EY verwijst naar de wereldwijde organisatie en kan verwijzen naar een of meer van de lidfirma's van Ernst & Young Global Limited, die elk een afzonderlijke juridische entiteit zijn. Ernst & Young Global Limited, een Britse vennootschap met beperkte aansprakelijkheid, verleent geen diensten aan cliënten.
Hoe EY kan helpen
-
Wij adviseren mensgericht, pragmatisch, resultaatgericht en ethisch over de toepassing van kunstmatige of of artificiële intelligentie (KI/AI).
Lees meer -
Ervaar AI-innovatie in het EY.ai Lab! Werk samen met multidisciplinaire teams om op maat gemaakte oplossingen te ontwikkelen die inspelen op jouw unieke bedrijfsbehoeften.
Lees meer
Semantische modellering voor enterprise-context
Semantische modellering transformeert conversationele AI van een eenvoudige chatbot tot een betrouwbare adviseur die is gebaseerd op de werkelijkheid van de organisatie. Op ondernemingsniveau is vrije natuurlijke taal alleen niet voldoende. Structuur en context zijn noodzakelijk om nauwkeurige en uitlegbare antwoorden te kunnen geven. Ontologieën beschrijven de relaties tussen concepten, zoals ‘klant’, ‘rekening’ en ‘factuur’. Taxonomieën zorgen voor een uniforme terminologie binnen verschillende afdelingen. Kennisgrafen verbinden deze elementen tot een netwerk van feiten en relaties, waardoor AI niet alleen de inhoud begrijpt, maar ook de context.
Deze semantische laag vermindert het risico op hallucinaties doordat antwoorden worden beperkt tot gegevens en relaties die door de organisatie zijn gevalideerd. Binnen de financiële dienstverlening zal een model met semantische verankering bijvoorbeeld de vraag naar ‘klantblootstelling in opkomende markten’ interpreteren op basis van risicomaatstaven en portefeuilleposities. Daardoor ontstaat een nauwkeurig en compliant antwoord. Semantische modellering is geen optionele toevoeging, maar een fundamentele bouwsteen voor conversationele AI op enterpriseniveau.
Multimodale conversationele intelligentie
De overstap van uitsluitend tekstgebaseerde systemen naar platforms die ook spraak, video en gedragsdata verwerken, verrijkt het vermogen van AI om menselijke communicatie te begrijpen. Multimodale conversationele intelligentie speelt in op de frustratie die gebruikers vaak ervaren bij traditionele chatbots en maakt emotioneel adaptieve gesprekken en een rijkere context mogelijk. Zelfrepresenterende avatars die aansluiten bij de identiteit van gebruikers kunnen het gevoel van vertrouwen en controle vergroten, vooral wanneer mensen hun digitale aanwezigheid zelf kunnen vormgeven. Voor gemarginaliseerde groepen kan deze combinatie van identiteit en privacy bijdragen aan meer comfort en continuïteit.
Door spraak, beeld, micro-expressies en tekst samen te brengen, kunnen deze systemen als het ware tussen de regels door lezen. Ze herkennen emoties en contextuele signalen die niet expliciet worden uitgesproken. Hierdoor ontstaan empathischere gesprekken en beter afgestemde reacties, wat bijzonder waardevol is in gevoelige sectoren zoals de zorg en financiële dienstverlening. Multimodale systemen kunnen subtiele signalen van onzekerheid of aarzeling herkennen en aanleiding geven voor verificatie of escalatie. Daarnaast kunnen zij tegenstrijdigheden detecteren tussen verbale en non-verbale signalen, waardoor risico's in kritieke situaties afnemen. Geavanceerde modellen zoals GPT-4o Vision illustreren deze mogelijkheden door taal te combineren met visuele en auditieve interpretatie van emoties. Daarmee vormen zij de volgende stap in contextbewuste en emotioneel intelligente AI.
In industriële omgevingen en buitendienstsituaties kan deze intelligentie echter niet volledig afhankelijk zijn van cloudverbindingen. Edge-native modellen die rechtstreeks worden ingezet op apparatuur, besturingssystemen of lokale gateways maken inferentie met minimale vertraging mogelijk en waarborgen de continuïteit van processen wanneer connectiviteit wegvalt. Bij een drukpiek op een afgelegen locatie kan edge-AI bijvoorbeeld sensorgegevens lokaal verwerken, waarschuwingen genereren en vooraf gedefinieerde veiligheidsmaatregelen activeren, zelfs wanneer de verbinding met de cloud tijdelijk niet beschikbaar is. Deze hybride cloud-edgearchitectuur zorgt voor veerkracht, voorspelbare responstijden en operationele veiligheid in bedrijfskritische omgevingen.
