Meer over techniek

Spark is gebouwd op moderne AI-technologie, specifiek Large Language Models (LLM's) die zijn geoptimaliseerd voor natuurlijke conversaties. De chatbot maakt gebruik van een RAG-architectuur (Retrieval-Augmented Generation), wat betekent dat Spark niet alleen slim kan antwoorden, maar altijd eerst relevante informatie ophaalt uit je eigen kennisbank voordat er een antwoord wordt gegeven.

De backend is ontwikkeld in JavaScript en Python, met geautomatiseerde workflows die via REST API's en webhooks communiceren. Voor documentverwerking zetten we geavanceerde parsing-technologie in die PDF's, Word-documenten en spreadsheets intelligent kan analyseren en opdelen in doorzoekbare fragmenten.

Nee, Spark gebruikt geen externe bronnen of het internet. De agent antwoordt uitsluitend op basis van de content die je zelf hebt aangeleverd in de gekoppelde mappen. Dit is een bewuste architecturale keuze om te garanderen dat alle antwoorden accuraat, gecontroleerd en volledig in lijn met je bedrijfscommunicatie zijn.

Wanneer Spark geen relevant antwoord kan vinden in de beschikbare kennisbank, is het systeem getraind om dit transparant te communiceren. In plaats van te hallucineren, zal Spark aangeven dat de specifieke informatie niet beschikbaar is en de gebruiker doorverwijzen naar de aangewezen contactpersoon met directe contactgegevens.

Alle gesprekken zijn daarnaast realtime inzichtelijk via een overzichtelijk dashboard. Je team kan meekijken met lopende conversaties en deze op elk moment overnemen wanneer persoonlijk contact gewenst is. Afgeronde conversaties worden opgeslagen en zijn ook inzichtelijk.

Spark is ontworpen met privacy by design en biedt de technische waarborgen die nodig zijn voor AVG-compliant gebruik.

Spark haalt zijn informatie uitsluitend uit de documenten die je zelf aanlevert. Via een directe API-koppeling met Google Drive of Microsoft OneDrive/SharePoint monitort het systeem continu de mappen die je hebt aangewezen, bijvoorbeeld voor vacatures, functiebeschrijvingen, FAQ's, interviews met medewerkers en bedrijfsinformatie.

Zodra je een document toevoegt of wijzigt, detecteert het systeem dit automatisch via event-driven triggers. Het document wordt vervolgens verwerkt door onze Python-gebaseerde documentparser, omgezet naar vector embeddings via Google's Gemini embedding model en opgeslagen in een Pinecone vector database. Dit maakt razendsnelle semantische zoekopdrachten mogelijk, zodat Spark altijd de meest relevante passages vindt.

Ja, databeveiliging staat centraal in de architectuur van Spark. Je documenten blijven in je eigen Google Drive of Microsoft-omgeving staan; wij slaan geen originele bestanden op. Alleen de verwerkte vectorrepresentaties worden opgeslagen in een Pinecone database die specifiek voor jouw organisatie is ingericht in een eigen geïsoleerde omgeving.

Alle communicatie verloopt via versleutelde HTTPS-verbindingen en geauthenticeerde API-calls. Er worden geen gesprekken of documenten gedeeld met derden. De vector database draait op Europese servers (Google Cloud Platform, regio Europe West4 in Nederland) om te voldoen aan dataresidentie-eisen. Daarnaast is er rate limiting geïmplementeerd via Redis om misbruik te voorkomen.

Dit is ingebouwd in de kernarchitectuur van Spark. De AI Agent is via zijn systeem prompt geconfigureerd om verplicht meerdere kennisbronnen te raadplegen voordat er een antwoord wordt gegeven: de FAQ-database, de content chunks uit je documenten, en actuele lijsten zoals openstaande vacatures.

Het systeem is expliciet geïnstrueerd om nooit antwoorden te genereren op basis van algemene modelkennis. Technisch wordt dit afgedwongen doordat het LLM alleen toegang heeft tot de retrieval-tools die jouw kennisbank doorzoeken. Daarnaast gebruiken we Cohere's neural reranker om uit de opgehaalde resultaten de meest relevante passages te selecteren, wat de precisie van antwoorden verder verhoogt.

Tijdens chatgesprekken kunnen de volgende gegevens worden verwerkt: de inhoud van berichten, IP-adres en locatie (stad/land), browserinformatie en tijdstip van het gesprek.