Lange tijd ging een antwoord uit je eigen content maar één kant op. Een bezoeker stelde een vraag, het systeem doorzocht je documenten één keer, en er kwam een antwoord terug. Voor de meeste vragen was dat genoeg. Maar de vragen die mensen op een website intypen zijn veranderd. Ze zijn langer, specifieker en bevatten vaak meerdere vragen tegelijk. Eén zoekopdracht doet daar niet altijd meer recht aan.

Dit is het verhaal van hoe vragen.ai uitgroeide van die ene, vaste zoekopdracht naar iets dat zich een weg naar het antwoord redeneert. Geen andere belofte, maar een betere manier om die waar te maken: betrouwbare, navolgbare antwoorden uit je eigen content.

Betrouwbare antwoorden uit je eigen content

Een taalmodel op zichzelf weet alleen wat het tijdens de training heeft geleerd. Het weet niets van jouw producten, jouw beleid of het document dat je vorige week publiceerde. En als het iets niet weet, vult het het gat maar al te vaak op met iets dat gewoon goed klínkt. Dat is wel het laatste wat je op je eigen website wilt.

Precies dat is het probleem dat RAG (Retrieval-Augmented Generation) oplost. Voordat er een antwoord komt, zoekt het systeem eerst de meest relevante passages uit je eigen content op, en pas daarna schrijft het een antwoord dat dáárop is gebaseerd. Het resultaat is een antwoord dat je kunt vertrouwen, mét de bronnen waar het vandaan komt. Het is vanaf het begin de basis van vragen.ai, en het is de reden dat onze antwoorden teruglinken naar hun bron, in plaats van dat je ze op je blauwe ogen moet geloven.

De grens van één zoekopdracht

In de eerste generatie van vragen.ai liep dat zoeken via een vast pad. Er kwam een vraag binnen, het systeem zocht één keer op een vooraf bepaalde manier, en gaf de resultaten door aan het model. Betrouwbaar en snel, en voor eenvoudige vragen werkt het nog steeds prima.

Maar er zat één beperking ingebakken: het zoeken gebeurde maar één keer, en altijd op dezelfde manier. Het model dat juist goed is in taal had geen enkele stem in wát er gezocht werd. Het zag alleen wat die ene zoekopdracht toevallig opleverde.

Denk eens aan hoe je zelf iets opzoekt. Je zoekt, scant de resultaten, merkt dat je het verkeerd verwoordde en probeert het opnieuw. Je ziet een document dat je beter helemaal kunt lezen in plaats van één fragment. Je bakent af: alleen dit jaar, alleen deze categorie. Eén vaste zoekopdracht kan dat allemaal niet. Mist de eerste poging, dan lijdt het antwoord eronder, en een tweede kans is er niet. Wat echt telt is niet hoe goed die ene zoekopdracht is, maar of het systeem opnieuw kan zoeken als de eerste poging tekortschiet.

Van een vast pad naar een denkende agent

Dus zijn we gestopt met het pad vooraf vast te leggen.

In plaats van één zoekopdracht gevolgd door één antwoord, werkt vragen.ai nu met agents. Een agent krijgt een set gereedschappen en de vrijheid om zelf te bepalen hoe hij die inzet. Hij redeneert over de vraag, kiest óf en wat hij zoekt, leest wat terugkomt, scherpt zijn aanpak aan en gaat in meerdere denkstappen door tot hij genoeg heeft om goed te antwoorden. Dat noemen we de agent-modus: één vraag, meerdere denkstappen, een beter antwoord.

En belangrijk: dit is geen breuk met wat er was. Een agent kan met een vliegende start beginnen, hij draait eerst een vertrouwde zoekslag om een handvol waarschijnlijk relevante documenten op te halen, nog voordat hij begint na te denken. De beproefde basis die we voor klassiek zoeken bouwden is niet verdwenen; die is één van de betrouwbare gereedschappen geworden waar de agent naar grijpt. Agents zijn een doorontwikkeling van ons RAG-fundament, geen vervanging ervan.

