Voor het Ministerie van KGG bouwden we een soevereine AI-assistent op basis van ons platform soev.ai. De organisatie werkt dagelijks met omvangrijke, versnipperde en veranderende wet- en regelgeving, technische eisen en standaarden. Die kennis snel en betrouwbaar ontsluiten scheelt veel tijd. De assistent ondersteunt medewerkers bij het vinden van relevante regelgeving en eisen, en bij het vertalen daarvan naar concrete stappen in het werkproces.
We ontwikkelden de oplossing samen met twee Nederlandse partners: Intermax en UbiOps. De volledige oplossing, zowel de applicatie als de AI-laag, draait in een aparte omgeving binnen de Nederlandse private cloud van Intermax. UbiOps verzorgt de modelorchestratie en de GPU-optimalisatie. De gebruikte taalmodellen (gpt-oss-120B en mistral-large) zijn open-weights modellen met een Apache 2.0-licentie, die volledig op eigen infrastructuur draaien. Zo blijft de organisatie onafhankelijk van buitenlandse cloudleveranciers en houdt ze grip op data en model.
De assistent is gebouwd op betrouwbaarheid en transparantie. Een multi-agent flow sluit aan op de verschillende typen zoekvragen, en elk antwoord verwijst naar de bronnen waar het op is gebaseerd. Zichtbare denkstappen, bronvermelding en kennisfilters maken een antwoord controleerbaar voordat een medewerker er iets mee doet. De mens beslist, het systeem onderbouwt.
We toetsten de oplossing zowel kwantitatief als kwalitatief. Met het RAGAS-framework, een LLM-as-a-judge-benadering, maten we een context recall van 0,89 en een faithfulness van 0,96. Dat betekent dat de retriever het overgrote deel van de relevante informatie ophaalt en dat de antwoorden vrijwel uitsluitend op de aangeboden bronnen zijn gebaseerd, met zeer weinig verzonnen informatie. In gebruikersexperimenten beoordeelden deelnemers de transparantie met gemiddeld 4,2 op 5, en de mate waarin de assistent informatie verzon met 2,2 op 5 (lager is beter).
Uit diezelfde experimenten kwam een geschatte tijdsbesparing van ongeveer een uur per onderzoeksvraag, bij een huidige inspanning van rond de twee uur. Deelnemers scoorden de tijdsbesparing gemiddeld 4,4 op 5. Een financiële analyse liet zien dat de netto waarde vooral schaalt bij bredere inzet in de organisatie, waarbij de kosten per gebruiker dalen naarmate meer teams de assistent gebruiken.
Samen met de CISO van de organisatie legden we een fundament voor veiligheid en compliance: een BIO- en een DPIA-quickscan, geautomatiseerde beveiligingsscans (internet.nl, Google Lighthouse en de OWASP Top 10 via Semgrep en dependency checks) en een architectuurbeschrijving volgens het C4-model met bijbehorende risicoanalyse. De belangrijkste vervolgstappen zijn GraphRAG om verwijzingen tussen documenten te volgen en brede vragen completer te beantwoorden, verdere data-isolatie zodat wij de applicatie kunnen onderhouden zonder toegang tot de data, en migratie naar SSO van de organisatie.
