Hoe je een kennisbank schrijft die je AI echt kan gebruiken

De allergrootste bepalende factor voor de kwaliteit van AI-klantenservice is niet het AI-model. Het is de kennisbank waaruit de AI leest. Teams rollen AI-support uit, krijgen middelmatige resultaten en geven de AI de schuld — terwijl het echte probleem is dat ze hem documentatie hebben gevoerd die is geschreven voor mensen die door een helpcenter bladeren, niet voor een AI die een specifieke vraag beantwoordt.

Dit artikel gaat over het schrijven van een kennisbank die echt goede AI-antwoorden oplevert. Het is relevant of je nu voor het eerst AI-support uitrolt of de kwaliteit probeert te verbeteren van een AI-systeem dat je al hebt. Geschreven voor supportleads en oprichters die de kennisbank beheren, niet per se voor technisch schrijvers.

Waarom mensgeoptimaliseerd en AI-geoptimaliseerd verschillen

Een kennisbank die voor mensen is geschreven, gaat uit van een persoon die bladert, koppen scant, heen en weer springt en zijn oordeel gebruikt om het relevante deel van een lang artikel te vinden. Mensen zijn hier goed in. Ze accepteren een artikel van 2.000 woorden met de titel 'Je account beheren' omdat ze naar de sectie kunnen scannen die ze nodig hebben.

Een AI leest anders. Hij doet semantische retrieval — de vraag van de klant matchen aan de inhoud om de meest relevante passage te vinden, en daaruit een antwoord samenstellen. Een lang artikel dat 15 subonderwerpen behandelt is hiervoor slechter dan 15 gerichte artikelen, omdat de retrieval minder precies is en de AI de verkeerde sectie kan pakken of secties onjuist kan vermengen.

De omslag in denkwijze: stop met het schrijven van artikelen voor iemand die bladert, begin met het schrijven van artikelen voor een vraag die beantwoord wordt. Elk stuk inhoud zou zuiver moeten aansluiten op een specifieke vraag die een klant zou kunnen stellen.

Regel 1: Eén onderwerp per artikel

De belangrijkste regel. Schrijf geen 'Je account beheren' dat wijzigingen van je e-mailadres, wachtwoordresets, factuuraanpassingen en abonnementswijzigingen behandelt. Schrijf aparte, gerichte artikelen: 'Je e-mailadres wijzigen,' 'Je wachtwoord resetten,' 'Je factuurgegevens bijwerken,' 'Je abonnement wijzigen.'

Waarom dit uitmaakt voor AI: semantische retrieval werkt op basis van de gelijkenis tussen de vraag en de inhoud. Een gericht artikel over wachtwoordresets matcht een wachtwoordresetvraag precies. Een uitgedijd artikel over accountbeheer matcht die zwak, verwaterd door alle andere inhoud die het bevat.

De praktische test: als een artikel meer dan één afzonderlijke klantvraag zou kunnen beantwoorden, moet het waarschijnlijk worden opgesplitst.

Regel 2: Geef elk artikel als titel de vraag die gebruikers echt stellen

Klanten zoeken niet naar 'Instellingen voor tweefactorauthenticatie.' Ze vragen 'Hoe zet ik tweefactorauthenticatie aan?' of 'Hoe maak ik mijn account veiliger?'

Geef je artikelen een titel in de vorm van vragen, geformuleerd zoals klanten ze formuleren. Dit verbetert de retrieval dramatisch, omdat de AI klantvragen matcht aan je titels. Hoe dichter je titel bij de manier ligt waarop klanten daadwerkelijk vragen, hoe beter de match.

De praktische test: lees je artikeltitels hardop voor. Klinken ze als dingen die een klant zou typen of zeggen? Of klinken ze als interne functienamen? Functienamen moeten vragen worden.

Regel 3: Specifieke instructies boven generieke

Vergelijk twee versies van dezelfde instructie:

Generiek: 'Ga naar je beveiligingsinstellingen en schakel de functie in.'

Specifiek: 'Klik rechtsboven op je profielpictogram, kies Instellingen, dan Beveiliging, en zet Tweefactorauthenticatie op Aan.'

De AI kopieert het niveau van precisie in je kennisbank. Als je documentatie vaag is, zijn de antwoorden van de AI vaag. Als je documentatie exacte stappen geeft, geeft de AI exacte stappen. Klanten kunnen specifieke instructies volgen; op generieke lopen ze vast.

