# Knowledgebase voor AI-agents: zo bouwt u er een die uw agent echt gebruikt

> Bouw een accurate knowledgebase voor uw AI-agent. Wat erin hoort, bestanden versus RAG, verouderde en tegenstrijdige informatie oplossen en testen met 20 vragen.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/nl/blog/ai-agent-knowledge-base

*Laatst bijgewerkt: september 2026*

**Een knowledgebase voor AI-agents mislukt zelden omdat de agent uw restitutiebeleid niet kan vinden. Het probleem ontstaat wanneer de agent er twee vindt.** In 2024 verplichtte een Canadese rechtbank Air Canada om een klant te compenseren nadat de chatbot van de luchtvaartmaatschappij informatie gaf over restitutie bij een sterfgeval, terwijl het eigen beleid van Air Canada die restitutie uitsloot. Het model deed zijn werk. De kennis erachter sprak zichzelf tegen.

Deze handleiding is bedoeld voor ondernemers die willen dat een AI-agent hun bedrijf goed genoeg kent om ernaar te handelen — of de agent nu namens u processen uitvoert of vragen van uw klanten beantwoordt. We bespreken wat u in de knowledgebase zet, wat u beter weglaat, hoe agents de informatie daadwerkelijk lezen en hoe u alles test voordat een klant dat doet.

- **Een knowledgebase voor een AI-agent is het geschreven bedrijfsdossier waar uw agent uit werkt**: beleid, productinformatie, veelgestelde vragen, procedures en wat de agent over u heeft geleerd
- **Orden informatie op basis van hoe vaak die verandert.** Stabiele regels zet u in bestanden. Alles wat vaker dan maandelijks verandert — prijzen, voorraad, bestellingen — moet live worden opgezocht en nooit worden gekopieerd
- **De meeste kleine bedrijven hebben geen vector search nodig.** Onder ongeveer 500 pagina’s kan een agent rechtstreeks het juiste bestand openen. Dat is eenvoudiger en veel makkelijker te corrigeren
- **Tegenstrijdigheden richten meer schade aan dan hiaten.** Een agent die geen antwoord vindt, kan dat aangeven. Een agent die twee antwoorden vindt, kiest er één
- **Test met 20 echte klantvragen** in een nieuw gesprek en corrigeer het bronbestand — nooit het gesprek

## Wat is een knowledgebase voor een AI-agent?

Een knowledgebase voor een AI-agent is de verzameling geschreven bedrijfsinformatie die een agent leest voordat hij handelt: uw beleid, productdetails, antwoorden op veelgestelde vragen, stapsgewijze procedures en feiten die hij tijdens het samenwerken met u heeft opgepikt. Daarmee verandert u een algemeen model in iets dat uw restitutietermijn, uw beste klant en uw manier van nee zeggen kent.

De knowledgebase bevat vier soorten informatie. Die gedragen zich elk anders:

| Soort | Voorbeeld | Hoe het misgaat |
|---|---|---|
| **Feiten** | ‘De Pro-cursus heeft 12 modules en levenslange toegang’ | Raakt verouderd wanneer het product verandert |
| **Regels** | ‘Restitutie binnen 30 dagen na aankoop, zonder vragen’ | Wordt tegengesproken door een oudere versie elders |
| **Procedures** | ‘Zo onboarden we een nieuwe coachingklant’ | Is te vaag om te volgen, waardoor de agent gaat improviseren |
| **Geheugen** | ‘Axel houdt van korte antwoorden en heeft een hekel aan uitroeptekens’ | Aangeleerd op basis van één slechte dag en nooit gecorrigeerd |

De term omvat twee toepassingen. Bij de eerste werkt een agent *voor* u: hij stelt e-mails op, werkt producten bij en maakt rapportages. Daarvoor moet hij weten hoe uw bedrijf werkt. Bij de tweede beantwoordt een agent vragen van *uw klanten* vanuit een support-knowledgebase. Dezelfde knowledgebase kan voor beide toepassingen dienen. De belangen verschillen wel, omdat een klant handelt op basis van wat de agent vertelt. Hieronder bespreken we de supporttoepassing in een aparte sectie.

