RAG Retrieval Augmented Generation
Wat is RAG?
RAG staat voor Retrieval Augmented Generation en lost een van de grootste problemen van AI op: hallucinaties. In plaats van dat het model puur uit zijn eigen training een antwoord verzint, zoekt het eerst relevante informatie op uit jouw documenten, kennisbank of database. Vervolgens genereert het een antwoord gebaseerd op die bronnen.
Stel je het voor als het verschil tussen iemand die uit zijn hoofd antwoord geeft en iemand die eerst even het juiste document erbij pakt. Die tweede persoon geeft betrouwbaardere antwoorden. Dat is precies wat RAG doet.
Technisch werkt het in twee stappen. Eerst worden je documenten omgezet naar embeddings en opgeslagen in een vector database. Wanneer er een vraag binnenkomt, zoekt het systeem de meest relevante fragmenten op en voegt die toe aan de prompt van het taalmodel. Het model genereert dan een antwoord op basis van die context.
RAG is bijzonder waardevol omdat je geen eigen model hoeft te trainen. Je kunt een bestaand LLM gebruiken en het ‘slim’ maken over jouw bedrijf door het toegang te geven tot jouw documenten.
Voorbeeld uit de praktijk
Een installatiebedrijf heeft duizenden technische handleidingen. Met RAG kunnen monteurs via een simpele vraag ("Wat is de maximale werkdruk van de Remeha Calenta?") direct het juiste antwoord krijgen, inclusief een verwijzing naar de exacte pagina in de handleiding.
Wat betekent dit voor jouw organisatie?
RAG is een van de technieken die Agentech het vaakst inzet. Het maakt AI betrouwbaar doordat antwoorden gebaseerd zijn op jouw eigen bronnen, niet op giswerk van het model.