Rôle & périmètre
J'ai piloté le projet de la phase de découverte jusqu'à une architecture prête pour la production. L'accent a été mis sur la connexion des catalogues produits, du CRM et du moteur de tarification afin que le chatbot fournisse des réponses riches en contexte et décharge les équipes commerciales.
- Ateliers de découverte pour clarifier les cas d'usage, les structures de données et les risques.
- Pipeline RAG avec chunking, enrichissement et classement basés sur des données produits à jour.
- Azure OpenAI avec garde-fous, harnais d'évaluation et observabilité pour garantir la qualité.
- RBAC et piste d'audit pour que les équipes commerciales et juridiques collaborent en conformité.
Impact
- Délai de traitement des devis réduit de jours à heures grâce au résumé automatique et au routage des tâches.
- Taux de conversion plus élevé grâce à un suivi cohérent et à la proposition d'alternatives de cross-sell et d'upsell.
- Le tableau de bord de monitoring offre une visibilité en temps réel sur la qualité, l'usage et les optimisations futures.
Architectuur
De architectuur draait op Azure OpenAI (GPT-4o), geïntegreerd achter Azure API Management en binnen dezelfde Azure-tenant als de klant — er verlaat dus geen data de bestaande Microsoft-omgeving. Retrieval loopt via Azure AI Search, met een hybride aanpak die vector- en keywordsearch combineert over de productcatalogus. Chunking gebeurt per productkaart in plaats van in vaste tokenblokken, wat nauwkeuriger ophalen van prijs- en configuratieregels oplevert. Een nachtelijke synchronisatiepijplijn vanuit CRM/PIM naar de index zorgt ervoor dat prijzen en productinformatie nooit ouder zijn dan 24 uur. Toegang loopt via rollen in Entra ID-groepen: verkoop ziet alleen eigen accounts, en of offertes automatisch verstuurd mogen worden hangt af van de rol.
Modelkeuze
GPT-4o via Azure OpenAI bleek voordeliger dan een zelf gehost open-source model. Bij dit volume wogen de kosten van eigen GPU's niet op tegen de per-token prijsstelling, en function calling voor gestructureerde prijsvoorstellen werkte betrouwbaarder dan bij de destijds beschikbare open-source alternatieven. Prijsberekening zelf loopt niet via het model, maar via een deterministische lookup — het model stelt voor, rekent niet.
Kosten & latency
- Modelkosten: indicatief €0,03–0,05 per offerteaanvraag, bij ± 600 aanvragen/maand grofweg €20–30/maand aan tokenkosten.
- Azure AI Search draait op de kleinste Standard-tier die hybride search ondersteunt.
- Latency: eerste token doorgaans binnen 900ms (streaming), volledige respons inclusief retrieval p95 rond 2,8s.
Lessons learned
De eerste versie chunkte op vaste tokenblokken van 500 — dat gaf matige precisie, omdat prijsregels en productvarianten soms over de randen van die blokken heen versnipperd raakten. Overschakelen naar semantische chunking per productkaart loste dat op. Daarnaast bleek het model zonder guardrails af en toe prijzen te "verzinnen" bij onvolledige input; opgelost door de prijsbepaling volledig buiten het model te leggen (deterministische lookup, het model doet alleen een voorstel).
Concept — cijfers ter illustratie, nog te verifiëren tegen het daadwerkelijke project vóór publicatie.