Sla over naar inhoud
Vectel
Alle inzichten

inzicht:

Wat is een AI-specialist nou eigenlijk?

Een vraag stellen aan een chatbot kan iedereen. Toch is er een vak ontstaan rond AI, en in ons vorige stuk schreven we dat je zo iemand meestal niet zelf in dienst hoeft te nemen. Dit stuk laat zien wat dat vak inhoudt: acht technieken, van context ontwerpen tot agents begrenzen en evalueren, met per techniek wat er misgaat als je hem overslaat.

Een vraag stellen aan een chatbot is geen vak. Je typt, er komt een antwoord, en voor losse vragen en teksten is dat vaak genoeg. In ons vorige stuk schreven we waarom je voor meer dan dat meestal geen AI-specialist in dienst hoeft te nemen. Maar wat doet zo iemand dan eigenlijk, dat je er anders een voor zou zoeken?

Het korte antwoord: regulier AI-gebruik is een gesprek, specialistisch AI-gebruik is een systeem. Wie een model betrouwbaar werk wil laten doen, bouwt om dat model heen: context, toegang, grenzen, controle en onderhoud. Dat werk valt grofweg in acht onderdelen uiteen. Per onderdeel: wat het is, hoe het er bij ons uitziet, en wat er misgaat als je het overslaat.

1. Context en instructies ontwerpen

Een model weet niets van jouw bedrijf en doet wat je vraagt, ook als je het verkeerde vraagt. De eerste techniek is daarom vaste context en instructies ontwerpen: wat de taak is, wat wel en niet mag, welke stijl en welke feiten gelden, en in welke volgorde het model die informatie krijgt. Dat is schrijfwerk dat je test en bijstelt, geen eenmalige prompt.

Bij ons krijgt elke agent per project vaste werkafspraken mee: wat er in dat project geldt, wat verboden is, en hoe het werk gecontroleerd wordt. Een nieuwe sessie leest die afspraken voordat hij iets doet. Sla je dit over, dan krijgt iedereen in je bedrijf andere antwoorden op dezelfde vraag, en vult het model ontbrekende kennis zelf in. Dat invullen klinkt overtuigend en is soms gewoon fout.

2. Toegang tot eigen gegevens en systemen

Een model zonder toegang tot je eigen gegevens geeft algemene antwoorden. De tweede techniek is het model aansluiten op wat jij weet en gebruikt: documenten en kennisbanken doorzoekbaar maken en het relevante deel bij de vraag voegen (retrieval), en het model via koppelingen gereedschap geven om iets op te zoeken of uit te voeren (tools).

De assistent in ons klantportaal zoekt eerst in onze eigen kennisbank en beantwoordt de vraag uitsluitend op basis van wat hij daar vindt. Onze bouw-agents hebben koppelingen om tests te draaien en systemen uit te lezen. Sla je dit over, dan blijft AI algemeen: nette antwoorden die niets van jouw klanten, prijzen of afspraken weten. Geef je juist te ruime toegang, dan heb je een ander probleem; daarover bij punt 7 meer.

3. Agents begrenzen, met akkoord vooraf

Zodra een model zelf stappen zet, een agent dus, verschuift de vraag van wat kan hij naar wat mag hij. De derde techniek is grenzen stellen: wat mag de agent zelf afhandelen, waarvoor moet hij toestemming vragen, en wat mag hij nooit.

Bij ons geldt een vaste regel: lezen, bouwen en voorbereiden mag ruim, maar alles wat klanten of productiesystemen raakt gaat pas door na akkoord vooraf, en een mens kijkt het na voordat het live gaat. Sla je dit over, dan repareert een agent op een dag iets dat niet stuk was, in een systeem waar hij nooit had mogen komen. Niet uit kwade wil, maar omdat niemand de grens had getrokken.

4. Meerdere agents en taakverdeling

Eén agent die alles doet wordt onoverzichtelijk en moeilijk te controleren. De vierde techniek is taakverdeling: aparte agents per taak of project, een coördinerende rol die werk uitzet en naloopt, en voor gevoelig werk een agent die maar één ding doet, zoals de aparte agent voor beveiligingswerk uit ons vorige stuk.

