Voor wie: ondernemers en directeuren van een MKB-bedrijf waar de kennis verspreid zit over mensen, mappen en mailboxen, en waar dezelfde vragen elke week terugkomen.
Wat is een AI-kennisbank, en wat heb je eraan?
De kennis van je bedrijf op één plek, waar iedereen hem in gewone taal kan bevragen. En, belangrijker, waar alles wat je daarna bouwt uit put.
Kort antwoord: Een AI-kennisbank is de kennis van je bedrijf op één plek, zo vastgelegd dat iedereen er een vraag in gewone taal aan kan stellen en meteen antwoord krijgt uit je eigen bronnen. Denk aan producteigenschappen, procedures, veelgestelde klantvragen en de uitzonderingen die nergens opgeschreven staan. Het verschil met zoeken in Drive of SharePoint is dat je een antwoord terugkrijgt in plaats van een lijst met documenten waar het antwoord ergens in staat. De grootste winst zit niet in het zoeken zelf, maar in wat je er daarna op bouwt: een chatbot, een app of een assistent putten allemaal uit dezelfde bron.
Wat is het precies?
Een verzameling van wat jouw bedrijf weet, opgeslagen op een manier waar AI mee overweg kan. Je stelt een vraag zoals je hem aan een ervaren collega zou stellen, en je krijgt het antwoord terug uit jullie eigen materiaal.
Het gaat om de kennis die nu in hoofden zit en in mappen die niemand meer doorzoekt. Microsoft mat in 2025 dat een medewerker die met Microsoft 365 werkt gemiddeld elke 2 minuten wordt onderbroken door een bericht, een mail of een vergadering: 275 keer op een werkdag. Elke keer dat iemand even langsloopt met "weet jij toevallig nog...", is er daar één van.
Bij een verfproducent met een eigen buitendienst gaat het bijvoorbeeld om vragen als: welke laag heeft dit product nodig, en op welke ondergrond mag het juist niet. Dat moest vroeger iemand opzoeken of navragen. Nu stelt het hele bedrijf die vraag aan de kennisbank.
Wat is het verschil met zoeken in Drive of SharePoint?
Zoeken geeft je documenten. Een AI-kennisbank geeft je een antwoord.
Dat klinkt als een klein verschil en het is in de praktijk een groot verschil, om 3 redenen:
- Je hoeft de juiste woorden niet te kennen. Zoeken werkt op termen die letterlijk in het document staan. Vragen werkt op wat je bedoelt.
- Het antwoord kan uit meerdere bronnen komen. Staat de helft in een productblad en de andere helft in een oude mail aan een klant, dan komt het samengevoegd terug.
- Kennis die nergens staat, kun je toevoegen. De uitzondering die iedereen kent maar niemand opschreef, zet je er gewoon in.
Wat zet je erin?
Minder dan mensen denken. Een kennisbank die volloopt met alles wat ooit gemaakt is, geeft slechtere antwoorden dan een kennisbank met alleen wat ertoe doet.
| Wel | Beter niet |
|---|---|
| Producteigenschappen, specificaties en toepassingsregels | Complete versiegeschiedenissen van documenten |
| Procedures en werkafspraken zoals ze echt gaan | Verouderde procedures die niemand meer volgt |
| Veelgestelde klantvragen met het antwoord erbij | Volledige mailarchieven zonder selectie |
| De uitzonderingen die iedereen uit ervaring kent | Persoonsgegevens die er niet in horen |
Die laatste rij is geen detail. Wat je erin zet, kan iedereen met toegang eruit halen. Bepaal dus vooraf wie waarbij mag en houd klantgegevens erbuiten tenzij daar een reden en een afspraak voor is.
Hoe weet je of het antwoord klopt?
De eerlijke vraag die elke directeur stelt, en terecht: een AI die iets verzint over je eigen producten is erger dan geen AI.
3 dingen houden het betrouwbaar:
- Antwoorden verwijzen naar de bron. Je ziet uit welk document het komt, dus je kunt het narekenen.
- Eén eigenaar per onderwerp. Iemand die verantwoordelijk is dat de productinformatie klopt, zoals er ook iemand verantwoordelijk is voor de prijslijst.
- Nieuwe kennis gaat langs een mens voordat hij erin staat. Hetzelfde principe dat overal in een goed opgezet systeem terugkomt: AI stelt voor, een mens keurt goed.
Zonder die 3 krijg je een kennisbank die vol staat met antwoorden waarvan niemand meer weet of ze nog gelden. Meer over hoe zo'n bank zichzelf bijhoudt staat in onze wiki bij de zelfverbeterende kennisbank.
Wat kun je erop bouwen?
Hier zit de reden om ermee te beginnen, en het is meestal niet de reden waarom mensen ernaar vragen.
Een kennisbank die er eenmaal staat, is de bron voor alles wat daarna komt. Een interne chatbot beantwoordt vragen van het team. Een externe chatbot doet hetzelfde voor klanten of leveranciers. Een app voor de buitendienst gebruikt dezelfde productkennis onderweg. Alle drie putten uit dezelfde bron, dus alle drie geven ze hetzelfde antwoord.
Bij de verfproducent uit het voorbeeld hierboven is dat precies de volgorde geweest: eerst de productkennisbank die het hele bedrijf kan bevragen, daarna een chatbot erbovenop, en op termijn een versie die de schilders zelf kunnen raadplegen.
Dat maakt de kennisbank een laag in een groter geheel. Hoe die lagen op elkaar staan, staat in wat een AI Operating System is.
Bouw het één keer goed. Dan bouwt AI overal in je bedrijf mee.
Waar begin je?
Met de 20 vragen die het vaakst gesteld worden. Niet met alle documenten die je hebt.
Vraag je team een week lang op te schrijven welke vragen ze krijgen en welke ze zelf stellen. Die lijst is je startpunt, en hij is meestal korter en concreter dan verwacht. Werkt de kennisbank op die 20, dan pas breid je uit.
Qua tijd: dit valt onder wat wij een eerste win noemen, en dat kost doorgaans 2 tot 4 weken van eerste gesprek tot werkend systeem.
Bron: Microsoft Work Trend Index, Breaking down the infinite workday (17 juni 2025). De onderbrekingscijfers komen uit geanonimiseerde Microsoft 365-telemetrie; het bijbehorende onderzoek is uitgevoerd door Edelman Data x Intelligence onder 31.000 kenniswerkers in 31 landen, waaronder Nederland.