B Blengi docs

Je AI-medewerker bouwen

Strikte kennismodus

De ‘Strict Knowledge Mode’ is een garantie per agent voor onderbouwde eerlijkheid: de agent verzint nooit diensten, producten, prijzen of beleidsregels — elke bewering moet voortkomen uit je eigen kennis. Dit betekent niet dat de agent alles afwijst wat hij niet kan citeren. Hij blijft conversatiegericht en valt alleen terug op een vast „Dat kan ik niet bevestigen“- bericht wanneer een vraag echt binnen jouw domein valt, maar jouw kennisbank daar geen antwoord op heeft.

Waarom dit bestaat
Een verkoopbot antwoordt namens je bedrijf. Zonder de strikte modus kan een vraag als „bieden jullie verhuisdiensten aan?“ op een site voor opslagverhuur een zelfverzekerd, volledig verzonnen antwoord opleveren: „ja — we bieden ook inpakdiensten en vrachtwagens aan.“ De strikte modus maakt dat onmogelijk. Wat het in plaats daarvan doet, is eerlijk en toch nuttig: het geeft een onderbouwd „nee — we bieden geen verhuisservice aan; we verhuren opslagruimtes“ en verzint nooit een aanbod dat het niet in je bronnen kan vinden.

Hoe schakel je

Open Gedrag › Hoe de AI-medewerker antwoordt (/app/agents/{id}/answers), zoek het gedeelte ‘Alleen antwoorden op basis van mijn kennis’ en zet de schakelaar aan. De wijziging wordt meteen van kracht — je hoeft niets apart te publiceren.

De strikte modus staat standaard uit voor nieuwe agents (de kolom staat standaard op ‘uit’, en noch de installatiewizard noch de aanmelding zet deze aan). Elke agent die al bestond toen de functie werd gelanceerd, is één keer ingeschakeld door de migratie. Je kunt het per agent op elk moment in- of uitschakelen.

De drie manieren waarop hij reageert

Bij elke vraag kiest de agent precies één van de drie gedragingen:

  1. Antwoord — de bronnen bevatten het antwoord, dus antwoordt hij direct.
  2. Weigeren & doorverwijzen — de vraag valt duidelijk buiten wat je bedrijf doet („verkoop je steaks?” / „verhuur je boten?” op een website voor opslagruimtes). De agent begint met een duidelijk ‘nee’ op de specifieke vraag, en wijst de bezoeker vervolgens kort op wat je wel aanbiedt, waarbij hij alleen je bronnen gebruikt: ‘Nee, we verhuren geen boten — Alles Opslaan Meppel is gespecialiseerd in opslagruimtes en dozen…’ Er wordt bewust niet afgedwaald naar een algemeen „boek nu” / „neem contact met ons op” in plaats van een antwoord te geven (zelfs als de vraag hetzelfde werkwoord als „huren” gebruikt als wat je aanbiedt). Zo blijft het gesprek op gang en ontstaat er geen kenniskloof — er ontbreekt niets dat je zou moeten toevoegen — en er wordt nooit iets verzonnen waar je op terugvalt.
  3. Uitstellen — de vraag gaat aannemelijk over je bedrijf, maar je bronnen geven hier geen antwoord op (een ontbrekende prijs, beleid, locatie of detail). In plaats van te gokken, antwoordt de medewerker met het vaste standaardbericht letterlijk, en die vraag wordt geregistreerd als een inhoudelijke leemte — de achterstand aan kennis die de moeite waard is om toe te voegen. Als het onzeker is of een vraag buiten het bereik valt of een echte leemte is, kiest het systeem voor uitstel. Een uitstel gebeurt bewust onopvallend: er wordt geen boekings-/CTA-knop getoond — „Dat kan ik niet bevestigen, neem contact op met het bedrijf“ hoort niet gepaard te gaan met een „boek nu“-aanzet. (De prompt om leads te verzamelen verschijnt nog steeds, want een onbeantwoorde vraag is een goed moment om het e-mailadres van de bezoeker te vragen.)

