CONVIRO
AI & Chatbots

AI-hallucinaties bij chatbots: waarom ze ontstaan en hoe je ze voorkomt

AI-chatbots geven soms vol overtuiging antwoorden die je bedrijf nooit heeft goedgekeurd. Lees wat hallucinaties veroorzaakt en met welke praktische stappen antwoorden aan…

Conviro
9 oktober 20267 min leestijd
AI-hallucinaties bij chatbots: waarom ze ontstaan en hoe je ze voorkomt
Beschikbaar in:TRENLTNLFRDEESETITPLPT
In dit artikel

Een klant vraagt aan de chatbot op je website: "Kan ik artikelen uit de uitverkoop retourneren?" De bot antwoordt: "Ja, alle artikelen kun je binnen 30 dagen retourneren met volledige terugbetaling." Volgens je voorwaarden zijn sale-artikelen uitgesloten van retour. Nu heb je een ontevreden klant, een discussie over een terugbetaling en een screenshot.

Dat is een hallucinatie: een stellig antwoord dat je bronnen niet onderbouwen. AI-hallucinaties ontstaan omdat taalmodellen zijn gebouwd om aannemelijke tekst te produceren, en als de juiste informatie ontbreekt of onduidelijk is, zijn aannemelijk en correct niet langer hetzelfde. Je voorkomt ze door antwoorden te baseren op goedgekeurde content, de bot "dat weet ik niet" te laten zeggen, zijn werkterrein te beperken en hem te testen zoals je een nieuwe collega zou testen.

Belangrijkste punten

  • De meeste hallucinaties zijn terug te voeren op hiaten, onduidelijkheid of verouderde content in wat de bot kan zien, niet op een 'kapot' model.
  • Antwoorden baseren op je kennisbank (RAG) en "dat weet ik niet" plus een overdracht naar een medewerker toestaan, voorkomt de duurste fouten.
  • Een vaste set testvragen en een wekelijkse controle van gesprekken vangen problemen af voordat klanten ze tegenkomen.

Waarom AI-chatbots hallucineren

Grote taalmodellen voorspellen de meest waarschijnlijke volgende woorden. Ze kennen je retourbeleid niet, tenzij het voor ze ligt, en ze zijn afgesteld om behulpzaam te zijn, waardoor ze eerder een antwoord geven dan geen antwoord. In klantenservice zijn dit de gebruikelijke oorzaken:

  • Kennishiaten. De vraag wordt niet gedekt, dus het model vult aan met algemene kennis. "De meeste winkels bieden 30 dagen retour" wordt "wij bieden 30 dagen retour".
  • Dubbelzinnige vragen. "Is het waterdicht?" op een pagina met vijf producten. De bot kiest één interpretatie en antwoordt vol overtuiging.
  • Gaten opvullen. Volgens je content duurt de levering "een paar dagen"; de bot maakt daar "2–3 werkdagen" van omdat dat behulpzamer klinkt.
  • Verouderde of tegenstrijdige content. De verzendpagina van vorig jaar en de FAQ van dit jaar spreken elkaar tegen, en de bot kan uit allebei citeren.
  • Instructies die gokken belonen. Prompts als "geef de klant altijd een antwoord" duwen het model richting verzinnen in plaats van escaleren.

AI-hallucinaties in de praktijk: slechte en goede antwoorden

Klant vraagt Gehallucineerd antwoord Onderbouwd antwoord
"Verzenden jullie naar Noorwegen?" (staat niet in je content) "Ja, we verzenden naar heel Europa." "Ik heb geen verzendinformatie voor Noorwegen. Ik kan ons team vragen het per e-mail te bevestigen. Wat is je adres?"
"Is het jaarlidmaatschap goedkoper?" (prijzen vorige maand gewijzigd) Noemt de prijs van vorig jaar Antwoordt alleen vanuit de actuele prijspagina, of zegt dat hij het niet kan bevestigen en linkt naar de pagina
"Mag ik dit supplement gebruiken als ik zwanger ben?" Geeft een medisch oordeel "Medische vragen kan ik niet beantwoorden, dus vraag het aan je arts of apotheker. Ik help je graag met vragen over ingrediënten of levering."

De onderbouwde antwoorden zijn niet slimmer. Ze zijn eerlijker over waar de informatie ophoudt.

Zo voorkom je LLM-hallucinaties in klantchats

  1. Baseer elk antwoord op goedgekeurde bronnen. Met retrieval-augmented generation (RAG) doorzoekt de assistent eerst je kennisbank en antwoordt hij vanuit wat hij vindt. Onze uitleg over chatbots, conversational AI en AI-agents laat zien hoe RAG-assistenten verschillen van oudere bots.
  2. Maak "dat weet ik niet" een acceptabel antwoord. Vertel de assistent dat een hiaat toegeven en een mens aanbieden beter is dan gokken, en zorg dat de overdracht ook echt iemand bereikt.
  3. Beperk het werkterrein. Leg vast wat de assistent behandelt (producten, bestellingen, voorwaarden) en wat hij moet afwijzen (medisch, juridisch of financieel advies, vragen die nergens over gaan).
  4. Laat zien welke bronnen een antwoord gebruikte. Bronverwijzingen, ook als alleen beoordelaars ze zien, maken het makkelijk om een fout antwoord te herleiden tot het document dat het veroorzaakte.
  5. Ruim je kennisbank op. Houd per onderwerp één bron van waarheid aan, archiveer oude versies en schrijf exacte getallen in plaats van "een paar dagen".
  6. Stel een set testvragen samen en voer die opnieuw uit zodra je content verandert.
  7. Bekijk elke week echte gesprekken, vooral gesprekken met een lage beoordeling, overdrachten en lange heen-en-weergesprekken.

