Naar de inhoud
Alle video’s

Zo werkt een voice agent onder de motorkap

AI Agents & ShoppingDuur: 1:38 min

Freek Schouten, Mantawise

Uit de sessie: Klantenservice: Battle of the CS Tools

Freek Schouten van Mantawise, een bedrijf uit Rotterdam dat voice AI bouwt, was gastspreker in de klantenservicesessie van maart 2026. In deze clip legt hij uit wat conversational AI is en hoe een voice agent technisch werkt, aan de hand van één slide met vijf onderdelen.

Voor wie: Je overweegt een voice agent voor je klantenservice en wilt snappen welke onderdelen bepalen of het gesprek natuurlijk voelt.

Waarom dit ertoe doet

Een voice agent neemt de telefoon op zoals een medewerker dat doet, maar dan 24 uur per dag. Freek zegt dat dit pas recent goed werkt: een jaar eerder was de vertraging in het Nederlands nog te groot voor een vloeiend gesprek. Direct na de clip noemt hij 700 tot 800 milliseconden als de responstijd die je nodig hebt voor een soepel gesprek. Die tijd moet je verdelen over drie modellen achter elkaar, plus eventuele koppelingen met je ordersysteem. Voor een webshop die een voice agent overweegt, bepaalt die keten dus of klanten het gesprek accepteren of ophangen. Freek ziet ook dat klanten hogere eisen stellen: wie bij één partij nooit meer in de wacht staat, verwacht dat volgens hem ook van anderen.

Belangrijkste inzichten

  • Een voice agent gebruikt 3 AI-modellen achter elkaar: speech-to-text, een taalmodel en text-to-speech.
  • Acties zoals een order checken lopen via gekoppelde agents die werken met je CRM, ordersysteem en communicatiekanalen.
  • Volgens Freek Schouten was de vertraging in het Nederlands een jaar voor de sessie nog te hoog voor een vloeiend gesprek.
  • Freek noemt 700 tot 800 milliseconden als de responstijd die je nodig hebt voor een soepel gesprek.
  • OpenAI onderscheidt de keten met 3 modellen van speech-to-speech-modellen die alles in één sessie doen.

Wat conversational AI is

De eerste slide geeft de definitie die Freek hanteert: een AI-gestuurde gesprekspartner die via spraak autonoom gesprekken voert, natuurlijke taal en context begrijpt en genereert, en acties kan uitvoeren of beslissingen kan nemen. Het verschil met een keuzemenu ('toets 1 voor bestellingen') is dat de beller gewoon praat en het systeem begrijpt wat hij bedoelt. Freek werkt bij Mantawise, dat hij volgens eigen zeggen ruim anderhalf jaar voor de sessie samen met zijn compagnon Ivar startte. Op de website noemt het bedrijf zich Mantawise B.V. in Rotterdam, met voice agents voor klantenservice, voice AI voor luchthavens en een roleplay-trainingstool.

Drie modellen achter elkaar

Een gewone chatbot gebruikt één AI-model: een groot taalmodel (LLM). Een voice agent gebruikt er volgens Freek drie. Speech-to-text zet de audio van de beller om in tekst. Het taalmodel redeneert op basis van die tekst en schrijft een antwoord. Text-to-speech zet dat antwoord weer om in gesproken taal. Op de slide heet dat luisteren, context snappen en gesproken output. OpenAI beschrijft in de eigen handleiding voor voice agents dezelfde keten als de 'chained' aanpak. Het voordeel daarvan is dat je de tussenliggende tekst kunt bewaren en controleren, en elk onderdeel los kunt vervangen. Daarnaast bestaan speech-to-speech-modellen die audio, redeneren en spraak in één sessie doen. Freek beschrijft in deze clip alleen de variant met drie modellen.

