Dienst
RAG en document intelligence
Document-AI faalt vaak omdat retrieval als loodgieterij wordt gezien. Goede RAG is een productsurface: bronselectie, chunking, evaluatie, citaties, refusalgedrag en operatorvertrouwen tellen allemaal mee.
iftodo bouwt documentsystemen voor beleid, contracten, technische notities, researchcollecties, supportkennis en intern procesmateriaal. Het doel is geen magische bibliotheek. Het doel is een betrouwbaar pad van vraag naar geciteerd bewijs.
Waar dit past
- Belangrijke antwoorden zitten verspreid over PDFs, docs, tickets, notities en interne paginas.
- Gebruikers hebben citaties, onzekerheid en escalatie nodig wanneer bronnen een antwoord niet dragen.
- Je wilt evaluatiefixtures voordat je uitbreidt naar meer collecties of hoger risico.
Wat wordt opgeleverd
- 01
Corpusanalyse, ingestieontwerp, metadatamodel, retrievalstrategie en antwoordbeleid.
- 02
Werkend RAG- of document-intelligence prototype met citaties, bronpreviews en refusalpaden.
- 03
Evaluatieset voor antwoordkwaliteit, source grounding, verouderde informatie, ontbrekende context en randgevallen.
Wat ik van jou nodig heb
- Representatieve documenten en de vragen die mensen echt stellen.
- Bekende slechte antwoorden, ambiguiteit, verouderd beleid en source-of-truth regels.
- Toegangsgrenzen voor wie welk document of antwoord mag zien.
Hoe het werk loopt
- 01
Eerst de corpusvorm onderzoeken, want de documenten bepalen de systeemvorm.
- 02
Ingestie, metadata en retrieval bouwen met inspecteerbare tussenresultaten.
- 03
Antwoorden evalueren op bronsteun, niet alleen op vloeiende tekst.
Acceptatie en evaluatie
- Antwoorden bevatten bruikbare citaties en vermijden uitspraken die bronnen niet ondersteunen.
- Het systeem weigert, vraagt verduidelijking of escaleert wanneer bewijs ontbreekt.
- Regressiefixtures vangen drift wanneer documenten, prompts of modellen veranderen.
Bewijs en werk
Veelgestelde vragen
- Kun je met rommelige documenten werken?
- Ja, maar rommelige bronnen worden als ontwerpconstraint behandeld. De eerste stap maakt duidelijk wat betrouwbaar kan worden beantwoord en wat cleanup of beleidskeuzes vraagt.
- Gebruik je alleen vector search?
- Niet standaard. Keyword search, metadatafilters, reranking, structured extraction en kleinere deterministische stappen zijn vaak net zo belangrijk.
- Beantwoordt het systeem elke vraag?
- Een betrouwbaar systeem weet wanneer de corpus een antwoord niet ondersteunt en zegt dat met een nuttige vervolgstap.