De echte winst van Gemini zit in het juiste handboek
In het kort
Gemini File Search laat een taalmodel antwoorden op basis van een eigen documentenverzameling. Dat kan medewerkers helpen om sneller informatie uit handboeken, werkinstructies en productdocumentatie te vinden. De inrichting van het archief bepaalt daarbij een groot deel van de bruikbaarheid. Een rekenvoorbeeld laat zien hoeveel zoektijd moet verdwijnen om die inrichting te dragen.
Een bedrijf kan zijn kennis keurig hebben opgeslagen en er toch dagelijks naar zoeken. De bestanden staan in verschillende mappen, medewerkers gebruiken andere woorden en een nieuwe instructie lijkt bijna hetzelfde te heten als de oude. Een assistent die een gewone vraag begrijpt en de juiste informatie erbij haalt, kan dan veel rust brengen.
Gemini File Search biedt zo'n bouwsteen. De interessante vraag voor een organisatie is hoe zij van een verzameling bestanden een betrouwbare dagelijkse vraagbaak maakt. Dat vraagt vooral duidelijke keuzes over wat er in die verzameling thuishoort.
Een doorzoekbaar archief naast het taalmodel
In de officiële uitleg beschrijft Google een beheerde dienst die documenten verwerkt en relevante delen bij een vraag opzoekt. Het model gebruikt die informatie vervolgens voor het antwoord. Deze werkwijze wordt vaak RAG genoemd: eerst informatie ophalen, daarna een antwoord formuleren. De functie ondersteunt onder meer Gemini 3.8 Flash en Gemini 4 Argon. Een dienstupdate is geen nieuwe modelintroductie; we bekijken hier de stand op 14 oktober 2026.
Voor een installatiebedrijf kan dat bijvoorbeeld betekenen dat een medewerker vraagt welke onderhoudsstappen bij een bepaald toestel horen. Het systeem zoekt in de goedgekeurde handleidingen. De monteur krijgt zo een hanteerbaar vertrekpunt en kan het oorspronkelijke document erbij pakken. Bij veiligheidskritische instructies blijft de geldende procedure leidend.
Oud papier kan een nieuw antwoord in de weg zitten
Wie een volledige netwerkschijf in één keer toevoegt, neemt ook oude versies en onduidelijke kopieën mee. Een nuttiger begin is één duidelijk onderwerp met een verantwoordelijke eigenaar. Denk aan een actueel productassortiment of de interne declaratieprocedure. Bij ieder bestand horen een datum, een status en een afspraak over vervanging.
De rechten op informatie moeten ook vóór de zoekopdracht goed zijn ingericht. Een algemene vraagbaak hoort geen salarisdocumenten op te halen voor iemand die die bestanden normaal niet mag lezen. De toepassing moet de toegankelijke verzameling afbakenen. Alleen een instructie aan het model om zorgvuldig te zijn biedt daarvoor geen volwaardige toegangscontrole.
Een goede proef bevat daarom drie soorten vragen: vragen met een duidelijk antwoord, vragen waarvoor meerdere documenten nodig zijn en vragen waarop het archief geen antwoord heeft. Daarmee wordt zichtbaar of medewerkers werkelijk sneller verder kunnen. Een soepel geformuleerd antwoord alleen is een te kleine maatstaf.
De rekening ontstaat bij indexeren en antwoorden
Volgens de documentatie zijn opslag en embeddings tijdens zoekopdrachten gratis binnen File Search; het indexeren van documenten wordt wel afgerekend. De opgehaalde passages tellen vervolgens als gewone invoertokens. Een embedding is een cijfermatige representatie die het zoeken op betekenis mogelijk maakt.
De prijspagina vermeldt voor File Search-indexering $0,15 per miljoen tokens. Tien miljoen tokens eenmalig indexeren kost dus $1,50. Voor Gemini 3.8 Flash kost een standaardverzoek met 10.000 invoertokens en 1.000 afgerekende uitvoertokens op de peildatum $0,01125. Daarin moeten de opgehaalde documentdelen en eventuele redeneertokens zijn meegeteld. Duizend zulke antwoorden kosten $11,25, exclusief belastingen en extra diensten.
Het Flash-tarief is tijdelijk: Google noemt vanaf 1 januari 2027 $1,50 per miljoen invoertokens en $7,50 per miljoen uitvoertokens, tegenover nu $0,75 en $3,75. Bij hetzelfde gebruik wordt het voorbeeld dan $22,50 per duizend antwoorden. Cache, batch, webzoeken en consumentenabonnementen zijn niet in deze berekening opgenomen. Dit is gebruik van een commerciële API, geen download van Gemini-gewichten.
Hoeveel zoekwerk moet verdwijnen
Ons bedrijfsscenario neemt jaarlijks 24.000 interne vragen, €6.000 eenmalige inrichting en €2.400 extra jaarlijkse kosten. Dat laatste is een eigen totaalbudget voor modelgebruik, beheer en het actualiseren van bronnen. Het is geen tariefgarantie. Een uur beschikbare arbeid waarderen we op €40.
De lage, middelste en hoge aanname is een halve, één of twee minuten netto tijdwinst per vraag. Extra controles en herstel zijn daarin al verwerkt. De jaarlijkse capaciteitswaarde bedraagt dan €8.000, €16.000 of €32.000. Na kosten en de invoering in 2027 blijft min €400, plus €7.600 of plus €23.600 over. De visualisatie toont ook 2028 en 2029 bij dezelfde aannames, met alleen de jaarlijkse kosten.
Om het eerste jaar €8.400 aan extra kosten te dekken, is 210 uur nodig. Bij 24.000 vragen komt dat neer op 31,5 seconde per vraag. Die omgekeerde rekensom geeft een bedrijf een bruikbaar beslispunt. Als medewerkers gemiddeld twee minuten minder zoeken maar anderhalve minuut extra moeten controleren, blijft ongeveer die halve minuut over.
De waarde zit in een onderhouden kennisbron
Een vraagbaak wordt aantrekkelijker naarmate medewerkers erop kunnen rekenen dat de inhoud actueel is. Dat vraagt blijvend eigenaarschap. Iemand moet verouderde documenten verwijderen, veelgestelde vragen volgen en fouten terugbrengen naar de bron. Het mooie is dat dezelfde inspanning ook buiten AI voordeel heeft: het bedrijf krijgt zijn eigen kennis beter georganiseerd.
Vrijgespeelde tijd wordt pas financiële opbrengst als er nuttig werk voor terugkomt of uitgaven vervallen. Een organisatie kan sneller klanten helpen, nieuwe medewerkers eerder zelfstandig laten werken of een groeiend volume opvangen. Daarmee wordt de keuze voor Gemini een overzichtelijke bedrijfsbeslissing. Begin met een afgebakend archief en meet hoeveel zoeken er werkelijk verdwijnt.
Opmerkingen