Chat met je documenten: AI-gestuurde vraag-en-antwoord op documenten

De waardevolste informatie van je bedrijf zit vast in documenten. Producthandleidingen in Google Drive. Beleids-PDF's begraven in SharePoint. Trainingsgidsen die niemand na pagina drie leest. De kennis is er wel, maar een specifiek antwoord vinden betekent bestanden openen, door pagina's scrollen en hopen dat je het juiste document hebt gekozen.

Documentchat verandert dat. Je uploadt je bestanden naar een AI-chatbot, en iedereen kan vragen stellen in gewone taal. De chatbot leest de documenten, vindt de relevante secties en geeft een direct antwoord -- met het bronmateriaal om het te onderbouwen.

Deze gids behandelt hoe documentchat onder de motorkap werkt, welke bestandsformaten je kunt gebruiken, praktische use cases in verschillende sectoren, en hoe je het stap voor stap opzet in Agentkit.

Hoe documentchat werkt: RAG eenvoudig uitgelegd

Documentchat draait op een techniek die retrieval-augmented generation heet, ofwel RAG. De naam klinkt technisch, maar het concept is eenvoudig.

Dit gebeurt er wanneer je een document uploadt en een vraag stelt:

Stap 1: documentverwerking

Wanneer je een bestand uploadt, extraheert het systeem alle tekstcontent. Bij PDF's leest het de tekstlaag. Bij Word-documenten verwerkt het de opgemaakte content. Bij tekst- en CSV-bestanden leest het de ruwe data rechtstreeks.

Stap 2: chunking

De geëxtraheerde tekst wordt opgesplitst in kleinere stukken, chunks genoemd. Een PDF van 50 pagina's kan uiteenvallen in 200 chunks, elk met een alinea of een paar samenhangende zinnen. Chunking is nodig omdat AI-modellen het best werken wanneer ze zich richten op relevante passages in plaats van een heel document in één keer te verwerken.

Stap 3: embedding

Elke chunk wordt omgezet in een numerieke representatie, een vector-embedding genoemd. Zie het als het vertalen van tekst naar coördinaten in een hoogdimensionale ruimte. Chunks met een vergelijkbare betekenis komen dicht bij elkaar terecht in die ruimte, zelfs als ze andere woorden gebruiken.

Stap 4: opslag

De embeddings worden opgeslagen in een vectordatabase (Agentkit gebruikt pgvector in Supabase). Deze database is geoptimaliseerd voor gelijkenis-zoekopdrachten -- het vinden van chunks die qua betekenis het dichtst bij een gegeven vraag liggen.

Stap 5: ophalen en genereren

Wanneer iemand een vraag stelt, wordt die vraag ook omgezet in een embedding. Het systeem doorzoekt de vectordatabase op de chunks die het meest lijken op de vraag. Die chunks -- doorgaans de top 3 tot 5 meest relevante passages -- worden als context aan het AI-model doorgegeven. Het model genereert vervolgens een antwoord in natuurlijke taal, specifiek gebaseerd op de content van je document.

Dit is het "retrieval-augmented"-gedeelte: de AI gokt niet en vertrouwt niet op zijn algemene trainingsdata. Hij haalt eerst jouw specifieke content op en genereert dan een antwoord dat daarop gegrond is.

Waarom RAG ertoe doet

Zonder RAG kan een algemeen AI-model antwoorden op basis van verouderde trainingsdata, of details over je producten hallucineren. Met RAG is het model gebonden aan je documenten. Staat het antwoord niet in de geüploade content, dan zegt een goed geconfigureerde chatbot dat, in plaats van iets te verzinnen.

Ondersteunde bestandsformaten

Agentkit ondersteunt de meest gangbare documentformaten die in het bedrijfsleven worden gebruikt.

Een opmerking over gescande PDF's

Is je PDF gemaakt door een fysiek document te scannen, dan bevat hij mogelijk alleen afbeeldingen zonder selecteerbare tekst. Het tekstextractieproces kan PDF's die alleen afbeeldingen bevatten niet lezen. Open de PDF voordat je uploadt en probeer tekst te selecteren. Kun je geen losse woorden markeren, dan moet je het bestand eerst door OCR-software (optical character recognition) halen.

