Interne kennisbank met AI: zo vinden medewerkers elk antwoord in je eigen documenten

"Waar staat ook alweer de procedure voor een retour?" "Welke afspraak hebben we met die leverancier over levertijden?" "Hoe vraag ik ook alweer verlof aan?" In bijna elk bedrijf stellen medewerkers elke dag dezelfde vragen aan dezelfde collega's. De antwoorden bestaan meestal al, maar ze staan verspreid over SharePoint, Google Drive, oude mails, wiki's en pdf's die niemand terugvindt. Een interne kennisbank met AI maakt die kennis doorzoekbaar in gewone taal: je stelt een vraag en krijgt een antwoord uit je eigen documenten, met een verwijzing naar de bron.

In dit artikel lees je hoe zo'n AI-kennisbank werkt, wat je ervoor nodig hebt, waar de valkuilen zitten en hoe je als mkb-bedrijf verstandig begint.

Waarom kennis in het mkb zo moeilijk vindbaar is

Kennis verdwijnt zelden helemaal, maar raakt wel zoek. Dat heeft een paar vaste oorzaken:

• Informatie staat op te veel plekken. Een werkinstructie in een Word-bestand, de laatste versie als bijlage in een mail, een aanvulling in een Teams-chat.
• Zoeken werkt alleen op exacte woorden. Wie zoekt op "retourneren" vindt het document "procedure terugzending" niet.
• Kennis zit in hoofden. Ervaren collega's worden de vraagbaak van het bedrijf. Dat kost hen tijd, en als ze op vakantie zijn of vertrekken, gaat er kennis mee.
• Versies lopen door elkaar. Er bestaan drie varianten van hetzelfde handboek en niemand weet welke leidend is.
• Nieuwe medewerkers weten niet wat ze niet weten. Ze durven niet steeds te vragen en gaan zelf zoeken, of gokken.

Het gevolg is verloren tijd, wisselende antwoorden naar klanten en fouten die je had kunnen voorkomen. Juist in een klein team, waar één persoon vaak veel kennis draagt, is dat kwetsbaar.

Wat een interne kennisbank met AI precies is

Een AI-kennisbank is een assistent die vragen van medewerkers beantwoordt op basis van de documenten die jij beschikbaar stelt. Denk aan handboeken, werkinstructies, productinformatie, beleidsstukken, voorwaarden en veelgestelde vragen van klanten.

Het belangrijkste verschil met een algemene chatbot zoals ChatGPT: de assistent antwoordt niet uit wat een taalmodel ooit op internet heeft geleerd, maar uit jouw eigen bronnen. En een goed ingerichte kennisbank laat bij elk antwoord zien uit welk document het komt, zodat je het zelf kunt controleren.

Hoe het technisch werkt: RAG in gewone taal

De meeste AI-kennisbanken gebruiken een techniek die retrieval-augmented generation heet, kortweg RAG. Dat klinkt ingewikkeld, maar het principe is eenvoudig:

1. Documenten worden voorbereid. Ze worden opgeknipt in stukken tekst en zo opgeslagen dat de betekenis doorzoekbaar is, niet alleen de letterlijke woorden.
2. Een medewerker stelt een vraag. Bijvoorbeeld: "Mag een klant een maatwerkproduct retourneren?"
3. Het systeem zoekt de relevante passages. Ook als de vraag andere woorden gebruikt dan het document.
4. Het taalmodel formuleert een antwoord. Alleen op basis van die gevonden passages, met een verwijzing naar de bron.

Het voordeel van deze aanpak: je hoeft geen eigen AI-model te trainen. Pas je een document aan, dan gebruikt de kennisbank de nieuwe versie. Een model opnieuw trainen (fine-tuning) is voor een interne kennisbank zelden de eerste stap.

Van kennisbank naar AI-agent

Een kennisbank beantwoordt vragen. Een AI-agent gaat een stap verder en voert ook taken uit. De twee versterken elkaar: een agent die klantmails voorbereidt, haalt de juiste voorwaarden uit dezelfde kennisbank. Een agent die nieuwe collega's inwerkt, beantwoordt hun vragen uit het handboek. Zo wordt je kennisbank de basis onder meerdere processen, zoals klantenservice en onboarding.

Waar een AI-kennisbank het meeste oplevert

Een kennisbank loont vooral waar dezelfde vragen vaak terugkomen en het antwoord in documenten te vinden is:

• Klantenservice en binnendienst: voorwaarden, levertijden, productspecificaties en garantieregels snel en consistent opzoeken.
• Operatie en techniek: werkinstructies, handleidingen van machines en veiligheidsprocedures op de werkvloer.
• HR en interne regelingen: verlof, declaraties, thuiswerkafspraken en het personeelshandboek.
• Sales: productkennis, standaardteksten en antwoorden op terugkerende vragen in offertes.
• Inwerken: nieuwe medewerkers die zelfstandig antwoorden vinden zonder steeds een collega te storen.