Acties via gekoppelde agents

Volgens Freek voert hij acties uit doordat hij voor, tijdens of na het gesprek samenwerkt met andere agents. Die kunnen berichten versturen via communicatiekanalen, werken in je CRM of in je ordersysteem kijken om een order te checken. Op de slide staat dit als 'Acties uitvoeren: Agentic AI / Automation'. Na de clip laat Freek een schema zien waarin het taalmodel ook een kennisbank raadpleegt en andere agents aanroept via een API of MCP, het model context protocol. Zo kan de voice agent een vraag als 'waar is mijn bestelling' echt beantwoorden met de status uit je systeem.

Responstijd en geheugen

Het vijfde onderdeel op de slide is menselijkheid: responstijd en conversatiegeheugen. Geheugen betekent dat de agent onthoudt wat de beller eerder in het gesprek zei, zodat die zich niet hoeft te herhalen. De responstijd noemt Freek het belangrijkste. Elke stap in de keten kost tijd, en een stilte van een paar seconden voelt aan de telefoon onnatuurlijk. Na de clip noemt hij twee redenen waarom voice agents nu groeien: de vertraging is kleiner geworden en de drie soorten modellen worden slimmer. Ook zijn mensen volgens hem eerder bereid om met een voice agent te praten dan met een keuzemenu. Die inschattingen komen van Freek zelf; hij noemde in de sessie geen onderzoek.

Probeer dit deze week

  1. Bel je eigen klantenservice en meet met een stopwatch hoe lang het duurt voordat je een bruikbaar antwoord hoort.
  2. Zet de 5 vaakst gestelde telefoonvragen op een rij en noteer per vraag welk systeem (ordersysteem, CRM, kennisbank) een voice agent nodig heeft.
  3. Vraag een voice-AI-leverancier naar de gemeten responstijd in het Nederlands en of de tussenliggende tekst van elk gesprek wordt bewaard.

Begrippen

Speech-to-text (STT)
Een model dat gesproken audio omzet in geschreven tekst.
Text-to-speech (TTS)
Een model dat geschreven tekst omzet in een gesproken stem.
Latency
De vertraging tussen het moment dat de beller stopt met praten en het moment dat de agent antwoordt.
Conversatiegeheugen
Het vermogen van de agent om te onthouden wat eerder in het gesprek is gezegd.

Verdiep je in de gids

Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

De basics van conversational AI. Wat is het? Echt een gesprekspartner die via spraak autonoom gesprekken kan voeren, maar met name natuurlijke taal en context kan begrijpen en kan genereren. En ook echt acties kan uitvoeren met behulp van een multi-agent systeem of zelf beslissingen kan nemen. Dat is een beetje de definitie. En hoe het werkt: eigenlijk een huistuin en keuken AI gebruik maakt gebruik van maar één AI-model, een large language model, en een voice agent maakt gebruik van drie verschillende AI-modellen. Ten eerste aan de voorkant speech-to-text, waar echt audio wordt omgezet in een stukje tekst. Dan een large language model, die vervolgens gaat redeneren op basis van die tekst, en dan gaat dat stukje tekst dat hij teruggeeft weer naar een text-to-speech model. Dat is wel het fundament uiteindelijk van een voice agent. Acties kan hij uitvoeren doordat voor, tijdens of na dit gesprek de voice agent samenwerkt, gekoppeld is aan meerdere agents die daaronder hangen, die bijvoorbeeld kunnen communiceren, dus die gekoppeld zijn met communicatiekanalen, maar ook in staat zijn om met je huidige CRM te werken of naar je huidige ordersysteem om orders te kunnen checken, bijvoorbeeld. En dat allemaal binnen het menselijke kader. En dat komt vooral neer op de responstijd en ook het hebben van een conversatiegeheugen. Met name die responstijd, dat is een belangrijk element. Want een jaar geleden, zeker op Nederlandse taal, was dat nog de latency. Dat was dusdanig hoog dat een vloeiend fijn gesprek nog niet echt aan de orde was. Dus zo recent is eigenlijk die technologie. Dat benoem ik hier ook.

Spreker: Freek Schouten, Mantawise

Bronnen

Meer over AI Agents & Shopping