## Wat zet u in uw knowledgebase voor een AI-agent?

Begin met wat u nu al steeds opnieuw uitlegt. Voor de meeste kleine bedrijven is dat een korte lijst:

1. **Eén alinea over uw bedrijf.** Wat u verkoopt, wie het koopt en wat u niet verkoopt
2. **Beleid voor klanten.** Restituties, annuleringen, verzending of levering, privacy en openingstijden van support — in de huidige formulering
3. **Productinformatie.** Wat elk product bevat, voor wie het bedoeld is en voor wie juist *niet*
4. **Veelgestelde vragen in de woorden van uw klanten.** Kopieer echte vragen uit uw inbox, niet de formulering van uw verkooppagina
5. **Stijl en toon.** Drie voorbeeldantwoorden waar u tevreden over was, zeggen meer dan een alinea met bijvoeglijke naamwoorden
6. **Escalatieregels.** Wat de agent aan u moet doorgeven: juridische dreigementen, restituties boven een bepaald bedrag en alles wat medisch of financieel is
7. **Procedures die u herhaaldelijk uitvoert.** Een klant onboarden, een product lanceren of een chargeback beantwoorden

De lastigere keuze is waar elk onderdeel thuishoort. Orden informatie op basis van hoe vaak die verandert, niet op onderwerp:

![Diagram met drie lagen bedrijfsinformatie voor een AI-agent: vaste instructies die bij elke taak worden gelezen, referentiebestanden die indien nodig worden geopend en livekoppelingen die actuele informatie ophalen](https://crevio.co/vite/assets/where-business-knowledge-belongs-i0z68ico.svg)

### Wat u beter weglaat

- **Alles wat vaker dan maandelijks verandert.** Prijzen, kortingscodes, voorraad, boekingen en bestelstatus horen thuis in het systeem dat ze beheert. De agent moet ze via een integratie opzoeken. Een prijs die u in een document typt, wordt vroeg of laat een fout antwoord
- **Wachtwoorden en API-sleutels.** Knowledgebestanden worden gelezen, geciteerd en in concepten gekopieerd. Inloggegevens horen in een beveiligde secrets store
- **Oude versies.** Verwijder het restitutiebeleid uit 2024. Het ‘voor de zekerheid’ in dezelfde map bewaren is hoe het Air Canada-probleem begint
- **Marketingteksten die te veel beloven.** Als op uw verkooppagina ‘onbeperkte support’ staat, belooft de agent onbeperkte support. Hij kan enthousiasme niet onderscheiden van beleid

## Hoe agents een knowledgebase lezen: bestanden, search of RAG

Een agent kan op drie manieren toegang krijgen tot uw kennis. De juiste keuze hangt vooral af van de omvang.

| Aanpak | Hoe het werkt | Geschikt voor | Belangrijkste nadeel |
|---|---|---|---|
| **Alles laden** | De volledige knowledgebase gaat mee met elk verzoek | Enkele pagina’s met kerninstructies | Kosten, en de kwaliteit neemt af naarmate de prompt langer wordt |
| **Bestanden plus search** | Een korte index wordt altijd geladen; de agent zoekt bestanden op en opent ze wanneer dat nodig is | De meeste kleine bedrijven | De agent moet het juiste bestand kiezen |
| **Vector search (RAG)** | Documenten worden in stukken verdeeld; per vraag worden de meest vergelijkbare stukken opgehaald | Duizenden pagina’s en grote supportbibliotheken | Stukken verliezen context en gemiste informatie is lastig te debuggen |

Voor een klein bedrijf spreken de cijfers voor de eenvoudigste optie. In een [artikel over retrieval](https://www.anthropic.com/engineering/contextual-retrieval) merkt Anthropic op dat u bij een knowledgebase van minder dan 200.000 tokens — ‘ongeveer 500 pagina’s materiaal’ — het geheel aan het model kunt geven, ‘zonder RAG of vergelijkbare methodes’. Het beleid, de productinformatie en de veelgestelde vragen van de meeste kleine bedrijven passen op enkele tientallen pagina’s.

Dat betekent niet dat u alles in elk verzoek moet stoppen. In [onderzoek van Chroma naar context rot](https://www.trychroma.com/research/context-rot) werden 18 toonaangevende modellen getest. Daaruit bleek dat ‘de modelprestaties consistent afnemen naarmate de invoer langer wordt’, zelfs bij eenvoudige taken. Voor een klein bedrijf is de praktische middenweg daarom bestanden plus search: een korte index die de agent altijd ziet en onderwerpsbestanden die hij opent wanneer een taak daarom vraagt.