Zo werken wij ook: agents per project, een centrale rol die taken verdeelt en resultaten controleert, en werk dat ertoe doet wordt nagekeken voordat een mens er zijn akkoord op geeft. Sla je dit over, dan heb je één alleskunner zonder tweede paar ogen, en gaan fouten ongezien door.

5. Testen en meten: evaluaties

Hoe weet je of het werkt, en of het volgende maand nog werkt? De vijfde techniek is evalueren: vaste testgevallen die je bij elke wijziging opnieuw draait, en meten hoe het in de praktijk gaat.

Bij ons draaien tests automatisch mee met elke wijziging, en onze portaal-assistent houdt bij wanneer hij er niet uitkomt en terugvalt op een mens, zodat we dat patroon kunnen onderzoeken in plaats van erover te gissen. Sla je dit over, dan merk je dat de kwaliteit terugliep op het moment dat een klant het meldt. Dat is te laat.

6. Kosten en modelkeuze

Modellen verschillen fors in prijs en in wat ze kunnen, en het zwaarste model is niet voor elke taak nodig. De zesde techniek is per taak kiezen: het goedkoopste model dat het werk goed doet, hergebruik van context om dubbele kosten te voorkomen, en limieten op aanvragen en tekstlengte zodat een fout geen rekening wordt. En soms is de beste keuze geen model: wat met gewone code kan, doe je met gewone code.

Bij ons zijn dat vaste regels. Sla je dit over, dan betaal je maandelijks voor rekenkracht die niemand nodig had, of zet je juist een te licht model op werk waar het fouten in maakt.

7. Beveiliging en privacy

Elke koppeling is ook een deur. De zevende techniek is bepalen welke gegevens je systemen verlaten, waarheen, en onder welke afspraken. Laat je persoonsgegevens verwerken door een AI-aanbieder, dan is die aanbieder een verwerker en vraagt de AVG een verwerkersovereenkomst (artikel 28). Voor de assistent in ons klantportaal kozen we een Europese aanbieder, met verwerking binnen de EER, en die staat met naam in onze verwerkersafspraken met klanten.

Daarnaast hebben agents een eigen risico: een agent die externe inhoud leest kan daarin instructies tegenkomen die proberen hem iets anders te laten doen. Onze assistent behandelt alles wat een klant of een extern systeem aanlevert daarom nadrukkelijk als gegevens, niet als opdracht. Wat er juridisch vooraf geregeld moet zijn, staat in AVG en AI: wat moet vooraf geregeld zijn?. Sla je dit over, dan staan klantgegevens bij een partij waarmee niets is afgesproken, en is één handig geformuleerd bericht genoeg om je assistent iets te laten doen dat niet de bedoeling was.

8. Bijhouden, want dit staat niet stil

In ons eigen werk hebben we het afgelopen jaar meerdere keren modellen gewisseld of bijgewerkt, en bij elke wissel testen we instructies, grenzen en evaluaties opnieuw; wat bij het ene model werkt, werkt bij het volgende net anders. De achtste techniek is dus onderhoud: bijhouden wat er verandert, nieuwe mogelijkheden op waarde schatten en de eigen opzet actueel houden. Sla je dit over, dan bouwt je AI-opzet op aannames van een jaar geleden: je mist wat inmiddels kan, en je merkt niet dat iets stilletjes anders is gaan werken.

Wat dit voor jou betekent

Dit is het vak: niet beter kunnen praten met een chatbot, maar een systeem bouwen waarin AI betrouwbaar, begrensd en betaalbaar werk doet, met een mens die beslist en nakijkt. De conclusie uit ons vorige stuk blijft staan: je hoeft dit niet allemaal zelf in huis te halen. Je moet alleen weten dat het bestaat, zodat je een partner of leverancier de juiste vragen kunt stellen: hoe begrens je agents, waar staan mijn gegevens, hoe test je dit, en wat kost het per maand?

Benieuwd waar je zelf staat? Doe de AI-readiness-scan of leg ons je situatie voor.

Bron: AVG, artikel 28 (Verordening (EU) 2016/679, wetten.overheid.nl). De werkwijzen en voorbeelden komen uit onze eigen praktijk. Gecontroleerd 17 november 2026.