Wat is RAG, uitgelegd zonder jargon

RAG is een werkwijze waarbij AI niet meteen een antwoord verzint, maar eerst relevante passages zoekt in uw eigen documenten. Daarna formuleert het model een antwoord op basis van die gevonden tekst.

Eerst zoeken, dan antwoorden

Stel dat een monteur vraagt welk smeermiddel een machine nodig heeft. Het systeem zoekt eerst de relevante passages in de handleidingen. Alleen die passages worden samen met de vraag aan het taalmodel gegeven. Het model vat het antwoord samen en vermeldt uit welk document het komt.

De afkorting staat voor retrieval-augmented generation: een gegenereerd antwoord dat wordt aangevuld met opgehaalde broninformatie.

Waarom dat nuttiger is dan een gewone chatbot

Een algemeen taalmodel kent uw interne procedures niet en kan met overtuiging een onjuist antwoord formuleren. RAG begrenst de opdracht: zoek eerst in de goedgekeurde bronnen en antwoord op basis daarvan.

Dat verlaagt het risico op verzonnen antwoorden, maar neemt het niet volledig weg. De kwaliteit blijft afhankelijk van de bronbestanden, de zoekmethode, de instructies en de controle door de gebruiker.

Antwoorden over uw eigen kennis
Verwijzing naar document en pagina
Nieuwe documenten toevoegen zonder een model opnieuw te trainen
Duidelijker aangeven wanneer een antwoord niet gevonden is

Kan RAG volledig lokaal werken?

Ja. Het taalmodel, de zoekindex en de documenten kunnen op een toestel in het eigen netwerk draaien. Dan hoeft de vraag of de gevonden brontekst niet naar een externe AI-dienst.

Lokaal werken vraagt wel keuzes rond prestaties, toegangsbeheer, back-ups, updates en documentbeheer. Het is geen doos die na installatie vanzelf actueel blijft.

Waar het vaak misgaat

De techniek kan geen rommelige informatiearchitectuur verbergen. Tegenstrijdige versies, scans zonder goede tekstherkenning en documenten zonder duidelijke hoofdstukken maken het zoekresultaat zwakker.

Begin daarom met één afgebakende collectie en een tiental echte vragen van medewerkers. Als het systeem die betrouwbaar met controleerbare bronnen beantwoordt, kan de collectie gericht worden uitgebreid.

Veelgestelde vragen

Moet een RAG-systeem een AI-model opnieuw trainen?

Nee. De documenten worden geïndexeerd en bij elke vraag doorzocht. Daardoor kunt u de kennis aanpassen zonder het taalmodel opnieuw te trainen.

Voorkomt RAG alle verzonnen antwoorden?

Nee. Het risico wordt kleiner doordat relevante bronpassages worden meegegeven, maar controles, duidelijke bronverwijzingen en een antwoord 'niet gevonden' blijven nodig.

Kan RAG offline werken?

Ja, wanneer model, documentindex en interface lokaal worden uitgevoerd en er geen externe diensten in de verwerking zitten.

Test het met een eigen document

Een korte lokale demonstratie maakt snel duidelijk of uw documenten geschikt zijn en of de gevonden antwoorden voldoende betrouwbaar en herleidbaar zijn.

Plan een demonstratie