Vector search heeft zeker zijn nut. Bij duizenden helpartikelen verdient die aanpak de extra complexiteit. Tegelijkertijd wordt het dan moeilijker om te begrijpen waarom een knowledgebase iets doet. In de eigen tests van Anthropic ontbrak de juiste passage bij een standaard retrieval-opstelling in 5,7% van de gevallen in de top 20 resultaten. Er waren verschillende aanvullende technieken nodig om dat terug te brengen naar 1,9%. Met bestanden ziet u welk bestand de agent heeft geopend en kunt u dat bestand corrigeren.

## Zo structureert u een knowledgebase voor een AI-agent die uw agent ook gebruikt

Een knowledgebase kan technisch compleet zijn en toch worden genegeerd. Deze gewoontes maken het verschil:

- **Houd een index bij.** Eén regel per bestand: een link plus een aanwijzing wanneer het bestand moet worden geopend, zoals ‘Restitutiebeleid: termijn van 30 dagen, uitzonderingen voor bundels’. De agent leest de index eerst. Een bestand dat niet in de index staat, is in feite onzichtbaar
- **Eén onderwerp per bestand, één feit op één plek.** Als de restitutietermijn in drie bestanden staat, zullen die uiteindelijk drie verschillende dingen zeggen
- **Schrijf regels met cijfers.** ‘Restitutie binnen 30 dagen na aankoop’ is beter dan ‘ongeveer een maand’. ‘Restituties boven € 200 escaleren’ is beter dan ‘grote restituties escaleren’
- **Vermeld het waarom en de uitzonderingssituatie.** ‘Geen restitutie voor coachingssessies die al hebben plaatsgevonden, omdat de tijd al is besteed. Uitzondering: als wij de sessie hebben geannuleerd.’ Agents gaan veel beter met uitzonderingen om wanneer ze de reden achter de regel kennen
- **Geef aan wat er moet gebeuren als iets niet wordt behandeld.** ‘Als het antwoord hier niet tussen staat, zeg dan dat u het gaat navragen en geef het aan mij door.’ Zonder deze zin vult de agent het gat op met iets dat plausibel klinkt
- **Laat het zien in plaats van het te beschrijven.** Twee echte antwoorden die u goed vond, leren de juiste toon beter aan dan ‘vriendelijk maar professioneel’
- **Dateer alles wat tijdgebonden is.** ‘Geldig vanaf 1 september 2026’ maakt het voor u en de agent makkelijker om verouderde informatie te herkennen

Procedures die u vaak herhaalt, verdienen hun eigen indeling. We bespraken dat in [hoe u skills voor AI-agents schrijft](/nl/blog/ai-agent-skills): een skill bevat *hoe* u een taak uitvoert, terwijl de knowledgebase bevat *wat* waar is.

## Verouderde en tegenstrijdige informatie: zo gaat het mis met knowledgebases

Hiaten zijn het probleem waar iedereen zich op voorbereidt. Ze zijn ook het minst gevaarlijk, omdat een agent zonder antwoord kan zeggen dat hij het niet weet.

**Tegenstrijdigheden zijn erger.** Uit de tests van Chroma bleek dat ‘zelfs één afleidend element de prestaties vermindert’. Daarmee wordt tekst bedoeld die relevant lijkt, maar geen antwoord geeft op de vraag. In een bedrijf geven de gevaarlijkste afleidingen bovendien een ander antwoord: de oude prijspagina, de FAQ van vorig jaar of de losse opmerking ‘we kunnen wel een uitzondering maken’ in een notitie van zes maanden geleden. De agent weet niet welke informatie u bedoelde. Hij kiest er één.

De zaak rond Air Canada laat zien wat dat kost. De chatbot vertelde een rouwende klant dat hij na zijn reis een beroep kon doen op een rouwtarief, terwijl het werkelijke beleid van de luchtvaartmaatschappij dat niet toestond. De rechtbank stelde de luchtvaartmaatschappij verantwoordelijk voor wat de chatbot zei en verplichtte Air Canada het prijsverschil te betalen. De [American Bar Association noemde dit](https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/) een herinnering aan het feit dat bedrijven verantwoordelijk blijven voor hun AI-tools.

**Veroudering is de trage versie van hetzelfde probleem.** Een document dat in maart is geschreven, klopt in maart. In september is het stilletjes één van twee antwoorden geworden: het oude antwoord in het bestand en het nieuwe antwoord in uw hoofd.