Dus alleen geval 3 zorgt voor een inhoudslek. Vragen die buiten het bereik vallen (geval 2) blijven bewust buiten de wachtrij voor hiaten — je gaat nooit „we verkopen steaks“ aan je kennisbank toevoegen, dus dat zou gewoon ruis zijn.

Er zit een vangnet onder: als het opzoeken helemaal niets oplevert (een lege of erg schaarse kennisbank, geen live paginamomentopname ), stelt de agent het antwoord uit zonder het model aan te roepen en registreert hij de leemte. Een live paginamomentopname telt als basis, dus de agent beantwoordt de vraag daar normaal gesproken op. Hetzelfde geldt voor een product dat de bezoeker noemt als je productregister of de productcatalogus het betreffende product bevat: „Waar is de Walking van gemaakt?“ wordt op basis van dat record beantwoord in plaats van uitgesteld, zelfs als er geen enkele pagina op zichzelf overeenkomt met de vraag. Op WhatsApp, waar geen pagina is, telt je startpagina als die pagina: de strikte modus beantwoordt daar net zoals op je website, en de fallback-zin is bedoeld voor vragen die noch je kennisbank, noch je startpagina kan beantwoorden. Samengestelde antwoorden, workflows en de snelkoppeling „praat met een mens“ worden allemaal vóór de strikte modus uitgevoerd, dus geen enkele wordt erdoor geblokkeerd.

Antwoorden op basis van de pagina hebben één bewuste beperking: als de kennisbank geen geschikte bronnen voor een beurt heeft bijgedragen, kan het antwoord nog steeds worden geschreven op basis van de paginamomentopname, maar het wordt weergegeven zonder product-, prijs- of casestudykaarten. Proza kan wat voorzichtig zijn; een kaartje leest als een zelfverzekerde productpresentatie, en een presentatie die niet op bewijs uit de kennisbank is gebaseerd, is precies hoe verzonnen productclaims bezoekers bereiken. Het kaartje verschijnt weer zodra een bron de drempel weer haalt. De cataloguslijst van het productregister, die juist is toegevoegd omdat er niets werd gevonden, telt hier niet als bron (vroeger werd deze regel uitgeschakeld voor elke agent met een productregister); een genoemd feit uit het register telt wel mee.

Diezelfde ‘nul-bron’-beurt beperkt ook wat er in de tekst beweerd mag worden. De momentopname bewijst wat er op de pagina staat waar de bezoeker zich bevindt — een titel, een prijs, een beschrijving — en antwoorden daarover blijven normaal. Het bewijst niets over de rest van de catalogus, dus wordt de agent bij zo’n wending geïnstrueerd om geen eigenschap te bevestigen voor een product dat niet in de momentopname staat, geen producten te noemen als voorbeelden van een eigenschap, en niet te vermelden wat het assortiment als geheel wel of niet bevat. Een concreet voorbeeld hiervan: een winkel waarvan de kennisbank geen patronen had gedocumenteerd, kreeg de vraag „heb je sokken met een patroon of print?“, vond niets en antwoordde „ja“ terwijl hij productnamen opsomde die van de pagina waren gehaald — inclusief een effen sok. Nu zegt hij dat hij dat niet kan bevestigen op basis van zijn productinformatie.

Als er een productregister in het spel is, geldt er nog een regel wanneer er registergegevens bij een beurt horen: een eigenschap die in geen enkele registerregel staat, is geen eigenschap die de agent voor welk product dan ook kan bevestigen, en dat moet hij dan ook zeggen in plaats van voorbeelden te noemen. Strikte agenten krijgen bovendien te horen dat elk alternatief dat ze aanbieden, uit de bronnen moet worden genoemd — een antwoord dat eindigt met „we kunnen je misschien andere opties aanbieden“ leidt de bezoeker bij de volgende vraag naar een doodlopende weg.

