De RAG-pipeline die we eigenlijk willen

Stille en expliciete kennis hebben niet dezelfde vorm

Expliciete kennis is tekst. Chunk het, embed het, haal het op, re-rank, genereer. Standaard werk.

Stille kennis is anders. Het is:

• gesproken, niet geschreven
• relationeel ("we deden dit omdat Karen terugduwde")
• temporeel ("dit klopte in maart, minder in mei")
• contextueel ("dit geldt voor enterprise, niet voor self-serve")

Een RAG-pipeline die die signalen platslaat tot een 1024-dim embedding verliest precies wat de kennis ophalen-waard maakt.

Wat we bouwen

De tacitylab-pipeline draait om vier lagen:

1. Vanglaag. Async gestructureerde interviews en korte videoprompts. Elke clip wordt getranscribeerd, samengevat, en uiteengelegd in getypte beweringen (besluit, principe, anekdote, anti-patroon, etc.).
2. Verwerklaag. Read-only connectors trekken docs, threads, tickets en notulen erbij. We kopiëren nooit ruwe content uit je tenant.
3. Retrieval-laag. Hybride retrieval (lexicaal + semantisch) plus een re-ranker getuned op opgevangen interviews. Bewering-type-bewust: een "besluit"-query loopt anders dan een "hoe-doe-ik"-query.
4. Grounding-laag. Elk antwoord komt met bron, spreker, datum. Als het bewijs zwak is, weigert tacitylab. Liever "ik weet het niet" dan hallucineren.

Wat lastig is

Het lastige is niet het embedding-model. Het is het vangen: een senior engineer vijftien jaar context laten kwijtraken op een manier die over vijf jaar nog opvraagbaar is. Dat is de wedde.