Wat is RAG AI in gewone taal?
RAG staat voor retrieval-augmented generation, en dat klinkt ingewikkelder dan het is. Een taalmodel zoals dat van OpenAI of Anthropic weet veel over de wereld, maar niets over jouw bedrijf. RAG lost dat op in twee stappen. Eerst zoekt het systeem in jouw eigen documenten de passages op die bij de vraag horen; dat is het 'retrieval'-deel. Daarna krijgt het taalmodel alleen die passages te zien en formuleert het op basis daarvan een antwoord, met verwijzing naar de bron. Het model verzint dus niets uit zijn geheugen, het vat samen wat er in jouw handleiding, procedure of contract staat.
Het resultaat is een AI-kennisbank die vragen beantwoordt als 'wat is de opzegtermijn in het contract met deze leverancier', 'hoe reset ik de storing op machinetype X' of 'welke stappen doorloop ik bij een klacht over een levering', en daarbij de pagina toont waar het antwoord vandaan komt. Geen zoekresultaat met veertig pdf's, maar een antwoord plus bron die je in één klik controleert.
Waar is AI op eigen documenten nuttig?
Overal waar kennis vastligt in documenten die niemand meer helemaal leest. Voorbeelden uit onze praktijk:
- Een servicedienst met technische handleidingen van tientallen machinetypen, waar monteurs op locatie snel een storingsprocedure willen vinden.
- Een zorginstelling met protocollen en werkinstructies die regelmatig wijzigen, waar medewerkers zeker willen weten dat ze de actuele versie volgen.
- Een accountants- of administratiekantoor dat klantdossiers, afspraken en interne memo's per klant doorzoekbaar wil maken voor het eigen team.
- Een vastgoedbeheerder met huurcontracten en onderhoudsafspraken, die snel wil weten welke verplichtingen bij welk pand horen.
- Een productiebedrijf met kwaliteitsdocumentatie en auditrapporten, waar een auditvraag nu een halve dag zoeken kost.
- Een dienstverlener die nieuwe medewerkers wil laten inwerken met een assistent die het personeelshandboek en de systemen uitlegt.
Wil je dezelfde kennis ook aan klanten aanbieden, bijvoorbeeld op je website of via WhatsApp, dan is een AI-chatbot of assistent de logische uitbreiding op dezelfde kennisbasis.
Rechten, bronnen en de grenzen van een AI-kennisbank
Een kennisassistent is pas bruikbaar als hij betrouwbaar is, en betrouwbaarheid zit in drie dingen. Ten eerste de rechtenstructuur: als een document in SharePoint alleen zichtbaar is voor de directie, mag het antwoord daaruit ook alleen aan de directie getoond worden. We nemen de rechten uit je bronsysteem over en filteren daarop bij elke zoekopdracht, niet achteraf. Ten tweede bronvermelding: elk antwoord verwijst naar het document, de pagina of de alinea, zodat de gebruiker het kan nakijken. Ten derde het eerlijke 'geen antwoord gevonden': als de passages niet bij de vraag passen, zegt het systeem dat, in plaats van een plausibel klinkende gok te doen.
Dan de grenzen. RAG werkt goed voor vragen waarvan het antwoord in de documenten staat. Het werkt matig voor vragen die tellen, vergelijken of redeneren over tientallen documenten tegelijk ('hoeveel contracten lopen dit jaar af' is een databasevraag, geen kennisvraag). Het werkt slecht op documenten die verouderd, tegenstrijdig of ongestructureerd zijn; een kennisbank vol oude versies geeft oude antwoorden. Daarom besteden we in de eerste fase tijd aan het opschonen van bronnen en het bepalen welke documenten leidend zijn.
Wat bepaalt de investering?
Er is geen standaardprijs voor een kennisassistent, omdat elke organisatie andere bronnen, rechten en vragen heeft. Een assistent op één map met handleidingen is iets anders dan een assistent op SharePoint, je DMS en je ERP samen, met rechten per afdeling. Wat de investering bepaalt:
- De hoeveelheid en kwaliteit van je bronnen: aantal documenten, hoe actueel ze zijn en of er tegenstrijdige versies rondgaan.
- Het aantal bronsystemen en koppelingen: SharePoint, Google Drive, je DMS, en eventueel gestructureerde data uit ERP of CRM.
- De rechtenstructuur: moet de assistent per gebruiker of afdeling filteren op wie wat mag zien.
- De plek waar de assistent terechtkomt: Teams, Slack, intranet of je eigen applicatie.
- Het aantal gebruikers en vragen per maand, wat ook de gebruikskosten van model en hosting bepaalt.
- De beveiligingseisen: een API in een EU-regio of een volledig gesloten opstelling met een open-source model op eigen server.
Daarom beginnen we met een AI-scan of direct met een proef op een afgebakende documentset, gemeten op veertig echte testvragen. Op basis van die score krijg je een vaste prijs voor de bouw, en je beslist per fase of we doorgaan. Hoe we maatwerkprojecten in het algemeen begroten lees je in wat kost maatwerk software.
Hoe wij een kennisassistent bouwen
We starten met een proef op een afgebakende set documenten. Samen stellen we veertig echte vragen op waarvan jij het juiste antwoord kent, en na een tot twee weken meten we hoeveel daarvan correct, met de juiste bron, worden beantwoord. Onder de tachtig procent gaan we eerst aan de bronnen werken; daarboven maken we een vaste prijs voor de bouw.
De bouw zelf doen we in Python met LangChain of LlamaIndex, met een vectordatabase zoals pgvector of Qdrant voor het zoeken. Documenten worden in stukken geknipt, van betekenis voorzien (embeddings) en samen met hun rechten opgeslagen. De taalmodellaag is verwisselbaar: OpenAI, Anthropic, Azure OpenAI in een EU-regio of een open-source model zoals Mistral of Llama op een EU-server. De assistent zetten we waar mensen al werken: in Microsoft Teams, Slack, je intranet of medewerkersportaal of als scherm in je eigen applicatie. Bronnen worden automatisch opnieuw geïndexeerd als documenten wijzigen, zodat de assistent bij blijft. Alles wordt gelogd: welke vraag, welke passages, welk antwoord, zodat je de kwaliteit kunt volgen en bijsturen.
AI op eigen documenten in Tilburg, Brabant en heel Nederland
SuperCoders bouwt kennisassistenten vanuit Tilburg voor servicebedrijven, zorg, zakelijke dienstverleners en producenten in Brabant en heel Nederland. De proef doen we op afstand, de inventarisatie van bronnen en rechten het liefst samen met je eigen IT of applicatiebeheer. Benieuwd hoeveel vragen in jouw organisatie al beantwoord staan in documenten die niemand vindt? Bel 013 234 0782 of plan een gratis adviesgesprek. Binnen twee werkdagen heb je een prijsindicatie.