RAG (retrieval augmented generation) is een techniek waarbij een AI-model, voordat het een antwoord geeft, eerst relevante informatie opzoekt in een externe bron zoals jouw eigen documenten, kennisbank of database. Het model gebruikt die opgezochte informatie als extra context om een antwoord te formuleren, in plaats van uitsluitend te vertrouwen op wat het tijdens training heeft geleerd. Dit maakt het mogelijk om een AI-toepassing kennis te geven van actuele, bedrijfsspecifieke informatie zonder het model zelf opnieuw te trainen.
Waarom dit relevant is bij softwareselectie
RAG is de standaardmanier om AI-toepassingen (chatbots, zoekfuncties, assistenten) daadwerkelijk bruikbaar te maken voor een specifiek bedrijf: zonder RAG antwoordt een AI-model alleen op basis van algemene kennis, zonder weet te hebben van jouw producten, prijzen of beleid.
Bij het beoordelen van een AI-toepassing is het zinvol te vragen of en hoe RAG is geïmplementeerd: welke bronnen worden geraadpleegd, hoe actueel is die informatie, en hoe wordt voorkomen dat het model toch buiten die bronnen om gaat "hallucineren"?
Praktisch voor het MKB
Voor een MKB-bedrijf is de praktische impact van RAG dat een AI-chatbot of -assistent daadwerkelijk correcte, actuele antwoorden kan geven op basis van je eigen documentatie, in plaats van generieke of verouderde informatie. Zie de volledige uitleg op eigen data koppelen aan AI.
Meer lezen
Vraag een gratis, onafhankelijke selectiescan aan
In drie korte stappen naar een eerste advies. Betaald door jou als afnemer, nooit door een leverancier.
Start je selectiescan