Kennisprobleem
Een AI-kennisbank is zo betrouwbaar als de kennis eronder
Een AI-kennisbank belooft snel antwoord op bedrijfsvragen. Of dat antwoord ook klopt, hangt niet af van het model maar van wat er in de bank ligt en wie daarvoor tekent.
01Wat het oplost
Wat een AI-kennisbank wel goed doet
Een AI-kennisbank is sterk in het herleiden van tekst die ergens al is vastgelegd: procedures, handboeken, projectrapportages, e-mailwisselingen. Het model doorzoekt, herformuleert en combineert die tekst tot een leesbaar antwoord, sneller dan een handmatige zoekopdracht in mappenstructuren of een documentbeheersysteem.
Dat is winst wanneer de onderliggende documenten actueel, eenduidig en compleet zijn. De kennisbank verlaagt dan de drempel om bestaande kennis te raadplegen, en ontlast medewerkers die anders zelf op zoek moeten naar de juiste versie van een instructie of het antwoord aan een collega moeten vragen.
De winst is dus geen nieuwe kennis, maar snellere toegang tot kennis die al ergens correct staat. Dat onderscheid bepaalt meteen de grens: een AI-kennisbank vult geen gaten in de onderliggende documentatie en corrigeert geen fouten die daarin al zaten.
02Vóór de inrichting
Vragen die eerder horen dan de techniek
- Welke bron is leidend bij tegenspraak?
- Als procedure en praktijk verschillen, of als twee documenten elkaar tegenspreken, moet vooraf vaststaan welke bron telt en wie dat besluit.
- Wie is eigenaar van welk domein?
- Elk onderwerp heeft een inhoudelijk verantwoordelijke die kan aangeven of een document nog geldt. Zonder eigenaar blijft verouderde tekst onopgemerkt liggen.
- Wat is de laatste geldige versie?
- Veel archieven bevatten meerdere versies van dezelfde instructie naast elkaar. Zonder versiebeheer voedt de kennisbank zich met de verkeerde variant.
- Welke kennis staat nergens op schrift?
- Praktijkkennis die alleen in hoofden van ervaren medewerkers zit, ontbreekt automatisch in elke tekstgebaseerde bank, hoe goed die ook doorzoekbaar is.
03Inrichtingsvraag
De inrichting is een organisatievraag, geen implementatievraag
Leveranciers presenteren de inrichting van een AI-kennisbank vaak als een technisch project: documenten aanleveren, indexeren, klaar. Dat overslaat de vraag die het meeste effect heeft op de betrouwbaarheid van de uitkomst, namelijk welke documenten uberhaupt aanleveren waard zijn.
Een organisatie die alle mappen ongefilterd aanlevert, geeft het model evenveel gewicht aan een verlopen werkinstructie als aan de actuele versie. De inrichting vraagt daarom eerst een sanering: welke documenten zijn geldig, welke zijn achterhaald, en welke horen niet in een raadpleegbare bank omdat ze context missen die alleen een deskundige kan invullen.
Die sanering is arbeidsintensiever dan de technische aansluiting zelf, en ze wordt daarom vaak overgeslagen of afgeraffeld. Dat is de plek waar de meeste kennisbanken hun betrouwbaarheid verliezen, niet in het model.
04Kennis die je bewust uitsluit
Wat niet in de kennisbank hoort
- Conceptdocumenten
- Werk in uitvoering dat nog niet is vastgesteld, mag niet als feitelijk antwoord verschijnen.
- Verlopen procedures zonder markering
- Documenten die zijn ingehaald door een herziening maar nog in het archief staan.
- Contextgevoelige uitzonderingen
- Kennis die alleen geldt onder specifieke voorwaarden en zonder die voorwaarden misleidend is.
- Persoonlijke aantekeningen
- Notities van individuele medewerkers die nooit zijn getoetst door de inhoudelijk verantwoordelijke.
05Praktijkkennis
De kennis die niet op schrift staat
Elke organisatie werkt voor een deel op kennis die nooit is opgeschreven: de reden waarom een procedure in de praktijk anders wordt uitgevoerd dan het handboek voorschrijft, de uitzondering die iedereen kent maar niemand heeft vastgelegd. Een AI-kennisbank kan die kennis niet tonen, want ze bestaat niet als tekst.
Dat is geen tekortkoming van het model, maar een gegeven waarmee de inrichting rekening moet houden. Waar praktijkkennis structureel afwijkt van de vastgelegde procedure, is het zinvoller die kennis eerst expliciet te maken en te laten valideren dan te vertrouwen op wat toevallig al op schrift staat.
Een kennisbank die dat onderscheid niet zichtbaar maakt, wekt de indruk compleet te zijn terwijl ze systematisch een deel van de werkelijkheid mist.
06Uitgangspunt
Waar de betrouwbaarheid vandaan komt
- Bron vóór index
- De kwaliteit van de bronnen bepaalt het plafond van de uitkomst; indexering kan dat plafond niet verhogen.
- Eigenaarschap per domein
- Iedere kennisdomein heeft een verantwoordelijke die geldigheid kan bevestigen of intrekken.
- Zichtbare status
- Een gebruiker moet kunnen zien of een antwoord op gevalideerde kennis rust of op ongecontroleerde tekst.
07Resultaat van een goede inrichting
Wat een gesaneerde kennisbank oplevert
Minder tegenstrijdige antwoorden
Omdat conflicterende bronnen vooraf zijn opgelost in plaats van naast elkaar te blijven bestaan.
Herkenbare grenzen
Gebruikers weten welke onderwerpen de bank wel en niet dekt, in plaats van dat te ontdekken bij een fout antwoord.
Onderhoudbaarheid
Nieuwe documenten passen in een structuur met eigenaarschap, in plaats van een ongestructureerde toevoeging aan de index.
Start gratis met KOS.
Bouw uw eerste kennisdomein op en doorloop de volledige kenniscyclus.
Alle onderwerpen in het kennisoverzicht.
Elk thema staat op zichzelf: het probleem, de sector of het moment waarop kennis wordt vastgesteld.