Machines vertalen woorden, tolken leveren betekenis
Ik vroeg niet door
Het was het einde van een tweedaagse conferentie die goed was verlopen. De collega’s waren scherp, de cabines werkten en we hadden hard gewerkt. Toen kwam een technicus langs en vertelde doodleuk dat het bedrijf had geïnvesteerd in maar liefst zeshonderd AI-
kastjes.
Ik begrijp heel goed dat organisaties moeten investeren in nieuwe mogelijkheden. Concurrentie, kosten en de druk om mee te gaan met de technologie maken zo’n beweging volledig verklaarbaar. Niemand kan een bedrijf verwijten dat het kijkt naar wat er kan.
Normaal ben ik nieuwsgierig aangelegd. Deze keer niet. Ik knikte, rondde de dag af met collega’s en ging trots naar huis.
Pas later drong het tot me door dat ik de vraag had moeten stellen. Wat doen die kastjes precies? Vervangen ze tolken, ondersteunen ze tolken, of zijn ze er vooral om te laten zien dat er is geïnvesteerd? En wat betekent dat voor de mensen die straks in die cabine zitten?
Dit stuk is mijn poging die vraag alsnog te beantwoorden.
Woorden zijn niet hetzelfde als betekenis
Het debat over machinetolking wordt vaak gevoerd met één getal: de score op een benchmark. Maar een tolkopdracht gaat niet om het aantal goed vertaalde woorden. Het gaat om wat de spreker bedoelt.
Een onderzoek uit 2026 zette ervaren tolken naast twee machinesystemen in een nagebootste live conferentie, een Pools-Engelse opzet waarin de auteurs de vraag stellen of machinetolking al in de buurt komt van menselijke kwaliteit. Ze stellen vast dat claims uit de industrie daarover nog niet zijn onderbouwd met ecologisch valide bewijs.
Het WHO-kwaliteitsonderzoek naar machinetolking komt tot een harde conclusie: “AI interpretation is clearly not yet ready for use in formal multilingual settings”. In het Nederlands: machinetolking is nog niet klaar voor formele meertalige vergaderingen.
Waar machines nu struikelen
Volgens hetzelfde WHO-onderzoek, dat ook terugkomt in het Nimdzi-rapport over tolken uit 2025, gaat het vaak mis bij getallen, zeker als er veel nullen in voorkomen. Ook eigennamen, landen en steden worden regelmatig verminkt. Dat zijn namen waar soms jaren aan oorlog aan vooraf zijn gegaan. Namen betekenen én verdienen veel. Die geleverde strijd verdient menswaardig begrip. Daarnaast loopt de machine meer dan dertig seconden achter, waardoor er stukken wegvallen.
Wat er in de cabine gebeurt
Buiten de cabine lijkt tolken eenvoudig: luisteren en herhalen. Binnen moet een tolk luisteren, begrijpen en overbrengen tegelijk, en dat onder grote tijdsdruk. Juist dat maakt het werk zo veeleisend. Wie in de zaal zit, hoort de tolk vaak “gewoon goed” en ziet niet hoeveel er tegelijk gebeurt.
Onzichtbaar vakmanschap
Tolken blijven vaak onzichtbaar. Als het werk slaagt, is er geen wrijving en valt niets op. Daar zit het probleem. Juist omdat het zo soepel gaat, denkt iedereen dat een dergelijk kastje hetzelfde kan.
Wat blijft er over?
Het antwoord is niet dat machines nooit beter worden. Het antwoord is dat de tolk meer doet dan woorden overnemen. Een recent paper van Fantinuoli (2026) stelt dat gebruikers consistent melden dat machinetolking live nog ver achterblijft bij professioneel tolkwerk, zelfs als systemen op standaardbenchmarks goed scoren. De auteur pleit ervoor om machinetolking anders te ontwerpen, met meer oog voor de functie die een tolk in een echte vergadering vervult.
Ook de InterpretingEurope-conferentie in Brussel op 26 en 27 november laat zien dat de vraag verschuift. Het thema is “Human voices, smart technologies: Rethinking multilingual communication”.
Benieuwd naar de gebruikte bronnen voor deze blog? Neem contact op.