleem.

Wat ik hieruit meeneem:

• Controleer het eindresultaat. Zeker bij taken die veel bronbestanden raken, is de kans op ontbrekende informatie reëel.
• Let op hoe tools omgaan met geheugen. Als je AI-tooling evalueert, vraag dan: houdt het systeem bij wat de taak nog moet opleveren, of vertrouwt het volledig op het model zelf?
• Hoe meer bestanden, hoe groter het risico. Eenvoudige taken met twee of drie bestanden zijn minder kwetsbaar dan een agent die door tientallen documenten ploegt.

Een bonnetje voor de AI

Ik denk dat dit soort onderzoek een richting laat zien die we vaker gaan tegenkomen. De modellen worden beter, maar het echte verschil zit steeds vaker in wat er omheen gebouwd wordt. Niet het brein van de agent verbeteren, maar de werkomgeving slimmer maken.

Voor mij is dit vooral een signaal dat de betrouwbaarheid van AI-agents niet alleen afhangt van het model, maar van hoe goed de omgeving controleert of het werk compleet is. Dat klinkt minder spectaculair dan een nieuw model — maar voor wie er daadwerkelijk mee werkt, is het misschien wel belangrijker.