Veel MKB-teams hebben meer documenten dan ze aankunnen. Handboeken, procedures, contracttemplates, productinformatie, notulen van overleggen: het ligt verspreid over SharePoint, een kennisbank of een paar wiki-pagina's. Een interne AI-assistent die je eigen bronnen doorzoekt, kan daar een echte vraagbaak van maken. De valkuil is dat je denkt dat het een technisch project is. Het is vooral een inhoudelijk project.
Begin met de vragen die medewerkers echt stellen
Voordat je bronnen kiest of modellen inricht, wil je weten welke vragen er binnenkomen. Dat klinkt vanzelfsprekend, maar in de praktijk beginnen de meeste projecten bij de documenten die er toevallig liggen, niet bij de informatiebehoefte.
Een paar manieren om die vragen boven tafel te krijgen:
- Helpdesk of servicedesk-logs: welke vragen komen er het meest binnen, en welke zijn met een document te beantwoorden.
- Inloopvragen bij collega's: waar lopen mensen tegenaan als ze iets willen opzoeken.
- Zoekopdrachten in je huidige kennisbank: welke zoektermen leveren niets op, en welke leiden tot eindeloos scrollen.
Die lijst is de leidraad voor wat de assistent moet kunnen. Het voorkomt dat je een systeem bouwt dat op papier indrukwekkend is, maar in de praktijk de verkeerde dingen beantwoordt. Voor de bredere afweging tussen aanpakken is RAG of fine-tuning voor een interne AI-assistent een nuttig vervolg.
Welke bronnen geschikt zijn: handboeken, SharePoint, procedures en beleid
Niet elk document hoort in een interne assistent. Sommige bronnen zijn inhoudelijk stabiel en breed relevant: die zijn de basis. Andere zijn vertrouwelijk, verouderd of bedoeld voor een kleine groep: die horen er niet in of alleen onder strikte voorwaarden.
Bronnen die er meestal wel in horen:
- Onboarding- en handboeken: hoe het bedrijf werkt, wie waarvoor verantwoordelijk is, hoe systemen in elkaar zitten.
- Procedures en werkinstructies: stappenplannen voor terugkerende taken, van factuurverwerking tot klachtafhandeling.
- Beleid en richtlijnen: veiligheidsvoorschriften, privacyregels, acceptatiebeleid voor klanten.
- Product- en dienstdocumentatie: wat het bedrijf levert, welke voorwaarden gelden, waar de grenzen liggen.
Bronnen die er meestal niet in horen, of alleen voor een beperkte groep:
- Klantdossiers en contracten (zie AI en de AVG: wat mag wel, en wat niet?).
- Persoonlijke aantekeningen en notulen met namen.
- Documenten in een verkennende of conceptfase.
Een vuistregel: als een document op een prikbord in de gang zou mogen, hoort het in de assistent. Staat het in een afgesloten kast, dan niet zonder meer.
Rechten, bronvermelding en dataminimalisatie
Drie zaken die je vanaf dag één goed moet regelen, anders krijg je er later last van.
Rechten. De assistent erft idealiter de toegangsrechten van de bron. Ziet een medewerker een bepaald document niet in SharePoint, dan mag de assistent het antwoord daarop ook niet geven. Dat betekent dat je per bron (of per map) nadenkt over wie er toegang heeft, en dat het systeem die logica respecteert bij het ophalen van informatie. Voor de bredere context helpt AI en de AVG: wat mag wel, en wat niet?.
Bronvermelding. Elk antwoord hoort te verwijzen naar het document waarop het is gebaseerd. Niet alleen voor controle, maar ook zodat medewerkers zelf kunnen zien of de context klopt. Een assistent die beweert dat iets in het handboek staat, maar dat niet kan aantonen, is per definitie onbetrouwbaar.
Dataminimalisatie. Stuur niet meer naar het taalmodel dan strikt nodig is. Dat betekent: alleen relevante fragmenten ophalen, geen hele documenten als context meesturen, en geen onnodige persoonsgegevens doorgeven. Hier zit direct de link met AI-hallucinaties beheersen: hoe minder ruis, hoe betrouwbaarder het antwoord.
