Geschatte leestijd: 6 minuten

Kernpunten:

  • Van de vier onderdelen van een AI-harness (context, tools, orkestratie, feedback) levert de contextlaag het snelst zichtbaar resultaat op.
  • Een AI-kennisassistent is die contextlaag in zijn eenvoudigste bruikbare vorm: een assistent die vragen beantwoordt op basis van je eigen documenten, afspraken en processen.
  • De kwaliteit staat of valt met de bron, niet met het model. Verouderde of tegenstrijdige documenten geven een assistent die zelfverzekerd het verkeerde antwoord geeft.
  • Begin met één afgebakend kennisdomein en één gebruikersgroep, en regel vanaf dag één wie welke informatie mag zien.
  • Alles wat je voor de kennisassistent opbouwt (structuur, rechten, actualiteit) is herbruikbaar voor elke volgende AI-toepassing. Je bouwt geen losse tool, je legt de eerste laag van je harness.

Inhoudsopgave

  1. Waarom context de logische eerste stap is
  2. Wat een AI-kennisassistent is (en wat niet)
  3. De bron bepaalt de kwaliteit
  4. Zo pak je het aan
  5. Wat dit met de rest van je harness te maken heeft
  6. Hoe wij hierin kunnen helpen
  7. Veelgestelde vragen
  8. Bronnen

Waarom context de logische eerste stap is

In het overzichtsartikel over de AI-harness beschrijven we de vier onderdelen van elk serieus AI-systeem: context, tools, orkestratie en feedback. Wie net begint, hoeft ze niet alle vier tegelijk op te bouwen. Er is een volgorde die in de praktijk vrijwel altijd klopt, en die begint bij context.

De reden is eenvoudig. Tools, orkestratie en feedback hebben pas zin als het model iets van je organisatie weet. Een agent die offertes mag aanmaken maar je prijsafspraken niet kent, produceert onzin met een handtekening eronder. Andersom werkt het wel: een model dat je documentatie, afspraken en processen kan raadplegen is direct nuttig, ook zonder dat het al iets mag dóén.

Die contextlaag in zijn eenvoudigste bruikbare vorm heeft een naam: de AI-kennisassistent.

Wat een AI-kennisassistent is (en wat niet)

Een AI-kennisassistent is een assistent die vragen beantwoordt op basis van jouw eigen bronnen: handboeken, contracten, procesbeschrijvingen, projectdocumentatie, eerdere offertes, notulen. Een medewerker vraagt "wat is onze opzegtermijn bij leverancier X" of "hoe handelen we een retour af boven de 500 euro" en krijgt het antwoord uit de eigen documentatie, met verwijzing naar de bron.

Het verschil met een gewone ChatGPT-sessie zit in dat laatste. Een kaal taalmodel weet alles over de Franse Revolutie en niets over jouw retourbeleid. Een kennisassistent haalt per vraag de relevante stukken uit je eigen bronnen op en formuleert daarmee het antwoord. Geen training op je data, geen model dat je bedrijfskennis "onthoudt": ophalen, lezen, antwoorden, bron erbij.

Wat een kennisassistent niet is: een archiefkast met een chatvenster ervoor. Als je er alleen een berg ongesorteerde documenten in stort, krijg je een assistent die net zo verward is als de mappenstructuur waar hij op draait. Daarmee zijn we bij het echte werk.

De bron bepaalt de kwaliteit

Bij het inrichten van kennisassistenten zien we steeds hetzelfde patroon: de techniek is in dagen geregeld, de bron kost weken. Drie problemen komen bij vrijwel elke organisatie terug.

Verouderde informatie. Het handboek zegt A, de werkinstructie van vorig jaar zegt B, en de e-mail waarin het echte besluit staat zit in iemands inbox. Een mens weet welke versie telt; een assistent niet. Voor je een assistent op je documentatie zet, moet iemand de vraag beantwoorden: wat is hier de waarheid, en waar staat die?

Impliciete kennis. Veel van wat een organisatie weet, staat nergens. "Dat overleggen we altijd even met Karin" is geen documentatie. Een kennisassistent maakt pijnlijk zichtbaar welk deel van je bedrijfsvoering alleen in hoofden bestaat. Dat is geen reden om niet te beginnen; het is een van de nuttigste bijvangsten.

