RAG (genereren met opgehaalde informatie)
Bij retrieval augmented generation (RAG) wordt relevante informatie opgehaald en aan een taalmodel gegeven wanneer het een antwoord formuleert. Dat kunnen documenten, zoekresultaten of andere gegevens zijn die niet uit de training van het model komen. Zowel de kwaliteit van de opgehaalde informatie als de manier waarop het model die gebruikt, beïnvloedt het antwoord en bepaalt mede of de beweringen onderbouwd zijn.
Waarom dit belangrijk is voor je bedrijf
RAG maakt duidelijk hoe een assistent een recente dienstenpagina kan gebruiken zonder te wachten tot een nieuw model is getraind. Het laat ook zien waarom slechte brongegevens tot een slecht antwoord kunnen leiden. Voor een ondernemer gaat het er vooral om dat de informatie die kan worden opgehaald, goed en toegankelijk is.
Voorbeeld en onderbouwing
Stel dat een supportassistent het retourbeleid ophaalt voordat hij een klant antwoord geeft. Als hij een oude versie ophaalt, kan een soepel geformuleerd antwoord toch verkeerd zijn. Het bronnenonderzoek van AIGROW gaat over waargenomen gebruik van webbronnen. Het geeft geen inzicht in de interne zoekarchitectuur van elke aanbieder.
Bekijk de waargenomen webbronnen
Wat je nu kunt doen
Zorg voor één duidelijke, actuele bron voor belangrijke beleidsregels en informatie over je diensten. Verwijder tegenstrijdige versies waar je daarover beslist. Vermeld de datum en voor wie of wat wijzigingen gelden. Controleer of een gegenereerd antwoord overeenkomt met de daadwerkelijk opgehaalde bron.
Veelgestelde vraag
Gerelateerde begrippen
Bronnen en methode
Bronnen geraadpleegd op 2026-10-09. Voorbeelden die als illustratief zijn aangeduid, zijn geen gemeten bedrijfsresultaten.
Controleer of AI-assistenten je bedrijf noemen
Doe de gratis scan om te zien welke assistenten je bedrijf noemen en welke feiten aandacht verdienen. Een scan is een steekproef, geen garantie op toekomstige aanbevelingen.