Een instructie alleen bleek hier niet genoeg te zijn, wat goed is om te weten als je zelf prompts afstemt: de eerste versie van deze regel stond duidelijk in de prompt en het model gaf toch hetzelfde verzonnen antwoord. Twee dingen hebben het opgelost. Ten eerste : de regel staat nu als laatste in de systeemprompt, na de instructies voor verticale structuur en eigenaar, waar een klein model hem daadwerkelijk toepast. Ten tweede: gegevens in plaats van een verbod : bij een beurt die niets opleverde, krijgt een agent met een productregister ook de ‘closed world’ van het register – de volledige productlijst plus de uitputtende verzameling kenmerken die het register bijhoudt. “Heb je sokken met een patroon?” wordt dan een zoekopdracht die niets oplevert, in plaats van een leeg veld dat het model invult op basis van productnamen die het op de pagina ziet. De catalogus wordt alleen bij beurten zonder bron bijgevoegd, en de agent krijgt de opdracht om deze te gebruiken om te bepalen wat er bestaat, nooit om hem op te noemen.

Controleer de bewering voordat je verstuurt

Voor een AI-medewerker met productgegevens — de productcatalogus die is samengesteld op basis van je productpagina’s of je productregister — wordt elk antwoord hieraan getoetst voordat je bezoeker het te zien krijgt. De productgegevens die in een antwoord worden genoemd, worden vergeleken met de productgegevens:

  • Materiaal — percentages en vezels („gemaakt van Coolmax” voor een sok zonder Coolmax);
  • Kleuren — een kleur die wel of niet zou bestaan;
  • Voorraad — op voorraad of uitverkocht, per kleur;
  • Prijs — een bedrag naast de productnaam (verzendkosten en kortingen worden buiten beschouwing gelaten);
  • Maten — „is er (niet) in maat 44”.

Alleen een zin waarin het product wordt genoemd, wordt gecontroleerd — "De Walking is gemaakt van Coolmax" is wel, "Ze zijn gemaakt van …" is niet: welk product een "ze" bedoelt, is giswerk, en een correctie op basis van een verkeerde gok zou een juiste zin in een verkeerde veranderen (getest op het echte model voordat dit live ging: elke verkeerde correctie was zo’n gok). In een zin waarin meerdere producten worden genoemd, telt een feit alleen als het direct naast een naam staat („de Thermo Super € 14,95“). Een zin die een product noemt maar een van de varianten ervan beschrijft zonder de naam van die variant — „de Bouwkruiwagen staal 85 L met soft wiel kost € 162,50", terwijl de catalogus ook Bouwkruiwagen staal 85 L — soft wiel — bevat, kan over beide gaan, dus de feiten worden niet getoetst aan het standaardmodel.

Een feit dat in tegenspraak is met het record wordt vanuit het record gecorrigeerd: een verkeerde prijs of samenstelling wordt ter plekke aangepast, anders wordt de zin vervangen door wat er in het record staat, in de taal van het antwoord (Nederlands, Engels, Duits of Frans). Een juist feit wordt nooit aangepast. Als de strikte modus aanstaat, wordt een materiaal dat het record niet kan bevestigen en waarover geen enkele pagina van het antwoord iets vermeldt, weergegeven als „Ik heb geen informatie over …“. Elke correctie wordt weergegeven onder Resultaten › Antwoordkwaliteit en gemarkeerd in het gesprek.

Om een zin te controleren voordat iemand hem ziet, komen deze antwoorden zin voor zin binnen in plaats van woord voor woord: de eerste woorden verschijnen zodra de eerste zin compleet is. AI-medewerkers zonder productgegevens werken precies zoals voorheen.

Elke feitelijke zin, elke AI-medewerker

Met RAG_CLAIM_JUDGE=true omvat de controle elk antwoord van elke AI-medewerker, met of zonder productgegevens. Elke zin die iets controleerbaars vermeldt — een getal, prijs of percentage; getest of gecertificeerd; inclusief of exclusief; was- en onderhoudsinstructies; een garantie; een materiaal of wat het doet; een duidelijk ja of nee; of "we doen niet …" — wordt beoordeeld door het Clef-beslissingsmodel van Cloudflare aan de hand van precies wat de AI voor dit antwoord kreeg: de opgehaalde kennis, de pagina waarop de bezoeker zich bevindt, je eigen teksten (instructies, extra aanwijzingen, de Handover-fallbacktekst en de contactpagina) en de huidige datum, met de vraag van de bezoeker als context. Een zin die het product hierboven al heeft gecorrigeerd op basis van een productrecord, wordt niet opnieuw beoordeeld: het record is doorslaggevend.

