"Onze chatbot weet niks over ons bedrijf" is de meestgehoorde klacht na een eerste AI-experiment. Dat is logisch: een taalmodel is getraind op publieke tekst van het internet, en daar staan jouw prijslijst, leveringsvoorwaarden en werkwijze niet in. De oplossing is niet een slimmer model, maar een andere inrichting.
Waarom kent een standaard chatbot jouw bedrijf niet?
Een taalmodel heeft geleerd van tekst die tot een bepaald moment publiek beschikbaar was. Alles daarbuiten bestaat voor het model niet: jouw interne documenten, jouw actuele tarieven, de afspraken met een specifieke klant.
Vraag je er toch naar, dan gebeurt het ongewenste: het model vult de leegte met iets plausibels. Dat is geen storing maar de normale werking van de techniek, uitgelegd in waarom verzint AI dingen.
Er zijn drie manieren om een model jouw kennis te geven, en ze worden vaak door elkaar gehaald:
| Aanpak | Hoe het werkt | Wanneer zinvol |
|---|---|---|
| Alles in de prompt | Je plakt je documenten bij elke vraag mee | Weinig tekst, één onderwerp |
| RAG | Systeem zoekt eerst de juiste passage, geeft die mee | Vrijwel altijd de juiste keuze |
| Fine-tuning | Model wordt bijgetraind op jouw data | Zelden; voor stijl, niet voor feiten |
Wat is RAG, in gewone taal?
RAG staat voor retrieval-augmented generation: ophalen, aanvullen, genereren. Het werkt als een medewerker die eerst het juiste document uit de kast pakt en dan antwoordt.
Een vraag doorloopt vier stappen:
- De vraag komt binnen. "Hoeveel garantie zit er op een nieuwe installatie?"
- Het systeem zoekt. Niet op exacte woorden, maar op betekenis. Het vindt de passage uit je voorwaarden over garantie, ook als daar "waarborgtermijn" staat.
- De passage gaat mee als context. Het model krijgt de vraag én de gevonden tekst, met de instructie: antwoord alleen op basis hiervan.
- Het model formuleert. Een leesbaar antwoord, met de bron erbij.
Het resultaat: het model fungeert als taalvaardige voorkant op jouw eigen documenten. Het hoeft niets te onthouden, alleen te lezen. Pas je je prijslijst aan, dan is het antwoord morgen anders — zonder dat er iets opnieuw getraind hoeft te worden.
Hoe richt je dit in?
Stap 1: bepaal welke kennis erin moet
Begin smal. Niet "alles wat we hebben", maar de documenten die de vragen beantwoorden die daadwerkelijk gesteld worden. In de praktijk is dat een korte lijst:
- leveringsvoorwaarden en garantiebepalingen
- prijslijst of tariefstructuur
- productspecificaties
- veelgestelde vragen met de antwoorden die je nu al geeft
- werkwijze, levertijden, servicegebied
Pak je laatste honderd klantvragen erbij. Daar staat precies in wat nodig is.
Stap 2: zorg dat de bron schoon en actueel is
Dit bepaalt de kwaliteit meer dan de techniek. Twee regels:
- Eén waarheid per onderwerp. Staan er drie versies van je voorwaarden in de map, dan geeft het systeem willekeurig een van de drie. Ruim op voordat je begint.
- Één eigenaar per document. Iemand moet verantwoordelijk zijn voor het actueel houden. Een verouderde prijslijst in je chatbot is erger dan geen chatbot.
Stap 3: knip de documenten op
Een systeem zoekt niet in hele documenten maar in stukken van een paar alinea's. Hoe je knipt, bepaalt wat er gevonden wordt. Knip op logische grenzen — per artikel, per kopje — zodat een stuk op zichzelf begrijpelijk is. Een stuk dat midden in een zin begint, levert half antwoorden.
Stap 4: geef het systeem zijn grenzen mee
De instructie bepaalt het verschil tussen bruikbaar en gevaarlijk:
- Antwoord uitsluitend op basis van de meegegeven passages.
- Staat het antwoord er niet in? Zeg dat, en verwijs naar een medewerker.
- Noem bij elk antwoord uit welk document het komt.
- Geef geen juridisch bindende uitspraken en geen prijzen buiten de prijslijst.
Stap 5: test op echte vragen
Neem vijftig echte klantvragen en loop ze langs. Beoordeel elk antwoord: correct, onvolledig, of fout. Onder de 85% correct hoort het systeem nog niet naar klanten toe. Let specifiek op vragen waar het antwoord niet in je documenten staat — geeft het systeem dan netjes toe dat het het niet weet, of verzint het iets?
Waar loopt het in de praktijk op vast?
Rommelige bronnen. Het grootste struikelblok is bijna nooit de techniek maar de staat van de documenten: oude versies, tegenstrijdige teksten, kennis die alleen in iemands hoofd zit. Reken erop dat het opruimen meer tijd kost dan het bouwen.
