RAGMail: een cloudgebaseerd retrieval-augmented raamwerk om hallucinaties in LLM-tekstgeneratie te verminderen

Slimmere benadering in een verzadigde arbeidsmarkt

Een koude e-mail naar een recruiter sturen kan voelen als schreeuwen in het niets. Veel werkzoekenden gebruiken tegenwoordig AI-hulpmiddelen om deze berichten op te stellen, maar generieke of onjuiste e-mails kunnen meer kwaad dan goed doen. Dit artikel introduceert RAGMail, een cloudgebaseerd systeem dat is ontworpen om op maat gemaakte, feitelijk gecontroleerde koude e-mails te schrijven door grote taalmodellen te combineren met actuele informatie over een vacature en het cv van een kandidaat. Het doel is eenvoudig: tijd besparen voor sollicitanten en berichten produceren die zowel persoonlijk als betrouwbaar zijn.

Waarom gewone AI-e-mails de mist in gaan

Moderne taalmodellen klinken buitengewoon vloeiend, maar ze “hallucineren” vaak — ze verzinnen vol vertrouwen vaardigheden, ervaringen of functiegegevens die in werkelijkheid niet waar zijn. Voor een werkzoekende kan dat betekenen dat een e-mail ervaring met een tool claimt die ze nooit hebben gebruikt, of verwijst naar verantwoordelijkheden die niet in de vacature stonden. Zulke fouten ondermijnen snel de geloofwaardigheid. De auteurs leggen uit dat deze fouten zelfs in geavanceerde systemen voorkomen en dat het simpelweg trainen van grotere modellen het probleem niet betrouwbaar oplost. Wat nodig is, is een manier om de schrijfacties van het model te verankeren in echte, verifieerbare informatie.

Het systeem voeden met context uit de echte wereld

RAGMail pakt dit aan door de vacature en het cv als de enige bron van waarheid te behandelen. Het systeem schraapt automatisch functiebeschrijvingen van vacaturewebsites en verwerkt geüploade cv's, waarbij beide worden omgezet in gestructureerde gegevens: lijsten met vaardigheden, projecten, ervaring en vereisten. Een retrieval-module doorzoekt vervolgens deze bronnen om de meest relevante overlap te vinden tussen wat de werkgever wil en wat de kandidaat biedt. Deze gematchte context wordt rechtstreeks in het taalmodel gevoerd voordat het begint met schrijven, zodat de e-mail wordt gestuurd door actuele, functie-specifieke informatie in plaats van vage herinneringen uit eerdere training.

Feiten controleren voordat op Verzenden wordt gedrukt

Naast het simpelweg ophalen van context introduceert RAGMail een scoringsmethode genaamd Factualness Evaluation via Weighting LLMs, of FEWL. Nadat een e-mailconcept is gegenereerd, vergelijkt het systeem elke belangrijke bewering in het bericht met de gestructureerde feiten die uit het cv en de vacaturetekst zijn gehaald. Details over vaardigheden en werkgeschiedenis wegen zwaarder dan beleefde formuleringen of slotzinnen. Segmenten die niet overeenkomen met de onderliggende gegevens worden gemarkeerd en via iteratieve verfijning aangepast, waardoor de e-mail dichter bij de geverifieerde “grondwaarheid” komt. De auteurs controleren hun aanpak ook met andere fact-checkingtools en menselijke beoordelaars en vinden dat FEWL nauw aansluit bij menselijke oordelen over of een e-mail zowel accuraat als relevant is.

Ontworpen voor gebruik op schaal in de echte wereld

Om dit praktisch te maken voor veel gebruikers tegelijk, is RAGMail ingezet als een cloud-native dienst. Een webinterface laat werkzoekenden cv's uploaden en vacaturelinks plakken vanaf elk apparaat, terwijl de backend draait op beheerde servers met elastische schaalbaarheid. Het systeem slaat vectorrepresentaties van cv's en vacatureteksten op in een clouddatabase, bewaakt prestaties en foutpercentages, en past automatisch aan hoeveel informatie het ophaalt wanneer de belasting hoog is, terwijl het gevoelige persoonlijke gegevens versleutelt en strikte toegangscontroles afdwingt. Dit ontwerp houdt reactietijden laag en beschermt de privacy van gebruikers, zelfs wanneer het gebruik groeit.

Wat de resultaten betekenen voor werkzoekenden

In tests waarin verschillende opstellingen werden vergeleken, leverde de volledige RAGMail-pijplijn — die cv-gegevens, retrieval en feitelijke weging combineert — e-mails op die duidelijk nauwkeuriger en persoonlijker waren dan die van een enkel taalmodel. Gemeten hallucinaties daalden, feitelijke scores stegen bijna met de helft en personalisatiewaarderingen verbeterden ook. Voor dagelijkse gebruikers vertaalt dit zich naar outreach-berichten die beter hun echte achtergrond en de specifieke rol die ze nastreven weerspiegelen. In plaats van menselijke beoordeling te vervangen, fungeert RAGMail als een zorgvuldige assistent: het stelt berichten op die geworteld zijn in de werkelijkheid, afgestemd op elke gelegenheid en afgeleverd via een veilig, schaalbaar cloudplatform.

Bronvermelding: Sanyal, P., Rathore, K. & Arjunan, R.V. RAGMail: a cloud-based retrieval-augmented framework for reducing hallucinations in LLM text generation. Sci Rep 16, 7925 (2026). https://doi.org/10.1038/s41598-026-38913-w

Trefwoorden: cold email-automatisering, retrieval-augmented generatie, LLM-hallucinaties, cloud AI-platforms, gepersonaliseerde sollicitatiebenadering