Een zin die in tegenspraak is met je kennis of die daarin niet wordt vermeld, wordt niet verzonden — een ontkenning („Nee, wij verhuren geen bussen“) alleen als je kennis daarmee in tegenspraak is, want kennis die zoiets niet aanbiedt, ondersteunt een simpel „nee“: de eerste wordt de standaardzin ‘weet het niet zeker’ in de taal van de bezoeker met je contactpagina (“Dat weet ik niet zeker, en ik geef je liever geen verkeerd antwoord. Neem gerust contact met ons op…”), een eventuele latere zin wordt weggelaten. Elke herschrijving staat vermeld onder Resultaten › Antwoordkwaliteit ("Staat niet in je kennis" / "Is in tegenspraak met je kennis") en wordt in het gesprek gemarkeerd. Een zin die wel in je kennis staat, wordt nooit aangepast — dus een "verkeerd" feit dat op je eigen website staat, blijft staan totdat je de website of de kennis corrigeert. De beoordelaar doet er ongeveer een halve seconde over om een zin te controleren; als hij traag is of niet beschikbaar, wordt de zin ongecontroleerd verzonden.

Minder foutieve herschrijvingen. Vroeger las de beoordelaar alleen de eerste 1.500 tekens van elke bron, dus openingstijden verderop op een contactpagina, of de juiste alinea van een handleiding, leken „niet vermeld” en kreeg een juist antwoord de „niet zeker”- zin. Nu leest hij het gedeelte van elke bron rondom de vraag (tot 4.000 tekens, zoals de AI het kreeg aangeleverd), de pagina waar de bezoeker zich op dat moment bevindt, en je contact- en ‘over ons’-pagina’s (dus ‘geen fysieke locatie" wordt herkend als je contactpagina een bezoekadres vermeldt). Een ‘niet vermeld’-oordeel wordt pas herschreven bij een betrouwbaarheid van 80% of meer (RAG_CLAIM_JUDGE_UNSTATED_CONFIDENCE ); ‘tegenstrijdig’ blijft bij 50%. Als een zin wordt herschreven, wordt de zin er direct achter ook als die erop voortbouwt („Als je buiten deze tijden belt…“). Antwoorden zeggen niet meer „niet in onze bronnen“ of „the sources do not mention“: dat wordt „op onze website“ / „our website does not“. Een aftelling die is overgenomen van een banner („nog 16 dagen en 20 uur“) wordt „nog maar kort“; de AI krijgt de opdracht om de einddatum te vermelden. Bij een klacht wordt in de tekst vermeld hoe je bereikbaar bent, zonder boekings- of verkoopknop.

Na de live hertest. Een vraag over je openingstijden, hoe je te bereiken bent, je adres of een bezoek („Hebben jullie een fysieke winkel?”, „Wat zijn jullie openingstijden?”) zorgt ervoor dat je contact- en 'Over'-pagina’s naar voren, samen met het antwoord, dus het bezoekadres en de openingstijden op je contactpagina geven het antwoord. Duidelijke klachtenwoorden (“niemand kwam opdagen”, “kapot”, “nooit aangekomen”) verbergen verkoop- en boekingsknoppen, zelfs als de intentiecheck de klacht niet oppikt. Bij een probleemgerichte vraag blijft tekst over probleemoplossing uit een handleiding of helppagina (lek of condensatie, foutcodes, onderhoud) in de bronnen staan, zelfs als er een model in wordt genoemd, zodat het antwoord advies kan geven en niet alleen een telefoonnummer.

