Home › Kennisbank › AI-begrippen › Intent, NLU en NLP

AI-begrippen

NLU, NLP, intent en entity: hoe AI begrijpt wat een beller bedoelt

Een intent is de bedoeling achter wat een beller zegt, zoals "afspraak verzetten" of "storing melden". NLP is het brede vakgebied van computers en taal, NLU het deel dat betekenis begrijpt. Entities zijn de losse gegevens in de zin, zoals een postcode of ordernummer. Samen bepalen ze of een AI receptionist de beller goed helpt of verkeerd doorstuurt.

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 begrippen achter taalbegrip in één tabel

Voordat een AI Voice Agent iets kan doen, moet zij begrijpen wat de beller wil en welke gegevens hij noemt. Deze begrippen kom je tegen in offertes, demo's en technische gesprekken. Zo verhouden ze zich tot elkaar.

Begrip	Betekenis in één zin	Waarom het telt voor je AI receptionist
NLP	Het brede vakgebied waarin computers menselijke taal verwerken.	De paraplu: alles van spraak omzetten tot samenvatten valt eronder.
NLU	Het deel van NLP dat de betekenis en bedoeling van taal begrijpt.	Bepaalt of zij snapt wat de beller wil, ook als hij het anders zegt dan verwacht.
Intent	De bedoeling van de beller, zoals "factuur opvragen" of "klacht indienen".	Op basis van de intent kiest zij het juiste antwoord, proces of doorverbinding.
Entity	Een concreet gegeven in de zin, zoals een datum, naam of ordernummer.	Zonder entities kan zij niets opzoeken, plannen of vastleggen.
Sentiment detection	Inschatten of de toon van een gesprek positief, neutraal of negatief is.	Een signaal om eerder een medewerker in te schakelen, geen oordeel over de beller.
Emotion detection	Herkennen van emoties zoals boosheid of verdriet uit woorden en stem.	Helpt bepalen wanneer een mens moet overnemen.
Conversation intelligence	Inzicht halen uit grote aantallen gesprekken.	Laat zien waarom mensen bellen en waar de AI receptionist tekortschiet.

Elk begrip uitgelegd

Van spraak naar bedoeling: zo begrijpt een AI Agent voor telefonie de beller

Een AI Agent voor telefonie zet eerst spraak om in tekst (zie speech-to-text) en moet daarna begrijpen wat er bedoeld wordt. Per begrip lees je wat het is, hoe het werkt aan de telefoon en wat je zelf regelt.

NLP (natural language processing)

NLP is het vakgebied dat computers leert omgaan met menselijke taal. Het is een verzamelnaam: spraak omzetten in tekst, zinnen ontleden, vertalen, samenvatten en tekst genereren vallen er allemaal onder.

Voor een AI receptionist is NLP dus geen losse functie, maar de basis onder alles wat zij met taal doet. Als een leverancier zegt dat de oplossing "NLP gebruikt", zegt dat weinig. Vraag liever wat er precies gebeurt met wat de beller zegt, en hoe goed dat werkt met jouw belredenen en vaktaal.

Kort antwoord: NLP is de verzamelnaam voor alle technieken waarmee computers menselijke taal verwerken.

NLU (natural language understanding)

NLU is het deel van NLP dat zich richt op begrijpen: wat bedoelt iemand, en welke gegevens noemt hij? Waar NLP ook over het verwerken en maken van taal gaat, draait NLU om de betekenis.

Aan de telefoon is dat lastig. Bellers praten in halve zinnen, beginnen met een verhaal en komen pas aan het eind bij hun vraag. "Ik heb gisteren gebeld over die monteur, maar er is nog niemand geweest" betekent eigenlijk: status van een afspraak, met een klacht erin. Goede NLU haalt dat eruit. Test daarom met echte gesprekken uit je eigen praktijk, niet met nette voorbeeldzinnen.

Kort antwoord: NLU is het deel van NLP dat begrijpt wat iemand bedoelt, niet alleen wat hij letterlijk zegt.

Intent

Een intent is de bedoeling achter een uitspraak. "Ik wil mijn afspraak van donderdag verzetten" en "kan het ook een andere dag" hebben dezelfde intent: afspraak verzetten. Een AI receptionist koppelt aan elke intent een actie: een antwoord geven, een proces doorlopen of doorverbinden.

Je eigen lijst met intents is in feite je lijst met belredenen. Die lijst is daarom het startpunt van elk project, en het is meteen de plek waar je vastlegt welke intents altijd naar een mens gaan, zoals klachten of opzeggingen.

Kort antwoord: een intent is de bedoeling van de beller, en bepaalt welke actie de AI receptionist uitvoert.

Intent classification

Intent classification is het proces waarbij de AI een uitspraak indeelt in een van de vooraf bekende intents. Klassieke systemen deden dat met een model dat per intent getraind werd op voorbeeldzinnen. Gebruikte iemand andere woorden dan in de voorbeelden, dan ging het vaak mis en kwam de beller in een "dat begreep ik niet"-lus terecht.

