Chapter: Toon en meertalige tekstgeneratie · 25:15
Toon en meertalige tekstgeneratie: Hoe AI-systemen leren wat ‘vriendelijk’ in het Spaans betekent
Sarah Miguel Cournane, datawetenschapper bij Hello Retail, stelt dat de toon in door AI gegenereerde content complexer is dan zomaar een schuifregelaar. ‘Vriendelijk’ in het Spaans en ‘vriendelijk’ in het Duits spelen in op verschillende culturele registers, verschillende straattaal en verschillende conventies rond formaliteit. Om AI te bouwen die in meerdere talen natuurlijk klinkende productcommunicatie genereert, moet je toon en taal samen als een matrix behandelen, waarbij elke combinatie zijn eigen regels heeft en apart moet worden getest.
De ‘tone-of-voice’-matrix: Taal en register kruisen elkaar
De meeste discussies over meertalige AI-content draaien om de kwaliteit van de vertaling. Sarah bekijkt het eens vanuit een ander perspectief. Toen Hello Retail aan de slag ging met het genereren van productmails in verschillende talen, kwam het team er al snel achter dat toon en taal onlosmakelijk met elkaar verbonden zijn. Je kunt niet zomaar een toon kiezen (vriendelijk, formeel, neutraal) en die dan overal hetzelfde toepassen in het Spaans, Duits, Deens en Zweeds. Wat in de ene taal warm en informeel overkomt, klinkt in een andere taal luchthartig of zelfs onbeleefd.
Sarah noemt een concreet voorbeeld uit haar eigen ervaring: In het Spaans wordt het tweede-persoonsvoornaamwoord dat overeenkomt met ‘Uwe Hoogheid’ meestal niet gebruikt in formele teksten, terwijl andere Europese talen dat register in formele contexten nog wel hanteren. De informele aanspreekvorm in het Deens verschilt van die in het formele Zweeds. De humor en het jargon die je in een vriendelijke Spaanse e-mail kunt gebruiken, hebben geen directe tegenhangers in een vriendelijke Duitse e-mail.
De praktische implicatie is dat de vraag „welke toon moet deze e-mail hebben?“ tweedimensionaal is. Wat betekent „vriendelijk“ in het Spaans? Wat betekent „formeel“ in het Zweeds? Elke combinatie van taal en register is een doel op zich. Sarah beschrijft dit als een matrix, en die invalshoek bepaalt hoe Hello Retail het technische probleem heeft aangepakt.
Consumenten reageren heel sterk op dit verschil. Uit onderzoek van CSA Research blijkt dat 76% van de online shoppers het liefst producten koopt met informatie in hun eigen taal, en die voorkeur gaat verder dan alleen vertaling: Het gaat ook om de toon en of de tekst bij de cultuur past. Een e-mail die technisch gezien in het Spaans is, maar qua toon niet klopt, presteert net zo slecht als een e-mail met grammaticale fouten.
De kwaliteit van je website controleren als je niet elke e-mail kunt lezen
Zodra het raamwerk duidelijk is, wordt de technische uitdaging concreet: Hoe controleer je de kwaliteit op grote schaal? Sarah beschrijft een systeem dat gebruikmaakt van generatieve AI om de e-mailinhoud te genereren, met daar omheen een stevige controlelaag.
Als er duizend e-mails tegelijk binnenkomen, is het onmogelijk om elk bericht in elke taal handmatig te controleren. Sarah is hier heel duidelijk over. Ze spreekt niet alle doeltalen, waardoor het team geautomatiseerde controles moest ontwikkelen die problemen konden opsporen zonder afhankelijk te zijn van menselijke taalvaardigheid in elke taalversie.
Tijdens de ontwikkeling kwamen er verschillende terugkerende problemen naar voren. Herhaling was er één van: Het model gebruikte dezelfde woorden of zinnen steeds weer in een korte e-mail, waardoor de tekst nogal mechanisch overkwam. Aan de vriendelijke kant van het register schoot de toon soms door naar iets dat eerder kinderachtig dan warm aanvoelde. Aan de formele kant greep het model af en toe naar woordgebruik dat bij juridische documenten hoort, wat bijna nooit de juiste stijl is voor een e-mail met productaanbevelingen.