Twee producten in één vraag. Een korte naam die ook in een langere productnaam voorkomt („Boston“ in „Boston Cool“) wordt niet als een op zichzelf staand product gezien — het kan elk van beide betekenen. Naast de langere naam in dezelfde tekst („Wat is het verschil tussen de Boston en de Boston Cool?") betekent het wel het gewone product, dus beide records komen in het antwoord en de controle terecht, en de AI kan niet langer zeggen dat de Boston geen COOLMAX heeft terwijl in het record 30% staat vermeld.

Onze eigen benchmarkrun (21 okt). Nog twee correcties door de 60 vragen van Jan opnieuw uit te voeren. Een productzin met een bezitswerkwoord („De Boston heeft geen COOLMAX®“) wordt nu gecontroleerd aan de hand van het productrecord, net als zinnen met „gemaakt van“: het beoordelingsmodel had het als „ondersteund“ beoordeeld zodra de Boston Cool-pagina’s in beeld kwamen. En alleen de eerste bewering van het antwoord — het directe antwoord — kan de ‘niet-zeker’-zin; een foutieve zin verderop in een correct antwoord („De ruimte is 24/7 toegankelijk” onder een correcte prijs) wordt in plaats daarvan weggelaten, samen met een zin die daarop voortbouwt, ook als die zin in het volgende deel van de stream verschijnt.

Na ‘niet zeker’ volgt alleen wat bevestigd is. Zodra het directe antwoord de ‘niet-zeker’-zin is geworden, bevat de rest van dat antwoord alleen nog vragen (‘Wil je meer weten?’) en beweringen die de beoordelaar in jouw kennis heeft gevonden; al het andere wordt weggelaten. Tijdens een demo voor een potentiële klant zei het model dat het niet zeker wist of het geschikt was voor kleine vakantieparken, en vervolgde met „Ons platform past bij zowel kleine als grote parken”, in een zin waarin de regel tegen beweringen niet werd gesignaleerd. Een bewering die de beoordelaar niet kon controleren (een fout of een time-out) blijft staan.

Waar je eigen pagina’s elkaar tegenspreken. Toen de kennischeck ontdekte dat je pagina’s elkaar tegenspraken over je openingstijden (bij voorbeeld „24/7“ op sommige pagina’s en „06:00–23:00“ op andere), wordt de AI verteld welke waarde hij moet geven. Die instructie wordt nu ook afgedwongen: een zin in een antwoord waarin de andere waarde wordt genoemd zonder de waarde die moet worden gegeven, wordt weggelaten. Dit stopt zodra je pagina’s weer overeenkomen (pas de website aan of los de bevinding op).

Oefen de hele cyclus in het voorbeeld
Een strikte uitstelactie in het live voorbeeld (of, voor platformbeheerders, de Playground ) registreert ook een Content Gap, zodat je de volledige zelfverbeteringslus kunt testen — uitstellen → gap → melding → met één klik Kennis aanmaken → automatisch oplossen — zonder je live site aan te raken. Facturering en conversatieanalyses worden nog steeds overgeslagen bij Playground-runs; alleen de kloof (een signaal voor kennisdekking) wordt geregistreerd, en deze wordt per vraag ontdubbeld met echte bezoekerskloofjes.
Een schaarse kennisbank zal vaak uitstellen
De strikte modus is maar zo goed als wat je hebt geïndexeerd. Als de agent vragen uitstelt die hij zou moeten kunnen beantwoorden, voeg dan de ontbrekende pagina’s toe als kennisbronnen of zet een samengesteld antwoord vast — verlaag de drempel niet om een lacune te verdoezelen.

Vragen over verzorging en wassen

Als een bezoeker vraagt hoe je een product moet wassen of verzorgen en er staat niets over in je kennisbank, zegt de AI-medewerker dat hij die informatie niet heeft en verwijst hij naar het waslabel of de productpagina. Hij vult de leemte nooit op met algemeen wasadvies (een temperatuur, de droger, strijken).