Moderne AI Voice Agents gebruiken meestal een taalmodel (zie LLM) dat de bedoeling uit de context haalt, ook bij onverwachte formuleringen. Dat is flexibeler, maar minder voorspelbaar. Wat je regelt: een duidelijke beschrijving per belreden, wat er gebeurt bij twijfel (doorvragen of doorverbinden) en een vaste route voor gesprekken die nergens in passen.

Kort antwoord: intent classification is het indelen van wat de beller zegt in een bekende belreden, met een vaste route bij twijfel.

Klassieke intent-modellen versus LLM's

Een klassiek intent-model is een vaste beslisboom met getrainde herkenning: voorspelbaar, maar stug. Een LLM begrijpt vrije taal veel beter en kan meerdere vragen in één zin uit elkaar halen, maar kan ook een antwoord verzinnen als de instructies niet scherp zijn.

In de praktijk combineren goede oplossingen beide: het taalmodel begrijpt de beller, en vaste regels bepalen wat zij daarna mag doen. Gevoelige acties, zoals iets wijzigen in een dossier, horen niet afhankelijk te zijn van alleen de interpretatie van een taalmodel.

Kort antwoord: een LLM begrijpt bellers flexibeler dan een klassiek intent-model, maar vaste regels blijven nodig voor wat zij mag doen.

Entity

Een entity is een concreet gegeven in wat de beller zegt: een naam, datum, tijd, adres, postcode, klantnummer, ordernummer of productnaam. Waar de intent zegt wat de beller wil, zeggen entities waarover het gaat.

Bij "Ik wil mijn afspraak van donderdagmiddag verzetten naar volgende week" is de intent "afspraak verzetten" en zijn "donderdagmiddag" en "volgende week" entities. Zonder die gegevens kan de AI receptionist niets opzoeken of inplannen. Wat je regelt: per belreden welke entities verplicht zijn, zodat zij doorvraagt tot ze compleet zijn.

Kort antwoord: een entity is een concreet gegeven zoals een datum, postcode of ordernummer dat de AI nodig heeft om iets te doen.

Entity recognition

Entity recognition is het herkennen en goed vastleggen van die gegevens. Aan de telefoon is dat moeilijker dan in een chat: een postcode wordt uitgesproken, een ordernummer wordt in stukjes gezegd, en "de vijftiende" moet een echte datum worden. Ook achternamen en straatnamen worden vaak verkeerd verstaan.

Een goede AI receptionist herhaalt belangrijke gegevens ter controle, laat moeilijke woorden spellen en controleert een gegeven waar mogelijk in je systeem, bijvoorbeeld of een ordernummer bestaat. Wat je regelt: het formaat van je nummers, controleregels en een koppeling om gegevens te verifiëren.

Kort antwoord: entity recognition haalt gegevens uit het gesprek en controleert ze, bij voorkeur door te herhalen en in je systeem na te kijken.

Sentiment detection

Sentiment detection is het inschatten van de toon van een gesprek: positief, neutraal of negatief. Het systeem kijkt naar woorden en formuleringen, en soms naar hoe iets gezegd wordt.

Gebruik het als signaal, niet als oordeel. Een negatieve toon kan een reden zijn om eerder een medewerker aan te bieden of een gesprek te markeren voor opvolging. Het is niet bedoeld om bellers in te delen of te beoordelen. Ironie, dialect en gewoon kortaf praten worden makkelijk verkeerd ingeschat.

Kort antwoord: sentiment detection schat de toon van een gesprek in en is een signaal om eerder een mens in te schakelen.

Emotion detection bij voice

Emotion detection gaat een stap verder: het probeert specifieke emoties te herkennen, zoals boosheid, frustratie, angst of verdriet. Bij voice kijkt het naast de woorden ook naar stemkenmerken, zoals volume, tempo en toonhoogte.

Dat klinkt veelbelovend, maar wees nuchter. Emoties uit een stem afleiden is onzeker en verschilt per persoon en situatie. Bovendien vragen het verwerken en bewaren van zulke inschattingen extra zorgvuldigheid op het gebied van privacy; stem dat af met je privacyverantwoordelijke, dit is geen juridisch advies. De veilige regel: herkent de AI receptionist emotie, of zegt de beller dat hij overstuur is, dan biedt zij een medewerker aan. Meer hierover lees je bij kan AI emoties herkennen.

Kort antwoord: emotion detection probeert emoties uit woorden en stem te herkennen; bij emotie hoort het gesprek naar een mens.

Conversation intelligence

Conversation intelligence is het analyseren van grote aantallen gesprekken om patronen te zien: waarom bellen mensen, welke vragen komen terug, waar lopen gesprekken vast en welke onderwerpen leiden vaak tot een klacht. Het werkt op transcripten en samenvattingen van gesprekken, van de AI Voice Agent en van medewerkers.

