RAG
E-mail Classificatie & Automatisatie
Wie is Wisemen?
Stageperiode: februari 2024 - mei 2024
Wisemen is een Belgisch digitaal agency gespecialiseerd in strategie, ontwikkeling en marketing. Sinds de oprichting in 2012 (voorheen bekend als Appwise) is Wisemen uitgegroeid tot een full service digital agency met een breed assortiment services.
Diensten & Expertise
- Digitale Transformatie: Wisemen ontwikkelt strategieën die bedrijfsdoelstellingen afstemmen op de behoeften van klanten en gebruikers, met oog voor technische mogelijkheden.
- Design: Het bureau ontwerpt gebruiksvriendelijke ervaringen en interfaces volgens een eigen design-driven aanpak, waardoor producten en diensten aantrekkelijk en effectief zijn.
- Softwareontwikkeling: Wisemen biedt maatwerksoftware, innovatieve websites en marketingstrategieën die efficiëntie bevorderen, klanten betrekken en groei stimuleren.
- Marketing: Met geïntegreerde marketingcampagnes helpt Wisemen merken om zich te onderscheiden en hun doelgroep effectief te bereiken.
Mijn Stageprojecten
Gedurende mijn stage van 3 maanden bij Wisemen heb ik gewerkt aan twee concrete en innovatieve projecten: een Retrieval-Augmented Generation (RAG) pipeline en een AI-gedreven e-mailclassificatiesysteem. Beide projecten focusten op het toepassen van artificiële intelligentie binnen een bedrijfscontext om processen efficiënter en slimmer te maken.
In het realisatiedocument wordt dieper ingegaan op de technische uitvoering van beide projecten. Je vindt er uitgebreide informatie over de architectuur, gebruikte technologieën, ontwikkelkeuzes en implementatiedetails van de RAG-pipeline en e-mailautomatisatie.
De reflectie biedt een persoonlijke terugblik op mijn stage-ervaring. Ik beschrijf er wat ik heb geleerd op technisch en professioneel vlak, welke uitdagingen ik ben tegengekomen, en welke inzichten ik heb opgedaan over mijn eigen interesses en toekomstambities.
In het plan van aanpak wordt uiteengezet hoe ik de RAG-pipeline heb voorbereid en gepland. Het document beschrijft de doelstellingen, methodologieën en fasering van het project, en vormt het fundament waarop de realisatie verder is gebouwd.
Retrieval-Augmented Generation (RAG)
Ontwikkeling van een modulaire RAG-pipeline die generatieve AI combineert met interne bedrijfsdocumentatie om betrouwbare, actuele en contextuele antwoorden te genereren. Dit project toont aan hoe retrieval-mechanismen en LLM’s samensmelten in een schaalbare backendoplossing, waarbij semantisch zoeken, vector databases en inputbeveiliging centraal staan. De oplossing vormt een eerste stap richting enterprise-ready AI-integratie voor interne kennisdeling en klantenservice.
E-mailclassificatie en Automatisatie
Realisatie van een AI-gedreven classificatie- en opvolgingssysteem voor inkomende e-mails, gericht op het reduceren van manuele werklast en het versnellen van bedrijfscommunicatie. Door gebruik van krachtige LLM’s en integraties met Gmail en Outlook werd een pipeline ontwikkeld die e-mails automatisch categoriseert, conceptantwoorden genereert en ontvangstbevestigingen verstuurt. Het project fungeert als fundament voor bredere procesautomatisatie en intelligente data-extractie.
Retrieval-Augmented Generation (RAG)
Uitgebreide Beschrijving
In dit project werd een proof-of-technology (PoT) RAG-pipeline ontwikkeld die generatieve AI verrijkt met interne bedrijfsinformatie via vector search. Het systeem maakt gebruik van een modulaire architectuur waarin een Python FastAPI-backend instaat voor embedding, filtering en semantische search, en een NestJS-backend verantwoordelijk is voor orchestratie, authenticatie (Zitadel) en filebeheer. De focus lag op schaalbaarheid, robuustheid en informatiebeveiliging. Gedurende dit project werd ook aandacht besteed aan inputguardrails, SQL-injectiepreventie en toxiciteitsfiltering. De implementatie gaf inzicht in AI-integratie op bedrijfsniveau en vereiste diepgaande kennis van backendontwikkeling, vector databases, en security.
Probleemstelling
"De groeiende toepassing van AI vereist betrouwbare toegang tot actuele, contextuele bedrijfsdata, wat standaard generatieve AI-oplossingen vaak niet kunnen bieden."
Onderzoeksthema
"Hoe kan Retrieval-Augmented Generation (RAG) worden toegepast om de kwaliteit en efficiëntie van AI-gegenereerde content te verbeteren?"
Gebruikte Technologieën
Begeleiders en Kernteamleden
- Yano Stulens - Functioneel Analist & Stagebegeleider
- Gerrit Schalenbourg - Head of Operations
- Maarten Sijmkens - Data Engineer
- Kristine Mangelschots - Docent & Stagebegeleider (Thomas More)