AI In de praktijk: Sparky, van kenniszoeker tot SQL helper

“Sparky to the rescue!” klinkt de kreet uit de mond van Pascal Dijkshoorn op donderdag 23 juli 2026. “Ik kwam er niet uit, maar Sparky heeft het gewoon gevonden!” Het is precies het soort moment waar deze interne AI-oplossing voor bedoeld is: een collega loopt vast in een vraagstuk, stelt één goede vraag en krijgt direct bruikbare interne kennis terug.

De basis voor Sparky werd gelegd in een afstudeerproject van Wouter den Hollander. Op de Clixz-website werd eerder al beschreven hoe Wouter werkte aan een oplossing om kennis sneller vindbaar te maken met behulp van AI. Het doel daarbij was helder: consultants minder afhankelijk maken van wie er toevallig beschikbaar is, en opgebouwde kennis beter ontsluiten binnen de organisatie. Inmiddels is Wouter niet verdwenen na zijn stage, maar als werkstudent verbonden gebleven aan Clixz. Dat vervolg sluit aan op zijn gedeelde update waarin hij aangeeft dat hij na het afronden van zijn opleiding bij Clixz blijft werken tijdens zijn master.

Wat is Sparky?

Sparky is een lokale AI-tool die consultants helpt bij vragen op basis van bestaande Clixz-documentatie. In plaats van handmatig zoeken in documenten, notities of overdrachtsinformatie, wordt opgebouwde kennis via één zoekopdracht beschikbaar gemaakt. Daarmee ondersteunt Sparky consultants in een werkomgeving waarin zelfstandigheid en zelfsturing belangrijk zijn.

Het voordeel daarvan gaat verder dan alleen snelheid. Sparky maakt onderlinge kennisuitwisseling eenvoudiger, helpt bij overdracht van werkzaamheden wanneer collega’s afwezig zijn en verlaagt de drempel voor onboarding van nieuwe collega’s. Wat eerder vooral in hoofden of verspreide documentatie zat, wordt hiermee toegankelijker in het dagelijks werk.

Van afstudeerproject naar praktijktool

In het eerdere artikel over Wouters afstudeeropdracht werd al duidelijk dat de ambitie niet lag bij “alleen zoeken”, maar bij direct helpen in het werk: relevante documenten vinden, samenvatten en bruikbaar maken op het moment dat iemand een vraag heeft. Ook werd toen al benoemd dat het uiteindelijke doel een oplossing was waar alle consultants dagelijks op kunnen vertrouwen. Sparky is daarmee een logisch vervolg op die oorspronkelijke ambitie.

Uitbreiding: SQL Helper

Binnen Clixz zijn consultants veel bezig met SQL-query’s. Juist daar ontstond behoefte aan een aanvullende toepassing op Sparky: de SQL Helper. Natuurlijk kunnen generieke AI-tools zoals ChatGPT of Claude in veel situaties ondersteuning bieden, maar zodra het gaat over klantomgevingen, databasestructuren of gevoelige context, ligt dat anders. Dan wil je zorgvuldig omgaan met informatie.

Omdat Sparky lokaal draait, wordt informatie niet gedeeld met de buitenwereld. Dat maakt het mogelijk om consultants juist bij dit soort technische vraagstukken veilig te ondersteunen. De SQL Helper is daarmee geen los experiment, maar een praktische uitbreiding op een bestaande interne AI-oplossing. In de uiteindelijke case kan hier visueel nog een afbeelding van de “gouden Spark” aan worden toegevoegd.

Techniek achter Sparky

De kenniszoeker maakt gebruik van Retrieval Augmented Generation (RAG). In de basis werkt deze aanpak in drie stappen: zoeken, combineren en genereren. Eerst wordt op basis van een vraag de inhoud van bestaande documentatie doorzocht. Daarna worden één of meerdere relevante bronnen gecombineerd. Vervolgens worden die gevonden stukken gebruikt door een taalmodel om een passend antwoord te formuleren.

Bijzonder in deze opzet is dat de modellen binnen deze RAG-infrastructuur lokaal draaien. Dat sluit goed aan op de behoefte aan informatiebeveiliging en controle over bedrijfs- en klantinformatie. Ook past het bij de praktische insteek van de oplossing: consultants snel helpen, zonder concessies te doen aan vertrouwelijkheid.

De SQL Helper werkt op basis van een apart, specifiek voor code getraind model, toegespitst op SQL-vraagstukken in plaats van op documentzoeken.

Sparky in Cijfers