Vragen naar een maat

“Heb je sokken in maat 33?” Als de maat die de bezoeker noemt er een is waar slechts een paar van je producten in verkrijgbaar zijn (hooguit vier, en niet meer dan de helft van de producten waarvan je de maten vermeldt), worden de worden bij het antwoord gevoegd, zowel uit het productregister als van de productpagina’s, zodat een product dat in de maten 31-34 verkrijgbaar is, wordt gevonden, zelfs als de vraag die maat niet noemt. Een gangbare maat waarin de meeste producten verkrijgbaar zijn, voegt niets toe.

Het fallback-bericht

Je kunt per agent een aangepaste fallback instellen in het instellingenveld. Als dit leeg wordt gelaten, hanteert de agent een standaardoplossing in deze volgorde:

  1. De eigen strict_fallback_message van de agent, indien ingesteld — wanneer de bezoeker schrijft in de taal waarin die is opgesteld. Een bezoeker die in een andere taal schrijft, krijgt de ingebouwde tekst in zijn eigen taal te zien, dus een Engelse vraag krijgt nooit een Nederlandse zin. Alleen de eigen woorden van de bezoeker bepalen dit: als een bericht te kort is om te begrijpen („Belgie?“), blijft jouw zin staan — de browsertaal geeft bij de meeste Nederlandse bezoeken Engels aan.
  2. Een standaardinstelling in de antwoordtaal, waarbij je spreekt namens het bedrijf en de keuze voor ‘u’ of ‘je’ volgt (Nederlands: “Dat weet ik niet zeker, en ik geef je liever geen verkeerd antwoord. Neem gerust contact met ons op, dan helpen we je verder.”), afgesloten met de contactlink van de medewerker (Handover › contactlink) als die is ingesteld.
  3. De algemene Engelse standaard: "I'm not sure about that, and I'd rather not give you a wrong answer. Please get in touch with us and we'll help you further." (voorheen stond er "contact the company").

De fallback sluit het antwoord af . Het model heeft de opdracht om alleen de fallback te sturen en verder niets, maar af en toe gaat het daarna nog verder ("…dan helpen we je verder. Ons platform is geschikt voor elk park…") met beweringen waar je geen kennis van hebt. Als een antwoord begint met de fallback van deze agent in de antwoordtaal, krijgt de bezoeker alleen de fallback; wat daarna volgt, wordt tijdens het streamen weggelaten. Zolang de eerste woorden van een antwoord nog overeenkomen met de fallback, worden ze tegengehouden, dus een normaal antwoord wacht hooguit één woord. De beurt telt als een uitstel en komt terecht bij de onbeantwoorde vragen. Een antwoord dat alleen maar verder om de hete brij heen draait, wordt met rust gelaten. Hetzelfde geldt voor de ‘niet zeker’-zin van de claimcheck zelf bij elke agent: zie Na ‘niet zeker’ geldt alleen wat hierboven is bevestigd .

Niet elke vraag is een opzoekactie

Een begroeting, een bedankje of een afscheid („Hoi”, „Bedankt!”, „Goedemorgen 👋”) is helemaal geen vraag. Het slaat het zoeken naar kennis over, krijgt nooit het standaardbericht te zien en wordt nooit geregistreerd als een onbeantwoorde vraag: de AI begroet terug in één korte zin en vraagt wat de bezoeker graag wil weten. Een afscheid („Doei”, „Tot ziens”, „Bye”) wordt een afscheid; een begroeting op basis van het tijdstip van de dag („Goedenavond“) is een begroeting, nooit een afscheid. Het hele bericht moet een begroeting zijn van maximaal vier woorden, dus „Hoi, wat kost het?“ is nog steeds een echte vraag. Hetzelfde geldt voor een bericht dat alleen een vraag of een wens aankondigt — "Ik heb een vraag", "Ik ben op zoek naar iets", "Ik wil bestellen" : de AI vraagt wat het is in plaats van het uit te stellen. Bij inhoud ("Ik heb een vraag over de prijs") is het weer een echte vraag. Antwoordknoppen die alleen een begroeting of een vraag aangeven, worden nooit getoond, dus een tik stuurt altijd iets waar de AI op kan reageren. "Anders" / "Other" telt als zo’n knop: als je die intypt, vraagt de AI wat de bezoeker nog meer in gedachten heeft. Een knop met één woord die een onderwerp noemt („Prijs”, „Productinfo”) wordt samen met je bedrijfsnaam doorzocht, zodat je prijs- of productpagina’s worden gevonden in plaats van niets. Dit is vooral belangrijk op WhatsApp, waar de bezoeker geen pagina te zien krijgt: vóór deze wijziging kreeg een begroeting aan een vaste medewerker op WhatsApp de standaardzin te zien.