Met deze drie regels voorkomt u de meeste problemen:

1. **Pas een feit aan op de plek waar het staat.** Voeg geen nieuw bestand toe dat het oude tegenspreekt. Bewerk of verwijder het origineel
2. **De nieuwste informatie wint — expliciet.** Als twee bronnen elkaar kunnen tegenspreken, geef dan aan welke bron leidend is
3. **Eén eigenaar per bestand.** Iemand moet opmerken wanneer het restitutiebeleid verandert. In een bedrijf met één persoon bent u dat zelf, dus houd de lijst kort

## Zo houdt u uw knowledgebase actueel

Knowledgebases verouderen meestal door gebrekkig onderhoud. De oplossing is om updates te koppelen aan gebeurtenissen die u toch al opmerkt, niet aan een agendaherinnering die u steeds uitstelt.

| Wanneer dit gebeurt | Werk dit bij |
|---|---|
| U verandert een prijs of lanceert een product | Het bestand met productinformatie (en niets anders als prijzen live worden opgezocht) |
| U wijzigt een beleid | Dat beleidsbestand en verwijder daarna elke oude kopie |
| U corrigeert de agent twee keer over hetzelfde onderwerp | Voeg informatie toe aan het bestand dat dit had moeten behandelen of corrigeer dat bestand |
| Een klant stelt drie keer een nieuwe vraag | Voeg de vraag in de woorden van de klant toe aan de FAQ |
| U neemt iemand aan of verandert de taakverdeling | De escalatieregels |

Neem eenmaal per maand 15 minuten om de agent te vragen samen te vatten wat hij denkt te weten over uw restituties, producten en klanten. Foute aannames komen snel aan het licht wanneer u ze als lijst leest.

Als uw agent een eigen geheugen bijhoudt, behandel dan wat hij opslaat als de aantekeningen van een nieuwe medewerker: nuttig, meestal correct en het waard om even door te nemen. Ook zelfgeschreven geheugen heeft een lezer nodig.

## Zo test u uw knowledgebase voor een AI-agent

Testen is de stap die bijna iedereen overslaat — en het kost minder dan een uur.

![Testcyclus in vier stappen voor een knowledgebase voor een AI-agent: verzamel 20 echte vragen, stel ze in een nieuw gesprek, beoordeel elk antwoord en corrigeer het bronbestand in plaats van het antwoord](https://crevio.co/vite/assets/knowledge-base-test-loop-nlvijmc1.svg)

1. **Verzamel 20 echte vragen** uit uw inbox, DM’s en verkoopgesprekken. Voeg drie vragen toe die de agent moet weigeren of escaleren, zoals een restitutie die ver buiten het beleid valt
2. **Stel elke vraag in een nieuw gesprek.** Informatie uit eerdere gesprekken kan onbedoeld hints geven. Vraag de agent waar het antwoord vandaan komt
3. **Beoordeel elk antwoord** als correct, fout, verzonnen of ‘dat weet ik niet’. Reken ‘dat weet ik niet’ goed wanneer de knowledgebase de vraag inderdaad niet behandelt
4. **Corrigeer de bron, niet het antwoord.** Een correctie in het gesprek herstelt één gesprek. Een correctie in het bestand herstelt elk volgend gesprek

Voer daarna twee gerichte controles uit. **De tegenstrijdigheidstest:** wijzig een beleid en stel er vervolgens een vraag over. Als de agent de oude versie citeert, zit er ergens een kopie. **De hiaattest:** vraag iets waarvan u weet dat het niet wordt behandeld. Het juiste antwoord is een duidelijk ‘Dat moet ik navragen’, niet een zelfverzekerde gok.

Bewaar de 20 vragen. Voer ze opnieuw uit na elke belangrijke wijziging. Voor een klein bedrijf komt dit het dichtst in de buurt van een regression test.

## Knowledgebases voor AI-agents in klantenservice

Veel wat er over AI-knowledgebases wordt geschreven, gaat over support: een AI-agent die klanten antwoord geeft vanuit uw helpcenter. De bovenstaande principes gelden ook hier, maar de belangen zijn groter.

De reden dat bedrijven dit proberen, is economisch. Uit [benchmarks van Gartner](https://www.gartner.com/en/documents/5164231) blijkt dat de mediane kosten van een selfservicecontact $ 1,84 bedragen, tegenover $ 13,50 voor een contact met een medewerker. Die besparing geldt alleen als de antwoorden kloppen, omdat klanten ernaar handelen zonder ze te controleren.

