Enterprisekennis inzetten voor spraakagenten

Wanneer organisaties Voice Agents inzetten om medewerkers en klanten te ondersteunen, wordt de kwaliteit van de informatie waarop die Agents vertrouwen een cruciale factor voor hun prestaties. Agents kunnen zelfstandig goed redeneren, maar wanneer ze bedrijfsspecifieke beleidsregels, productdetails of interne procedures moeten weerspiegelen, hebben ze toegang nodig tot betrouwbare en goed gestructureerde kennis.

Kennisbanken voor Agents bieden deze basis en specialisatie. Ze slaan documentatie, beleidsregels, technische referenties, productspecificaties, supportmateriaal en andere interne bronnen op. Om ze effectief te gebruiken, moet content worden samengesteld, georganiseerd en gestructureerd, zodat Agents nauwkeurige en onderbouwde antwoorden kunnen geven in plaats van te vertrouwen op algemene modelkennis die mogelijk onvolledig of verouderd is.

Deze gids introduceert praktische strategieën voor het beheren van kennisbanken voor ondernemingen in Agent-implementaties, zodat Voice Agents consistent kunnen presteren, ook bij grote en uiteenlopende documentverzamelingen.

Hoe Voice Agents toegang krijgen tot je kennisbank

Je kunt rechtstreeks op het ElevenLabs Agents-platform een kennisbank configureren. Die content is tijdens gesprekken beschikbaar voor je Agent.

Het platform biedt twee manieren om deze content te gebruiken:

• Rechtstreeks opnemen in de context: Bij kleinere kennisbanken wordt de content rechtstreeks in het context window van het model ingevoegd. Dit biedt directe toegang met minimale latentie en werkt het beste voor kleinere kennisbanken.
• Retrieval-Augmented Generation (RAG): Wanneer een kennisbank te groot is om in de context te passen, doorzoekt het systeem deze en haalt het alleen de meest relevante delen op op basis van de vraag van de gebruiker.

Wanneer RAG effectief is en wanneer niet

De keuze tussen rechtstreeks invoegen en RAG hangt voornamelijk af van de grootte van de kennisbank.

Neem een "Bibliotheek met producthandleidingen" met 1000 documenten, samen ongeveer 2 miljoen woorden (~2,6 miljoen tokens). In dit geval overschrijdt rechtstreeks invoegen de contextlimieten van de meeste snelle LLM's en wordt RAG ingeschakeld. Daardoor worden alleen relevante fragmenten opgehaald en blijft de context beheersbaar, ongeacht de totale grootte van de kennisbank.

Voor een beleidsdocument van 4 pagina's (~3.000 tokens) is rechtstreeks invoegen daarentegen sneller en eenvoudiger. RAG zou onnodige latentie toevoegen. 

Het ElevenLabs-platform regelt dit automatisch: de optie om RAG in te schakelen wordt pas beschikbaar wanneer je kennisbank een omvang bereikt waarbij ophalen efficiënter is dan rechtstreeks opnemen.

Effectieve kennisbanken beginnen met documentvoorbereiding

Als een onderneming een grote en diverse interne documentverzameling heeft, is de eerste stap niet implementatie maar selectie. Uitstekende bronnen leveren uitstekende antwoorden op, terwijl slechte bronnen fouten en hallucinaties introduceren.

Selecteer voordat je implementeert. Archiveer of verwijder verouderde concepten, vervangen versies en irrelevant materiaal. Als een document niet mag worden gebruikt om klantvragen te beantwoorden, hoort het niet in je kennisbank. Deze selectie zorgt ervoor dat de informatiebron betrouwbaar blijft en vermindert ruis tijdens het ophalen.

Organiseer per domein. Structureer de overgebleven documenten in duidelijke, logische categorieën, zoals HR-beleid, productdocumentatie, juridische overeenkomsten, technische handleidingen of procedures voor klantenservice. Deze domeinindeling wordt cruciaal wanneer je multi-agent workflows implementeert op het ElevenLabs-platform, waar gespecialiseerde Agents specifieke kennisgebieden afhandelen.

