Eerst de belangrijkste vraag: waarvoor dient hij?
"Chatbot" dekt tegenwoordig drie heel verschillende dingen, en die drie bepalen bijna de volledige rekening. Voordat je iets aanvraagt, helpt het om te weten welke van de drie je eigenlijk zoekt.
De klassieke bot beantwoordt veelgestelde vragen: openingsuren, prijzen, status van een bestelling. De RAG-chatbot zoekt antwoorden in jóúw documenten en schrijft ze in gewone taal uit. En de agent voert ook taken uit: een afspraak boeken, een offerte opmaken, een ticket aanmaken in je systeem. Hoe verder in die lijst, hoe meer werk, risico en onderhoud.
RAG in gewone taal
RAG betekent retrieval-augmented generation, en de term is eigenlijk simpel. In plaats van dat de chatbot uit zijn geheugen antwoordt, zoekt hij eerst in jouw bronnen: handleidingen, productfiches, voorwaarden, eerdere antwoorden. Wat hij vindt, giet hij in een menselijk klinkende tekst.
Dat maakt RAG zo'n goede match voor kmo's. De bot kan alleen zeggen wat in je documenten staat, dus hij verzint minder. Maar hij is ook maar zo goed als die documenten. Is je documentatie verouderd, verspreid of tegenstrijdig, dan wordt de bot dat ook. Een groot deel van een RAG-project is daarom geen technologie maar opruim: welke bronnen zijn betrouwbaar, wie houdt ze actueel?
En wat is een agent?
Een agent is een chatbot die meer mag dan praten. Hij krijgt de instructie iets te doen: zoek de orderstatus op en mail de klant, maak een reservatie in het agenda-pakket, schrijf een conceptfactuur. Daarvoor heeft hij toegang nodig tot je systemen, en dat is precies waar de complexiteit begint.
Elke koppeling is technisch werk én een beveiligingsvraag. Een agent die in je CRM kan schrijven, kan daar ook fouten maken. Daarom bouwen serieuze trajecten bewuste grenzen in: wat mag de agent zelf doen, en waarvoor vraagt hij eerst een mens om goedkeuring? Verwacht dat deze discussie het deel van het gesprek is dat je offerte het meest beïnvloedt.
Wat de prijs bepaalt
Er is geen vaste prijs, maar er zijn wel vaste kostendrijvers.
- Bronnen. Hoe meer documenten, systemen en talen de bot moet kennen, hoe meer werk in aansluiting en opruim. Eén propere documentatieset is goedkoop; twintig willekeurige bronnen zijn het niet.
- Taal en toon. Je klanten verwachten Nederlands, en bij een Vlaamse kmo liefst Vlaamse bewoordingen. Dat is meer dan een vertaalknop; het bureau moet de bot leren hoe jij praat.
- Integraties. De bot op een testpagina is snel. De bot in je site, je webshop, je ticketsysteem of op WhatsApp is telkens extra werk.
- Veiligheid en privacy. Wie ziet welke data? Mogen klantgesprekken worden opgeslagen? Wat als de bot gevoelige vragen krijgt? Elk antwoord heeft een prijskaartje.
- Opvolging. Een chatbot is nooit af. Documenten veranderen, vragen verschuiven, het onderliggende model verandert. Reken een vaste opvolgingskost mee in je vergelijking.
Naar klanten toe of voor intern gebruik
Een verschil dat offertes veel verandert is waar de bot leeft. Een bot op je website praat met klanten, dus hij moet fouten dragen, de merktoon aanhouden en veilig omgaan met wie dan ook die typt. Dat is de zwaarste variant.
Een interne bot is vaak de betere eerste stap: je eigen mensen stellen vragen aan je documenten, je werkwijzen of je kennisbank. Het publiek is vergevingsgezinder, de risico's kleiner, en je leert enorm veel over wat werkt voor je later naar buiten gaat. Vraag in je aanvraag expliciet naar die volgorde; een bureau dat meteen naar de klantgerichte versie duwt zonder interne tussenstap doet dat niet altijd in jouw belang.
Waar het meestal fout gaat
Het meest zichtbare risico is de hallucinatie: de bot verzint een beleidsregel, een levertijd of een korting. Goede bureaus bouwen er remmen op: de bot mag alleen uit je bronnen halen, geeft onduidelijkheid eerlijk toe en geeft bij twijfel door aan een mens. Testen is hier alles: laat je eigen mensen de bot wekenlang bevragen voor hij live gaat.
Het tweede risico is privacy. Klantgesprekken zijn persoonsgegevens. Bespreek met het bureau waar die worden opgeslagen, of je een verwerkersovereenkomst nodig hebt en hoe lang je de gesprekken bewaart.
En het derde risico is stille vervuiling. Niemand leest de logboeken, de documentatie raakt verouderd, en na zes maanden geeft de bot antwoorden waar je je voor schaamt. Wijs bij jezelf een eigenaar aan, en vraag het bureau hoe je wijzigingen in bronnen doorstuurt.
Wat je aan het bureau vraagt
Een goed gesprek over een chatbot draait om dit soort vragen:
- Kan de bot bewijzen waar zijn antwoord vandaan komt? Vraag om een demo met één van jouw echte documenten.
- Wat gebeurt er als de bot het niet weet? "Hij verzint niets" is een beter antwoord dan "hij improviseert".
- In welke talen werkt hij echt goed? Vraag een live test in het Nederlands, niet alleen Engels.
- Welke integraties heb je al gebouwd, met welke systemen?
- Wie beheert hem na oplevering, en wat kost dat?
- Hoe meet je of hij werkt: tevreden klanten, minder telefoons, snellere antwoorden?
Van vraag naar traject
Een verstandige aanpak is klein beginnen. Laat de bot eerst één duidelijke vraagstroom beantwoorden, op basis van je netste documenten, met een mens als vangnet. Werkt dat, dan groeit hij naar meer bronnen of echte agentfuncties. Die fasering zit in de meeste offertes sowieso, en ze spaart je een dure eerste stap.
Hoe meet je dan of het lukt? Leg vooraf één getal vast dat je wil verbeteren: de tijd om een mail te beantwoorden, het aantal telefoons over dezelfde vraag, de tijd die een nieuwe medewerker nodig heeft om iets terug te vinden. Na drie maanden kan je dan echt zeggen of de bot iets opgeleverd heeft.
Op deze site vind je nagekeken bouwers, onder andere bij chatbots en AI-agents en bij NLP en taaltechnologie, waar de specialisten in taal zitten. Lokaal vergelijken kan ook, bijvoorbeeld bij AI-bureaus in Gent of AI-bureaus in Mechelen.
De beste chatbot is trouwens degene die eerlijk zegt dat hij een bot is en je klant toch snel en correct helpt. Dat eerste is geen keuze: de AI Act verplicht het. Al het andere is decoratie.