Wat er verandert bij een agent die klanten te woord staat:

- **Schrijf voor de vraag, niet voor de productpagina.** Klanten vragen ‘kan ik mijn geld terugkrijgen als ik nog niet aan de cursus ben begonnen?’, niet ‘restitutiebeleid’
- **Escalatieregels worden het belangrijkste bestand.** Bepaal vooraf wat de agent nooit mag beloven: restituties buiten het beleid, leverdatums en juridisch of medisch advies
- **Lees onopgeloste gesprekken wekelijks door.** Elke vraag die de agent niet kon beantwoorden, wijst op een ontbrekend bestand
- **Laat de agent eerst een concept maken terwijl u vertrouwen opbouwt.** Laat bij alles wat met geld te maken heeft de agent een concept opstellen dat een medewerker goedkeurt. In [human-in-the-loop-AI-agents](/nl/blog/human-in-the-loop-ai-agents) bespreken we welke acties dat verdienen

Als u veel klantvragen krijgt, zijn speciale supporttools zoals [Intercom Fin](https://fin.ai/) en [Zendesk](https://www.zendesk.com/) precies voor dit werk gemaakt, met synchronisatie met uw helpcenter en rapportages over de oplossing van gesprekken.

## Zo slaat de agent van Crevio bedrijfskennis op

[Crevio](https://crevio.co/) is een [AI-businessbuilder](/nl/blog/ai-business-builder): u beschrijft wat u wilt verkopen en de agent bouwt de webshop, verwerkt betalingen, schrijft marketingteksten en blijft samen met u aan het bedrijf werken. Alles hierboven heeft vormgegeven aan de manier waarop deze agent bijhoudt wat hij over uw bedrijf weet.

![Crevio-homepage: AI die uw webshop bouwt, betalingen verwerkt, marketingteksten schrijft en uw verkoop laat groeien](https://crevio.co/vite/assets/crevio-homepage-k3m1mvi1.png)

Zo werkt het momenteel:

- **Het geheugen bestaat uit gewone bestanden, in twee bereiken.** Bedrijfsgeheugen — hoe het bedrijf werkt — wordt gedeeld met iedereen in uw team. Persoonlijk geheugen — uw eigen voorkeuren — blijft privé. Voor beide is er een korte index die in elk gesprek wordt geladen, met een limiet van 6.000 tekens voor het bedrijfsgeheugen en 2.000 voor persoonlijke notities. Onderwerpsbestanden worden alleen geopend als een taak dat vereist
- **De agent slaat informatie op wanneer dat hoort.** Hij schrijft iets naar het geheugen wanneer u vraagt om iets te onthouden, wanneer u hem corrigeert of wanneer u een blijvend feit noemt, zoals een beleid, getal of regel. Wachtwoorden worden niet opgeslagen en informatie die Crevio al registreert, wordt niet gekopieerd
- **Livegegevens blijven live.** Producten, bestellingen, klanten en uw website worden rechtstreeks opgezocht en niet onthouden. Zo zorgt een prijswijziging nooit voor een verouderde kopie
- **De agent ruimt zichzelf op.** Periodiek — maximaal eenmaal per dag — voegt een opschoningsproces dubbele herinneringen samen, lost het tegenstrijdigheden op in het voordeel van het nieuwste feit en verwijdert het verouderde informatie. Eerst wordt een momentopname gemaakt
- **Geen vector search.** De agent doorzoekt bestanden op zijn eigen computer en eerdere chats als gewone tekst en leest vervolgens wat hij vindt. U kunt bestanden aan een chat toevoegen zodat de agent daarmee kan werken

U kunt de kennis ook rechtstreeks vormgeven. Elke bot die u maakt, heeft een veld Persona dat aan de instructies wordt toegevoegd. Dat is de juiste plek voor toon en vaste regels:

![Botinstellingen van Crevio met Name, Handle, Role en een Persona-veld dat aan de instructies van de bot wordt toegevoegd](https://crevio.co/vite/assets/crevio-bot-persona-field-d2jyuuyk.png)

Procedures horen in skills. U kunt die installeren of uploaden, of de agent ze op basis van ervaring laten schrijven. En als de agent iets verkeerd heeft geleerd, vindt u in Settings → Advanced een resetoptie:

![Instelling AI Workspace Knowledge van Crevio met een knop Reset AI knowledge waarmee opgeslagen notities worden verwijderd zonder de webshop aan te passen](https://crevio.co/vite/assets/crevio-reset-ai-knowledge-nkms8zwb.png)

De eerlijke kanttekeningen: er is nog geen speciale pagina om het geheugen te bekijken en te bewerken. U controleert het door de agent in de chat te vragen wat hij weet. Reset is alles-of-niets. En Crevio is geen supportbot voor klanten; de agent werkt voor u en niet in een helpwidget op uw website. Crevio heeft een gratis abonnement met 20 AI-credits per maand. U kunt de agent dus vandaag uw restitutiebeleid vertellen en volgende week controleren of hij het nog kent.