Realtime detectie van emoties en intenties
De volgende generatie in AI moet niet alleen begrijpen wat gebruikers zeggen, maar ook hoe zij zich voelen. Realtime intentiedetectie koppelt communicatie aan duidelijke doelen en context, waardoor direct actie kan worden ondernomen. Emotiedetectie schat de gemoedstoestand van een gebruiker op basis van tekstanalyse, spraaksignalen en, waar toestemming voor is gegeven, visuele signalen. Hierdoor kan een AI-assistent zijn reacties dynamisch aanpassen en interacties bieden die beter aansluiten op de menselijke context, wat vertrouwen en tevredenheid vergroot.
Affective computing combineert signalen uit verschillende bronnen om emoties betrouwbaar te herkennen, terwijl prosodische analyse zich richt op de nuances van spraak, zoals toonhoogte, intonatie en pauzes. Deze methoden werken samen en worden ondersteund door waarborgen zoals expliciete toestemming, controles op vooringenomenheid, privacyvriendelijke verwerking, heldere uitleg en escalatieprotocollen voor situaties met een hoog risico of een hoge mate van onzekerheid. In de zorg kan een systeem bijvoorbeeld urgente symptomen signaleren en automatisch doorzetten naar een zorgprofessional. Daarbij levert het gestructureerde samenvattingen aan en blijft het voldoen aan strikte governance-eisen. Deze aanpak leidt tot betere resultaten, zoals een hogere tevredenheid onder gebruikers en een grotere kans dat vragen of problemen direct bij het eerste contact worden opgelost.
Strategieën voor avatars en representatie van agents
Zelfrepresenterende avatars die gebruikers weerspiegelen in digitale omgevingen bevorderen vertrouwen en continuïteit. Tegelijkertijd fungeren counterpart-avataars als interactieve digitale gesprekspartners, zoals coaches, adviseurs of servicemedewerkers, afgestemd op specifieke zakelijke contexten. Binnen de financiële dienstverlening kunnen avatars klanten op een empathische manier begeleiden bij vragen en procedures. Binnen HR kunnen zij onboarding personaliseren of sollicitatiegesprekken ondersteunen, waarbij efficiëntie wordt gecombineerd met een menselijke benadering.
Moderne avatarplatformen passen hun gedrag, toon en expertise aan op basis van de context. Hierdoor sluiten zij beter aan bij uiteenlopende toepassingen op het gebied van compliance, ondersteuning en training. Deze avatars fungeren als blijvende digitale representaties van gebruikers of als gespecialiseerde agents en dragen aantoonbaar bij aan vertrouwen en authentieke betrokkenheid binnen organisaties en sectoren.
Autonome digitale agents en fysieke AI
Conversationele systemen moeten zich ontwikkelen van reactieve assistenten naar proactieve agents. Autonome agents kunnen namens gebruikers handelen in situaties waarin voldoende vertrouwen bestaat. Voorbeelden zijn het beantwoorden van vragen, escaleren van risico's, indienen van formulieren en het uitvoeren van acties op basis van gebeurtenisgestuurde signalen en veilige delegatiemodellen. Verantwoording wordt gewaarborgd via audittrails, governanceprocessen en menselijk toezicht bij risicovolle handelingen.
Toepassingen zijn te vinden in uiteenlopende sectoren, zoals olie en gas (productiecontinuïteit), financiële dienstverlening (regelgevingsrisico's) en de zorg (controle van doseringen). Deze agents brengen AI van inzicht naar actie en voeren taken verantwoord en betrouwbaar uit. Binnen kapitaalintensieve sectoren zal de volgende generatie agentic systemen nauw worden geïntegreerd met digitale tweelingen: virtuele representaties van fysieke assets, installaties of productiesystemen. Naarmate nieuwe fabrieken, industriële installaties en infrastructuur steeds vaker met ingebouwde digitale tweelingen worden ontworpen, zal conversationele AI rechtstreeks met deze omgevingen communiceren om scenario's te simuleren, bedrijfsomstandigheden te testen en onderhoudsscenario's te beoordelen voordat actie wordt ondernomen. Wanneer bijvoorbeeld een drukafwijking wordt vastgesteld, kan een agent de digitale tweeling raadplegen om de verspreiding van een storing te modelleren, veiligheidsgrenzen te beoordelen en verschillende interventiestrategieën realtime met elkaar te vergelijken.
Minstens zo belangrijk is de integratie met bedrijfssystemen zoals ERP- en supplychainplatformen. In een onderhoudssituatie moet een autonome agent niet alleen een probleem kunnen diagnosticeren, maar ook de beschikbaarheid van reserveonderdelen controleren, levertijden van leveranciers valideren, inkoopprocessen starten en onderhoudsplanningen afstemmen op operationele beperkingen. Deze gesloten ketenbenadering zorgt ervoor dat conversationele AI verder gaat dan alleen diagnose en een gecoördineerde operationele respons kan aansturen.