Opslaglimieten per abonnement

Elk abonnement bevat een opslagtoewijzing voor geüploade documenten.

Ter vergelijking: een typische PDF van 10 pagina's is 200-500 KB. Een producthandleiding van 100 pagina's is meestal 1-5 MB. Het Free-abonnement werkt prima om te testen met een handvol korte documenten. Alle betaalde abonnementen bevatten 40 MB documentopslag, genoeg voor uitgebreide documentatiesets. Hogere abonnementen ontgrendelen meer berichten, chatbots en teamleden.

Use cases: wie heeft baat bij documentchat

Documentchat is niet beperkt tot één sector of team. Dit zijn de meest voorkomende use cases, met concrete voorbeelden van wat mensen vragen.

FAQ en support richting klanten

Upload je helpcentrum-artikelen, productgidsen en beleidsdocumenten. Zet de chatbot live op je website zodat klanten direct vragen kunnen stellen en antwoord krijgen.

Voorbeeldvragen die bezoekers stellen:

• "Wat is jullie retourbeleid voor geopende artikelen?"
• "Hoe verbind ik het apparaat met wifi?"
• "Welke bestandsformaten ondersteunt jullie software?"

Dit vermindert het aantal supporttickets voor vragen die al beantwoord zijn in je documentatie. Volgens branchecijfers is 60-80% van de klantenservicevragen repetitief en te beantwoorden vanuit bestaande documentatie.

Interne kennisbank

Elk bedrijf heeft institutionele kennis verspreid over tientallen documenten. Upload je personeelshandboek, IT-beleid, HR-richtlijnen en procesdocumentatie. Geef je team een chatbot die interne vragen beantwoordt zonder dat er een supportticket nodig is.

Voorbeeldvragen die medewerkers stellen:

• "Hoeveel vakantiedagen krijg ik na twee jaar?"
• "Wat is de procedure om een nieuwe laptop aan te vragen?"
• "Waar dien ik onkostendeclaraties in?"

Onderzoek en analyse

Onderzoekers, analisten en consultants werken met grote hoeveelheden documenten. Upload onderzoekspapers, marktrapporten of regelgevingsdossiers. Stel vragen over de hele documentenset in plaats van elk document apart te lezen.

Voorbeeldvragen:

• "Wat waren de belangrijkste bevindingen over klantretentie in het Q3-rapport?"
• "Welke regelgeving noemt eisen voor gegevensbewaring?"
• "Vat het onderdeel over het concurrentielandschap uit de marktanalyse samen."

Compliance en juridisch

Juridische teams en compliance officers hebben te maken met dichte documenten: contracten, regelgeving, beleid en auditrapporten. Documentchat laat hen deze documenten snel bevragen zonder elke pagina te hoeven lezen.

Voorbeeldvragen:

• "Wat zijn de opzegbepalingen in het leverancierscontract?"
• "Dekt ons privacybeleid gegevensverwerking voor inwoners van de EU?"
• "Wat zijn de meldingsvereisten bij een datalek?"

Onderwijs en training

Upload cursusmateriaal, studieboeken en trainingshandleidingen. Studenten of nieuwe medewerkers kunnen vragen stellen en antwoorden krijgen die rechtstreeks uit het officiële materiaal komen. Bekijk onze gids over schoolwebsite-chatbots voor een checklist voor een proef met openbare toelatingsinformatie en uitleg over broncontrole.

Voorbeeldvragen:

• "Leg het verschil uit tussen TCP en UDP."
• "Wat zijn de veiligheidsprocedures bij het omgaan met chemicaliënlekkages?"
• "Vat hoofdstuk 4 over financiële modellering samen."

Stap voor stap: documentchat opzetten in Agentkit

Een documentchatbot aan de praat krijgen duurt minder dan tien minuten. Dit is het proces.

