Home › Kennisbank › AI-begrippen › LLM en agentic AI

AI-begrippen

LLM, generatieve AI en agentic AI uitgelegd voor klantcontact

Een LLM (large language model) is een taalmodel dat tekst begrijpt en zelf formuleert; het is het "brein" achter een AI receptionist. Generatieve AI is de bredere naam voor AI die nieuwe tekst of spraak maakt. Agentic AI gaat verder: de AI Voice Agent voert ook acties uit, zoals een afspraak plannen, binnen grenzen die jij bepaalt.

Plan een kennismaking →Hoor Ciss als jullie receptionist

AI Voice Agents

Human Assist

Bestaande telefonie

24/7 opvang

Door de redactie van ContactOns · bijgewerkt 17 oktober 2026

Overzicht

De belangrijkste begrippen in één oogopslag

Wie zich verdiept in AI aan de telefoon, krijgt veel Engelse vaktermen over zich heen. Ze hangen nauw samen: het taalmodel praat, de koppelingen laten het handelen en de grenzen houden het veilig. Deze tabel zet ze naast elkaar.

Begrip	Betekenis in één zin	Waarom het telt voor je AI receptionist
LLM	Een taalmodel dat getraind is op heel veel tekst en daardoor taal kan begrijpen en maken.	Bepaalt hoe natuurlijk zij het gesprek voert en hoe goed zij vragen begrijpt die anders gesteld worden dan verwacht.
Generatieve AI	AI die zelf nieuwe tekst, spraak of beeld maakt in plaats van alleen te herkennen.	Zij formuleert antwoorden zelf, dus je moet sturen op toon, inhoud en grenzen.
Agentic AI	AI die zelfstandig stappen zet om een doel te bereiken, met hulp van koppelingen.	Het verschil tussen een vraag beantwoorden en de vraag ook echt afhandelen.
Agent orchestration	Het regisseren van wie wat doet: welke agent, welke koppeling, welke medewerker.	Zorgt dat een gesprek bij de juiste specialist of de juiste collega uitkomt.
Prompt engineering	Het schrijven en bijschaven van de instructies die het taalmodel stuurt.	Hier leg je vast wat zij wel en niet doet, hoe zij klinkt en wanneer zij doorverbindt.
Tool calling	Het taalmodel roept tijdens het gesprek een vaste actie in een ander systeem aan.	Hiermee zoekt zij gegevens op of legt zij iets vast in je eigen systemen.
Context window	De hoeveelheid tekst die het model tegelijk kan overzien.	Bepaalt hoeveel instructies, kennis en gespreksgeschiedenis zij meeneemt in elk antwoord.
Guardrails	Vaste grenzen die bepalen wat de AI niet mag zeggen of doen.	Houden haar binnen haar rol en zorgen dat gevoelige gesprekken naar een mens gaan.

Begrippen uitgelegd

Van taalmodel tot AI Agent voor telefonie die handelt

Een AI Voice Agent, ook wel AI Agent voor telefonie genoemd, bestaat uit meer dan een taalmodel. Spraak wordt omgezet naar tekst, het taalmodel bedenkt een antwoord of actie, en dat antwoord wordt weer uitgesproken. Hieronder lees je per begrip wat het is, hoe het werkt aan de telefoon en wat je zelf regelt. Hoe de AI aan de juiste kennis komt, lees je bij RAG en kennisbank.

LLM (large language model)

Een LLM is een groot taalmodel: software die getraind is op enorme hoeveelheden tekst en daardoor taal kan begrijpen, samenvatten en formuleren. Bekende voorbeelden van deze categorie zijn ChatGPT, Claude en Gemini. Een LLM "weet" niets over jouw organisatie; het voorspelt steeds de meest passende volgende woorden op basis van wat het geleerd heeft en wat je het meegeeft.

In een AI receptionist is het LLM het deel dat de vraag van de beller begrijpt en een antwoord bedenkt. Wat het zegt, komt uit de instructies, de kennis en de koppelingen die je eraan geeft. De keuze voor een model weegt af tussen snelheid, taalbeheersing in het Nederlands, betrouwbaarheid en waar de gegevens verwerkt worden. Aan de telefoon telt snelheid extra: een stilte voelt al snel lang.

Kort antwoord: een LLM is het taalmodel dat de beller begrijpt en antwoorden formuleert, op basis van de instructies en kennis die jij meegeeft.

Generatieve AI in de klantenservice

Generatieve AI is AI die zelf nieuwe inhoud maakt, zoals een antwoord, een samenvatting of een vervolgvraag. Oudere spraakmenu's werkten met vaste keuzes en vooraf ingesproken teksten. Een AI receptionist met generatieve AI formuleert elk antwoord opnieuw, passend bij hoe de beller zijn vraag stelt.

