Als je aan AI denkt, denk je waarschijnlijk aan een chatvenster: jij typt een vraag, er komt tekst terug. Maar de huidige generatie AI-modellen kan meer dan lezen en schrijven — ze kunnen ook kijken en luisteren. Stuur een foto van een volgekrabbelde werkbon, een verfrommeld tankbonnetje of een plattegrond, en het model vertelt je wat erop staat, haalt de bedragen eruit of beantwoordt er vragen over. Dat heet multimodale AI, en voor veel bedrijven is het stilletjes de nuttigste AI-ontwikkeling van de afgelopen jaren. In dit artikel leggen we uit wat het is, wat het beter doet dan de tekstherkenning die je misschien al kent, en waar het in de praktijk wel en niet op te vertrouwen is.
Wat betekent 'multimodaal' eigenlijk?
Een modaliteit is simpelweg een soort informatie: tekst is er één, beeld is er één, geluid is er één. De eerste generatie taalmodellen kon alleen met tekst overweg — vandaar de naam. Multimodale modellen verwerken meerdere van die soorten in één en hetzelfde model. Je hoeft dus geen apart programma te hebben dat eerst een foto omzet naar tekst, waarna een tweede programma die tekst interpreteert: het model kijkt zelf naar het beeld en begrijpt tegelijk wat het ziet, in samenhang.
Grote kans dat je het al in huis hebt zonder het te gebruiken. De bekende AI-assistenten — ChatGPT, Claude, Gemini — zijn inmiddels allemaal multimodaal: je kunt er in de gratis of betaalde app gewoon een foto of een PDF in slepen en er vragen over stellen. Er is geen speciale software of dure scanner voor nodig; de telefoon in je broekzak is de invoer.
Waarom dit meer is dan ouderwetse tekstherkenning
Tekst van een afbeelding halen kan al decennia en heet OCR (optical character recognition) — de techniek achter het inscannen van documenten. Op strak gedrukte, nette documenten werkt klassieke OCR prima, met nauwkeurigheden van zo'n 95 tot 99 procent. Maar zodra het document rommelig wordt — handschrift, een scheve foto, een ongebruikelijke indeling — zakt dat volgens vakliteratuur over documentverwerking terug naar grofweg 60 tot 70 procent. En OCR levert alleen losse tekst; wat die tekst betékent, moet je er zelf nog uit vissen.
Multimodale modellen pakken dat anders aan: ze lezen niet letter voor letter, maar begrijpen het document als geheel. Ze zien dat iets een tabel is en houden rijen en kolommen bij elkaar, ook als die over twee pagina's doorlopen. Ze herkennen dat 't.b.v. achterste loods' in de kantlijn bij regel drie hoort. Ze redden zich met een wat wazige foto die schuin uit de hand is genomen, en met handschrift dat een klassieke scanner meteen opgeeft. Het verschil merk je vooral bij documenten uit de echte wereld: niet het perfecte A4'tje uit de printer, maar het bonnetje uit de bus en de werkbon die op de motorkap is ingevuld.
Klassieke tekstherkenning leest letters. Multimodale AI leest documenten — inclusief de tabel, de krabbel in de kantlijn en de context eromheen.
Wat kun je er concreet mee in je bedrijf?
De rode draad: overal waar informatie nu op papier, in foto's of in losse PDF'jes binnenkomt en door iemand moet worden overgetypt, kan multimodale AI dat voorwerk overnemen. Een paar voorbeelden die wij in de praktijk veel tegenkomen:
- Bonnetjes en inkoopfacturen: een foto in plaats van overtypen — de AI haalt leverancier, datum, bedrag en btw eruit en zet het klaar voor de boekhouding.
- Werkbonnen en opleverformulieren: de handgeschreven bon van de monteur wordt 's avonds automatisch een nette regel in het systeem, inclusief uren en gebruikt materiaal.
- Pakbonnen en bestellingen vergelijken: de AI legt de pakbon naast wat er besteld is en meldt alleen de afwijkingen.
- Schade- en inspectiefoto's: foto's van een schade of een oplevering worden voorzien van een beschrijving en gekoppeld aan het juiste dossier.
- Tekeningen en plattegronden: vragen stellen over een bouwtekening of een plattegrond gebruiken als basis voor een eerste calculatie.
En het blijft niet bij beeld. Dezelfde modellen verwerken ook audio: een ingesproken voicememo van een bouwplaats wordt een gestructureerd verslag, en een telefoongesprek kan worden samengevat met actiepunten. Over dat laatste schreven we eerder al uitgebreider in ons artikel over voice-AI en over AI-notulen.
Waar je op moet letten: goed is niet hetzelfde als foutloos
Nu de eerlijke kant. Multimodale modellen kunnen hallucineren: bij een slecht leesbaar document verzinnen ze soms een plausibel ogend bedrag of kenteken in plaats van te zeggen dat ze het niet kunnen lezen. Voor een samenvatting is dat vervelend; voor je boekhouding is het onacceptabel. Daarom bouw je er in serieuze toepassingen controles omheen: validatieregels (kloppen de bedragen opgeteld met het totaal?), een signaal wanneer het model twijfelt, en een mens die de uitzonderingen nakijkt. Leveranciers van documentverwerking melden dat zulke gecombineerde opzetten — AI doet het werk, een mens controleert de twijfelgevallen — in productieomgevingen tot zo'n 99 procent nauwkeurigheid komen. Het model vervangt dus niet je controle; het verplaatst je controle van álles overtypen naar alleen de twijfelgevallen beoordelen.
Let daarnaast op privacy. Foto's van documenten bevatten al snel persoonsgegevens — namen, adressen, soms een handtekening of ID. De AVG geldt daar gewoon voor, dus kies bewust waar die beelden naartoe gaan en wat de aanbieder ermee mag. Hoe je daarover nadenkt, hebben we eerder uitgelegd in ons artikel over waar je bedrijfsgegevens staan als je AI gebruikt.
Laat AI het overtypen doen en mensen het beoordelen. Dan haal je de snelheid binnen zonder de controle weg te geven.
Zo begin je — klein en morgen al
Het mooie van multimodale AI is dat je het vandaag nog kunt uitproberen, zonder project en zonder budget. Pak je telefoon, fotografeer een werkbon of een inkoopfactuur en vraag een AI-assistent om er de kerngegevens uit te halen. Tien minuten spelen zegt meer dan tien artikelen lezen — en je ziet meteen waar het in jouw documenten goed gaat en waar het twijfelt.
Wordt het patroon duidelijk — elke week gaan er uren op aan overtypen, nakijken en overzetten — dan loont het om er een vaste stroom van te maken: foto's die automatisch in je boekhouding, planning of dossiers belanden, met een controlestap op de juiste plek. Zo'n afgebakend eerste traject bouwen wij vanaf zo'n €1.500; je weet vooraf wat het kost en welk knelpunt het oplost.
Benieuwd of dit in jouw bedrijf het knelpunt is waar automatisering het snelst loont? Doe de gratis AI-check — die geeft je in een paar minuten een eerste beeld.
Liever direct sparren over een concrete documentstroom, zoals je bonnetjes of werkbonnen? Bekijk dan onze automatiseringsoplossingen of vraag vrijblijvend een offerte aan.