## Wat niemand u vertelt

**Door het op te schrijven ontdekt u uw eigen tegenstrijdigheden.** Een eerste versie van een restitutiebeleid voor een agent laat meestal zien dat u restituties op drie verschillende manieren afhandelde. Dat is een bedrijfsprobleem dat de agent aan het licht brengt — geen AI-probleem.

**Agents volgen geschreven regels letterlijker dan medewerkers.** Een medewerker leest ‘geen restitutie na 30 dagen’ en maakt toch een uitzondering voor een klant die twee keer is belast. Een agent moet die uitzondering op papier zien staan.

**Verwijderen is de meest waardevolle bewerking.** De meeste verbeteringen aan een knowledgebase na de eerste maand bestaan uit verwijderingen: de oude FAQ, het dubbele beleid, de notitie die niet meer klopt. Minder tekst zonder tegenstrijdigheden is beter dan meer tekst met een paar tegenstrijdigheden.

**De knowledgebase maakt het verschil tussen een agent en een assistent.** Een correctie die een maand later nog steeds wordt onthouden, nadat er ander werk is uitgevoerd, is de test die we gebruikten in [AI-medewerker versus AI-agent](/nl/blog/ai-employee-vs-ai-agent). Zonder blijvende kennis begint elke sessie weer vanaf nul.

## Veelgestelde vragen over knowledgebases voor AI-agents

### Wat is een knowledgebase voor een AI-agent?

Een knowledgebase voor een AI-agent is de geschreven bedrijfskennis die een agent leest voordat hij handelt: beleid, productinformatie, veelgestelde vragen, procedures en onthouden voorkeuren. Zo kan een algemeen AI-model antwoorden en handelen zoals uw bedrijf dat zou doen, in plaats van te gokken op basis van algemene kennis.

### Heb ik RAG of een vectordatabase nodig voor mijn AI-agent?

Waarschijnlijk niet als u een klein bedrijf hebt. Anthropic geeft aan dat kennis van ongeveer 500 pagina’s of minder rechtstreeks aan een model kan worden gegeven. Een korte index plus onderwerpsbestanden die de agent op verzoek opent, is eenvoudiger, goedkoper en makkelijker te corrigeren. RAG is zinvol bij duizenden documenten.

### Wat is het verschil tussen agentgeheugen en een knowledgebase?

Een knowledgebase bevat wat u bewust schrijft: beleid, productinformatie en procedures. Geheugen bestaat uit wat de agent tijdens het samenwerken met u oppikt, zoals voorkeuren en correcties. Voor beide geldt dezelfde zorg: één feit op één plek en oude versies verwijderen.

### Hoe vaak moet ik mijn knowledgebase voor een AI-agent bijwerken?

Werk de knowledgebase bij wanneer er iets verandert, niet volgens een vast schema: bij een nieuwe prijs, een gewijzigd beleid of een correctie die u twee keer hebt moeten geven. Plan daarnaast maandelijks 15 minuten waarin u de agent vraagt samen te vatten wat hij denkt te weten over uw producten en beleid.

## Kort samengevat

Een knowledgebase voor een AI-agent is zo goed als het minst accurate bestand. Houd de knowledgebase klein, zet elk feit op één plek, laat live systemen live vragen beantwoorden en test met de vragen die uw klanten daadwerkelijk stellen. De agent volgt wat u hebt opgeschreven, dus zorg dat het nog steeds klopt.

## Gerelateerde blogposts

- [AI Agent Skills: wat ze zijn en hoe u er een schrijft die werkt](/nl/blog/ai-agent-skills)
- [Human-in-the-loop-AI-agents: wat u moet goedkeuren en wat u kunt laten uitvoeren](/nl/blog/human-in-the-loop-ai-agents)
- [AI-medewerker versus AI-agent: het verschil dat er echt toe doet](/nl/blog/ai-employee-vs-ai-agent)
- [AI-agents voor kleine bedrijven: welke taken u als eerste uit handen geeft](/nl/blog/ai-agents-for-small-business)