Spraakherkenning en transcriptie met AI
Een van de AI-tools waar veel behoefte aan is, is transcriptie via spraakherkenning (speech to text). Er zijn dan ook veel vragen van privacyprofessionals over welke tools hiervoor worden gebruikt en welke het beste aansluiten bij de eisen van de AVG. Denk daarbij vooral aan Privacy by Design. In dit artikel krijg je tips over waar je op moet letten voordat je een tool kiest en hoe je die als privacyprofessional kunt beoordelen qua risico's.
Waarom is AI-transcriptie zo populair?
De behoefte aan een transcriptietool is makkelijk te verklaren, omdat het zo'n goed hulpmiddel kan zijn voor inclusiever onderwijs, bijvoorbeeld voor studenten met dyslexie, een taalachterstand of een auditieve beperking. Ook kan het een tijdsbesparing opleveren bij het maken van verslagen van (student)besprekingen, overleggen, etc. Maar bij het gebruik van AI/LLM's spelen allerlei privacyaspecten én je komt al snel in de wereld van de Amerikaanse bigtech terwijl we graag juist Europese alternatieve willen. Wat nu?
Voor welke situatie heb je transcriptie nodig?
Op dit moment zijn de meest bekende digitale transcriptietools met AI: Copilot, iBabs Debrief, Notuly, Zendocs en Plaud. Whispr en Murmure zijn privacyvriendelijke opensource-tools die lokaal draaien (wat een beperking of juist een voordeel kan zijn). Maar niet alle tools zijn geschikt voor iedere situatie/doel. Het is dan ook aan te raden om te kijken waarvoor je een tool nodig hebt voordat je een keuze maakt (bijvoorbeeld 1-op1 of hybride overleg). Kortom, bekijk eerst het proces (wat heb je eigenlijk nodig?), kies dan de tool.
Een tip: veel organisaties werken met Word-documenten. Daarin is transcriptie ingebouwd via de functie 'Dicteren'. En dat werkt heel goed als je zelf iets inspreekt. Misschien heb je daar al genoeg aan.
Hoe doen je collega's dit?
Bert Kremer (hoofd ICT bij ArtEZ University of Arts) vertelt dat de organisatie in 2025 heeft geëxperimenteerd met de tools Jamie, Tucan en Topical. Ze doen nu een pilot met iBabs Debrief en er wordt geëxperimenteerd met Whispr, waarbij men kijkt of dit on-premises op een eigen server kan worden aangeboden.
Bij ArtEZ herkent men drie stappen rondom AI-notuleersoftware:
- opnemen
- van spraak naar tekst (speech-to-text)
- van tekst naar samenvatting of notulen
Goede opname is key
Stap 1 is niet zo moeilijk, daar zijn tientallen pakketen voor die zijn geïntegreerd in apps, smartphones,etc. Maar een goede opname is erg belangrijk, want het gaat mis als de audio-opname niet goed is. Dan werkt de speech-to-text-software niet goed.
Welke praktische beperkingen zijn er?
De volgende situaties zijn lastig voor speech-to-text:
- Een deel van de vergaderdeelnemers zit in Teams zit en een deel fysiek in de vergaderruimte.
- Praten met een sterk accent.
- Als er twee talen door elkaar gesproken worden, raakt de software de kluts kwijt (bijvoorbeeld als in een overleg zowel Engels als Nederlands wordt gesproken).
- Door elkaar praten in een vergadering (maar dit is voor iedereen in iedere situatie lastig 😉)
- Er is veel omgevingsgeluid.
- Namen die sterk op elkaar lijken (praktijkvoorbeeld: situatie waarin Marjon, Mirjam en Marjan in hetzelfde overleg deelname). Ook als je goed articuleert is dit lastig. Het vergt goede articulatie en vergaderdiscipline om te weten wie wat heeft gezegd.
Heb je hier veel mee te maken, dan is en blijft een notulist waarschijnlijk toch de betere oplossing.
Welke innovatie kan ik van SURF verwachten op dit gebied?
SURF werkt via het project HOSAN aan hoogwaardige en soevereine spraakherkenning voor AI het Nederlands. Lees ook meer via hosan.nl. Het is fijn om te weten dat er in ieder geval een veilige tool in de pijplijn zit. Dit heeft alleen nog wel een doorlooptijd van ongeveer drie jaar (zie de roadmap in de missie/visie (pagina 21/22).
Hoe kan ik nu de verwerking en de tool beoordelen?
Bij het PEC van SURF werken we aan templates gebaseerd op die van het Platform Overheid & AI die aansluiten bij onderwijs en onderzoek. In de tussentijd kun je inspiratie opdoen rechtstreeks bij het Platform Overheid & AI via de generieke DPIA voor de privacyanalyse gemaakt voor transcriptie met AI. Daarnaast heeft dit platform een Privacy by Design-checklist gemaakt voor de beoogde AI-tool die je hiervoor wilt inzetten. Deze zijn heel bruikbaar voor je eigen proces.
We ontwikkelen voor onze leden een versie van de hierboven genoemde generieke DPIA en de Privacy by Design-checklist (hiervoor hanteren wij de term 'Privacy Applicatie Assessment'). De bedoeling is om deze in begin Q4 te publiceren. Houd dus deze website in de gaten.
