Uw partner in websites, intranetten, maatwerkapplicaties en AI-innovatie met Joomla!
Arend-Henk Huzen, Maarten en Yvonne Blokdijk
- AI & Chatbots: Intelligente automatisering voor uw bedrijf
- Custom Development: Op maat gemaakte joomla oplossingen: jmodules.com
- Workflows: Werkprocessen automatiseren: easyworkflows.nl
www.cloudfaction.nl | info@cloudfaction.nl
1 / 24
Chatbots: Een Inleiding
Wat zijn chatbots en hoe werken ze?
3 / 24
Wat is een Chatbot?
Een chatbot is een softwaretoepassing die gesprekken kan voeren met mensen via tekst of spraak.
- Geautomatiseerde communicatie
- Interactie op basis van AI
- Meerdere toepassingen
4 / 24
Chatbot Rollen (System Prompts)
Je kunt de chatbot een specifieke rol geven om het gedrag en de antwoorden te sturen.
Helpful Assistant
"You are a helpful assistant"
Expert/Leraar
"You are an expert teacher"
Programmeur
"You are a senior developer"
Klantenservice
"You are a customer support agent"
5 / 24
Chat Limieten
De meeste chatbot diensten hanteren limieten om misbruik te voorkomen en kosten te beheersen.
- Berichten per uur: Beperkt aantal vragen per tijdseenheid
- Tokens per gesprek: Maximale lengte van input en output
- Dagelijkse quota: Totaal aantal interacties per dag
- Rate limiting: Bescherming tegen te snelle opeenvolgende verzoeken
6 / 24
Waarom Rollen Belangrijk Zijn
De rol bepaalt hoe de chatbot zich gedraagt en antwoordt.
- Gedrag: Bepaalt toon en stijl van antwoorden
- Focus: Richt de chatbot op specifieke taken
- Grenzen: Voorkomt off-topic antwoorden
- Kwaliteit: Verbetert relevantie van antwoorden
Voorbeeld:
"You are a helpful assistant that explains complex topics in simple terms for beginners."
7 / 24
Wat zijn Tokens?
Tokens zijn de bouwstenen waarmee een LLM tekst verwerkt en begrijpt.
- Tekst wordt opgesplitst: Woorden en zinnen worden opgedeeld in kleinere stukjes
- Numerieke representatie: Elk token krijgt een uniek nummer
- Variabele lengte: 1 token ≈ 4 karakters of ~0.75 woorden (Engels)
- Taalafhankelijk: Nederlandse tekst gebruikt vaak meer tokens
Voorbeeld:
"Hallo wereld!" → ["Hallo", " wereld", "!"] → 3 tokens
8 / 24
Hoe voorspelt een LLM?
Een Large Language Model voorspelt het volgende token op basis van alle voorgaande tokens.
1
Input wordt omgezet naar tokens
↓
2
Model analyseert patronen en context
↓
3
Berekent waarschijnlijkheid voor elk mogelijk volgend token
↓
4
Selecteert meest waarschijnlijke token en herhaalt proces
Voorbeeld:
"De kat zit op de..." → Model voorspelt "mat" (85%), "stoel" (10%), "tafel" (5%)
9 / 24
Context Windows
Een context window is de hoeveelheid tekst die een AI-model kan zien en gebruiken bij het genereren van een antwoord.
- Beperkt tot een bepaalde lengte
- Beïnvloedt de kwaliteit van antwoorden
- Verschillende modellen hebben verschillende context lengtes
10 / 24
Context Window Lengtes
Verschillende AI-modellen hebben verschillende context window lengtes:
11 / 24
Kosten van AI Modellen
De kosten van AI-modellen variëren sterk op basis van capaciteit en prestaties.
- Per token pricing: Betalen per verwerkte teksteenheid
- Input vs Output: Output tokens zijn vaak duurder
- Kwaliteit vs Kosten: Betere modellen kosten meer
- Schaalvoordelen: Volumekortingen bij groot gebruik
12 / 24
Prijsvergelijking Modellen
Kosten per 1 miljoen tokens (input):
$0.50
~€0.46
- Snel
- Goedkoop
- Basis taken
$30.00
~€27.50
- Hoge kwaliteit
- Complexe taken
- Beter redeneren
$10.00
~€9.20
- Sneller dan GPT-4
- Grote context
- Beste balans
13 / 24
Kwaliteit vs Kosten
Hoe beter het model, hoe hoger de kosten - maar ook betere resultaten.
