Wat is een RAG-kennisassistent precies?

RAG (Retrieval-Augmented Generation) haalt bij elke vraag eerst relevante fragmenten uit je eigen documenten of database op (via vector search), en laat het taalmodel daarna alleen op basis daarvan antwoorden. Dat voorkomt dat het model verzint (hallucineert) en maakt bronvermelding mogelijk.

Blijft mijn data privé bij een RAG-systeem?

Ja, mits het systeem zo is opgezet: de documenten en de vector-index blijven in eigen beheer (cloud met eigen tenant, of volledig on-premise met een open-source model), en alleen de opgehaalde fragmenten gaan naar het taalmodel — nooit de volledige documentenset ineens.

RAG-kennisassistent bouwen: chat met je eigen data

"Chat met je data" klinkt eenvoudig. Een RAG-systeem dat in productie betrouwbaar blijft vraagt alleen meer dan een taalmodel met een vector-database eronder: je chunking-strategie, de kwaliteit van je retrieval, bronvermelding, en een mens in de loop zodra de assistent verder gaat dan antwoorden geven.

Wat AI hier oplost

Doorzoekbare kennis. Documenten, handleidingen, tickets of productdata worden doorzoekbaar op betekenis, niet alleen op exacte zoektermen. Een medewerker vindt het juiste antwoord in seconden.

Bronvermelding. Elk antwoord wijst terug naar het brondocument. Zo kan iemand controleren wat er staat en hoeft hij het model niet blind te geloven.

Tool-aanroepen met goedkeuring. Een assistent die ook acties voorstelt, bijvoorbeeld een record bijwerken, doet dat met een expliciete goedkeuringsstap van een mens. Zo werkt het in het PIM-platform.

Waar dit misgaat

RAG-projecten stranden zelden op het taalmodel. Ze stranden op retrieval: verkeerde chunking, geen herranking, of een vector-index die niemand bijhoudt. Daarom staat er een open-source referentie-implementatie online met alleen de kern erin: chunking → embedding → vector search.

Bewijs uit productie

Het multi-tenant PIM-platform draait een ingebouwde RAG-assistent voor het productteam, met vector search en tool-aanroepen die een mens goedkeurt. Die case beschrijft de volledige architectuur.

Verwant

AI-implementatiepartner · Mailbox automatiseren · Microsoft Copilot implementatie · Kennisbank

Contact

[email protected] · WhatsApp/tel +31 6 29242783 · LinkedIn