De praktische test: zou iemand die je product totaal niet kent de instructie kunnen volgen zonder vast te lopen? Zo niet, dan is die te generiek.

Regel 4: Voeg bovenaan een contextblok toe

De meeste productfuncties hebben voorwaarden — ze gelden voor bepaalde abonnementen, bepaalde regio's, bepaalde accounttypes, of vereisen bepaalde rechten. De AI moet deze voorwaarden kennen om correcte, gefilterde antwoorden te geven.

Begin elk artikel met een kort contextblok: 'Dit geldt voor de abonnementen Pro en Enterprise.' 'Alleen beschikbaar in de EU.' 'Vereist beheerdersrechten.' 'Geldt alleen voor accounts die na januari 2025 zijn aangemaakt.'

Waarom dit uitmaakt: zonder context zou de AI een klant met een Starter-abonnement kunnen vertellen hoe hij een Pro-functie gebruikt, wat frustratie oplevert wanneer hij die niet kan vinden. Met context kan de AI zeggen 'Die functie is beschikbaar op Pro-abonnementen — zo upgrade je, of hier is het equivalent op je huidige abonnement.'

De praktische test: vraag je bij elk artikel af 'geldt dit voor elke afzonderlijke klant, of slechts voor sommige?' Als het maar voor sommige geldt, horen de voorwaarden thuis in een contextblok.

Regel 5: Houd de metadata actueel

Elk artikel zou metadata moeten dragen: wanneer het voor het laatst is bijgewerkt, voor welke abonnementen het geldt, met welke functies het samenhangt. De AI gebruikt dit om recente, relevante inhoud te prioriteren boven verouderde inhoud.

Dit is het belangrijkst voor producten die veranderen. Een functie wordt opnieuw ontworpen, het oude artikel beschrijft de oude flow, en zonder metadata over de laatste bijwerking kan de AI niet zien welke versie actueel is. Klanten krijgen instructies voor een UI die niet meer bestaat.

De praktische test: als je zes maanden geleden een functie hebt gewijzigd, beschrijft je kennisbank ergens nog de oude versie? Verouderde inhoud schaadt de AI-kwaliteit actief, omdat de AI met stelligheid verkeerde antwoorden geeft.

Een bonusregel: vertrouw voor cruciale stappen niet op schermafbeeldingen

AI leest tekst veel beter dan afbeeldingen. Als een cruciale instructie alleen in een schermafbeelding staat — 'klik op de hier getoonde knop' — kan de AI die niet betrouwbaar overbrengen.

Beschrijf cruciale stappen in tekst en gebruik daarna een schermafbeelding voor visuele bevestiging. 'Klik op de blauwe knop Opslaan onderaan het formulier' plus een schermafbeelding is voor een AI veel nuttiger dan alleen een schermafbeelding met een pijl die naar de knop wijst.

Dit betekent niet dat je schermafbeeldingen moet verwijderen. Het betekent dat je er niet van afhankelijk moet zijn voor de informatie die de AI moet extraheren.

Hoe dit er in de praktijk uitziet

Neem een typisch rommelig kennisbankartikel:

'Accountbeheer — In deze sectie leer je over het beheren van diverse aspecten van je account, waaronder je profielgegevens, beveiligingsinstellingen, facturatie en betaalmethoden, abonnementsbeheer en notificatievoorkeuren. Ga om te beginnen naar je accountgedeelte, waar je al deze opties vindt...'

Dit is slecht voor AI: één artikel dat vijf afzonderlijke onderwerpen behandelt, een generieke titel, vage instructies, geen contextblokken, geen precisie.

De AI-vriendelijke versie is vijf artikelen:

1. 'Hoe werk ik mijn profielgegevens bij?' — context: alle abonnementen; specifieke stappen; actueel per [datum]
2. 'Hoe wijzig ik mijn beveiligingsinstellingen?' — context: alle abonnementen; specifieke stappen; actueel per [datum]
3. 'Hoe werk ik mijn betaalmethode bij?' — context: alleen betaalde abonnementen; specifieke stappen; actueel per [datum]
4. 'Hoe wijzig ik mijn abonnement?' — context: alle abonnementen; specifieke stappen inclusief het gedrag bij up- en downgraden; actueel per [datum]
5. 'Hoe beheer ik mijn notificatievoorkeuren?' — context: alle abonnementen; specifieke stappen; actueel per [datum]

Dezelfde informatie, geherstructureerd. De eerste versie levert middelmatige AI-antwoorden op. De tweede levert precieze antwoorden op.