Voor een AI receptionist is dit de motor van continue verbetering. Je ziet welke intents vaak verkeerd herkend worden, waar bellers afhaken en welke vragen nog niet afgedekt zijn. Het lost niets op als niemand de inzichten oppakt: spreek af wie er periodiek naar kijkt en wat ermee gebeurt.

Kort antwoord: conversation intelligence haalt patronen en verbeterpunten uit veel gesprekken tegelijk.

Conversational intelligence

Conversational intelligence wordt vaak door elkaar gebruikt met conversation intelligence, maar legt meestal de nadruk op iets anders: de intelligentie tijdens het gesprek zelf. Denk aan het herkennen van de bedoeling, doorvragen, context onthouden binnen het gesprek en op het juiste moment doorverbinden.

Kort gezegd: conversation intelligence kijkt achteraf naar alle gesprekken, conversational intelligence zit in het gesprek dat nu gevoerd wordt. Voor een goede AI receptionist heb je beide nodig. Hoe ContactOns daar invulling aan geeft, lees je bij AI Voice Agent en conversational intelligence.

Kort antwoord: conversational intelligence is het vermogen om tijdens het gesprek goed te begrijpen en te reageren; conversation intelligence is analyse achteraf.

Aanpak

Zo pak je het aan

1Maak je lijst met belredenenElke belreden wordt een intent. Leg per intent vast wat de AI receptionist doet: antwoorden, een proces doorlopen of doorverbinden. Zie ook gesprekken beantwoorden met AI.

2Bepaal per intent de gegevensWelke entities zijn verplicht, in welk formaat, en hoe worden ze gecontroleerd: herhalen, laten spellen of opzoeken in je systeem.

3Leg de grenzen vastWelke intents gaan altijd naar een mens, wat gebeurt er bij twijfel, en wanneer biedt zij bij een negatieve toon of emotie een medewerker aan. Spoed en gevaar gaan direct naar 112 of de juiste noodroute.

4Analyseer en verbeterLees gesprekken terug, kijk welke intents verkeerd herkend worden en pas beschrijvingen en routes aan. Begin met de KPI's om mee te starten.

Eerlijk

Wat AI wel en niet begrijpt aan de telefoon

Dit kan een AI receptionist goed

De bedoeling herkennen, ook als de beller het in eigen woorden zegt.

Meerdere vragen in één zin uit elkaar halen en een voor een afhandelen.

Doorvragen tot verplichte gegevens zoals een ordernummer of postcode compleet zijn.

Gegevens herhalen ter controle en verifiëren in een gekoppeld systeem.

Een negatieve toon signaleren en dan een medewerker aanbieden.

Hier blijft een mens nodig

Bellers die boos, verdrietig of in paniek zijn.

Klachten en situaties waarin de beller zich niet gehoord voelt.

Kwetsbare bellers die meer tijd en uitleg nodig hebben.

Vragen die niet in een bekende belreden passen en een besluit of advies vragen.

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

Veelgestelde vragen

Veelgestelde vragen over intent, NLU en NLP

Wat is het verschil tussen NLP en NLU?

NLP is het brede vakgebied van computers en menselijke taal. NLU is het deel daarvan dat zich richt op begrijpen: de bedoeling en de gegevens in wat iemand zegt. Elke AI receptionist gebruikt NLP; de kwaliteit van haar NLU bepaalt of zij de beller echt begrijpt.

Wat is een intent in een chatbot of voicebot?

Een intent is de bedoeling van de gebruiker, zoals "afspraak maken" of "factuur opvragen". In een AI Voice Agent bepaalt de herkende intent welk antwoord, proces of doorverbinding volgt.

Wat is het verschil tussen een intent en een entity?

De intent is wat de beller wil, de entity is waar het over gaat. Bij "ik wil mijn bestelling van vorige week annuleren" is "bestelling annuleren" de intent en "vorige week" de entity, net als een ordernummer of postcode.

Kan een AI Voice Agent emoties herkennen?

Tot op zekere hoogte. Zij kan signalen oppikken uit woorden en stem, maar die inschatting is onzeker. Gebruik het als reden om een medewerker aan te bieden, niet om conclusies over de beller te trekken.

Heb je nog intent-training nodig met een LLM?

Minder dan vroeger, omdat een taalmodel vrije taal goed begrijpt. Wel heb je duidelijke beschrijvingen per belreden nodig, vaste regels voor wat zij mag doen en een route bij twijfel. Testen met echte gesprekken blijft nodig.

Advies op maat

Begrijpt jouw AI receptionist waarom mensen bellen?

We kijken samen naar je belredenen, de gegevens die per gesprek nodig zijn en de momenten waarop een medewerker moet overnemen, en hoe je dat combineert met je bestaande telefonie en Human Assist. 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.