Het consumentengedrag rond voice ontwikkelde zich sneller dan de paraatheid van enterprises. Uit Amplified 2026, een Censuswide-onderzoek onder 700 zakelijke leiders en consumenten, blijkt dat 55% van de consumenten voice inmiddels als primaire interface voor AI-interacties gebruikt, terwijl maar 29% van de bedrijven klantgerichte voice AI heeft ingezet.
Voice is in klantenservice tegelijk het kanaal met het hoogste volume, de hoogste kosten en de zwaarste technische eisen, en het kanaal waarin AI-adoptie het verst achterblijft. Die combinatie is ongebruikelijk. In het kanaal met de meeste kosten om weg te nemen, is de concurrentie om het voordeel het kleinst.
3 barrières maakten voice lastig, en alle 3 waren reëel: latentie, nauwkeurigheid en compliance. Wat er veranderde, is dat het engineeringproblemen met oplossingen werden in plaats van open onderzoeksvragen.
Waarom latentie de moeilijkste was
De standaardmanier om een voice-agent te bouwen, schakelt 3 systemen aan elkaar. Spraak wordt omgezet in tekst, een taalmodel leest de tekst en schrijft een antwoord, en een derde systeem spreekt dat uit. Elke stap werkt op zich goed. Het probleem is wat zich ertussen opstapelt.
Elke tussenstap voegt vertraging toe, en de klant ervaart het totaal. Een reactietijd onder 300 ms is ongeveer de grens voor een gesprek dat natuurlijk aanvoelt, en na ongeveer 1 seconde stilte gaan mensen weer praten. Een pipeline die de eerste uiting nog verwerkt, heeft dan 2 overlappende inputs en geen nette manier om die met elkaar te verzoenen.
De keten verliest meer dan tijd. Transcriptie levert tekst op, dus toon, aarzeling, volume en het hoorbare geluid van iemand die zijn geduld verliest, overleven de eerste stap niet. Het model leest een vlakke zin, zonder enige aanwijzing dat degene die hem uitsprak op het punt staat op te hangen. Ook het herstel is broos: als een klant onderbreekt of 2 mensen tegelijk praten, moet de pipeline het probleem in de ene stap detecteren en die kennis terugsturen via stappen die daar nooit voor zijn ontworpen.
Daarom presteren zoveel voice-implementaties goed in een demo en hebben ze het moeilijk op een gewone dinsdagmiddag. Demo's zijn stil, gescript en zonder onderbrekingen.
Wat voice-to-voice met één model verandert
Een andere architectuur haalt de tussenstappen weg. Eén model ontvangt audio en produceert audio, zonder tussentijdse omzetting naar tekst en weer terug.
Omdat het model met geluid werkt in plaats van met een transcript, blijft beschikbaar wat de pipeline weggooide. Onderbrekingen komen binnen als onderbrekingen. Door elkaar praten, achtergrondgeluid en onbekende accenten worden omstandigheden die het model aankan in plaats van foutsituaties die een overdracht laten mislukken. Zonder tussenstappen wordt de reactietijd zo kort dat klanten niet meer door het systeem heen praten.
Dat is het mechanisme achter de claim dat latentie en nauwkeurigheid in productie nu zijn opgelost. Maven is het eerste enterprise-AI-platform dat voice-to-voice agents volledig in productie brengt, een onderscheid dat door Ibex is gevalideerd, en ondersteunt 57 talen in voice-to-voice naast 54 in chat. In de implementaties die Maven heeft gemeten, behalen goed gebouwde voice-agents bij vergelijkbare intents een resolutie in dezelfde range als chat.
Om precies te zijn over de stack: realtime voice draait op de OpenAI Realtime API in combinatie met voicemodellen van Cartesia, en de voice-agent gebruikt dezelfde engine als chat en e-mail. Een klant die belt nadat hij heeft gemaild, hoeft dus niet opnieuw te beginnen.