Dat maakt gesprekken natuurlijker, maar ook minder voorspelbaar. Daarom hoort er altijd een vaste kennisbron, duidelijke instructies en controle achteraf bij. In de klantenservice wordt generatieve AI ook gebruikt om gesprekken samen te vatten en tickets in te vullen, zodat je medewerker direct weet wat er speelde.

Kort antwoord: generatieve AI maakt zelf antwoorden en samenvattingen, wat natuurlijk klinkt maar vraagt om vaste kennis en controle.

AI customer service

AI customer service is de verzamelnaam voor klantenservice waarin AI een deel van het werk doet: vragen beantwoorden, gesprekken routeren, gegevens opzoeken en samenvatten. Aan de telefoon gaat het om een AI receptionist of AI Voice Agent; via chat en WhatsApp om een chatagent.

Het werkt het best als de AI de eerste lijn en het voorwerk doet, en je team de gesprekken krijgt waar een mens het verschil maakt. Dat noemen we Human Assist. Het lost niets op als het probleem in je proces zit, bijvoorbeeld als bestellingen te laat komen: dan beantwoordt de AI vooral sneller dezelfde klachten. Hoe de AI de reden van bellen herkent, lees je bij intentherkenning.

Kort antwoord: AI customer service is klantenservice waarin AI de eerste lijn en het voorwerk doet, met mensen voor de gesprekken die ertoe doen.

Agentic AI in klantcontact

Agentic AI is AI die niet alleen antwoord geeft, maar zelfstandig stappen zet om een doel te bereiken. Een gewone AI zegt: "u kunt uw afspraak verzetten via de website". Een agentic AI receptionist vraagt welke afspraak het is, zoekt een nieuw moment, plant het in en bevestigt het.

Dat kan alleen met koppelingen naar je agenda, CRM of ordersysteem, en met duidelijke afspraken over wat zij zelfstandig mag. Begin met acties die makkelijk terug te draaien zijn, zoals een afspraak plannen of een terugbelverzoek vastleggen. Acties met gevolgen, zoals een order annuleren of een tegoed toekennen, laat je eerst bij een medewerker.

Kort antwoord: agentic AI handelt vragen ook af, zoals een afspraak verzetten, maar alleen binnen de acties die jij toestaat.

Agentic workflow

Een agentic workflow is de vaste volgorde van stappen die een AI Voice Agent doorloopt om een taak af te ronden, waarbij de AI zelf kiest welke stap nodig is. Denk aan een storingsmelding: beller herkennen, adres controleren, probleem uitvragen, urgentie bepalen, ticket aanmaken en bevestigen.

Het verschil met een klassiek belscript: de AI hoeft de stappen niet star af te lopen. Geeft de beller al zijn adres in de eerste zin, dan slaat zij die vraag over. Wat je regelt: welke stappen verplicht zijn, welke gegevens compleet moeten zijn voordat iets wordt vastgelegd, en bij welke uitkomst het gesprek naar een collega gaat.

Kort antwoord: een agentic workflow is een flexibel stappenplan waarmee de AI een taak afrondt, met vaste controlepunten die jij bepaalt.

Agent orchestration

Agent orchestration is de regie over wie of wat een gesprek op welk moment afhandelt. Een orchestrator bepaalt bijvoorbeeld dat een vraag over facturen naar een gespecialiseerde agent gaat, dat een opzegging naar een medewerker gaat en dat buiten openingstijden een terugbelverzoek wordt vastgelegd.

Aan de telefoon hangt orchestration nauw samen met je bestaande routering: wachtrijen, openingstijden, doorverbinden en voicemail. Je telefonie-inrichting en de AI moeten dus op elkaar afgestemd zijn, anders belandt een beller in een lus of bij de verkeerde afdeling. Wie de regie heeft, telefonie of AI, spreek je vooraf duidelijk af.

Kort antwoord: agent orchestration regisseert welke agent, koppeling of medewerker een gesprek overneemt, afgestemd op je telefonie.

Multi-agent orchestration

Multi-agent orchestration betekent dat meerdere AI-agents samenwerken, elk met een eigen taak. Eén agent neemt op en achterhaalt de reden van bellen, een tweede is gespecialiseerd in afspraken, een derde in orderstatus. Elke agent krijgt dan kortere, scherpere instructies en alleen de koppelingen die nodig zijn voor die taak.

Voor de beller moet het voelen als één gesprek: geen herhaalde vragen en dezelfde stem en toon. Meer agents betekent ook meer onderhoud en meer plekken waar een overdracht mis kan gaan. Voor veel organisaties is één goed ingerichte AI receptionist met duidelijke routering een beter begin.

