Naar inhoud
instellect.ai
Data / Retrieval-augmented generation

Eerst de juiste bron.
Dan het antwoord.

RAG geeft een taalmodel informatie mee die bij de vraag past. Zo kan een antwoord aansluiten op jouw documenten, in plaats van alleen op wat het model tijdens training heeft geleerd.

In ontwikkeling. Aanmelden geeft nog geen directe producttoegang.

InstellectVoorbeeld, geen live omgeving
Welke intake geldt voor deze klant?
01 / RETRIEVALPassages vinden

Actueel handboek · toegestane bronnen

02 / CONTEXTVraag + geselecteerde informatie

Bron en versie blijven herkenbaar

03 / GENERATIE

Antwoord met herkomst.

[1] Geldige werkafspraak
Zoekresultaat toetsen Antwoord beoordelen
Een mogelijk ontwerp voor je workflow. Instellect is in ontwikkeling.
Kort uitgelegd

Wat is RAG AI? Van bedrijfskennis naar een onderbouwd antwoord

RAG staat voor retrieval-augmented generation: informatie ophalen en die als context gebruiken bij het genereren van een antwoord. De zoekstap en de antwoordstap hebben elk hun eigen kwaliteitscontrole nodig. Een relevante passage is nog geen garantie voor een correct antwoord.

Van vraag naar werkbare pilot

Drie stappen om te beginnen.

  1. 01

    Maak een afgebakende collectie

    Kies documenten met een eigenaar, herkenbare versie en duidelijke lezersrechten. Noteer ook wat je bewust niet beschikbaar maakt.

  2. 02

    Controleer wat de zoekstap teruggeeft

    Verdeel lange documenten waar nodig in vindbare passages. Test of een vraag de juiste informatie oplevert, inclusief de titel en herkomst.

  3. 03

    Beoordeel het antwoord apart

    Laat zien welke bronnen het antwoord ondersteunen. Test ook ontbrekende informatie, tegenstrijdige documenten en vragen die de gebruiker niet mag laten beantwoorden.

Een actueel document is nog geen actuele zoekindex.

Stel in je ontwerp vast hoe wijzigingen en verwijderingen de zoekroute bereiken. Test bijvoorbeeld wat er gebeurt na een nieuwe handboekversie of het intrekken van een leesrecht. Toegang moet vóór het doorgeven van passages aan het model worden gecontroleerd; een instructie om gevoelige tekst niet te tonen vervangt die controle niet.

Illustratief scenario

Twee versies van dezelfde werkafspraak

In dit fictieve voorbeeld vraagt een collega welke intake nodig is. Een oud handboek noemt een formulier; de actuele versie noemt een gesprek met de klantverantwoordelijke. De test is niet alleen of het antwoord prettig leest. Vindt de zoekstap de geldige versie, benoemt het antwoord de juiste afspraak en kan de collega die bron openen?

Goed om te weten.

Is RAG hetzelfde als het model trainen op onze documenten?

Nee. In een RAG-route wordt gevonden informatie als context meegegeven bij het beantwoorden van de vraag. Dat is iets anders dan de modelgewichten aanpassen met een training.

Is een vector database altijd nodig?

Nee. Retrieval kan onder meer op trefwoorden, vectoren of een combinatie daarvan werken. Beoordeel de zoekmethode met je eigen documenten en testvragen.

Voorkomt RAG hallucinaties?

Nee. De zoekstap kan iets missen en het model kan context verkeerd gebruiken. Een bruikbaar ontwerp toont bronnen, maakt onzekerheid zichtbaar en laat belangrijke antwoorden beoordelen.

Wanneer gebruik je liever een live tool?

Voor een actuele orderstatus of beschikbaarheid kan een gerichte systeemquery beter passen dan een documentindex. De data-infrastructuurguide helpt kiezen tussen die routes.

Bronnen & verantwoording

Instellect · 4 oktober 2026. Eigen voorbeelden en ontwerpkeuzes; onderstaande bronnen geven technische achtergrond. Geen klantcase of beschikbaarheidsgarantie.

Instellect / Early access

Verken RAG voor de kennisvragen van jouw team.

Ontvang bericht zodra je met Instellect kunt starten.

Naar de waitlist ↗