Van RAG naar Agentic Retrieval

AI in procurement moet meer doen dan alleen zoeken

AI in procurement draait niet alleen om snelheid. Het draait vooral om het kunnen nemen van beter onderbouwde beslissingen.

Juist daarom is Agentic Retrieval interessant. Het helpt AI om niet alleen informatie te vinden, maar ook beter te beoordelen of er genoeg context is om een sterk antwoord te geven.

Eerst was er RAG

Agentic Retrieval bouwt voort op RAG (Retrieval-Augmented Generation).

Bij RAG zoekt AI relevante informatie op in documenten en gebruikt die context om een antwoord te geven. Dat werkt al krachtig bij offertes, uitvragen en contracten, omdat het model niet alleen op algemene kennis vertrouwt, maar ook op de documenten zelf.

Waarom klassieke RAG soms niet genoeg is

In procurement is één zoekactie niet altijd voldoende. Een inkoper wil namelijk niet alleen weten óf iets ergens genoemd wordt. De echte vraag is vaak:

• is een claim goed onderbouwd?

• ontbreekt er nog bewijs?

• zijn alle relevante documenten meegenomen?

• zit er ergens risico in voorwaarden, certificeringen of afwijkingen?
  

En juist daar schiet traditionele retrieval soms tekort. De eerste gevonden informatie kan relevant zijn, maar nog niet compleet.

Wat is Agentic Retrieval?

Bij Agentic Retrieval stopt AI niet bij de eerste gevonden informatie. Het systeem beoordeelt eerst of er genoeg context is om een sterk antwoord te geven. Is die context nog niet compleet, dan zoekt het gericht verder.

Je kunt het zien als het verschil tussen:

“ik heb iets gevonden” en “ik heb voldoende gevonden om hier verantwoord iets over te zeggen.”

Visual hoe RAG en Agentic Retrieval van elkaar verschillen

Waarom dit belangrijk is voor inkopers

Voor procurement maakt dat een groot verschil. Bij offertes, certificeringen, eisen en claims wil je niet alleen sneller werken, maar vooral zeker weten dat je antwoord goed is onderbouwd. Zeker wanneer informatie verspreid staat over meerdere documenten, bijlagen of leveranciersreacties.

Met Agentic Retrieval wordt het makkelijker om:

• completer te analyseren

• ontbrekende onderbouwing te signaleren

• risico’s sneller zichtbaar te maken

• en conclusies beter te onderbouwen

Wat dit betekent binnen Umbiko

Binnen Umbiko hebben we deze ontwikkeling al geïntegreerd in ons platform.

Niet als technische showcase, maar als praktische verbetering voor inkoopteams. Gebruikers hoeven niet zelf na te denken over zoekstrategieën of extra stappen. Ze stellen een vraag, en het systeem kan verder zoeken als dat nodig is om tot een sterker antwoord te komen.

De echte waarde

De waarde daarvan is duidelijk:

• completere analyses

• beter onderbouwde conclusies

• sneller inzicht in risico’s

• duidelijkere vervolgstappen richting leveranciers

Uiteindelijk is dat waar AI in procurement om zou moeten draaien: niet alleen informatie vinden, maar helpen om betere beslissingen te nemen.

Meer weten?

Agentic RAG in Amazon Q Business (AWS): https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/agentic-rag.html