Minder geschikt zijn vragen waarvan het antwoord nergens is vastgelegd. Een AI-kennisbank maakt bestaande kennis vindbaar; kennis die alleen in iemands hoofd zit, moet eerst worden opgeschreven.

Waar je op moet letten

Een AI-kennisbank is zo betrouwbaar als de inrichting. Deze punten bepalen of medewerkers er echt op kunnen vertrouwen.

Bronvermelding en "ik weet het niet"

Elk antwoord hoort te verwijzen naar het document waarop het is gebaseerd. Even belangrijk: als het antwoord niet in de bronnen staat, moet de assistent dat eerlijk zeggen in plaats van iets te verzinnen. Taalmodellen kunnen overtuigend klinkende maar onjuiste antwoorden geven. Een goede inrichting beperkt dat door het model alleen te laten antwoorden uit gevonden passages en twijfel zichtbaar te maken. Controleer belangrijke conclusies altijd zelf.

Toegangsrechten

Niet elke medewerker mag alles zien. Salarisgegevens, contracten en personeelsdossiers horen niet zomaar in een assistent die het hele bedrijf gebruikt. De kennisbank moet dezelfde rechten volgen als je documentomgeving: wie een document niet mag openen, krijgt er via de assistent ook geen antwoord uit.

Actuele en eenduidige bronnen

Als er drie versies van een procedure bestaan, weet de AI ook niet welke klopt. Ruim daarom vooraf op, wijs per document een eigenaar aan en spreek af hoe wijzigingen worden doorgevoerd. Dat is vaak het meeste werk, en het levert direct winst op, ook los van AI.

Privacy en de AVG

Bevatten je documenten persoonsgegevens, dan geldt de AVG. Kies voor hosting in de EU, sluit een verwerkersovereenkomst af, zorg dat je data niet wordt gebruikt om modellen van derden te trainen en stuur niet meer gegevens naar het taalmodel dan nodig. Meer hierover lees je in ons artikel over AI en de AVG. Zorg daarnaast dat medewerkers weten hoe ze met de antwoorden omgaan; dat sluit aan bij de eisen rond AI-geletterdheid.

Zo begin je met een AI-kennisbank

Je hoeft niet in één keer alle kennis van het bedrijf te ontsluiten. Een kleine, goed afgebakende start werkt beter:

1. Verzamel de vragen die echt gesteld worden. Vraag collega's welke vragen ze het vaakst krijgen of zelf stellen. Die lijst is je leidraad, niet de stapel documenten die toevallig ergens staat.
2. Kies één team of kennisgebied. Bijvoorbeeld de klantenservice of het personeelshandboek.
3. Selecteer en schoon de bronnen op. Alleen actuele, goedgekeurde documenten, met een eigenaar.
4. Leg de rechten vast. Wie mag welke bronnen raadplegen?
5. Test met echte vragen. Gebruik je verzamelde vragenlijst, plus een paar vragen waarvan het antwoord bewust níet in de bronnen staat. Klopt het antwoord, en klopt de bronverwijzing?
6. Verzamel feedback en kennisgaten. Laat medewerkers foute of ontbrekende antwoorden melden. Elke vraag zonder antwoord laat zien welke kennis nog moet worden vastgelegd.
7. Breid stap voor stap uit. Naar andere teams, of naar een AI-agent die met die kennis ook taken uitvoert.

Standaardtool of maatwerk?

Er zijn kant-en-klare tools, en pakketten als Microsoft 365 en Google Workspace bieden zelf AI-functies om in documenten te zoeken. Voor eenvoudige toepassingen kan dat volstaan. Maatwerk loont als je kennis over meerdere systemen verspreid staat, als je strikte eisen hebt aan rechten en hosting, of als je de kennisbank wilt koppelen aan AI-agents die werk uitvoeren in je CRM, mailbox of ERP. Wil je weten wat dat kost, lees dan wat een AI-agent laten maken kost.

Bloomingdal·e bouwt in Amsterdam maatwerk AI-agents die bedrijfsprocessen automatiseren, gehost in de EU en AVG-proof ingericht. Wil je de kennis in je bedrijf vindbaar maken voor iedereen die haar nodig heeft? Neem contact met ons op voor een vrijblijvend gesprek.