RAG
Wat is RAG?
Een techniek waarbij een AI-model eerst relevante documenten opzoekt en daarop zijn antwoord baseert.
Gecontroleerd op · 2 bronnen
Wat het is
RAG staat voor retrieval-augmented generation: genereren, aangevuld met opzoeken. Voordat het taalmodel antwoordt, zoekt een apart systeem de stukken tekst op die bij de vraag passen, bijvoorbeeld uit de handleidingen, het intranet of de klantdossiers van een bedrijf.
Die stukken worden samen met de vraag aan het model gegeven, met de opdracht om daarop te antwoorden. Zo kan het model werken met actuele en interne informatie die het tijdens zijn training nooit gezien heeft, en kan het vaak aangeven waar het antwoord vandaan komt.
Een voorbeeld
Een medewerker van een verzekeraar vraagt de interne assistent: "Is waterschade door een lekkende vaatwasser gedekt in polis B?" De assistent zoekt de polisvoorwaarden erbij, geeft ze aan het model, en antwoordt met het juiste artikel erbij, in plaats van te gokken op basis van algemene kennis.
Waar het tekortschiet
- Het antwoord is zo goed als wat er gevonden wordt: vindt het zoeken de verkeerde stukken, dan volgt een verkeerd antwoord.
- Het model kan de gevonden tekst alsnog verkeerd samenvatten of aanvullen met verzonnen details.
- Het zoeksysteem moet de rechten respecteren: een medewerker mag via de assistent geen documenten zien waar hij zelf geen toegang toe heeft.
Waarom het ertoe doet
RAG is de meest gebruikte manier om AI op de eigen gegevens van een organisatie te laten werken. Daarmee is het ook een toegangsvraagstuk: wie mag via de AI bij welke informatie?
In het nieuws
Er is de laatste tijd geen nieuws over RAG verschenen. Zodra dat er is, staat het hier.
Hangt hiermee samen
Bronnen
- Lewis e.a. (2020): Retrieval-Augmented Generation arxiv.org
- Wikipedia: Retrieval-augmented generation en.wikipedia.org
Deze uitleg is geschreven door de redactie van RedFlare en op 25 september 2026 tegen deze bronnen nagelezen.