Kwaliteit boven kwantiteit. Een goed geselecteerde verzameling van enkele hoogwaardige documenten presteert beter dan een groot aantal bestanden van wisselende kwaliteit. Richt je binnen elk domein op volledigheid, nauwkeurigheid en relevantie. Beginnen met schone, georganiseerde data is niet alleen een best practice; het maakt het verschil tussen een Agent die gebruikers helpt en een Agent die hen frustreert met irrelevante of tegenstrijdige antwoorden.

Strategieën voor de implementatie van kennisbanken

Zodra je inzicht hebt in de kennis en toegangspatronen, is de volgende vraag hoe je je Agent-architectuur instelt om effectief toegang te krijgen tot de kennisbank. Organisaties kunnen kiezen uit vijf architectuurbenaderingen die rechtstreeks op het ElevenLabs Agents-platform kunnen worden geïmplementeerd, van eenvoudige tot complexe configuraties op basis van kennisschaal en vereisten.

1. Kennisbank voor één Agent

Bij de eenvoudigste implementatie koppel je een kennisbank rechtstreeks aan één Agent. Upload je geselecteerde documenten naar het ElevenLabs Agents-platform om een kennisbank te maken en wijs die in de configuratie-instellingen toe aan je Agent. Geen workflows, routing of externe tools nodig. Deze aanpak levert het snelst resultaat op en is ideaal voor gerichte use cases, zoals uitsluitend HR-beleid, uitsluitend productdocumentatie of klantenservice voor één productlijn.

Op grotere schaal ontstaan beperkingen. De prestaties kunnen afnemen bij zeer grote of zeer diverse kennisbanken. Zonder specialisatie doorzoekt de Agent alle documenten, waardoor mogelijk minder relevante resultaten worden opgehaald wanneer de kennis zeer uiteenlopende onderwerpen omvat. Zodra je merkt dat de nauwkeurigheid afneemt door de diversiteit van de kennisbank, is het tijd om over te stappen op multi-Agent workflows.

2. Kennis scheiden met meerdere Agents

Voor grote, diverse documentverzamelingen biedt een multi-Agent-workflowarchitectuur efficiënte schaalbaarheid. Een orkestratie-Agent analyseert binnenkomende vragen en routeert ze naar gespecialiseerde Agents, elk met een gerichte kennisbank voor hun domein. Wanneer een gebruiker vraagt: "Wat is het beleid voor ouderschapsverlof in Californië?", herkent het systeem dit als HR-gerelateerd en routeert het naar een in HR gespecialiseerde Agent die alleen toegang heeft tot HR-documenten.

De implementatie omvat het maken van afzonderlijke kennisbanken per domein, het bouwen van een workflow met gespecialiseerde nodes en het configureren van routingvoorwaarden. Kleinere, gerichte contexten verbeteren de nauwkeurigheid en verminderen de latentie, terwijl de domeinscheiding het onderhoud vereenvoudigt, omdat elk gebied onafhankelijk wordt bijgewerkt. Deze aanpak is geschikt voor ondernemingen die Agents inzetten voor meerdere vakgebieden.

3. Hybride aanpak: kennisbank voor ontdekking, tools voor data

Dit patroon scheidt begrip van opzoeken. De kennisbank identificeert terminologie en koppelt die aan systeem-ID's die als document aan de kennisbank zijn toegevoegd, terwijl webhooktools actuele data ophalen uit gezaghebbende bronnen. 

Wanneer bijvoorbeeld wordt gevraagd: "Wat zijn de details van mijn Premium Plus-abonnement?", gebruikt de Agent de kennisbank om abonnements-ID PLAN_001 te identificeren en roept vervolgens een tool aan die je live database raadpleegt voor actuele prijzen en functies.

Dit garandeert nauwkeurigheid, omdat feiten uit databases komen in plaats van uit LLM-generatie, biedt realtime data die de actuele status weergeven en creëert audittrails via gelogde toolaanroepen. Het is geschikt voor situaties die zowel begrip van documentatie als het ophalen van gestructureerde data vereisen, wat veelvoorkomt bij klantenservice, accountbeheer en e-commerce, waar documenten concepten uitleggen maar databases actuele feiten bevatten.

