Van dicteren naar AI-agent

Het grootste deel van de jaren 2010 betekende spraaksoftware één ding: dicteren. Jij sprak, de computer typte. Meer niet. De gouden standaard was Dragon NaturallySpeaking, een product dat de markt ruim twee decennia domineerde. Artsen, advocaten en schrijvers gebruikten het om RSI te voorkomen en sneller te typen dan hun vingers konden bijbenen.

De technologie was indrukwekkend voor die tijd, maar sterk beperkt. De nauwkeurigheid lag onder ideale omstandigheden rond de 85–90 %, en kelderde bij achtergrondgeluid, accenten of vaktaal. Je moest de software „trainen” door 30–60 minuten lang passages voor te lezen voordat hij je überhaupt begreep.

De software was ook duur. Dragon Professional kostte 300–500 $ per licentie en de medische editie meer dan 1.000 $. Het werkte alleen op Windows, vroeg veel CPU en vereiste constante updates om de nauwkeurigheid te behouden.

Alles veranderde in september 2022 toen OpenAI Whisper uitbracht, een open-source spraakherkenningsmodel getraind op 680.000 uur meertalige audio. Van de ene op de andere dag sprong de nauwkeurigheid van 85–90 % naar 95–98 %. En het was gratis.

Whisper had geen stemtraining nodig. Het werkte standaard in meer dan 90 talen. Het ging veel beter om met accenten, achtergrondgeluid en vaktermen dan alles ervoor. Het model kon lokaal draaien op consumenten-hardware, waardoor dure cloud-API’s overbodig werden.

Cloud-transcriptiediensten als Otter.ai, Rev en Descript verbeterden ook dramatisch, aangedreven door vergelijkbare transformer-modellen. Vergadertranscripties werden mainstream. De prijs van accurate transcriptie zakte van honderden dollars per licentie naar centen per minuut.

Maar fundamenteel was het paradigma niet veranderd. Spraaksoftware bleef een toetsenbordvervanger. Jij sprak woorden, de computer schreef ze op. Sneller en nauwkeuriger, maar nog steeds puur transcriptie. De computer begreep niet wat je zei of wat je wilde bereiken.

De echte revolutie begon toen spraak-interfaces de grote taalmodellen ontmoetten. In plaats van alleen op te schrijven wat je zegt, begrijpt de AI nu wat je bedoelt en onderneemt actie. Dat is de verschuiving van dicteren naar AI-agent.

Moderne spraak-AI-agents zoals Whisper by Remskill combineren spraakherkenning met intelligentie op GPT-niveau. Je dicteert niet alleen tekst — je geeft opdrachten. „Onderzoek de laatste trends in hernieuwbare energie en schrijf een samenvattende alinea.” De AI zoekt op het web, leest bronnen en schrijft de alinea voor je. Allemaal met je stem, zonder je app te verlaten.

Aangepaste commando’s gaan nog verder. Je kunt stem-gestuurde workflows maken: „Corrigeer de grammatica van deze e-mail” of „Vertaal dit naar het Spaans” of „Leg deze code uit.” Elk commando voert een specifieke AI-operatie uit op de geselecteerde tekst of context. Alsof je een persoonlijke assistent hebt die alles kan — geactiveerd met één sneltoets.

De fundamentele verschuiving is deze: spraaksoftware gaat niet meer om sneller typen. Het gaat om dingen doen die je eerder niet kon doen.

In het dicteertijdperk was de waardepropositie snelheid. Spreken is 3–4 keer sneller dan typen. Handig, maar beperkt. Je moest nog steeds zelf bedenken wat je wilde schrijven, het zelf structureren en handmatig informatie opzoeken.

In het AI-agent-tijdperk is de waardepropositie capaciteit. Je kunt een onderwerp onderzoeken, een eerste versie schrijven, die vertalen, feiten controleren en klaarmaken voor publicatie — allemaal met je stem, zonder van app te wisselen, in een fractie van de tijd.

Dit is geen stapsgewijze verbetering. Dit is een categoriewijziging. De oude vraag was „hoe snel kan ik met mijn stem typen?”. De nieuwe vraag is „wat kan ik met mijn stem bereiken?”. En het antwoord is steeds vaker: bijna alles.

Het AI-agent-tijdperk is net begonnen. Dit is wat eraan komt in de komende 1–2 jaar, gebaseerd op huidig onderzoek en product-roadmaps.