Wat echt is en wat wensdenken in Voice AI

In 2024, als je de ondersteuningslijn van een bedrijf belde en werd doorgeschakeld naar een “voice agent”, wist je binnen enkele seconden dat je met een machine sprak. Een paar seconden stilte tussen je vraag en het antwoord maakten duidelijk dat er software aan de andere kant van de lijn zat. Twee jaar en enkele miljarden dollars aan financiering later verdwijnen die kenmerkende signalen. De beste voice‑AI‑systemen van vandaag zijn zo goed dat mensen ze in blinde tests niet af en toe, maar regelmatig niet kunnen identificeren. Volgens de meeste gangbare definities zien we voice‑AI de Turing Test in de praktijk doorbreken.

Maar deze mijlpaal moet kritisch worden bekeken, omdat soortgelijke beweringen vaak weinig details bevatten. Telkens wanneer een technologie zo’n drempel overschrijdt, lopen de marketingclaims vaak voor op de technische mogelijkheden, en voice‑AI is daarop geen uitzondering. Ik heb bijna twee jaar besteed aan het bouwen van tekst‑naar‑spraak‑ en spraak‑naar‑spraak‑modellen, en aan gesprekken met enterprise‑kopers die een tiental leveranciers evalueren, met bijna identieke claims. Sommige van die beweringen houden stand onder controle, maar de meeste blijven nog ver van de werkelijkheid. In voice‑AI zijn dit de zeven mythes die ik het vaakst tegenkom in gesprekken met onze klanten.

Mythe #1: Grotere modellen maken voice AI niet menselijker

De standaardveronderstelling in de industrie is dat schaal alles oplost: gooi een groter taalmodel op het probleem en de agent wordt menselijker. Zo werkt het niet, want mensen verwerken een gesprek niet zoals een model een prompt verwerkt; we onderbreken halverwege een gedachte in plaats van te wachten op een volledige zin. Een voice‑agent die wacht, verwerkt en vervolgens reageert, voelt robotachtig aan, ongeacht hoe welsprekend de output is, omdat timing de doorslag geeft, niet de woordenschat. Kleinere, gespecialiseerde modellen die routinematige gesprekken in realtime afhandelen, klinken vaak menselijker, en schalen alleen op wanneer dat nodig is, terwijl ze toch wendbaar genoeg blijven om het tempo van de beller bij te houden.

Mythe #2: “We behandelen 90 % van de oproepen” betekent meestal containment, niet resolutie

Voice‑AI vertrouwt nog steeds op specifieke benchmarks om prestaties te beoordelen, en “call containment” is waarschijnlijk de meest misleidende. Deze metric meet het percentage oproepen dat door voice‑AI wordt afgehandeld zonder menselijke tussenkomst, en blijft bestaan omdat bijna niemand de voor de hand liggende vervolgvraag stelt: waren de ingesloten oproepen daadwerkelijk opgelost? Een oproep wordt ingesloten als de klant niet naar een mens wordt doorgeschakeld; hij is pas opgelost als het probleem is verholpen. Leveranciers benadrukken containment omdat het een hoger cijfer oplevert, maar het zegt niets over de effectiviteit van een implementatie. Die kloof is de bron van de meeste teleurstellingen bij enterprise‑voice‑AI‑uitrol. Vraag in plaats daarvan elke leverancier om de oplossingsgraad, en zie hoe het gesprek verandert.

Mythe #3: Menselijke voice‑AI die antwoorden verzint is erger dan robotische AI die dat niet doet

Er is veel te waarderen aan AI die overtuigend menselijk klinkt; dat maakt spraakinteracties natuurlijk in plaats van robotisch. Maar het echte doel is die menselijke warmte te combineren met nauwkeurigheid, want een stem die menselijk klinkt en altijd correct is, zal altijd een stem die alleen menselijk klinkt, overtreffen. Ongestructureerde voice‑modellen, die alleen op intern trainingsgeheugen vertrouwen, kunnen bij 15 tot 30 percent van echte oproepen hallucineren. Voice‑AI‑systemen die elke respons verankeren in echte klant‑ en backend‑data, in plaats van het model te laten improviseren, zijn minder geneigd om bellers vol vertrouwen verkeerde informatie te geven. Als een leverancier niet kan uitleggen hoe zijn systeem hallucinaties onder controle houdt, krijg je slechts de helft van de belofte.

