NLP en tekstanalyse

NLP staat hier voor natural language processing: technieken waarmee een computer taal verwerkt. Het gaat dus niet om neurolinguïstisch programmeren uit de coaching. Text mining en tekstanalyse zijn toepassingen ervan: uit veel tekst halen waar het over gaat, hoe mensen iets ervaren en welke namen of begrippen erin staan.

NLP valt bij ons onder data science, een van onze AI-toepassingen.

Een computer rekent met getallen, dus eerst wordt de tekst omgezet. Embeddings vertalen een woord of zin naar een reeks getallen waarin de betekenis zit, zodat ‘dier’ en ‘beest’ dicht bij elkaar liggen. Daarop train je een classificatiemodel met voorbeelden per onderwerp, of je laat een topicmodel zoals BERTopic zelf groepen vinden.

Voor WUA combineerden we NLP, embeddings en machine learning in een topic-classificatiemodel. Hoe embeddings werken, lees je in ons blog De kracht van embeddings.

Bij voorkeur waar jullie data al staat. In Databricks kan het met AI Functions in SQL, zoals ai_classify om in te delen, ai_analyze_sentiment voor sentiment en ai_mask om gegevens af te schermen. Azure Language van Microsoft biedt onder meer PII-detectie en named entity recognition, het herkennen van namen en begrippen.

Eigen modellen bouwen we in Python, bijvoorbeeld op het Nederlandse taalmodel RobBERT. Als Databricks- en Microsoft-partner kiezen we wat past bij jullie platform en beheer.

Door het te meten op teksten die mensen al hebben ingedeeld en die het model nooit zag. Per onderwerp kijk je naar precisie: hoe vaak klopt het als het model dat onderwerp kiest? En naar recall: hoeveel van de teksten over dat onderwerp vindt het terug?

Laat ook twee collega's dezelfde set indelen. Waar zij het oneens zijn, is de indeling nog niet scherp genoeg voor een model. Een onderwerp met weinig voorbeelden beoordeel je apart, want een gemiddelde over alle onderwerpen verbergt het.

Open tekst kan meer bevatten dan je vroeg: een naam, een klantnummer of iets over iemands gezondheid. Volgens de Autoriteit Persoonsgegevens zijn ook klant- en personeelsnummers persoonsgegevens, en is het verwerken van gezondheidsgegevens verboden, tenzij er een wettelijke uitzondering geldt.

We herkennen en maskeren zulke gegevens voordat de tekst het model in gaat, en leggen vast waar de verwerking plaatsvindt. Of de verwerking mag, beoordeelt jullie privacy officer of functionaris gegevensbescherming.

Dat hangt af van waarover de uitkomst meebeslist. De Europese Commissie noemt software die cv's sorteert bij werving als voorbeeld van een hoog-risicotoepassing. Voor die toepassingen gelden de strengere regels na de AI-omnibus vanaf 2 december 2027. Klachten indelen voor een rapportage is iets anders dan sollicitanten selecteren.

Een tekstmodel kan ook vooroordelen uit zijn trainingsdata overnemen, zoals we beschrijven in ons blog over gender data bias. De juridische duiding is aan jullie jurist of compliance-afdeling. Wij helpen met inventariseren, de risico-indeling voorbereiden en AI-governance.

Tekstanalyse kijkt naar veel teksten tegelijk: welke onderwerpen terugkomen en hoe het sentiment verschuift. Gaat het om velden uit één document, zoals een factuurbedrag, dan past documentverwerking met AI.

Wil je dat medewerkers vragen stellen over interne documenten, dan valt dat onder generative AI, zoals Anthony Chat voor Fokker Services Group. Moet AI zelf stappen in een proces uitvoeren, lees dan over agentic AI.

Als er weinig tekst is, of als een keuzelijst het probleem oplost: laat mensen zelf een categorie kiezen en houd het open veld voor de toelichting. Ook als niemand iets met de uitkomst doet, levert een model niets op.

Soms is een dashboard op de bestaande keuzevelden genoeg. Weet je niet goed waar het knelt, in de data, de processen of de organisatie, begin dan met een volwassenheidsscan.