Voor elke storingsmodus moest er een specifieke beperking aan de generatiepijplijn worden toegevoegd. En hier wordt de afweging echt belangrijk.
De afweging tussen beperkingen en creativiteit
Naarmate er meer regels komen voor hoe de taal moet klinken, wordt de generatieve ruimte van het model kleiner. Sarah noemt dit een sneeuwbaleffect. Door beperkingen toe te voegen op het gebied van woordkeuze, zinsbouw en taalregister, wordt het bereik van de uitkomsten die het model kan produceren steeds kleiner. Op een gegeven moment krijgt het model moeite om een bepaalde vriendelijkheid of formaliteit te halen, omdat het tegelijkertijd ook aan een lange lijst met andere eisen moet voldoen.
Dit is een echte spanning binnen de toegepaste taalgeneratie. Sarah verwoordt het heel duidelijk: Hoe meer je het systeem beperkt, hoe minder ruimte het heeft om zich uit te drukken. Het doel is om het punt te vinden waarop kwaliteitscontrole echte problemen opspoort, zonder de output zo sterk te beperken dat de e-mails saai of stereotiep overkomen.
Er is geen eenduidige oplossing – alleen afstemming. Kleine veranderingen stapelen zich op. Een kleine aanpassing aan de woordkeuzeregels verandert de toon. Een beperking op de zinsbouw verandert het ritme. Wat begon als een lijst met simpele richtlijnen, wordt een systeem van onderlinge afhankelijkheden, en het team moet de hele matrix van resultaten beoordelen, niet alleen losse regels.
Waarom het de moeite waard is om in de techniek te investeren om de klank goed te krijgen
Het gaat hier om praktische zaken. E-mail blijft een van de kanalen met de hoogste ROI in de ecommerce, en uit het rapport ‘State of the Connected Customer’ van Salesforce blijkt dat 73% van de klanten verwacht dat bedrijven hun unieke behoeften en verwachtingen begrijpen – een verwachting die niet alleen geldt voor wat een merk aanbeveelt, maar ook voor hoe het via e-mail communiceert.
Voor een platform dat automatische e-mails en nieuwsbrieven verstuurt naar verschillende Europese markten, is de juiste toon vinden een essentiële vereiste. Een aanbevelingsengine kan weliswaar het juiste product voor een bepaalde klant vinden, maar de e-mail moet nog steeds die klik zien te krijgen. Taal die niet past bij de toon ondermijnt al het werk dat eerder door Product Intelligence is gedaan. Uit onderzoek van McKinsey blijkt dat bedrijven die uitblinken in personalisatie 40% meer omzet halen uit die inspanningen dan hun trager groeiende concurrenten, een verschil dat rechtstreeks te maken heeft met de kwaliteit van de uitvoering – en die kwaliteit begint bij e-mails die klinken zoals het hoort.
Sarahs matrixbenadering geeft ingenieurs een duidelijker mentaal model om het verificatieprobleem te structureren. In plaats van te vragen “is deze e-mail vriendelijk?”, is de nuttigere vraag “is deze e-mail voldoende vriendelijk voor een Spaanstalige klant?”. Dat zijn verschillende specificaties, en die leiden tot verschillende kwaliteitscontroles en verschillende faalcriteria.
De bredere les is dat het opschalen van door AI gegenereerde content naar verschillende talen meer vereist dan alleen een goed generatief model. Er is een verificatiearchitectuur nodig die de output toetst aan locatiespecifieke criteria, foutpatronen opspoort die menselijke beoordelaars niet op grote schaal kunnen controleren, en dat doet zonder het model zo strak te beperken dat de kwaliteit op een andere manier achteruitgaat.
Als je wilt horen hoe Sarah uitlegt hoe Product Intelligence en AI samenwerken in de hele personalisatiestack, bekijk dan de volledige aflevering van Conversations met Sarah Miguel Cournane.


