Bij vrijwel elk AI-traject komt dezelfde technische vraag terug: hoe bouw je een AI-assistent op eigen data waarin onnauwkeurigheid meteen opvalt? Om die vraag te beantwoorden op een corpus waar fouten direct zichtbaar zijn, bouwden we Bijbel Assistent (bijbelassistent.nl) — een eigen CleverTech-product, geen klantopdracht: een Nederlandstalige AI-assistent voor Bijbelstudie. Wie vraagt wat een vers in de grondtekst betekent, controleert het antwoord: in de tekst zelf, in de commentaren, in het woordenboek. Een taalmodel dat vloeiend klinkt maar een uitspraak aan het verkeerde hoofdstuk toeschrijft, valt hier binnen een minuut door de mand. Dat maakt dit domein een strenge testomgeving voor precies het probleem dat een chatbot op bedrijfsdata ook heeft.
Vier dingen maakten dat lastig:
- Een generiek taalmodel citeert niet, het parafraseert. Een kaal model geeft een antwoord dat gemiddeld klopt en soms een passage aan de verkeerde plek toeschrijft. Voor dit corpus is "gemiddeld klopt" onbruikbaar: elk inhoudelijk antwoord moet terug te voeren zijn op een passage die de gebruiker kan openslaan.
- Vier vertalingen naast elkaar. Het corpus bevat de Statenvertaling, de Herziene Statenvertaling, de NBV21 en de Bijbel in Gewone Taal. Die verschillen in woordkeuze en zinsbouw, dus een antwoord dat niet expliciet maakt over welke vertaling het gaat, is per definitie halve informatie.
- De grondtaal hoort bij het antwoord. Strong-nummers voor Hebreeuwse en Griekse lemma's, kruisverwijzingen tussen teksten en klassieke commentaren zoals Matthew Henry zijn geen extraatjes maar de kern van serieuze studie. Ze moeten doorzoekbaar zijn en meelopen in het antwoord, niet als losse tab ernaast staan.
- Het is een publiek consumentenproduct, geen intern hulpmiddel. Accounts, abonnementen met iDEAL-betaling, privacyrechten en gebruik op een telefoon zonder verbinding zijn allemaal harde eisen — precies de laag die een prototype niet heeft en die bepaalt of iets daadwerkelijk in productie kan.