Met RAG_INTENT_ROUTER=true wordt elk bericht van een bezoeker eerst ingedeeld door het Clef-beslissingsmodel van Cloudflare: een probleem of klacht, een verzoek om advies zonder onderwerp, iets dat niet ter zake doet, een poging om de regels te veranderen, of een verzoek om een specifieke persoon. Die krijgen nooit de vaste standaardreactie. Een probleem wordt beantwoord zoals een servicemedewerker dat zou doen — bevestig het, stel hooguit één vraag, geef aan hoe het opgelost kan worden — en er wordt nooit een productkaart getoond. Hoe het opgelost kan worden, komt uit je Handover- instellingen (de standaardtekst met je telefoonnummer en de contactlink link), dus stel die in. Bij zo’n vraag worden de verkoopinstructies — de winkel- of SaaS-verkoopr rol, de kwalificatievragen van de Adviseur-modus, de aankoopfase en je verkoopargumenten — buiten de instructies van de AI gelaten, net als product- en categoriepagina’s, product records, en alle tekst over een product dat de bezoeker niet heeft genoemd: het antwoord komt uit je beleidspagina’s (retouren, garantie), handleidingen en andere teksten. Als het antwoord nog steeds geen manier noemt om je te bereiken (je contactpagina, of een telefoonnummer of e-mailadres uit de Handover reserve-tekst), wordt “Onze contactpagina: …” op een aparte regel toegevoegd, in de taal van de bezoeker. Een vage vraag als “Wat raad je aan?” krijgt één verduidelijkende vraag met twee of drie korte antwoorden. Vragen die niet ter zake doen, krijgen een korte, vriendelijke doorverwijzing; manipulatie een beleefd ‘nee’ dat niets belooft. Een verzoek om een persoon of een terugbelverzoek (“Kunt u mij terugbellen?”) krijgt de manier om je te bereiken — je Handover-tekst en contactpagina — of een collega als die online is. Tijdens het gesprek wordt het bericht gelezen als een reactie op het laatste bericht van de AI, dus een kort antwoord zoals „43“ of „Buiten“ zet het gesprek voort. Als de classificatie onzeker is, langzamer dan RAG_INTENT_TIMEOUT of niet beschikbaar, wordt het bericht beantwoord zoals eerder. Een antwoord dat begint met het oplezen van de eigen instructies van de AI wordt na een paar woorden gestopt en vervangen door „Ik vertel niet hoe ik in elkaar zit…“ in de taal van de bezoeker — wat de classificatie ook zei. Elk antwoord spreekt namens het bedrijf („wij“), nooit over „het bedrijf“ of „de bronnen“.

Houd het vriendelijk en toekomstgericht — wijs de bezoeker op een manier om contact op te nemen (e-mail, telefoon of de knop „met iemand praten“), zodat een uitstel het gesprek toch vooruit helpt.

Uitstel voedt de zelfverbeteringscyclus

Elk uitstel in de strikte modus wordt geregistreerd als een kennisgat — de exacte vraag van de bezoeker, gegroepeerd en geteld. De meest vaak uitgestelde vragen komen bovenaan de lijst met hiaten te staan, dus de strikte modus fungeert ook als een overzicht van de kennis die je medewerker nog mist. Beantwoord een hiat één keer en die vraag wordt niet meer uitgesteld.