Wat is Question Answering?

Wat is Question Answering eigenlijk?

Question Answering (QA) is een AI-techniek waarbij een systeem een directe, specifieke vraag beantwoordt in plaats van alleen zoekresultaten te tonen. Stel: je typt "Hoeveel poten heeft een spin?" — in plaats van tien linkjes krijg je direct "Acht". Het systeem begrijpt wat je vraagt, zoekt de informatie op (of haalt die uit zijn geheugen) en geeft een concreet antwoord.

Denk aan het verschil tussen Google zoeken en ChatGPT bevragen. Bij traditioneel zoeken krijg je pagina's waar je zelf doorheen moet. Bij Question Answering krijg je een kant-en-klaar antwoord, alsof je een deskundige een vraag stelt.

Hoe werkt het?

Er zijn grofweg twee soorten:

Extractive QA — Het systeem leest een tekst en haalt er letterlijk een stuk uit dat het antwoord bevat. Stel, je vraagt "Wie schreef Harry Potter?" en het systeem heeft een Wikipedia-artikel: het vindt de zin "de serie werd geschreven door J.K. Rowling" en geeft "J.K. Rowling" als antwoord. Het bedenkt niets nieuws, het knipt en plakt.

Generative QA — Het systeem leest informatie, begrijpt de vraag en formuleert een antwoord in zijn eigen woorden. Moderne large language models zoals GPT en Claude werken zo. Ze kunnen antwoorden combineren uit wat ze geleerd hebben tijdens training, wat het natuurlijker en flexibeler maakt — maar ook gevoeliger voor fouten (zoals hallucinaties).

Bij beide vormen gebruiken de systemen machine learning: ze zijn getraind op enorme hoeveelheden tekst waarin vragen en antwoorden voorkomen, zodat ze patronen herkennen.

Een voorbeeld uit de praktijk

Stel, je werkt voor een klantenservice met duizenden producthandleidingen. Klanten stellen vragen als "Hoe reset ik mijn wachtwoord?" of "Is dit apparaat waterdicht?". Een Question Answering-systeem leest de handleidingen, herkent de vraag en geeft direct het antwoord — óf wijst naar de relevante paragraaf.

Zo'n systeem bespaart medewerkers tijd en helpt klanten sneller. Het werkt als een slimme zoekfunctie die niet alleen zoekt, maar ook begrijpt.

Waar kom je het tegen?

Question Answering zit in allerlei tools die je waarschijnlijk al gebruikt:

• Chatbots en assistenten — ChatGPT, Claude, Gemini, Copilot: je stelt een vraag, je krijgt een antwoord. Dat is generative QA.

• Zoekmachines — Google toont soms een direct antwoord bovenaan ("featured snippet"). Dat is extractive QA.

• Bedrijfssystemen — Klantenservice-chatbots, interne kennisbanken, HR-assistenten die medewerkers helpen.

• Slimme speakers — "Hé Google, wat is de hoofdstad van Spanje?" → "Madrid."

• Juridische en medische tools — Systemen die contracten of patiëntendossiers doorzoeken en vragen beantwoorden.

Het werkt het best bij feitelijke vragen met een duidelijk antwoord. Bij open vragen ("Wat is het geheim van geluk?") wordt het subjectiever en moeilijker.

Wat maakt het nuttig?

Question Answering maakt informatie toegankelijker. In plaats van door stapels documenten te zoeken, stel je gewoon een vraag. Dat scheelt tijd, verlaagt de drempel om iets op te zoeken en helpt mensen die moeite hebben met zoeken of lezen.

Tegelijk is het belangrijk om te beseffen: het antwoord is zo goed als de bron. Als het systeem verouderde of onvolledige informatie heeft, krijg je een onvolledig antwoord. En bij generative QA bestaat het risico dat het systeem iets verzint dat er logisch uitziet maar niet klopt.

Wat kun je ermee?

Als je Question Answering inzet in je organisatie, denk dan na over deze vragen: welke vragen krijg je vaak? Waar zoeken mensen nu lang naar? En heb je betrouwbare, actuele bronnen die het systeem kan raadplegen?

Start klein: test het op een afgebakend domein (zoals veelgestelde vragen) voordat je het breed uitrolt. En blijf controleren of de antwoorden kloppen — ook slimme systemen maken fouten.