Wat is een AI-assistent die antwoord geeft op basis van je eigen documenten?
Een AI-assistent op basis van eigen documenten gebruikt een techniek die RAG heet: Retrieval Augmented Generation. Het systeem zoekt eerst de relevante passages op in je eigen documentenset en gebruikt die als basis voor het antwoord. Zo krijg je antwoorden die gebaseerd zijn op jouw specifieke informatie, niet op algemene internetkennis.
Een AI-assistent op basis van je eigen documenten zoekt eerst de relevante informatie op in jouw kennisbank en formuleert daarna een antwoord, in plaats van te gokken vanuit algemene kennis.
Een AI-assistent die antwoord geeft op basis van je eigen documenten werkt fundamenteel anders dan ChatGPT: in plaats van te antwoorden vanuit algemene kennis, zoekt het systeem eerst de relevante informatie op in jouw eigen documentenset. Die aanpak heet RAG, wat staat voor Retrieval Augmented Generation. Het resultaat is een assistent die precies weet wat in jouw handleidingen, procedures of kennisbank staat, en daarvoor geen internetverbinding of publieke training nodig heeft.
Hoe RAG werkt in gewone taal
Stel je voor dat je een nieuwe medewerker vraagt: “Wat is onze retourprocedure?” Zonder context moet die het antwoord raden. Met toegang tot jullie intern handboek kan die de juiste pagina opzoeken en het antwoord formuleren. RAG werkt precies zo. Wanneer je een vraag stelt, zoekt het systeem in een database van jouw documenten naar de meest relevante passages. Die passages geeft het als context mee aan het taalmodel, dat vervolgens een antwoord formuleert. Het taalmodel verzint niets: het interpreteert en verwoordt alleen wat er in de gevonden passages staat.
Wat je kunt doen met een documentassistent
De meest voorkomende toepassingen zijn interne kennisbanken voor medewerkers, klantgerichte FAQ-systemen en technische documentatieassistenten. Een medewerker die een vraag heeft over een HR-procedure hoeft niet meer door een PDF te scrollen: hij typt de vraag en krijgt een antwoord met verwijzing naar de bron. Een klant die wil weten hoe een product werkt, stelt de vraag en krijgt een antwoord gebaseerd op jouw productdocumentatie, niet op een algemene beschrijving van het internet.
Bronverwijzingen als kwaliteitscheck
Een goed gebouwde documentassistent toont altijd waar het antwoord vandaan komt. Welk document, welke sectie, welke passage. Dat is geen luxe, dat is een noodzaak. Zonder bronverwijzing weet je niet of het antwoord klopt of dat het systeem een gat heeft ingevuld met een aanname. Met bronverwijzing kun je in drie seconden verifiëren of het antwoord accuraat is. Dat maakt het systeem bruikbaar in een professionele context, ook voor gevoelige informatie.
Wat er achter de schermen gebeurt met je documenten
Je documenten worden niet letterlijk opgeslagen in het geheugen van een AI-model. Ze worden omgezet naar wiskundige representaties die de betekenis van de tekst vastleggen. Die representaties staan in een vectordatabase, een speciale database die snel kan zoeken op betekenis in plaats van op exacte woorden. Vraag je iets over “annuleren van een bestelling”, dan vindt het systeem ook de passage over “retourneren” of “herroepingsrecht”, zelfs als die woorden niet exact in je vraag staan.
Wanneer is dit de juiste keuze?
Een AI-assistent op basis van eigen documenten is de juiste keuze als je medewerkers of klanten regelmatig dezelfde soort vragen stellen over specifieke interne informatie. Denk aan productvragen, procedurevragen, juridische of technische documentatie. Het lost het probleem op dat kennis ergens in documenten staat, maar moeilijk vindbaar is. Meer over hoe Stuurboard BI dit soort systemen bouwt, lees je op de dienstenpagina of in andere artikelen in de kennisbank.
Onze tip: De kwaliteit van de output hangt direct af van de kwaliteit van je documenten. Zorg dat de documenten die je inlaadt actueel, volledig en goed gestructureerd zijn voordat je begint. Rommelige of verouderde documentatie levert rommelige antwoorden op.
Veelgestelde vragen
Wat is RAG en hoe werkt het precies?
RAG staat voor Retrieval Augmented Generation. Wanneer je een vraag stelt, zoekt het systeem eerst in een vectordatabase naar de meest relevante passages uit jouw documenten. Die passages geeft het mee als context aan het taalmodel, dat vervolgens een antwoord formuleert op basis van die specifieke informatie. Het taalmodel verzint dus niets, maar interpreteert en formuleert de gevonden informatie.
Welke documenten kan ik uploaden naar zo'n AI-assistent?
Dat hangt af van de implementatie, maar gangbare formaten zijn PDF, Word, Excel, PowerPoint en platte tekst. Ook webpagina's, interne wiki-pagina's of e-mails kunnen verwerkt worden. De documenten worden opgeslagen in een vectordatabase die snel doorzoekbaar is. Hoe beter de kwaliteit en structuur van de documenten, hoe beter de antwoorden.
Hoe zeker weet ik dat het antwoord klopt?
Een goed ingericht systeem toont altijd de bronnen: welke passage uit welk document het antwoord op baseert. Zo kun je zelf verifiëren of het klopt. Het systeem kan ook aangeven als het geen relevant document heeft gevonden, in plaats van een antwoord te verzinnen. Die transparantie is cruciaal voor gebruik in een professionele omgeving.
Wat is het verschil met een gewone zoekopdracht in mijn documenten?
Een zoekopdracht geeft je een lijst documenten die het zoekwoord bevatten. Een AI-assistent geeft je een direct antwoord in gewone taal, samengesteld uit meerdere relevante passages. Je hoeft dus niet zelf de documenten te openen en te lezen, het systeem doet de vertaalslag van zoekresultaat naar bruikbaar antwoord.