Kort antwoord: bij multi-agent orchestration werken gespecialiseerde agents samen, wat scherper is maar meer beheer vraagt.

Prompt engineering

Prompt engineering is het schrijven, testen en verbeteren van de instructies (de prompt) waarmee je een taalmodel stuurt. In de prompt van een AI receptionist staat wie zij is, voor welke organisatie zij werkt, welke vragen zij afhandelt, welke toon zij gebruikt en wanneer zij doorverbindt.

Een goede prompt is concreet en beschrijft ook wat zij niet doet. Prompt engineering is nooit een keer en klaar: je leest gesprekken terug, ziet waar zij twijfelt of te veel zegt, en past de instructies aan. Leg wijzigingen vast en test ze voordat ze live gaan, zodat een verbetering op de ene plek geen fout op een andere plek veroorzaakt.

Kort antwoord: prompt engineering is het continu bijschaven van de instructies die bepalen wat de AI receptionist zegt en doet.

MCP (Model Context Protocol)

MCP is een open standaard waarmee je een AI-model op een vaste manier aan systemen en gegevensbronnen koppelt. In plaats van voor elk systeem een aparte koppeling te bouwen, biedt een systeem via een MCP-server een set acties en gegevens aan die verschillende AI-toepassingen kunnen gebruiken.

Voor een AI Voice Agent kan dat het koppelen aan bijvoorbeeld een CRM of agenda eenvoudiger maken. Het is wel een relatief jonge standaard: niet elk systeem biedt het aan en de beveiliging vraagt aandacht. De basisregels blijven gelden: alleen de rechten die nodig zijn, en een mens die bepaalt welke acties beschikbaar zijn. Meer over koppelingen lees je bij integraties.

Kort antwoord: MCP is een open standaard om AI op een vaste manier aan systemen te koppelen, met dezelfde eisen aan rechten en beveiliging.

Function calling

Function calling is de techniek waarmee een taalmodel aangeeft dat een vooraf beschreven functie moet worden uitgevoerd, met de juiste gegevens erbij. Je beschrijft bijvoorbeeld de functie "zoek order op" met als invoer een ordernummer. Hoort het model in het gesprek een ordernummer, dan vult het die functie in; de software erachter voert die uit en geeft het resultaat terug.

Function calling is de oudere en meer technische naam voor wat nu meestal tool calling heet. Belangrijk om te weten: het model voert zelf niets uit. Jouw software bepaalt welke functies er zijn, controleert de invoer en beslist wat er met het resultaat gebeurt.

Kort antwoord: function calling laat het taalmodel een vooraf beschreven functie invullen, die je eigen software vervolgens gecontroleerd uitvoert.

Tool calling bij een AI Voice Agent

Tool calling betekent dat de AI Voice Agent tijdens het gesprek een koppeling (een "tool") aanroept om iets op te zoeken of te doen. Voorbeelden aan de telefoon: de orderstatus opvragen, beschikbare tijden in de agenda bekijken, een ticket aanmaken, een beller herkennen aan zijn telefoonnummer of het gesprek doorverbinden naar de juiste afdeling.

Zo werkt het: de beller vraagt "waar blijft mijn bestelling", de AI receptionist vraagt het ordernummer, roept de tool aan, krijgt de status terug en vertelt die in gewone taal. Duurt het opzoeken even, dan overbrugt zij dat met een korte zin. Wat je regelt: welke tools er zijn, welke controlevragen vooraf gaan, wat zij zegt als een systeem niet reageert, en welke acties altijd bij een mens blijven. Elke tool krijgt alleen de rechten die nodig zijn, en elke aanroep wordt gelogd zodat je achteraf kunt zien wat er gebeurde.

Kort antwoord: met tool calling zoekt de AI receptionist tijdens het gesprek gegevens op of voert zij een actie uit in je eigen systemen.

Context window

Het context window is de hoeveelheid tekst die een taalmodel in één keer kan overzien: de instructies, de meegegeven kennis en alles wat er tot nu toe in het gesprek is gezegd. Wat buiten dat venster valt, bestaat voor het model op dat moment niet.

Voor een AI receptionist betekent dit dat je niet je hele website en handleiding in de prompt kunt plakken. Een te volle context maakt het model trager en minder nauwkeurig. Daarom geef je haar vaste instructies kort en scherp mee en laat je haar specifieke kennis opzoeken wanneer die nodig is. Dat opzoeken heet RAG.

Kort antwoord: het context window is wat het model tegelijk kan overzien, dus houd instructies kort en laat kennis gericht opzoeken.