Scans en plaatjes. Een ingescande PDF is voor een computer een foto. Zonder tekstherkenning valt die kennis buiten het systeem. Check dit vooraf: kun je tekst selecteren in het bestand?
Vragen over meerdere documenten. "Wat is het verschil tussen pakket A en pakket B?" vereist twee passages tegelijk. Dat kan, maar moet je bewust inrichten.
Verouderde informatie. Als je bron maandelijks verandert maar je index halfjaarlijks wordt verversd, geef je klanten verkeerde informatie met gezaghebbende zekerheid. Regel de verversing automatisch, of koppel direct aan het systeem waar de data leeft — zie software integraties.
Persoonsgegevens die meeliften. Zodra klantdossiers in je index zitten, verwerk je persoonsgegevens. Dan gelden regels over grondslag, bewaartermijn en toegang. Lees mag je klantgegevens in ChatGPT zetten en de uitleg van de Autoriteit Persoonsgegevens.
Wat kost het?
Drie kostenposten, die je los moet bekijken:
| Post | Orde van grootte | Waar het van afhangt |
|---|---|---|
| Inrichten | eenmalig | Vooral hoeveel opruimwerk je bronnen nodig hebben |
| Verbruik per vraag | enkele centen | Lengte van vraag en context |
| Onderhoud | maandelijks | Hoe vaak je bronnen wijzigen |
De post die mensen onderschatten is de laatste. Een chatbot met bedrijfsdata is geen project dat af is; het is een systeem dat actueel gehouden moet worden. Reken op een vast moment per maand om bronnen bij te werken en de gestelde vragen door te lezen. Meer over kostenopbouw in wat kost AI inzetten.
Intern of voor klanten?
Begin intern. Dezelfde inrichting, maar met een cruciaal verschil in risico:
- Intern herkent je medewerker een fout antwoord meteen en corrigeert hij hem. Je leert de zwakke plekken kennen zonder reputatieschade.
- Extern gaat een fout antwoord rechtstreeks naar een klant, en kan het een belofte worden waar je aan gehouden wordt.
Werkt het intern een maand goed en ligt het percentage juiste antwoorden stabiel hoog, dan kun je nadenken over klantgebruik. Waar je dan op moet letten, staat in AI-chatbot op je website.
Veelgestelde vragen
Veelgestelde vragen over chatbot met eigen bedrijfsdata
Wat is het verschil tussen RAG en fine-tuning?
RAG zoekt bij elke vraag de juiste informatie op en geeft die mee als context — het model leest dus actuele bronnen. Fine-tuning past het model zelf aan op basis van voorbeelden, wat vooral stijl en formaat beïnvloedt. Voor bedrijfsfeiten wil je RAG: het is goedkoper, direct bij te werken en de antwoorden zijn naar een bron te herleiden. Fine-tuning gebruik je alleen als je output consequent een bepaalde vorm moet hebben.
Hoeveel documenten heb ik minimaal nodig?
Minder dan je denkt. Tien tot twintig goede documenten die de meestgestelde vragen dekken, werken beter dan vijfhonderd documenten waarvan de helft verouderd is. Kwaliteit en eenduidigheid wegen zwaarder dan volume: elk tegenstrijdig document verlaagt de betrouwbaarheid van het geheel.
Blijft mijn bedrijfsdata privé bij een RAG-chatbot?
Dat hangt af van de leverancier, niet van de techniek. Bij een zakelijke dienst met verwerkersovereenkomst waarbij training op jouw invoer is uitgesloten, blijft je data van jou en wordt hij alleen gebruikt om jouw vraag te beantwoorden. Bij een gratis consumentenversie heb je die garantie niet. Leg vast welke leverancier je gebruikt en onder welke voorwaarden, zoals beschreven in AI-beleid opstellen.
Moet mijn data het land uit?
Niet noodzakelijk. De grote aanbieders bieden regio-opties waarmee verwerking binnen de EU blijft, en er zijn modellen die je op Europese infrastructuur of op eigen hardware kunt draaien. Dat laatste kost meer en levert doorgaans iets minder kwaliteit, dus het is een afweging: hoe gevoelig is de data werkelijk?
Hoe vaak moet ik de kennisbron bijwerken?
Zo vaak als de onderliggende informatie verandert. Prijzen die per kwartaal wijzigen: per kwartaal. Voorraad of levertijden die dagelijks veranderen: automatisch koppelen in plaats van handmatig bijwerken. De vuistregel: als je niet kunt uitleggen hoe de informatie actueel blijft, hoort hij niet in de chatbot.
Kan ik dit zelf bouwen of heb ik hulp nodig?
Voor een interne proef kun je ver komen met bestaande tools waarin je documenten uploadt en een eigen assistent inricht — dat kost een dag en geeft je een eerlijk beeld. Zodra het aan je eigen systemen moet hangen, met persoonsgegevens werkt of naar klanten gaat, wil je iemand die de koppelingen, de controles en de bewaartermijnen goed inregelt.
