Multimodale AI betekent dat één model meer dan één soort invoer aankan: tekst, beeld, spraak, video en sensordata. Tot voor kort moest je voor elke soort invoer een aparte tool kopen en aan elkaar knopen. In 2026 doen de grote modellen dit in één architectuur, en dat opent toepassingen die voor een bedrijf van vijftig mensen eerder te duur of te complex waren. Denk aan een foto van een werkbon die direct een calculatieregel wordt, of een opgenomen klantgesprek dat automatisch in je crm belandt.
Multimodale AI is daarmee het deel van AI dat het dichtst bij de werkvloer komt. De directeur typt geen prompts, hij fotografeert een bon, spreekt een memo in of laat een camera naar een productielijn kijken. Technisch kan dat allemaal. De vraag is welke van die toepassingen bij jou genoeg opleveren om de inrichting te rechtvaardigen.
#Wat multimodaal precies betekent
Er zijn twee manieren waarop een systeem met meerdere invoersoorten omgaat, en het verschil bepaalt de kwaliteit.
| Aanpak | Hoe het werkt | Waar het goed in is |
|---|---|---|
| Pijplijn | Aparte modellen, aan elkaar geknoopt met regels | Eenvoudige, vaste taken met één invoersoort |
| Native multimodaal | Eén model dat alle invoer tegelijk begrijpt | Taken waarin beeld, tekst en geluid samenhangen |
Het verschil merk je bij taken waarin de soorten elkaar nodig hebben. Een foto van een schadegeval beoordelen met de klacht erbij en de polisvoorwaarden: bij een pijplijn moet je zelf bedenken hoe je die drie samenvoegt, bij een native multimodaal model kan het model dat in één keer.
Een tweede verschil dat je in de praktijk merkt, is de contextlengte. Een model dat een foto van een werkbon leest, moet ook de opdracht en de klantgegevens erbij kunnen houden. Bij een pijplijn verdwijnt die samenhang tussen de stappen, en dan krijg je een werkbon zonder opdrachtnummer of een klantnaam die niet matcht. Test daarom altijd met een volledige opdracht, niet met één losse foto.
#Wat je aan een model vraagt als het beeld moet lezen
Bij tekst is een taalinstructie genoeg. Bij beeld komt daar een tweede vraag bij: hoe goed leest het model wat er op de foto staat. Dat verschilt sterk per taak.
| Soort beeld | Wat het model moet kunnen | Moeilijkheid |
|---|---|---|
| Gedrukte tekst op een vlakke bon | Letters herkennen, velden vinden | Laag |
| Handgeschreven notities | Schrijfwijze van je eigen mensen lezen | Midden |
| Een situatiefoto met een klacht erbij | Beeld en tekst combineren tot een oordeel | Hoog |
| Bewegend beeld met een afwijking | Een patroon herkennen tussen ruis | Hoog |
De eerste rij werkt inmiddels betrouwbaar bij vrijwel elk model. De tweede rij lukt vaak, maar juist bij namen, maten en bedragen gaat het mis. De derde en vierde rij vragen om een model dat je met voorbeelden van jouw situatie aanleert, en om iemand die de uitvoer controleert.
#Vijf toepassingen die in het MKB renderen
De praktijk in 2026 laat een duidelijke top zien. Dit zijn de toepassingen waar de verhouding tussen inspanning en opbrengst het beste is.
1. Documenten met beeld erin. Foto’s van werkbonnen, pakbonnen, meters, keurmerken en schade. Het model leest de tekst én beoordeelt het beeld, en zet het geheel in je systeem. Dit is de toepassing met de kortste terugverdientijd, omdat de administratieve last nu eenmaal op papier begint.
2. Klantgesprekken als gestructureerde data. Een opgenomen telefoongesprek of een ingesproken memo levert een transcript op, plus de samenvatting, de actiepunten en de juiste crm-notitie. Bij een binnendienst die dagelijks tientallen gesprekken voert, is dit het verschil tussen notities die er wel en niet zijn.
3. Kwaliteitscontrole op beeld. Een camera bij een productielijn of op een bouwplaats die afwijkingen signaleert. Dit was lange tijd voorbehouden aan grote bedrijven met een datawetenschapsteam. Multimodale modellen die je met voorbeelden aanleert, brengen het binnen bereik van kleinere productiebedrijven.
4. Vertaling en ondertiteling van video. Handleidingen, instructievideo’s en webinars in meerdere talen. Wat vroeger een vertaalbureau van weken was, is nu een middag werk met een menselijke controle achteraf.
5. Spraak als ingang voor je systemen. Een monteur die na een klus een memo inspreekt, waarna het systeem een werkbon aanmaakt. Een gesproken samenvatting in plaats van een app met twintig velden.
Wat deze vijf gemeen hebben, is dat de invoer allang bestaat en alleen nog niet werd vastgelegd. De foto wordt gemaakt, de memo wordt ingesproken, het gesprek wordt gevoerd. Het systeem voegt geen nieuw werk toe, het legt werk vast dat nu verdwijnt. Dat is de reden dat deze toepassingen sneller renderen dan een nieuw digitaal formulier.
#Wat het oplevert en wat het kost
De opbrengst zit in twee soorten winst, en het loont om ze apart te rekenen.
#Waar je begint
De volgorde die het minste weerstand oplevert.
Stap 1: begin met documenten waar al beeld in zit. Dit is het laagste risico, er komen geen nieuwe gegevens bij, en het proces bestaat al. Meet de tijd per document voor je begint.
Stap 2: doe daarna spraak, maar zonder opnames te bewaren. Laat gesprekken transcriberen en direct verwerken, met de opname verwijderen na het transcript. Dat scheelt discussie over bewaartermijnen en het levert dezelfde notitie op.
Stap 3: sla video en camera over tot je twee werkende toepassingen hebt. Cameratoepassingen vragen meer inrichting, meer uitleg aan je team en meer compliance-werk. Ze zijn de moeite waard in specifieke processen, maar niet als eerste stap.
Stap 4: zet één iemand op de kwaliteit. Multimodale uitvoer is goed, niet perfect. Iemand moet de eerste maanden elke week een steekproef controleren en de fouten terugkoppelen. Zonder dat stapelen de fouten zich op zonder dat je het merkt.
#Conclusie
Multimodale AI brengt AI naar de plek waar het werk echt gebeurt: de werkbon op de zaak, het gesprek met de klant, het beeld op de lijn. Begin met documenten waar al beeld in zit, doe daarna spraak zonder opnames te bewaren, en laat camera’s nog even liggen. Reken de opbrengst in uren én in snellere facturatie, en zet iemand op de kwaliteitscontrole.
Wil je weten welke multimodale tools bij jouw processen passen? Plan een tools-scan en we kijken naar je werkprocessen en de tools die erbij horen.