Testset maken met echte vragen en randgevallen
Een interne assistent die alleen op demodata is getest, gaat in de praktijk onderuit. Maak een testset met vragen die je uit de echte praktijk hebt verzameld, plus een paar randgevallen die je er bewust in stopt.
Een goede testset bevat:
- Standaardvragen die het systeem correct moet kunnen beantwoorden, met de verwachte bron erbij.
- Vragen net buiten de bronnen, waar het systeem "ik weet het niet" moet zeggen.
- Vragen over verouderde documenten, zodat je ziet of het systeem daar nog naar verwijst of dat het die heeft uitgesloten.
- Vragen van verschillende rollen, omdat een accountmanager andere informatie mag zien dan een stagiair.
Loop deze set minstens één keer per maand na. Niet alleen om cijfers te verzamelen, maar vooral om te zien waar het systeem de mist in gaat. Dat is vaak de aanleiding om een document te herschrijven, een bron toe te voegen of een toegangsregel aan te scherpen.
Beheer: documenten bijwerken, feedback verzamelen en kwaliteit meten
Een interne assistent is geen eenmalig project. Documenten verouderen, procedures veranderen, nieuwe vragen dienen zich aan. Zonder beheer glijdt het systeem binnen een paar maanden af en gaat het vertrouwen van medewerkers achteruit.
Drie ritmes die in de praktijk werken:
- Wekelijks: feedback bekijken. Medewerkers kunnen aangeven of een antwoord goed, matig of fout was. Die signalen zijn de basis voor bijsturing.
- Maandelijks: bronnenlijst en toegangsrechten controleren. Zijn er nieuwe documenten die erin moeten, zijn er documenten verwijderd die het systeem nog noemt.
- Per kwartaal: testset opnieuw draaien en kijken of de kwaliteit stabiel is of dat er thema's zijn waar het systeem structureel onderuit gaat.
Voor de technische kant van het onderhoud (versies, monitoring en het bijsturen van pipelines) is onderhoud en monitoring van AI-workflows een nuttige aanvulling.
Wie dit ritme eenmaal heeft staan, merkt dat de assistent betrouwbaarder wordt in plaats van ouder. De inhoud is dan geen losse verzameling documenten meer, maar een actieve kennisbank waar het hele team elke dag profijt van heeft. Voor wie de stap naar een concrete invulling wil zetten, biedt de dienst AI-assistenten een startpunt.
Veelgestelde vragen
Hoeveel documenten heb je minimaal nodig om te starten?
Rond de vijftig tot honderd kwalitatief goede documenten is een werkbaar begin. Het gaat niet om de hoeveelheid, maar om dekkingsgraad: dekt de set de vragen af die medewerkers echt stellen. Te weinig bronnen leidt tot veel "ik weet het niet"-antwoorden, te veel tot ruis.
Kun je verschillende afdelingen een eigen assistent geven?
Ja, en dat is vaak slimmer dan één grote assistent voor de hele organisatie. Een assistent voor sales, een voor support, een voor HR. Elk met eigen bronnen en eigen rechten. Minder kans op verkeerde antwoorden, en het beheer is overzichtelijker.
Wat is het verschil met een gewone chatbot?
Een chatbot volgt vooraf geprogrammeerde regels en geeft vaste antwoorden. Een AI-assistent op je kennisbank zoekt in je eigen documenten, haalt het antwoord daaruit en verwijst terug naar de bron. Voor procedurele vragen is het verschil enorm. Meer daarover staat in chatbot versus AI-assistent.
Hoe voorkom je dat medewerkers de assistent niet vertrouwen?
Drie dingen helpen: laat hem eerlijk "ik weet het niet" zeggen, toon altijd de bron, en betrek medewerkers bij het testen. Een assistent die soms toegeeft dat hij iets niet weet, wordt sneller vertrouwd dan een die altijd een antwoord lijkt te hebben.