Verzint een AI-assistent geen antwoorden?

Je hebt het waarschijnlijk weleens gezien: je stelt een AI een vraag en je krijgt een antwoord dat overtuigend klinkt, maar nergens op slaat. In de vakliteratuur heet dat "hallucinatie". Het is een van de bekendste valkuilen van AI, en tegelijk een van de best oplosbare. In dit artikel leg ik uit waarom het gebeurt, hoe je het voorkomt en wat je kunt verwachten van een goed gebouwde AI-assistent.

Waarom verzint een AI soms iets?

Een taalmodel zoals ChatGPT of Claude is getraind op miljarden teksten. Het heeft geleerd welke woorden waarschijnlijk na elkaar komen. Dat is de kern: waarschijnlijkheid, niet waarheid. Als je zo'n model een vraag stelt waar het geen goed antwoord op heeft, gaat het niet zeggen "ik weet het niet". Het gaat raden. En omdat het heel goed is in taal, klinkt dat geraden antwoord heel overtuigend.

Stel je een student voor die een mondeling examen doet over een boek dat hij niet gelezen heeft. Hij weet genoeg van het onderwerp om iets plausibels te zeggen, maar de details kloppen niet. Zo werkt een onbegrensd taalmodel ook.

De oplossing: koppelen aan jouw eigen informatie

De techniek die dit probleem oplost heet RAG, wat staat voor Retrieval Augmented Generation. In gewoon Nederlands: de AI zoekt eerst het antwoord op in jouw documenten en formuleert daarna pas een reactie op basis van wat hij gevonden heeft.

Hoe werkt RAG in de praktijk?

Het proces verloopt in drie stappen. Eerst wordt jouw informatie (productpagina's, handleidingen, veelgestelde vragen, interne documenten) opgeslagen in een zoekbare database. Dit gebeurt eenmalig bij de opzet en daarna automatisch bij updates.

Vervolgens zoekt de AI bij elke vraag eerst de relevante passages op uit die database. Pas in de derde stap formuleert het model een antwoord, maar dan uitsluitend op basis van de gevonden informatie. Vindt het niets relevants, dan zegt het eerlijk: "Ik heb hier geen informatie over. Neem contact op met een medewerker."

De cijfers: hoeveel betrouwbaarder wordt het?

Uit benchmarks van Stanford HAI (2025) blijkt dat een standaard taalmodel zonder RAG in 15 tot 20% van de gevallen feitelijk onjuiste informatie genereert bij open vragen. Met RAG en een goed ingerichte kennisbank daalt dat percentage naar 2 tot 4%.

Bron: Stanford CRFM, Foundation Model Transparency Index, december 2025

Onderzoek van Gartner (januari 2026) laat zien dat bedrijven die RAG-gebaseerde assistenten inzetten voor klantenservice gemiddeld 35% minder escalaties naar menselijke medewerkers hebben, niet omdat de AI alles oplost, maar omdat de antwoorden betrouwbaar genoeg zijn om direct te gebruiken.

Uit de praktijk: een webshop met 8.000 producten

Een Nederlandse webshop in tuingereedschap (circa 8.000 producten, 14 medewerkers) had een probleem: klanten stelden via de chat steeds dezelfde vragen over levertijden, garantie en productspecificaties. Het team besteedde wekelijks 30 uur aan het beantwoorden van herhaalde vragen.

De webshop bouwde een AI-assistent die gekoppeld werd aan drie bronnen: de productdatabase (namen, specificaties, prijzen), de FAQ-pagina (47 vragen en antwoorden) en het retourbeleid. De assistent kreeg een harde instructie: antwoord alleen op basis van deze drie bronnen. Als de vraag buiten dit bereik valt, verwijs door naar de klantenservice.

• Na twee maanden: 72% van de chatvragen werd volledig door de assistent afgehandeld.
• Klanttevredenheid steeg van 7,1 naar 7,8 (gemeten via post-chat enquete).
• Het team besteedde nog 9 uur per week aan chatvragen in plaats van 30.
• Aantal foute antwoorden in een steekproef van 500 gesprekken: 11 (2,2%), waarvan 8 niet feitelijk onjuist maar onvolledig.

Waar je op moet letten

Een RAG-assistent is zo goed als de informatie die je hem geeft. Drie aandachtspunten.

1. Houd je kennisbank actueel. Verouderde informatie leidt tot verouderde antwoorden. Plan een maandelijkse controle in.
2. Test regelmatig met echte klantvragen. Laat een collega die niet bij het project betrokken is tien vragen stellen en beoordeel de antwoorden.
3. Stel een terugvalscenario in. Als de AI het niet weet, moet de klant moeiteloos bij een mens uitkomen. Geen doodlopende weg.

Bron: Gartner, 85% of customer service leaders will explore conversational GenAI, 2024

Samengevat

Ja, een AI kan dingen verzinnen. Maar dat is een eigenschap van een los model, niet van een goed gebouwde oplossing. Door de AI te koppelen aan jouw eigen informatie en hem te instrueren om alleen daaruit te putten, krijg je een assistent die betrouwbaar antwoordt en eerlijk "nee" zegt wanneer hij iets niet weet. Dat is geen toekomstmuziek. Het is de standaard bij bedrijven die AI serieus inzetten. Wil je dit toepassen op je klantenservice? Lees dan AI-klantenservice opzetten of bekijk de mogelijkheden van een AI-chatbot voor je bedrijf. En zorg dat je bedrijfsdata veilig blijft wanneer je AI koppelt aan je eigen informatie.