Basis Modellen
€
Eenvoudige taken, lage kosten
Standaard Modellen
€€
Goede balans kwaliteit/prijs
Premium Modellen
€€€
Hoogste kwaliteit, hoogste kosten
14 / 24
Kostenberekening Voorbeeld
Scenario: Klantenservice Chatbot
- 100 gesprekken per dag
- Gemiddeld 6 berichten per gesprek
- ~300 tokens per bericht (input + output)
- = ~180.000 tokens/dag = ~5,4M tokens/maand
GPT-3.5 Turbo:
~€4/maand
GPT-4 Turbo:
~€50/maand
GPT-4:
~€150/maand
15 / 24
RAG (Retrieval-Augmented Generation)
RAG combineert zoekfuncties met generatieve AI om betere antwoorden te leveren.
- Vector embeddings: Tekst wordt omgezet naar numerieke vectoren
- Vector database: Opslag van documenten als vectoren voor snelle zoekacties
- Semantisch zoeken: Vindt relevante informatie op basis van betekenis, niet alleen keywords
- Context verrijking: Gevonden informatie wordt toegevoegd aan de AI prompt
Voorbeeld:
Vraag: "Wat is de refund policy?" → Vector zoekt in documentatie → Vindt relevante passages → AI genereert antwoord met correcte info
16 / 24
Werkingsprincipe RAG
↓
2
Systeem zoekt relevante documenten
↓
3
Context wordt gegenereerd
↓
4
AI genereert antwoord op basis van context
17 / 24
Context Enhancement
Context enhancement verbetert de kwaliteit van de context die een AI-model ontvangt.
- Samenvatting van lange documenten
- Structurering van informatie
- Extra metadata toevoegen
18 / 24
Voorbeelden van Context Enhancement
- Samenvatting van lange rapporten
- Extra context toevoegen aan vragen
- Documentatie structureren
- Automatisch genereren van samenvattingen
19 / 24
Voordelen van RAG en Context Enhancement
- Beter begrijpen van complexe vragen
- Toegang tot actuele informatie
- Verhoogde nauwkeurigheid
- Verbeterde kwaliteit van antwoorden
20 / 24
Best Practices
Tips voor effectief gebruik van chatbots:
- Kies het juiste model voor je use case
- Monitor en optimaliseer kosten regelmatig
- Implementeer rate limiting en gebruikersrollen
- Start klein en schaal op basis van resultaten
- Gebruik RAG voor domein-specifieke kennis
21 / 24
Samenvatting
Chatbots met RAG en context enhancement bieden krachtige mogelijkheden voor interactieve en informatieve applicaties.
- Context windows bepalen hoeveel informatie beschikbaar is
- RAG verbetert de kwaliteit van antwoorden
- Context enhancement maakt informatie beter toegankelijk
22 / 24
Toekomst van Chatbots
De toekomst van chatbots ziet veel ontwikkelingen en verbeteringen:
- Verbeterde AI: Nieuwe modellen met betere taalbegrip en generatie
- Multi-modal interactie: Combinatie van tekst, spraak, beeld en video
- Personalisatie: Altijd beter begrijpen van individuele gebruikers
- Internationale toegankelijkheid: Betere ondersteuning voor meerdere talen
- Integratie: Beter integreren met bestaande systemen en workflows
Voorbeeld:
"Chatbots die kunnen luisteren, spreken, zien en begrijpen complexe contexten, zoals een mens."
23 / 24
Demo: Chatbot Voorbeelden
Dit zijn twee voorbeelden van chatbots die we hebben besproken:
Specifiek ontwikkeld voor OpenAI modellen
- Integreert direct met GPT-4 en GPT-3.5
- Kan bestanden verwerken
- Kan code genereren en uitvoeren
- Beheert complexe conversaties
Algemene chatbot die werkt met verschillende AI modellen
- Werkt met meerdere AI providers
- Eenvoudige configuratie
- Flexibele prompt systemen
- Gebruiksvriendelijk voor beginners
24 / 24