In een nieuwe blogpost laat Google Research zien hoe een experimentele AI-agent — genaamd “Wayfinding AI” — mensen kan begeleiden bij het navigeren van complexe gezondheidsinformatie. In plaats van passief antwoorden te geven, stelt deze agent contextvragen, bouwt hij begrip op en levert hij geleidelijk meer nauwkeurige en relevante informatie. De onderzoekers delen ervaringen uit gebruikerstudies en reflecteren op de mogelijkheden én uitdagingen van zo’n benadering.
Towards better health conversations: Research insights on a “wayfinding” AI agent based on Gemini
|
De uitdaging: Verdwalen in een overdaad aan gezondheidsinformatie
Online zoeken naar betrouwbare medische kennis blijkt vaak frustrerend en verwarrend. Veel gebruikers weten niet goed welke details relevant zijn — “ze gooien gewoon alle woorden erin en kijken wat terugkomt”, zoals een deelnemer het omschreef.
Bovendien zijn veel huidige AI-tools passief: ze wachten op de vraag en geven vervolgens één antwoord. Maar dat is anders dan hoe een arts te werk gaat — een deskundige zal eerst doorvragen om de context te begrijpen, doelen te ontdekken en de informatie stapsgewijs aan te reiken.
Door interviews met 33 proefpersonen brachten de onderzoekers in kaart dat mensen moeite hebben hun klachten scherp te formuleren. Vervolgens testten zij chatbotprototypes met verschillende gespreksstijlen. Wat bleek? De meerderheid schatte het op prijs als de AI eerst vragen stelde (deferred-answer), in plaats van meteen een volledig antwoord te geven. Dit voelde menselijker, meer betrokken en geruststellender.
Toch is de uitvoering cruciaal: als de vervolgvragen slecht geformuleerd zijn of verstopt zitten in lange alinea’s, haken gebruikers af.
De architectuur van Wayfinding AI: Gericht, transparant en iteratief
Op basis van deze inzichten bouwden de onderzoekers een AI-agent volgens drie kernprincipes:
- Proactieve conversatiesturingBij elke beurt kan de agent tot drie gerichte vragen stellen, bedoeld om stap voor stap onduidelijkheden weg te nemen en de gebruiker te helpen zijn of haar gezondheidssituatie duidelijker te vertellen.
- Best-effort antwoorden bij elke stapOmdat niet elke vraag directe verduidelijking vereist, levert de agent bij elke beurt een “beste poging” tot antwoord — op basis van wat al bekend is — terwijl hij aangeeft dat het antwoord kan verbeteren zodra extra informatie beschikbaar komt. Zo krijgt de gebruiker al vanaf het begin bruikbare input, met ruimte om verder te verfijnen.
- Transparante redeneringDe agent toont hoe de meest recente antwoorden van de gebruiker de interpretatie van de eerdere informatie verfijnen — zodat de gebruiker kan begrijpen hoe het systeem denkt en recalculeert.
Om te voorkomen dat vervolgvragen “verloren” gaan in langere tekst, is het interface-ontwerp verdeeld over twee kolommen: links de conversatie en verduidelijkingsvragen, rechts de best-effort antwoorden en diepere toelichtingen.
Gebruikersonderzoek: Blijkt de aanpak te werken?
De effectiviteit van Wayfinding AI werd getest via een gerandomiseerde gebruikersstudie met 130 deelnemers in de VS (vanaf 21 jaar, geen medische professionals), elk met een gezondheidsvraag.
Elke deelnemer voerde conversaties met zowel Wayfinding AI als een baseline-model (Gemini 2.5 Flash). Na afloop beoordeelden zij beide AI’s op zes dimensies: behulpzaamheid, relevantie van de vragen, mate van afstemming op hun situatie, begrip van hun doel, gebruiksgemak en efficiëntie van informatievoorziening.
De resultaten spraken duidelijk: gebruikers gaven de voorkeur aan Wayfinding AI op vrijwel alle dimensies. Men vond het systematisch doorvragen, de afstemming op hun context en de doelgerichte aanpak overtuigender dan het meer klassieke vraag-en-antwoordmodel.
Verder waren de conversaties met Wayfinding AI gemiddeld langer — vooral bij vragen over oorzaken van symptomen. Bij dergelijke thema’s kende de agent gemiddeld 4,96 gespreksturns versus 3,29 voor de baseline.
Implicaties, beperkingen en de weg vooruit
De studie illustreert dat AI, wanneer ontworpen als actieve gesprekspartner, kan bijdragen aan meer persoonlijke, relevante en bruikbare gezondheidsinformatie. In plaats van informatie “op te dringen”, begeleidt een AI-gebaseerde gids de gebruiker doorheen het informatielabyrint.
Toch zijn er haken en ogen. De kracht van de aanpak hangt af van de kwaliteit van de vervolgvragen, de manier waarop de interface die vragen presenteert, en de balans tussen informatie geven en vragen stellen. Slecht geformuleerde of irrelevante vragen kunnen gebruikers afstoten.
Bovendien is het belangrijk om te realiseren dat dit nog een vroege onderzoeksprototyp e is. Hoe zo’n benadering zich gedraagt in echte medische contexten, met volledige patiëntgegevens, privacyaspecten en medische verantwoordelijkheid, vereist nog verder onderzoek.
De bevindingen vormen echter een overtuigend bewijs dat de gangbare “vraag → antwoord” benadering in medische AI niet per se de enige weg is — een conversatie-georiënteerde, contextgerichte aanpak kan meer vertrouwen, begrip en relevantie genereren.
In een tijd waarin mensen almaar meer naar het internet grijpen voor medische antwoorden, laat Google Research zien dat een AI-agent die actief doorvraagt en mensen begeleidt — in plaats van meteen antwoorden te geven — een veelbelovende richting is. De Wayfinding AI-aanpak wijst op een toekomst waarin AI niet slechts reageert, maar samen zoekt, begrijpt en mee op tocht gaat met de gebruiker — naar betere, op maat gemaakte gezondheidsinzichten.