Rechten en vertrouwelijkheid. Niet iedereen mag alles zien, en de assistent dus ook niet. Salarisafspraken, klantcontracten en HR-dossiers horen niet in de bak waar iedereen vragen op mag stellen. Wij hebben in onze eigen harness om die reden een van onze drie kennislagen bewust géén AI-toegang gegeven. Die grens trek je vooraf, niet nadat er iets in een antwoord is opgedoken.

Isometrische lijnillustratie van een ordner met documentstromen en het label Bron, in And AI-stijl op donkerblauwe achtergrond

Zo pak je het aan

De aanpak die wij hanteren past in vier stappen.

  1. Kies één kennisdomein en één groep gebruikers. Niet "al onze kennis voor iedereen", maar bijvoorbeeld: productdocumentatie voor de servicedesk, of projectafspraken voor projectleiders. Klein genoeg om de bron op orde te krijgen, groot genoeg om dagelijks gebruikt te worden.
  2. Maak de bron kloppend. Wijs één vindplaats aan per onderwerp, ruim tegenstrijdige versies op en leg vast wie het document bijhoudt. Dit is het meeste werk en het minst technische.
  3. Regel de toegang. Bepaal wat de assistent mag zien en wat uitdrukkelijk niet. Hanteer de omgekeerde bewijslast: informatie is afgeschermd tenzij er een reden is om haar beschikbaar te maken.
  4. Zet de assistent neer en meet. Laat de groep er echt mee werken en verzamel de vragen waarop het antwoord niet of fout kwam. Elke misser wijst óf op een gat in de bron óf op een verbetering in de opzet. Zo begint, klein, ook je feedbackloop.

Vanaf dat punt groeit het systeem met je mee: meer domeinen, meer gebruikers, en op termijn een assistent die niet alleen antwoordt maar ook dingen mag doen.

Isometrische lijnillustratie van een ijsberg met een kleine top boven de waterlijn en een groot fundament eronder, met het label Fundering

Wat dit met de rest van je harness te maken heeft

Alles. De structuur die je voor de kennisassistent aanbrengt (één vindplaats per onderwerp, rechten per laag, een eigenaar per document) is precies de contextlaag die elke volgende AI-toepassing nodig heeft. De offerte-agent die je volgend jaar wilt, leest dezelfde bronnen. De meeting-verwerking die samenvattingen op de juiste plek zet, schrijft ernaartoe. Wie begint met een kennisassistent bouwt dus geen losse tool, maar de fundering waar de rest van de harness op staat.

Dat is ook de volgorde die wij adviseren aan bedrijven die verder willen dan losse prompts: eerst de contextlaag, dan pas agents met tools en orkestratie eromheen.

Hoe wij hierin kunnen helpen

Wil je weten of jouw documentatie klaar is voor een kennisassistent, en waar het eerste domein zit dat zich ervoor leent, dan brengt de AI-scan dat in kaart.

Bouwen we hem daarna samen, dan doen we dat binnen AI in Bedrijf: bron op orde, toegang geregeld, assistent in gebruik bij je team.

Plan een vrijblijvend gesprek, dan kijken we samen naar je huidige documentatie en wat daar nu al mee kan.

Veelgestelde vragen

Wat is een AI-kennisassistent?

Een AI-assistent die vragen beantwoordt op basis van je eigen documenten en afspraken, met bronvermelding. Hij haalt per vraag de relevante informatie op; je data wordt niet gebruikt om het model te trainen.

Waarin verschilt dit van ChatGPT?

ChatGPT kent je organisatie niet. Een kennisassistent is gekoppeld aan jouw bronnen en antwoordt daaruit. De taalvaardigheid komt uit het model, de inhoud uit jouw documentatie.

Moet onze documentatie perfect zijn voordat we beginnen?

Nee, maar één domein moet kloppen. Begin met het deel dat je op orde kunt krijgen en breid uit. De assistent laat vanzelf zien waar de gaten zitten.

Hoe zit het met vertrouwelijke informatie?

Die scherm je vooraf af. Bepaal per bron of de assistent erbij mag, en houd gevoelige domeinen (HR, contracten, financiën) buiten bereik tot daar een doordachte reden en inrichting voor is.

Is dit niet gewoon een zoekmachine?

Een zoekmachine geeft je tien documenten waar het antwoord ergens in staat. Een kennisassistent geeft het antwoord zelf, met de bron erbij, en je kunt doorvragen.

Bronnen