Als je al je bedrijfsinformatie in één grote AI-kennisbak gooit, vraag je om problemen. Stel je voor dat je meerdere vakantiehuizen beheert en een gast vraagt hoe de verwarming aan moet. De AI zoekt door alle handleidingen van alle huizen en stuurt per ongeluk de instructies voor het verkeerde type thermostaat door. Het resultaat is een verwarde en koude gast, en jij komt onprofessioneel over. Dit is geen hypothetisch voorbeeld, maar een concreet kennisbeheerprobleem waar veel ondernemers mee te maken krijgen wanneer ze AI inzetten voor klantvragen.

Volgens een blogpost van een ontwikkelaar bij Pinecone, een bedrijf gespecialiseerd in AI-zoektechnologie, is de oplossing even logisch als het maken van aparte tabbladen in een spreadsheet. Onze hersenen werken niet door alles door elkaar te gooien, en voor AI geldt hetzelfde. Het principe van gescheiden context moet de basis vormen van je AI-architectuur. Voor verschillende domeinen heb je verschillende kennisbanken nodig.

Waarom één kennisbank niet werkt voor meerdere domeinen

Het probleem met één allesomvattende kennisbank is dat de AI bij elke vraag moet zoeken in een enorme berg ongestructureerde data. Het is alsof je een spreadsheet met tienduizend regels en dertig kolommen hebt en nooit tabbladen aanmaakt voor verschillende klantgroepen, productlijnen of locaties. De AI moet zelf uitvogelen welke informatie relevant is, wat leidt tot langzamere antwoorden en een grotere kans op fouten. In het voorbeeld van de vakantiehuizen betekent dit dat informatie over wifi-wachtwoorden, bedieningspanelen en huisregels door elkaar heen lopen.

De kern van de oplossing is het routeren van vragen. In plaats van elke vraag naar dezelfde grote kennisbak te sturen, bepaal je eerst tot welk domein de vraag behoort. Is de vraag van een gast in vakantiehuis ‘De Zon’? Routeer hem dan alleen naar de kennisbank van dat specifieke huis. Werkt de vraag over een klant van franchise-locatie A? Stuur hem dan alleen door naar de documenten van die locatie. Dit patroon is toepasbaar op franchiseformules, verschillende agency-klanten, of verschillende serviceniveaus binnen je support.

De bouwstenen voor een gespecialiseerd systeem

Om zo’n systeem te bouwen, zijn volgens het artikel een paar componenten nodig. Allereerst een plek om je brondocumenten op te slaan, zoals een Google Drive-map met aparte mappen per domein. Dit kunnen handleidingen, FAQ’s of specificaties in bijvoorbeeld Markdown-formaat zijn. Vervolgens een chat-interface waar vragen binnenkomen, zoals via een webhook van je website, een Slack-kanaal of een ingebouwde chat-trigger in automatiseringstools.

De meest cruciale stap is de zoekfunctie. Omdat gasten vragen stellen in natuurlijke taal – “Het is hier ijskoud” – volstaat een simpele zoekopdracht naar het woord “thermostaat” niet. Je hebt een semantische zoekmachine nodig die op betekenis zoekt. Deze technologie begrijpt dat “Het is hier ijskoud” gerelateerd is aan verwarming, temperatuurcontrole en handleidingen voor het klimaatsysteem. Alleen zo vind je het juiste antwoord in de gespecialiseerde kennisbank.

Hoe kun je dit vandaag toepassen?

De praktische toepassing hangt af van jouw situatie. Via geprompt.nl/stel-je-vraag kun je een vraag stellen die we uitwerken tot een artikel op maat.

De toepassingen in dit artikel zijn suggesties op basis van het bronartikel, geen gevalideerd advies.

Bron: Blog