Een interne kennis-chatbot kopen of zelf bouwen? Een eerlijke afweging.

Wat betekent "zelf bouwen" eigenlijk?

Zelf bouwen betekent dat je organisatie een eigen interne chatbot ontwikkelt op een losse AI-API, bijvoorbeeld van een grote taalmodel-aanbieder. Je koppelt die aan je eigen documenten, schrijft de code eromheen en regelt zelf de hosting, het beheer en de naleving van wet- en regelgeving. Het tegenovergestelde is een begeleid product, waarin dat allemaal al is ingericht en wordt onderhouden.

De vraag is dus niet of het technisch kan. Dat kan. De echte vraag is wat je in huis hebt aan tijd en kennis, en wie er over twee jaar nog naar omkijkt als de bouwer is vertrokken.

De chatbot bouwen is makkelijk, de governance is het werk

Een werkende demo staat er soms binnen een week. Dat verleidt veel mensen tot de conclusie dat een interne kennis-chatbot een weekendklus is. In de praktijk zit het zware werk niet in het pratende deel, maar in de zekerheden eromheen.

Een collega die uitsluitend uit goedgekeurde bronnen antwoordt en niets verzint, vraagt om een doordachte grounded opzet. Alleen jouw documenten als bron, de herkomst zichtbaar bij elk antwoord, en een eerlijk "dit staat niet in de bronnen, vraag het je leidinggevende" als het er niet in staat. Dat noemen wij grounding, en het is precies het deel dat een snelle DIY-build meestal overslaat.

Daar bovenop komt de privacy. Waar staat de data, wie kan erbij, blijft alles binnen de EU, en kun je achteraf aantonen dat een vraag van een medewerker niet bij het model is blijven hangen? In de zorg is dat geen detail maar een voorwaarde.

Wat de wet van je vraagt, ook als je zelf bouwt

Wie zelf bouwt, neemt ook de verantwoordelijkheid voor de regels op zich. De EU AI Act kent sinds februari 2025 een AI-geletterdheidsplicht (artikel 4) en een transparantieplicht (artikel 50): je moet kenbaar maken dat iemand met AI praat, en je mensen moeten snappen waar ze mee werken. De Inspectie Gezondheidszorg en Jeugd riep zorgaanbieders in februari 2025 op om zorgvuldig om te gaan met de invoering van generatieve AI.

Die plichten verdwijnen niet als je zelf bouwt. Ze verhuizen naar jouw bureau. Dat is geen reden om er niet aan te beginnen, maar wel een reden om vooraf te bepalen wie het AI-beleid schrijft, wie de bronnen beheert en wie controleert of de afspraken nog kloppen. Voor dat soort beleids- en invoeringsvragen werken wij samen met Implementa, dat organisaties begeleidt bij verantwoorde invoering.

De drie smaken naast elkaar

Grofweg zijn er drie wegen. De kale "losse AI-tool" is een algemene chatbot zonder jouw bronnen: handig voor brainstormen, ongeschikt als kennishulp omdat hij niets van jouw protocollen weet en dingen kan verzinnen. "Zelf bouwen" geeft je volledige regie, maar legt alle last bij jou. En een begeleid product levert de governance mee. De vergelijkingstabel hieronder zet ze eerlijk naast elkaar.

Wil je dieper in de verschillen tussen een echte kennis-chatbot en een losse tool, dan helpt het overzicht over een chatbot op je eigen kennisbank. En voor de bredere afweging tegenover losse tools staat er een aparte vergelijking.

Wat onderhoud op de lange termijn echt kost

De verborgen kosten zitten in jaar twee. Protocollen veranderen, een nieuwe versie van het taalmodel breekt iets, een medewerker uploadt per ongeluk een verkeerd document, of de bouwer vindt een andere baan. Bij zelf bouwen is dat allemaal jouw probleem.

Een goed werkende interne chatbot vraagt om bronbeheer dat blijft kloppen, zodat het antwoord van vandaag niet het verouderde protocol van vorig jaar is. Dat raakt aan je eigen protocollen en aan een veilige omgang met bedrijfsdata. Bij De Vraagbaak hoort dat onderhoud bij de prijs, inclusief begeleide invoering. Wat dat kost is transparant terug te vinden bij de prijzen.

Wanneer is zelf bouwen verstandig?

Soms is het de juiste keuze. Heb je een vast ontwikkelteam met AI-ervaring, een eigen security-officer, ruimte in de begroting voor structureel onderhoud en de wil om de governance zelf te dragen, dan kun je iets bouwen dat precies past. Voor veel zorg- en welzijnsorganisaties geldt dat niet, en dan is een begeleid product de nuchtere keuze. Geen triage, geen diagnose, geen behandeladvies, altijd menselijke controle, dat blijft in beide gevallen het uitgangspunt.

Over de auteur

Arjan Woldring is oprichter van Implementa en maker van ImpliTeam. Hij helpt zorg- en welzijnsorganisaties om AI verantwoord en met een eerlijk verwachtingspatroon in te voeren.