Gap Analysis

Een van de krachtigste mogelijkheden van de KB Search Agent is het identificeren van gaps in de WATCH documentatie: wat is gedocumenteerd, wat ontbreekt, en wat is onvolledig.

Hoe werkt het?

  1. Summary search — De agent doorzoekt alle samenvattingen om een overzicht te krijgen van wat er gedocumenteerd is over een onderwerp
  2. Keyword search — Zoekt op specifieke termen die gedocumenteerd zouden moeten zijn (bijv. instellingsnamen)
  3. Volledige brontekst — Haalt specifieke bronnen op om te verifiëren of iets echt ontbreekt of slechts oppervlakkig is behandeld
  4. Vergelijking — Vergelijkt de gevonden documentatie met de verwachte dekking (bijv. code-analyse)

Rapportage-formaat

De agent rapporteert gaps in een gestructureerd formaat:

## Gap Analysis: [onderwerp]

### Gedocumenteerd
- [bron]: [wat het behandelt]

### Ontbreekt
- [wat er zou moeten staan maar niet gevonden is]

### Onvolledig
- [bron]: [wat er staat] — [wat er mist]

### Aanbevelingen
- [welke bronnen bijgewerkt/aangemaakt moeten worden]

Voorbeeld: Artikelbijlage

Bij een gap analysis over de artikelbijlage vond de agent:

Gedocumenteerd

  • Help (HELP-65090): Artikel bijlage instellingen — header/footer, kolommen, coördinaten
  • Documentatie: Factuur-PDF instellingen — screenshot, drie-niveaus hiërarchie

Ontbreekt

  • Geen technische documentatie over ART_APP database-instellingen in de Wiki
  • Geen specifieke documentatie over urenbijlage instellingen
  • Geen vergelijking begroot vs. werkelijk op de bijlage

Kosten

De KB_SEARCH_SUMMARY_FULL template gebruikt Claude Sonnet 4.6 en verwerkt ~200K+ tokens per call. Gebruik dit alleen wanneer een exhaustieve analyse nodig is. Voor gerichte gap-checks is KB_SEARCH_SUMMARY (top 50) vaak voldoende.

Laatste nieuws

Elke fout een keer, en dan de hele soort

Er gaat elke week iets stuk, en dat is de normale toestand van software die echt gebruikt wordt. Over de gewoonte die het team bij elkaar houdt: elk incident wordt geen pleister op dat ene geval, maar een regel die de hele soort afvangt.

Lees meer

De regel die niet kan twijfelen

De mail automatisch sorteren ging bijna altijd goed, maar een lastige soort bleef glippen, en de AI beter instrueren hielp niet meer. Over het moment waarop een botte, vaste regel betrouwbaarder is dan een slimme die af en toe mist.

Lees meer

De wachtlijst van de mens werd een rij knoppen

Als een AI-collega vastloopt op een beslissing die alleen een mens kan nemen, stelde hij die vraag als een lap tekst. En het systeem porde urenlang de verkeerde. Over drie stappen die de vraag aan de mens zichtbaar, klikbaar en snel maakten.

Lees meer

We ontdekten dat we een module hadden

De schermen waarmee we ons AI-team beheren waren stuk voor stuk gebouwd, precies wanneer we ze nodig hadden. Pas toen er iemand bij kwam die ze niet zelf had gebouwd, bleek wat er ontbrak. Niet nieuwe schermen, maar orde.

Lees meer