Eerst de bron tekenen
“Train de agent op onze kennisbank” klinkt als: alles in een map, uploaden, klaar. Wat je dan traint, is de warboel. De agent haalt een oude PDF én het nieuwe beleid, en kiest het verkeerde — of verzint de brug.
Werk in de volgorde Teken–Haal op–Toets. Teken: iemand zet zijn naam onder de bron, met een reviewdatum. Haal op: bij de vraag zoekt de agent in die teksten en formuleert daaruit (retrieval; vaak RAG genoemd). Toets: dezelfde vragen na elke wijziging. Fine-tuning — het model zelf aanpassen — is iets anders: nuttig voor toon of vast formaat, zelden de eerste stap voor beleid dat wijzigt.
Wat je koppelt, en wat je laat liggen
Lees de tabel van links naar rechts. Elke rij is een soort informatie, geen merkenkeuze. Wat wijzigt, hoort in een gevalideerde bron. Wat niemand durft te tekenen, hoort niet in de agent.
| Soort informatie | Wat je doet | Wat je laat |
|---|---|---|
| Beleid, prijzen, levertijden, productfeiten die wijzigen | gevalideerde bron; bij de vraag ophalen | In het model bakken via fine-tuning |
| Toon of een vast antwoordformaat | Eerst instructies; fine-tuning alleen later, met voorbeelden die je bijhoudt | Fine-tuning als vervanging van een kennisbank |
| Concepten, drie versies, interne notities | Eerst opruimen of weglaten | Uploaden “zodat hij alles weet” |
| Persoonsgegevens van klanten of medewerkers | Buiten de publieke kennisbank houden | PDF’s met namen, tickets of HR-dossiers meesturen |
Vier kenmerken van een bruikbare bron
Voordat je een bestand of pagina koppelt, moet het stuk zelf leesbaar zijn voor een collega die de context niet kent. Anders is het ook niet leesbaar voor een agent.
- 1Eén onderwerp: retour, of levertijd, of openingstijden — niet alles in één PDF.
- 2Feiten, voorwaarden en uitzonderingen staan in de tekst, niet “zoals vorig jaar, behalve…”.
- 3Eigenaar, publicatiedatum en reviewdatum zijn zichtbaar. Verlopen review: eerst bijwerken of uitzetten.
- 4Geen tweede versie ernaast. Twee retourbeleid is geen rijkere kennisbank, het is een loterij.
Als niemand het artikel durft te ondertekenen, mag de agent het ook niet voorstellen als waarheid.
Ophalen bij de vraag
Veranderlijke bedrijfsfeiten horen in documenten en pagina’s die je kunt vervangen. De agent zoekt bij elke vraag de relevante passage en antwoordt daaruit. Dat is onderhoudbaar: nieuw beleid, oude bron uit. Fine-tuning stopt kennis in het model; als het beleid wijzigt, train je opnieuw of het model blijft de oude regel noemen. Voor MKB met FAQ en beleid is ophalen de start.
Ophalen verlaagt de kans op verzinsels, het schrapt ze niet. Een vage bron blijft een vaag antwoord. Zeg in de instructie: geen bron, geen stellig feit — bied overdracht aan.
Vier toetsvragen na elke wijziging
Vier vragen, gericht op de kennis — naast de bredere steekproef uit de implementatie. Houd dezelfde lijst vast na elke bronwijziging.
- 1Actueel feit: het antwoord staat in de gevalideerde bron, in klanttaal gevraagd.
- 2Verouderd feit: iets dat vroeger klopte. De agent mag de oude PDF niet winnen.
- 3Botsing: twee bronnen die elkaar tegenspreken. De agent moet stoppen of de eigenaar aanwijzen, niet mergen.
- 4Niet aanwezig: een onderwerp dat jullie expres weglaten. De agent mag het niet verzinnen.
Wanneer de kennisbank de moeite waard is
Zonder eigenaar en zonder teksten die iemand durft te tekenen, is er nog niets om de agent op te laten antwoorden. Maak eerst die bronnen. Met terugkerende websitevragen en een handvol schone stukken is dit de laag die de chat betrouwbaarder maakt.
Avanza.chat koppelt die stukken als kennisbank: documenten zoals PDF en Word, en pagina’s via URL, zodat de agent bij de vraag uit jullie teksten haalt. Dat is geen automatische waarheid en geen fine-tuning van het model. Voor groeiend Nederlands MKB is dat een passende eerste kennislaag. Wie bronnen zonder eigenaar wil laten meelopen, zoekt eerder de automatische kennisbank.
Zo werkt het
- 1
Kies bronnen die iemand tekent
Actuele FAQ, beleid en productteksten met naam en reviewdatum. Concepten, oude PDF’s en drie versies van hetzelfde beleid blijven erbuiten.
- 2
Maak er onderhoudbare stukken van
Eén onderwerp per stuk. Feiten, voorwaarden en uitzonderingen expliciet. Tegenstrijdigheden oplossen vóór je ze koppelt.
- 3
Laat de agent de tekst bij de vraag ophalen
Voeg bestanden of pagina’s toe als kennisbron. Veranderlijke feiten horen in die bronnen, niet in een eenmalige modelaanpassing.
- 4
Regel wat er gebeurt zonder bron
Ontbreekt de passage, of botst hij: de agent zegt dat, en biedt een medewerker aan. Gokken is geen training.
- 5
Toets na elke wijziging
Zelfde vragenlijst: een actueel feit, een verouderd feit, twee botsende bronnen, en een onderwerp dat er niet in staat.
Veelgestelde vragen
Is een AI-agent trainen hetzelfde als fine-tuning?
Nee. Voor een kennisbank betekent “trainen” bijna altijd: goedgekeurde teksten koppelen en die bij elke vraag opzoeken. Fine-tuning past het model zelf aan — nuttig voor toon of vast formaat, zelden de start voor beleid dat volgende week wijzigt.
Moet ik mijn hele SharePoint of schijf uploaden?
Begin klein. Een dump met concepten, oude versies en klantdata maakt antwoorden slechter. Start met de bronnen van één taak. De rest komt als die bronnen een eigenaar hebben en de steekproef slaagt.
Voorkomt een kennisbank dat de agent iets verzint?
Ophalen uit jullie teksten verlaagt het risico, maar een vage of tegenstrijdige bron blijft een vaag of fout antwoord. Zonder fallback en steekproef is de kennisbank geen garantie.
Wanneer is fine-tuning wél logisch?
Als de feiten al via ophalen kloppen, en het probleem toon, vast formaat of een smalle taak is waarvoor jullie een onderhoudbare set voorbeelden hebben. Voor MKB-kennisvragen is dat zelden de start. Automatisch bijwerken van bronnen is een ander onderwerp: zie automatische kennisbank.
