Voor uw organisatie · AI & technologie
Uw AI is niet beter dan de organisatiekennis waarop hij kan werken.
Retrieval, agents en integraties zijn inmiddels het makkelijke deel. Het moeilijke deel is een kennisbron die correct, herleidbaar, geautoriseerd en actueel is.
Architectuur, provenance en modelonafhankelijke ontsluiting
Een retrievalopstelling levert een vlot antwoord met bronvermelding op documentniveau. Wat het antwoord niet meelevert: welke versie geldt, welke uitzondering hoort erbij, wie verantwoordelijk is en wanneer de uitspraak voor het laatst is vastgesteld.
Dat is geen modelprobleem. Het is een ontbrekende laag: kennis met provenance, eigenaarschap en status, machineleesbaar naast de tekst.
01Verantwoordelijkheid
Eerst de kennis organiseren. Daarna bepalen welke AI erop werkt.
Veel AI-implementaties koppelen een model aan een documentverzameling en noemen dat een kennisoplossing. Het resultaat is een systeem dat vlot antwoordt op basis van materiaal waarvan niemand de status kent: welke versie geldt, wat is vervangen, welke uitzondering hoort erbij, wie is eigenaar.
Een Knowledge Operating System zit een laag lager. Het legt kennis vast als toetsbare uitspraken met herkomst, eigenaarschap, zekerheid en classificatie — en ontsluit die gecontroleerd naar de modellen en agents die u gebruikt.
Daarmee is de kennislaag model-agnostisch. Wisselt u van model of leverancier, dan blijft de kennis staan.
02Waar het misgaat
Architectuurthema's.
- Model-agnostisch
- Kennis leeft niet in een modelcontext of in een vendorplatform, maar in een eigen laag met een stabiel interface.
- Provenance
- Provenance per kennisclaim, niet per document: bron, eigenaar, versie, validatiemoment en zekerheidsniveau reizen machineleesbaar mee met de uitspraak.
- Kennis versus interpretatie
- Retrieval uit gevalideerde organisatiekennis en aanvullende modelinterpretatie zijn twee verschillende dingen. Een betrouwbaar systeem houdt dat onderscheid vast in plaats van het samen te voegen in één vloeiend antwoord.
- Knowledge graph
- Relaties tussen entiteiten, regels, uitzonderingen en context maken redeneren mogelijk zonder alles in één prompt te proppen.
- RAG in de juiste rol
- Retrieval blijft nuttig als ophaalmechanisme, maar goede retrieval alleen levert geen betrouwbaar systeem: zonder beheerde kennislaag ontbreken validatie, eigenaarschap en onderhoud.
- MCP en integraties
- Gestandaardiseerde toegang voor assistenten en agents, met expliciete scoping per rol en per doel.
- Controlled disclosure
- Niet alles wat bekend is, mag overal terechtkomen. Ontsluiting is een beleidsbeslissing die technisch afdwingbaar moet zijn.
- Autonomie verzwaart de eis
- Hoe autonomer het systeem, hoe zwaarder de eis aan de kennislaag. Een assistent kan fout antwoorden; een agent kan op dat antwoord handelen.
03Architectuur
De kennislaag staat tussen uw organisatie en uw AI-omgeving.
Bronnen en experts voeden de kennislaag. Validatie bepaalt wat de status is van elke uitspraak. Pas daarna volgt ontsluiting: per rol, per taak, met logging van wat is opgevraagd en gebruikt.
Voor agents is dat geen luxe. Een agent die handelt op ongevalideerde kennis vermenigvuldigt fouten sneller dan een mens ze kan corrigeren.
Daar hoort een ontwerpprincipe bij dat verder gaat dan retrieval-kwaliteit: onderscheid bewaren tussen wat uit gevalideerde organisatiekennis komt en wat aanvullende modelinterpretatie is. Taalmodellen zijn uitstekend in het produceren van deskundig klinkende output; het systeem eromheen moet daarom kunnen aangeven waarop een kennisclaim berust — bron, eigenaar, zekerheid, toepassingsvoorwaarden en laatste beoordeling. Zonder die scheiding is niet vast te stellen of een antwoord kennis of interpretatie is.
Die eis wordt zwaarder naarmate AI meer uitvoerings- en beslisruimte krijgt. Bij een assistent blijft een fout antwoord een voorstel dat een mens nog beoordeelt. Bij een agent wordt datzelfde antwoord een handeling: een dossier dat wordt afgehandeld, een bericht dat uitgaat, een vervolgstap die in gang wordt gezet. Provenance, validatie, toepassingscontext en het expliciete onderscheid tussen gevalideerde kennis en modelinterpretatie zijn dan geen documentatiewens meer, maar voorwaarden om uitvoeringsruimte verantwoord te kunnen geven.
Dat is geen reden om agents te vermijden. Het is een reden om per taak te bepalen welke kennisstatus vereist is voordat een systeem zelfstandig mag handelen.
Er is nog een effect dat vaak wordt onderschat: AI-gebruik zonder kennislaag creëert een shadow knowledge layer. Prompts, custom instructies, losse GPT's en gedeelde chats gaan functioneren als feitelijke organisatiekennis, zonder eigenaar, zonder status en zonder hervalidatie. Dat is geen kennislaag maar een verzameling privé-interpretaties die niemand kan onderhouden.
Daarom horen agents en MCP-clients een eigen identiteit, een eigen scope en een eigen audittrail te hebben — niet de volledige rechten van de gebruiker die ze aanzet. En daarom is de providerkeuze uitvoeringslaag: modellen wisselen, de kennislaag blijft bestaan en blijft geldig.
Organisatiebronnen
Systemen, dossiers, procedures, werkoutput
Medewerkers & experts
Interviews, challenge, formele goedkeuring
Kennisstructuur met provenance, eigenaarschap, versies, zekerheidsniveaus en classificatie. Onafhankelijk van welk model erbovenop staat.
Assistenten
ChatGPT, Claude, Gemini, Copilot
Agents & workflows
Taakgebonden toegang, per rol begrensd
Toekomstige modellen
Uitwisselbaar zonder kennisverlies
04Wat verandert er concreet?
Wat aantoonbaar en controleerbaar wordt.
Geen performancebelofte. Wel uitkomsten die u zelf kunt nagaan in de kennislaag.
Eén herleidbare kennisbron
AI-toepassingen werken op gepubliceerde, gevalideerde kennis in plaats van op een ongecontroleerde documentstapel.
Provenance in het antwoord
Elke uitspraak verwijst naar bron, versie, eigenaar en validatiemoment.
Modelonafhankelijkheid
De kennislaag staat los van het model of platform erboven; wisselen kost geen kennis.
Begrensde ontsluiting
Toegang wordt per rol en doel bepaald, met logging van wat is opgevraagd.
Kennis en interpretatie blijven scheidbaar
Bij een antwoord is te bepalen welk deel op gevalideerde organisatiekennis rust en welk deel aanvullende modelinterpretatie is.
05Logische volgende stap
Bekijk de architectuur
Hoe gevalideerde kennis via MCP en API's beschikbaar komt in bestaande assistenten, agents en workflows — met behoud van controle.
Zelf beginnen kan ook: start gratis met KOS en zet één eerste kennisdomein op.