Guardrails voor voice AI

Guardrails zijn de vaste grenzen rond een AI Voice Agent: onderwerpen waar zij niet over praat, acties die zij niet uitvoert en situaties waarin zij altijd doorverbindt. Ze staan deels in de instructies en deels in de techniek eromheen, zoals controles op wat een tool mag en filters op wat zij uitspreekt.

Voorbeelden: geen medisch, juridisch of financieel advies; bij spoed of gevaar direct 112 of de juiste noodroute; bij klachten, emotie of een kwetsbare beller naar een medewerker; nooit gegevens delen zonder controle. Aan de telefoon kun je niet terugscrollen, dus wat gezegd is, is gezegd. Test guardrails daarom gericht met lastige gesprekken voordat je live gaat.

Kort antwoord: guardrails zijn de vaste grenzen die bepalen wat de AI receptionist niet zegt of doet en wanneer een mens het overneemt.

Aanpak

Zo pak je het aan

1Begin bij de gesprekken, niet bij het modelBepaal welke belredenen de AI receptionist afhandelt, welke zij alleen uitvraagt en welke direct naar een medewerker gaan. Het model kies je daarna.

2Schrijf instructies en grenzen samenLeg in de prompt rol, toon en taken vast en zet de guardrails er direct bij: wat zij niet doet en wanneer zij doorverbindt.

3Voeg acties stap voor stap toeStart met opzoeken en vastleggen, en voeg pas acties met gevolgen toe als de basis goed werkt. Meer over de stappen staat bij implementatie.

4Luister terug en stuur bijLees gesprekken en tool-aanroepen terug, kijk waar zij twijfelt of te veel zegt en verbeter instructies, kennis en routering.

Eerlijk

Wat een LLM aan de telefoon wel en niet kan

Dit kan een AI receptionist goed

Vragen begrijpen, ook als de beller ze anders formuleert dan verwacht.

Natuurlijk doorvragen tot een melding of verzoek compleet is.

Via tool calling gegevens opzoeken en vastleggen in je systemen.

Gesprekken samenvatten voor de medewerker die het overneemt.

Binnen vaste grenzen blijven als die goed zijn ingericht en getest.

Hier blijft een mens nodig

Klachten, emotie en kwetsbare bellers.

Advies en besluiten met gevolgen, zoals uitzonderingen op beleid.

Het bepalen van grenzen, rechten en welke acties de AI mag uitvoeren.

Terugluisteren en bijsturen: een taalmodel verbetert zichzelf niet vanzelf.

Spoed en gevaar: direct naar 112 of de juiste noodroute.

Veelgestelde vragen

Veelgestelde vragen over LLM's en agentic AI in klantcontact

Wat is het verschil tussen een LLM en een AI Voice Agent?

Een LLM is het taalmodel dat tekst begrijpt en maakt. Een AI Voice Agent is het complete systeem eromheen: spraakherkenning, het taalmodel, de instructies, de kennis, de koppelingen en de stem. Het LLM is dus één onderdeel van de AI receptionist.

Kan een AI receptionist dingen verzinnen?

Ja, een taalmodel kan een antwoord geven dat overtuigend klinkt maar niet klopt. Dat beperk je met vaste kennisbronnen, duidelijke instructies, guardrails en het terugluisteren van gesprekken. Laat haar bij twijfel liever zeggen dat zij het navraagt.

Wat is agentic AI in gewone taal?

AI die niet alleen antwoord geeft, maar ook iets voor je regelt, zoals een afspraak plannen of een melding aanmaken. Dat kan alleen met koppelingen naar je systemen en binnen de acties die je vooraf toestaat.

Moeten we zelf prompts schrijven?

Niet per se, maar je kennis is wel nodig. Jij weet welke vragen bellers stellen, wat het juiste antwoord is en waar de grenzen liggen. Of je de inrichting zelf doet of uitbesteedt, lees je bij zelf bouwen of uitbesteden.

Welk LLM is het beste voor een AI receptionist?

Dat hangt af van wat je belangrijk vindt: snelheid aan de telefoon, Nederlandse taalbeheersing, betrouwbaarheid bij tool calling en waar de gegevens verwerkt worden. De inrichting, kennis en grenzen bepalen de kwaliteit meestal meer dan de modelkeuze. Twijfels hierover lees je bij twijfels over AI.

Advies op maat

Welke acties mag jouw AI receptionist zelf uitvoeren?

We kijken samen naar je belredenen, je telefonie en je systemen, en bepalen welke taken de AI Voice Agent zelfstandig afhandelt, welke koppelingen daarvoor nodig zijn en waar een medewerker het overneemt. ContactOns is regisseur in AI-first klantcontact. We leveren oplossingen samen met zorgvuldig geselecteerde partners, of managed services op een oplossing die je al hebt.