1. Maak een account en een chatbot aan

Meld je aan bij Agentkit (gratis abonnement beschikbaar) en maak je eerste chatbot aan. Geef hem een naam en een korte beschrijving van zijn doel.

2. Upload je documenten

Ga naar het tabblad Bronnen van je chatbot. Klik op Bron toevoegen en selecteer Documenten. Sleep je bestanden of klik om te bladeren. Je kunt meerdere bestanden tegelijk uploaden.

Het systeem verwerkt elk bestand automatisch: tekst extraheren, chunken en vector-embeddings maken. De verwerkingstijd hangt af van de documentgrootte. De meeste bestanden zijn binnen een minuut klaar. Grotere documenten (100+ pagina's) kunnen een paar minuten duren.

Zie voor gedetailleerde uploadopties de documentatie over documentbronnen.

3. Test in de Playground

Open de Playground vanuit je chatbot-dashboard. Dit is je testomgeving. Stel vragen die je gebruikers ook zouden stellen. Controleer of de antwoorden:

• Accuraat zijn: komt het antwoord overeen met wat er in het document staat?
• Volledig zijn: dekt het het volledige antwoord, of ontbreken er belangrijke details?
• Herleidbaar zijn: kun je het antwoord terugleiden naar specifieke documentcontent?

Zijn antwoorden onvolledig of fout, dan ligt het meestal aan de documentkwaliteit of ontbrekende content. Voeg meer documenten toe of vul aan met Q&A-paren voor kritieke vragen.

4. Combineer met andere brontypen

Documenten werken het best in combinatie met andere trainingsbronnen. Agentkit ondersteunt vier brontypen, en het gebruik van meerdere typen samen levert de sterkste resultaten op.

Zie voor een complete gids over alle trainingsmethoden Je chatbot trainen op je websitecontent.

5. Zet live op je website

Zodra je chatbot de Playground-tests doorstaat, zet je hem live. Agentkit biedt vier insluitmethoden:

• JavaScript-widget: voeg één scripttag toe aan je site. Werkt op elke website.
• React-component: native React-integratie voor React-gebaseerde apps.
• iframe: sluit de chatbot in een iframe op elke pagina in.
• WordPress-plugin: speciale plugin voor WordPress-sites.

De JavaScript-widget is de meest gebruikte keuze. Kopieer de embedcode van het tabblad Publiceren van je chatbot en plak hem in de HTML van je website. De chatbot verschijnt als zwevende widget in de hoek van je pagina.

6. Monitoren en verbeteren

Bekijk na de lancering de chatanalytics om te zien welke vragen mensen stellen. Let op:

• Vragen met zwakke of onjuiste antwoorden -- voeg Q&A-paren toe of upload extra documenten om ze aan te pakken.
• Vragen over onderwerpen die niet worden gedekt -- upload nieuwe documenten of voeg tekstfragmenten toe.
• Veelgestelde vragen -- zorg dat de antwoorden van de chatbot hierop scherp en compleet zijn.

Op de Standard- ($119.99/maand) en Pro-abonnementen ($399.99/maand) houdt Automatisch hertrainen de websitebronnen van je chatbot automatisch actueel. Upload voor documentbronnen nieuwe versies van bestanden zodra de content verandert.

Tips voor betere resultaten met documentchat

De kwaliteit van de antwoorden van je chatbot hangt rechtstreeks af van de kwaliteit van je documenten. Dit zijn de gewoontes die het grootste verschil maken.

Structureer je documenten met duidelijke kopteksten

Documenten met kopteksten, subkopteksten en georganiseerde secties leveren betere chunks en betere antwoorden op. Het chunking-algoritme gebruikt structurele aanwijzingen om zinvolle segmenten te maken. Een document dat als één doorlopend tekstblok is opgebouwd, levert minder precieze retrieval op dan een document met duidelijke secties.