De 3 beslissingen die nu je tijdlijn bepalen
Nu de technische barrières zijn weggenomen, hangt de implementatiesnelheid af van een klein aantal keuzes. In elk geval is de snellere standaardoptie meestal ook de veiligere.
- Telefonie. Integreer met je bestaande provider en stack in plaats van van provider te wisselen. Migratie is zelden de moeite waard als eerste stap, en voice-to-voice sluit aan op wat je al gebruikt, waaronder Twilio, Vonage, Cisco, Zendesk Talk en Genesys.
- IVR. Leg een laag over de bestaande IVR heen en breid die uit, in plaats van hem eruit te slopen en te vervangen. Vervanging heeft een hoger plafond en een veel langer traject.
- Escalatie. Gebruik een warme overdracht die de volledige context meegeeft aan de medewerker. Een koude overdracht zonder context is erger dan helemaal geen automatisering, want de klant moet alles 2 keer uitleggen.
De compliancevraag die voice meteen oproept
Tijdens een gesprek zeggen klanten dingen die je niet mag opslaan. Kaartnummers, gezondheidsgegevens, inloggegevens, allemaal hardop uitgesproken terwijl ze om hulp vragen.
Compliance is bij voice strenger dan bij tekst, en het wordt opgelost als het platform ervoor gebouwd is in plaats van erop aangepast. De vraag die telt, is timing. Realtime PII-redactie tijdens het gesprek en nabewerking achteraf leveren verschillende blootstellingsvensters op, en alleen de eerste houdt de gevoelige gegevens uit de pipeline. Vraag welke van de 2 je koopt vóór de security review, niet tijdens.
Meertaligheid wordt lastiger bij voice
Tekstvertaling is zo goed opgelost dat de meeste enterprises zich er geen zorgen meer over maken. Voice is niet hetzelfde. Gesproken taal kent accentvariatie, regionale uitdrukkingen, wisselen van taal midden in een zin en verschillen in spreektempo die een transcript wegpoetst. Een geschakelde pipeline maakt dit erger, omdat de transcriptie de taal moet raden voordat het model iets ziet, en een verkeerde gok werkt door in elke volgende stap.
Het loont om door te vragen op aantallen talen. De nuttige vervolgvraag voor elke leverancier is of de genoemde talen in productie zijn getest of alleen in een model card staan.
Bewijs op volume
Een Fortune 500-gamingbedrijf dat in een gereguleerde markt opereert, haalt 80% resolutie over meer dan 330.000 interacties per maand, waaronder 13.000 opgeloste interacties op één piekdag tijdens een evenement.
Piekdagen zijn de eerlijke test. Bij volumepieken lopen wachtrijen vol, houdt een systeem stand of gaat het zichtbaar onderuit, en vormen klanten een blijvend oordeel over de vraag of bellen bij jou werkt.
Voice beoordelen zonder je door een demo te laten inpakken
Opgenomen demo's zijn geen bewijs. Vraag om een live gesprek en gedraag je daarin zoals je klanten zich gedragen.
- Onderbreek midden in een zin en kijk of de agent stopt of doorpraat
- Bedenk je halverwege een verzoek
- Zorg voor achtergrondgeluid
- Spreek met een accent waar de leverancier niet op had gerekend
- Vraag de agent iets te doen, niet alleen iets te vertellen
Die laatste weegt het zwaarst. Een vraag beantwoorden en een transactie afronden zijn verschillende vaardigheden, en autonome resolutie vereist de tweede.
De 3 beslissingen staan beknopt in The Voice AI Decision Tree , dat aansluit op The 90-Day Pilot Scope voor teams die voice overwegen als hun eerste geautomatiseerde kanaal. Beide zijn gebaseerd op het hoofdstuk Voice Channel Opportunity uit het State of AI in CX 2026-rapport .
Zie het op je eigen gesprekken.
Vraag een gratis demo op maat aan.