4. Externe vectordatabase

Organisaties kunnen hun eigen vectordatabase (Pinecone, Weaviate, Qdrant) beheren en deze beschikbaar maken via aangepaste webhooktools. Dit biedt volledige controle over chunking, embeddings en ophaalalgoritmen, maar leidt ook tot operationele overhead door infrastructuurbeheer en extra latentie door externe API-aanroepen. Dit kan flexibiliteit toevoegen, maar veroorzaakt ook operationele overhead en externe latentie. 

5. De dual-brainarchitectuur

Sommige ondernemingen onderhouden al hun eigen (fine-tuned) LLM's. De meest effectieve manier om deze te verbinden is rechtstreeks met een ElevenLabs Agents-platform (aangepaste LLM) of via een Dual Brain-architectuur.

Een dual-brainarchitectuur (twee actieve LLM's) wordt doorgaans gebruikt wanneer de aangepaste LLM te traag is om een realtime gesprek mogelijk te maken. In situaties waarin diepere redenering / aanvullende context nodig is, wordt de Agent aangestuurd door een snellere LLM die de aangepaste LLM van de klant kan aanroepen voor input. Die input wordt vervolgens via contextuele updates aan het gesprek toegevoegd.

Omdat deze aanroepen asynchroon zijn, blijft het gesprek vloeiend terwijl de backend zwaardere berekeningen uitvoert. Met deze aanpak kunnen ondernemingen voortbouwen op hun bestaande AI-infrastructuur. 

Conclusie

Effectieve Voice Agents vertrouwen op duidelijke, goed georganiseerde kennis. Wanneer bedrijfsinformatie gestructureerd, nauwkeurig en gemakkelijk te navigeren is voor Agents, wordt deze een betrouwbare bron waaruit ze kunnen putten voor onderbouwde en consistente antwoorden van Agents. 

Het ElevenLabs-platform biedt ingebouwd beheer van kennisbanken, multi-Agent workflows, webhookintegratie en uitgebreide API's die zijn ontworpen om naadloos samen te werken. Met schone data en een passende architectuur maakt een doordachte implementatie bedrijfsexpertise toegankelijk via natuurlijke gesprekken. Goed uitgevoerd is dit niet slechts een implementatiedetail, maar een operationeel voordeel.

How-To: Documentuploads opschalen

Consolideer vóór het uploaden. Voeg, in plaats van 500 afzonderlijke bestanden te uploaden, alle documenten uit een domein samen in één bestand. Dit vermindert de complexiteit van beheer, vereenvoudigt de Agent-configuratie en verbetert het ophalen doordat gerelateerde content bij elkaar blijft.

Groepeer documenten strategisch per productlijn, regio, afdeling of functie. Elke geconsolideerde kennisbank wordt gekoppeld aan één Agent (één Agent) of één gespecialiseerde Agent-node (multi-Agent workflows). 

Gebruik de ElevenLabs API om content te uploaden vanaf URL's, uit tekst of uit bestanden. Integreer uploads in je CI/CD-pipeline, zodat consolidatie en updates automatisch plaatsvinden wanneer de brondocumentatie verandert.

How-To: Kennis automatisch vernieuwen

Monitor je documentatierepositories (Git, SharePoint, CMS). Wanneer wijzigingen worden gedetecteerd, start je een geautomatiseerde herverwerking om bijgewerkte documenten te consolideren.

Gebruik de API om kennisbanken programmatisch bij te werken. Een typische workflow: documentatie bijgewerkt → CI/CD-pipeline gestart → documenten geconsolideerd → API aangeroepen om kennisbank te vervangen → Agents krijgen onmiddellijk toegang tot bijgewerkte informatie.

Behandel documentatie als code. Pas dezelfde DevOps-striktheid toe op updates van kennisbanken als op code-deployments. De API-firstarchitectuur van het platform maakt integratie met bestaande pipelines eenvoudig, zodat nauwkeurigheid en compliance behouden blijven zonder handmatige tussenkomst.