Verwijder boilerplate en ruis

Kopteksten, voetteksten, inhoudsopgaven, copyrightvermeldingen en juridische boilerplate aan het einde van elk document voegen ruis toe zonder nuttige content. Maak, indien praktisch, je documenten schoon voordat je ze uploadt. Verwijder herhaalde boilerplate die in meerdere bestanden voorkomt.

Houd documenten actueel

Verouderde documenten leveren verouderde antwoorden op. Verwijst je producthandleiding naar functies van versie 2.0, terwijl je op versie 4.0 zit, dan geeft de chatbot bezoekers verkeerde informatie. Vervang oude documenten door actuele versies. De chatbot verwerkt het nieuwe bestand opnieuw en werkt zijn kennisbank bij.

Gebruik specifieke bestandsnamen

Geef je bestanden een beschrijvende naam: product-setup-guide-v3.pdf vertelt zowel jou als het systeem meer dan doc_final_FINAL.pdf. De bestandsnaam beïnvloedt de antwoordkwaliteit niet rechtstreeks, maar helpt je wel om je bronnen na verloop van tijd te beheren.

Combineer documenten met Q&A-paren voor kritieke antwoorden

Moet een specifiek antwoord altijd exact kloppen -- prijzen, juridische disclaimers, veiligheidsinformatie -- vertrouw dan niet alleen op document-retrieval. Maak een speciaal Q&A-paar met het precieze antwoord aan. Q&A-paren krijgen voorrang boven content uit documenten wanneer een vraag overeenkomt.

Test met echte gebruikersvragen

Test niet alleen met vragen waarvan je het antwoord al weet. Vraag je supportteam, salesteam of daadwerkelijke klanten wat ze het vaakst vragen. Gebruik die als testcases. De chatbot moet de vragen aankunnen die je gebruikers echt stellen, niet degene waarvan jij denkt dat ze die zullen stellen.

Documentchat versus traditioneel zoeken

Je vraagt je misschien af waarom documentchat beter is dan simpelweg documenten met een zoekbalk op je website zetten. Dit is het verschil.

Het grootste verschil is de inspanning van de gebruiker. Traditioneel zoeken geeft je een lijst met documenten die mogelijk het antwoord bevatten. Documentchat geeft je het antwoord zelf. Voor klanten op je website vertaalt dat verschil zich rechtstreeks naar minder supporttickets en hogere tevredenheid.

Wanneer documentchat niet de juiste fit is

Documentchat werkt het best voor feitelijke, kennisgebaseerde vragen met duidelijke antwoorden in je bronmateriaal. Hij is minder geschikt voor:

• Zeer subjectieve vragen waarbij er geen enkel juist antwoord is.
• Realtimedata die per minuut verandert (aandelenkoersen, live voorraadaantallen). Documenten zijn statische momentopnames.
• Complexe processen in meerdere stappen waarbij de gebruiker actie moet ondernemen in meerdere systemen. Overweeg daarvoor documentchat te combineren met actietypen zoals aangepaste API-calls of formulieren.
• Content die visuele context vereist (diagrammen, grafieken, afbeeldingen). De huidige documentverwerking extraheert alleen tekst.

Voor de meeste bedrijfstoepassingen -- support, onboarding, compliance, onderzoek, training -- doet documentchat zijn werk goed.

Volgende stappen

Documentchat maakt van je bestaande bestanden een conversationele kennisbank. Klanten krijgen direct antwoord, gebaseerd op je eigen documentatie. Je team besteedt minder tijd aan het beantwoorden van herhalende vragen. En de opzet duurt minuten, geen weken.

Begin met het uploaden van je meest geraadpleegde documenten -- de bestanden die je team voortdurend naar klanten stuurt of de gidsen waar nieuwe medewerkers altijd naar vragen. Test in de Playground, verfijn met Q&A-paren voor kritieke antwoorden, en zet live op je website.

Combineer documentbronnen met website crawlen voor bredere dekking, en verken acties voor Leads verzamelen om gesprekken over documentvraag-en-antwoord om te zetten in gekwalificeerde leads.

Bouw gratis je chatbot →

Geen creditcard nodig.