Die vliegende start is ook waaróm agents snel zijn. Omdat deze preflight-stap de relevante documenten al ophaalt zoals onze klassieke pijplijn dat deed, beantwoordt een agent alledaagse vragen net zo snel als de oude opzet; hij hoeft niet vanaf nul te gaan zoeken. En als een vraag om meer vraagt, kun je een agent dieper laten graven en langer laten nadenken; een beetje snelheid inleveren voor een beter antwoord daar waar het ertoe doet. Standaard krijg je zo het beste van twee werelden: in het dagelijks gebruik net zo snel als klassiek zoeken, en in staat om verder te denken op het moment dat een vraag daarom vraagt.

Hoe een agent een vraag aanpakt

Zodra hij aan het denken is, beweegt een agent zich ongeveer zoals een zorgvuldige collega dat zou doen. Hij begint met de documenten die hij al in handen heeft en besluit dat hij meer nodig heeft. Hij schrijft zijn eigen zoekterm, herschrijft die als de eerste poging tegenvalt, en knipt een meerledige vraag op in losse zoekopdrachten als dat het antwoord beter dient. Waar het oude pad één vaste manier van vraagverwerking toepaste, maakt de agent die keuzes nu zelf, gestuurd door zijn instructies. Hij ontdekt welke filters je content biedt: op datum, op categorie, op waar je documenten ook maar mee getagd zijn en past ze toe om gericht het juiste materiaal te vinden. Als het fragment dat het best bij de vraag paste het antwoord niet blijkt te bevatten, opent hij het volledige document en leest het zoals het hoort. Daarna brengt hij alles samen tot een onderbouwd antwoord.

Dat heen-en-weer is op een vast pad simpelweg onmogelijk. Het is het verschil tussen een standaardbrief en een gesprek, en het is precies wat de lastige, meerledige vragen beantwoordbaar maakt.

Alles blijft navolgbaar

Een capabeler systeem is alleen iets waard als je nog steeds kunt zien wat het doet. Bij vragen.ai kan dat. Elke stap die een agent zet, wordt vastgelegd: elke zoekopdracht die hij uitvoert, de filters die hij toepast, de documenten die hij leest, zijn redenering onderweg en de bronnen die uiteindelijk worden aangehaald. Als een antwoord ertoe doet, zie je precies hoe de agent erbij gekomen is.

Dat is het principe dat vragen.ai vanaf het allereerste begin heeft geleid. Geen black box, maar een platform waar je inzicht in en grip op hebt, zodat je je nooit hoeft af te vragen of de AI stiekem iets heeft verzonnen uit naam van jouw organisatie.

Klassiek zoeken en agents naast elkaar

Alles gaat naar agents

Agents worden het fundament van vragen.ai, en we verhuizen bestaande opzetten ernaartoe. AI doet het zware werk van de migratie, maar we doen het altijd samen met jou. We kijken hoe je huidige opzet is ingericht, zetten hem over en controleren of hij zich gedraagt zoals je verwacht, voordat er iets verandert voor je bezoekers.

Het resultaat is een opzet die precies blijft doen wat hij deed. Er valt niets opnieuw te bouwen, en vanaf dag één krijgen je bezoekers dezelfde antwoorden uit dezelfde content. Wat verandert, is wat daarná mogelijk wordt: diezelfde opzet kan nu redeneren, opnieuw zoeken, filteren en volledige documenten lezen zodra een vraag daarom vraagt.

Ook de geavanceerde instellingen waar je op vertrouwde verdwijnen niet; ze verhuizen naar de plek waar de agent ermee aan de slag kan. Dingen als het herschrijven van een vraag en het opsplitsen ervan waren vroeger vaste stappen in de pijplijn. Nu zitten ze in de instructies van de agent, wat betekent dat de agent ze met oordeel toepast in plaats van elke keer op dezelfde manier. Je houdt dezelfde grip op hoe vragen worden afgehandeld, alleen in een vorm die zich aanpast aan de vraag die voorligt.

Wat hetzelfde blijft, is het deel dat altijd al telde: antwoorden uit je eigen content, met de bronnen erbij, en volledig inzicht in hoe ze tot stand zijn gekomen.