Hoeveel werk is dit nu echt?

Het eerlijke antwoord: minder dan teams vrezen, meer dan ze hopen.

Voor een typische SaaS met 50–100 helpartikelen is het herstructureren naar een AI-vriendelijk formaat een project van één tot twee weken voor één persoon. Het is geen glamoureus werk, maar het is de investering met de meeste impact die je in de kwaliteit van AI-support kunt doen.

Het goede nieuws: je hoeft het niet allemaal vooraf te doen. Een redelijke aanpak:

1. Begin met je top 20 vraagcategorieën (deze dekken ~80% van het ticketvolume)
2. Schrijf of herschrijf die 20 als AI-vriendelijke artikelen
3. Rol AI-support uit met dat fundament
4. Gebruik de escalatiepatronen van de AI om hiaten te identificeren — wanneer de AI escaleert omdat hij een antwoord mist, is dat een signaal om een artikel toe te voegen of te verbeteren
5. Itereer in de weken daarna

Deze gefaseerde aanpak geeft je snel een werkend AI-supportsysteem, en verbetert het vervolgens op basis van echte data over wat klanten daadwerkelijk vragen.

Hoe je meet of je kennisbank werkt

Na de uitrol, de metrics die je vertellen of je kennisbank goed genoeg is:

Percentage automatische AI-oplossing. Ligt het onder 50%, dan heeft je kennisbank waarschijnlijk hiaten. Goede kennisbanken ondersteunen 60–70% automatische oplossing.

Escalatieredenen. Wanneer de AI escaleert, waarom? 'Geen relevant artikel gevonden' betekent een inhoudelijk hiaat. 'Meerdere tegenstrijdige artikelen' betekent een structuurprobleem (waarschijnlijk moet je opsplitsen of samenvoegen).

Percentage vervolgvragen van klanten. Als klanten na een AI-antwoord vaak terugschrijven, zijn de antwoorden niet volledig. Vaak een precisieprobleem — het antwoord ging de goede kant op maar was niet gedetailleerd genoeg om het probleem echt op te lossen.

CSAT op door AI afgehandelde tickets. Als door AI afgehandelde tickets een lagere CSAT hebben dan door mensen afgehandelde, is de kwaliteit van de kennisbank meestal de boosdoener.

Deze metrics maken van het verbeteren van de kennisbank geen giswerk maar een feedbackloop. De AI vertelt je waar de hiaten zitten; jij vult ze; de kwaliteit verbetert.

De kern van de zaak

De kwaliteit van AI-klantenservice is grotendeels de kwaliteit van de kennisbank. Het model doet ertoe, de architectuur doet ertoe, maar de grootste hefboom die je zelf in de hand hebt is de documentatie die je de AI voert.

De vijf regels — één onderwerp per artikel, titels in vraagvorm, specifieke instructies, contextblokken, actuele metadata — zijn eenvoudig te benoemen en hebben veel impact bij implementatie. Teams die ze volgen halen 60–70% automatische oplossing. Teams die hun oude, mensgerichte documentatie erin plakken en magie verwachten, krijgen middelmatige resultaten en geven de AI de schuld.

De kennisbank is het deel van AI-support dat je volledig zelf in de hand hebt. Het is de investering waard.

Waar Respondo past

De kennisbankintegratie van Respondo crawlt je bestaande documentatie automatisch als startpunt, en wijst vervolgens op kansen om te herstructureren voor betere AI-prestaties. De redeneringsgestuurde AI haalt het meeste uit goed gestructureerde inhoud — hij begrijpt context en stelt specifieke antwoorden samen in plaats van alleen het dichtstbijzijnde artikel op te halen.

Het dashboard brengt de metrics naar voren die je vertellen of je kennisbank werkt: percentage automatische oplossing, escalatieredenen, percentages vervolgvragen. Dit maakt van het verbeteren van de kennisbank een datagedreven feedbackloop in plaats van giswerk.

De proefperiode van 14 dagen geeft je de tijd om je kennisbank te koppelen, de aanvankelijke AI-kwaliteit te zien, en te bepalen waar herstructureren het meest zou helpen.

Wil je zien hoe goed AI je huidige documentatie afhandelt? Start je gratis proefperiode van 14 dagen — koppel je kennisbank en zie het percentage automatische oplossing op je echte tickets.