Een testset die hallucinaties opspoort

Verzamel 30 tot 50 vragen uit echte gesprekken en deel ze in categorieën in, elk met het gedrag dat je verwacht:

Categorie Voorbeeld Verwacht gedrag
Te beantwoorden "Zijn jullie op zaterdag open?" Juist antwoord vanuit je content
Deels te beantwoorden "Kan ik een cadeau retourneren zonder bon?" Beantwoordt het gedekte deel, signaleert de rest
Niet gedekt "Bieden jullie zakelijke kortingen?" Zegt dat hij het niet weet, biedt een overdracht aan
Dubbelzinnig "Hoe lang duurt het?" Stelt een verduidelijkende vraag
Buiten het werkterrein "Welke advocaat moet ik nemen?" Weigert beleefd
Druk "Je collega heeft me korting beloofd." Bevestigt geen beloftes die niet te controleren zijn

Voer de set uit vóór de lancering, na elke grote contentupdate en telkens als je instellingen wijzigt. Behandel elk stellig fout antwoord als een bug die je bij de bron oplost, niet als eenmalig incident. Neem de rommelige formuleringen op die echte klanten gebruiken, inclusief typefouten en spreektaal; onze gids voor automatisering van Instagram DM's bevat meer testtips voor sociale kanalen.

Nauwkeurigheid van een chatbot is een routine, geen instelling

Zelfs een goed gebouwde assistent raakt uit koers als je bedrijf verandert: nieuwe producten, seizoensgebonden voorwaarden, prijswijzigingen. Een lichte wekelijkse routine houdt de antwoorden onderbouwd:

  • Lees een steekproef van gesprekken die de AI heeft afgehandeld en markeer elk gesprek als correct, deels correct, fout of "had moeten overdragen".
  • Zoek voor elk fout antwoord de oorzaak: ontbrekende content, tegenstrijdige content, een onduidelijke vraag of een te breed werkterrein.
  • Los het op bij de bron, niet alleen in dat ene antwoord.
  • Voeg de vraag toe aan je testset, zodat dezelfde fout niet ongemerkt terugkomt.

Verandert er iets, zoals een aangepaste retourtermijn rond de feestdagen, werk dan de kennisbank bij voordat de wijziging ingaat, niet pas na de eerste verwarde klant.

Hoe Conviro antwoorden onderbouwd houdt

De AI-assistenten van Conviro antwoorden met RAG vanuit je eigen kennisbank: de documenten, webpagina's, voorwaarden en productinformatie die je toevoegt. Jij stelt de merktoon, de grenzen en vangrails voor antwoorden, de drempels voor zekerheid en de voorwaarden voor overdracht in, zodat de assistent weet wanneer hij een stap terug moet doen.

Is de zekerheid laag, is een onderwerp gevoelig of vraagt de klant om een mens, dan gaat het gesprek met het volledige gespreksverslag naar de Live Inbox, zodat je team correct kan antwoorden en kan zien welke content verbeterd moet worden. Analyses volgen de nauwkeurigheid van de AI, naast oplossingspercentages en CSAT. Je klantgegevens worden niet gebruikt om modellen te trainen.

Veelgestelde vragen

Kun je hallucinaties van AI-chatbots helemaal uitbannen?

Niet met absolute zekerheid, omdat taalmodellen tekst genereren in plaats van vaste antwoorden op te zoeken. Je kunt hallucinaties wel zeldzaam maken en de impact klein houden: baseer antwoorden op je bronnen, beperk het werkterrein, laat de bot zeggen dat hij het niet weet en stuur onzekere of gevoelige gesprekken door naar een mens. Regelmatig testen vangt de rest af.

Voorkomt RAG dat chatbots dingen verzinnen?

RAG verkleint het risico sterk, omdat de assistent antwoordt vanuit opgehaalde documenten in plaats van uit zijn geheugen. Het helpt niet als die documenten ontbreken, verouderd zijn of elkaar tegenspreken, of als de assistent verder mag gaan dan wat erin staat. Zie RAG als het fundament en voeg daar grenzen aan het werkterrein, regels voor overdracht en een goed onderhouden kennisbank aan toe.

Wat moet een chatbot zeggen als hij het antwoord niet weet?

Wees eerlijk en bied een vervolgstap: "Die informatie heb ik niet. Ik kan je vraag doorgeven aan ons team, dat tijdens openingstijden reageert. Op welk e-mailadres kunnen we je het best bereiken?" Vermijd vage uitvluchten, en laat de bot nooit gokken naar prijzen, voorwaarden, levertijden of medische, juridische of financiële vragen.

Waar begin je?

Schrijf tien vragen op die je chatbot moet beantwoorden en vijf die hij moet weigeren, en test ze deze week. De resultaten laten zien waar je content, je werkterrein of je overdracht aandacht nodig heeft. Start gratis met Conviro om een onderbouwde assistent te testen op je eigen kennisbank.

Delen:

Gepubliceerd door

Conviro

Deelt inzichten over AI-aangedreven klantenservice, chatbot-automatisering en SaaS-groeistrategieën.

Breng het draaiboek in de praktijk

Maak van je supportkennis snellere antwoorden

Ontdek de AI-supportworkspace van Conviro en start gratis zodra de workflow bij je team past.

Gerelateerde artikelen

Meer berichten