Wat is NLP? Computers die menselijke taal verwerken: classificeren, samenvatten, vertalen, extraheren. Hoe LLM's dit vak veranderd hebben.
NLP (natural language processing) is het vakgebied waarin computers menselijke taal verwerken: een tekst inlezen, begrijpen wat er in staat en er iets mee doen. Classificeren, samenvatten, extraheren, beantwoorden. Sinds taalmodellen bestaat het vak minder uit regels en meer uit taal: modellen die tekst lezen zoals mensen dat doen.
Taal is voor software van nature een lastige invoer: dezelfde vraag kan op tien manieren gesteld worden, woorden betekenen in context iets anders dan in het woordenboek, en een spelfout hoort de betekenis niet te breken. NLP is het geheel van technieken dat software daarmee laat omgaan. De klassieke taken zijn bekend: bepalen of een bericht klacht of compliment is, de kern van een lang document pakken, namen en bedragen uit tekst vissen, een vraag omzetten in een antwoord.
Het vak heeft een omwenteling meegemaakt. Vroeger werden taalregels en patronen met de hand gebouwd: lijsten woorden, statistieken per taak, en voor elke nieuwe vraag een nieuwe opzet. Grote taalmodellen hebben die opzet verschoven: één model leest tekst en kan veel van die taken aan met een goede instructie, zonder dat er per taak een apart systeem gebouwd wordt. Dat betekent niet dat het oude werk nutteloos was (bij smalle, hoogvolumetaken met vaste categorieën zijn eenvoudige technieken vaak nog prima) maar het startpunt van een traject is anders geworden.
Voor bedrijven is NLP geen abstract vak maar een verzameling taken die al jaren handwerk zijn: de inbox sorteren, dossiers samenvatten, velden uitlezen, reviews doornemen. De praktische vraag is niet of taalverwerking kan, maar welke van die taken genoeg herhaald wordt om te automatiseren, en waar een mens de eindcontrole houdt. Precies die afweging maken we aan het begin van een traject.
De moeite waard is NLP waar tekst het invoermateriaal is en de verwerking herhaalt: mails, tickets, reviews, contracten, notulen, aanvragen. Hoe meer varianten de taal kent (andere formuleringen, spelfouten, meerdere talen) hoe groter het voordeel van een taalmodel boven vaste regels. Ook loont het waar snelheid op de taak zit: een vraag die nu een dag in een inbox ligt, kan binnen enkele minuten voorgesorteerd worden.
Het loont niet waar de taak geen taal is: cijfers, planningen en berekeningen horen bij databases en regels, niet bij een taalmodel. En het is geen antwoord op een vaag vraagstuk. Een taak als 'doe iets met onze klantcommunicatie' levert niets op; 'sorteer binnenkomende mail in vier categorieën met vooraf afgesproken regels' levert wel iets op. De versmalling is het werk, en die gebeurt in de discovery, niet in het model.
Wij zetten taalmodellen in op concrete taken binnen een werkstroom: classificeren, samenvatten, extraheren, antwoorden met de bron erbij. Nooit als los speeltje. Wat het model doet en wat de mens houdt, staat per stap vast, met regels die de uitvoer toetsen voordat die verder reist. Waar een taak compleet te automatiseren valt, beschrijven we dat op de oplossingspagina's; elk traject wordt gescopet en afgerekend op het gemaakte werk.
NLP is het vakgebied, het LLM is een van de gereedschappen erin. Natuurlijke taalverwerking omvat alle technieken waarmee software taal verwerkt. Van oude woordenlijsten tot moderne modellen. Een groot taalmodel is een recente generatie van die technieken: één model dat tekst leest en produceert en daarmee veel taken aankan. Als je een taaltaak automatiseert, doe je aan NLP; vaak is het LLM het middel, maar bij smalle, vaste taken kan een eenvoudiger techniek prima volstaan.
Taken waarbij tekst in gaat en een besluit of structuur uit komt: mail sorteren op type en urgentie, supportvragen voorsorteren, reviews doornemen op toon en terugkerende punten, contracten en dossiers samenvatten, velden uit documenten halen, gespreksnotities opschrijven als taken. Herken de tegenhanger ook: berekeningen, planningen en voorraadoptellingen zijn geen taaltaken en horen bij regels en databases. Zit de invoer in woorden, dan is het een NLP-kandidaat.
Moderne taalmodellen zijn meertalig en werken ook in het Nederlands goed, inclusief Belgisch Nederlands en informele formuleringen. De kanttekening zit niet in de taal maar in de opzet: instructies en controlelijsten moeten in dezelfde taal getest worden waar ze later in draaien, want een taak die in Engels scherp is, kan in het Nederlands net andere randen hebben. Daarom toetsen we elke taak in de taal van het echte werk, niet in een vertaalde proefopzet.
Omvang is geen vereiste; herhaling is dat. Ook een klein team heeft vaak één taak die wekelijks uren vreet (de mail, de aanvragen, de notulen) en precies één taak automatiseren is een goed begin, niet een halve inzet. Wat een kleine organisatie juist makkelijker heeft: één beslisser, korte lijnen, en een proces dat nog leesbaar is. Begin smal, meet wat het oplevert, en bouw pas uit als het bewijs er is. Dat geldt voor elke omvang.
EIGHTY8