Mythe #4: Intelligentie voor voice gaat over wat je *niet* opslaat, niet over wat je doet

De introductie van ChatGPT heeft in de tech‑industrie het heersende idee verankerd dat meer parameters en meer trainingsdata onvermijdelijk leiden tot meer en betere intelligentie. Maar zo werkt menselijke intelligentie niet, en daarom is dit niet het juiste model voor hoe voice‑AI zou moeten functioneren. We bewaren niet elk stukje informatie dat we ooit hebben gehoord; we bewaren wat belangrijk is en laten de rest los. De hedendaagse grote taalmodellen doen het tegenovergestelde: ze comprimeren alles in zichzelf – een van de redenen waarom de vraag naar datacenters explodeert. Maar voor de overgrote meerderheid van real‑world voice‑toepassingen, zoals klantenservice, transcriptie, gestructureerde gesprekken, enz., slaagt een gerichte kleine model vaak beter dan een triljoen‑parameter generalist op kosten, latentie en vaak nauwkeurigheid.

Mythe #5: Volledige vervanging van menselijke agenten versus je grenzen kennen

Het is duidelijk dat niemand een AI‑stem wil die zelfvertrouwen simuleert alleen om toe te geven dat hij iets niet weet. Daarom bootsen implementaties die daadwerkelijk waarde leveren, het gedrag van een goede menselijke medewerker na. Ze weten meteen hoe ze moeten omgaan met wat ze kennen, en zodra ze onbekend terrein betreden of een uitdagende klant tegenkomen, geven ze een signaal, plaatsen de klant kort en natuurlijk in wacht, en schalen door naar een groter model of een menselijke agent. Het doel mag nooit 100 procent automatisering zijn. De ideale opzet is een agent die in realtime de grenzen van zijn eigen competentie herkent, want dat is wat het veilig maakt om op schaal in te zetten.

Mythe #6: Voice doodt niet elke andere interface, het breidt uit wat we al gebruiken

Er bestaat een veelvoorkomende veronderstelling dat zodra voice‑AI goed genoeg is, typen en schermen simpelweg zullen verdwijnen. Ik geloof niet dat we op weg zijn naar nul typen, en schermen verdwijnen niet; mensen hebben ze nog steeds nodig om video’s te bekijken, een dashboard te scannen of iets visueel te beoordelen. Wat verandert, is dat een veel groter deel van onze dagelijkse interactie met machines naar voice zal verschuiven, op dezelfde manier als tussen mensen, bovenop interfaces die nog steeds logisch zijn. Voice zal niet alles vervangen; het zal simpelweg de standaardoptie worden op veel meer plekken dan voorheen.

Mythe #7: Het koppelen van een LLM aan een kant-en-klare tekst‑naar‑spraak‑API telt als een voice‑agent

Naarmate voice‑AI een onderscheidende factor wordt voor consumentenmerken, zien veel “voice‑agent wrappers”, diensten die bovenop bestaande infrastructuur worden geplaatst voor branding of facturering, er indrukwekkend uit in een demo, maar overleven zelden het echte volume van een call‑center. Het schakelen van spraak‑naar‑tekst, een taalmodel en tekst‑naar‑spraak vergroot de latentie bij elke overdracht. Wat een systeem op schaal bij elkaar houdt, is niet de API‑laag, maar de unit‑economics van het draaien van de pijplijn onder belasting en de chipset‑optimalisatie om het snel en betaalbaar te houden. Dat is het onglamoureuze werk dat de meeste wrappers overslaan, en het is wat de volgende generatie klantbeleving zal bepalen.

De lijn die telt

Elke hype‑cyclus ontwikkelt uiteindelijk zijn eigen systeem om te bepalen wie serieus is en wie er gewoon mee meereist. Naarmate voice‑interfaces steeds moeilijker te onderscheiden zijn van een mens aan de andere kant van de lijn, zal het onderscheid tussen systemen die ontworpen zijn om betrouwbaar te klinken en systemen die daadwerkelijk betrouwbaar zijn, veel belangrijker worden dan nu. De bedrijven die dit nu benaderen als een technische discipline in plaats van een marketing‑checklist, zijn de bedrijven die klanten ook later nog zullen vertrouwen wanneer de nieuwigheid afneemt.