AI-chatbot op je eigen documenten (RAG) laten maken

RAG staat voor Retrieval-Augmented Generation. Het is een techniek waarbij een AI-systeem in twee stappen te werk gaat. Eerst zoekt het systeem in een eigen documentenverzameling naar relevante passages (retrieval). Daarna genereert het een antwoord op basis van die passages (generation), in plaats van te putten uit algemene trainingsdata.

Het resultaat is een chatbot die antwoorden geeft die aantoonbaar zijn terug te voeren op uw eigen bronnen. Elke respons bevat een verwijzing naar het brondocument, zodat de gebruiker kan controleren wat er precies staat.

Dit onderscheidt RAG van een gewone ChatGPT-achtige chatbot: een standaard taalmodel hallucineert of verzint informatie wanneer het de kennis niet heeft. Een RAG-systeem kan alleen antwoorden op wat in de ingevoerde documenten staat. Dat maakt het betrouwbaarder en navolgbaarder, twee eigenschappen die in de zorg onmisbaar zijn.

Grounding betekent dat elk antwoord van de chatbot verankerd is in concrete, verifieerbare bronnen. Zonder grounding kan een taalmodel plausibel klinkende, maar onjuiste antwoorden produceren, een verschijnsel dat hallucinatie heet.

In een professionele context, zeker in de zorg, is dat onacceptabel. Een medewerker die een vraag stelt over een behandelprotocol of beleidsdocument moet erop kunnen vertrouwen dat het antwoord klopt. Bronvermelding maakt dat vertrouwen concreet: bij elk antwoord staat vermeld op welke pagina of welk document het is gebaseerd.

De IGJ benadrukte in februari 2025 dat menselijke controle en navolgbaarheid leidend zijn bij de inzet van generatieve AI in de zorg. Een RAG-systeem met bronvermelding sluit daar direct op aan: de verantwoordelijke professional kan altijd de bron raadplegen en het oordeel van de AI toetsen aan de werkelijkheid. Zie ook het bericht van de IGJ over generatieve AI.

Een RAG-chatbot verwerkt documenten. Als die documenten persoonsgegevens bevatten, gelden de regels van de AVG onverkort. In de zorg is dat vrijwel altijd het geval: behandelprotocollen, verslagen en beleidsnotities kunnen gezondheidsgegevens bevatten, wat bijzondere persoonsgegevens zijn (artikel 9 AVG).

Privacy-first inrichten houdt in ieder geval het volgende in:

• Verwerking op een beveiligde omgeving: on-premise of een AVG-conforme cloudprovider, zodat gegevens niet buiten de eigen infrastructuur komen.
• Verwerkersovereenkomst: met elke technische partij die toegang heeft tot de documenten.
• Doelbinding en dataminimalisatie: alleen de documenten die nodig zijn voor het specifieke doel worden ingevoerd.
• DPIA: bij grootschalige verwerking van bijzondere persoonsgegevens of bij een nieuwe technologie is een gegevensbeschermingseffectbeoordeling vaak verplicht.

De Autoriteit Persoonsgegevens geeft richting over AI-verwerking en de toepassing van de AVG. Implementa begeleidt het volledige traject, van keuze van de omgeving tot de verwerkersovereenkomst en de DPIA.

Implementa bouwt maatwerk RAG-toepassingen voor organisaties die hoge eisen stellen aan betrouwbaarheid, privacy en aantoonbaarheid. Het traject start altijd met een gesprek over uw situatie: welke documenten zijn beschikbaar, wie zijn de gebruikers, welke privacyeisen gelden en wat is de beheerbehoefte na oplevering?

Op basis daarvan wordt een ontwerp gemaakt dat aansluit bij uw infrastructuur en uw governance-afspraken. Na bouw en testen worden uw medewerkers begeleid in het gebruik. De chatbot wordt niet alleen gebouwd, maar ook geborgd in uw organisatie.

Wilt u een chatbot die ook zichtbaar is voor cliënten of externe bezoekers? Kijk dan ook naar De Vraagbaak op ImpliTeam, het standaardproduct van Implementa voor interne en externe kennisontsluitng.

Heeft u behoefte aan een bredere verkenning van maatwerk AI, inclusief automatisering en procesintegratie? Lees dan verder over maatwerk AI laten bouwen.