Tavus Griffin roept twee reacties tegelijk bij me op: dit is indrukwekkend, en ik weet nog niet helemaal wat ik van die toekomst vind. Een videogesprek met een AI die kan luisteren, reageren en het gesprek kan volgen, zou heel nuttig kunnen zijn. Tegelijk wordt het een stuk lastiger om te weten wie er eigenlijk aan de andere kant zit.
Het zijn de kleine dingen die me hier interesseren. De timing van een glimlach, ruimte maken voor een onderbreking, reageren terwijl iemand nog praat. Een vrij gewoon antwoord kan anders aanvoelen als dat allemaal op elkaar aansluit.
Dit is de lanceringsvideo van Tavus. Let op wat er rond de woorden gebeurt, ook terwijl de ander aan het woord is.
Video: Tavus. Dit is hun demonstratie; ik heb Griffin zelf niet getest. Je kunt de video ook op YouTube bekijken.
Het blijft luisteren terwijl het praat
Tavus introduceerde Griffin op 1 oktober. Griffin-Lite is de research preview. Het bedrijf beschrijft een systeem dat voortdurend audio en video verwerkt en tijdens het genereren van spraak en video met tussenpozen van minder dan een seconde beslissingen over het gesprek neemt.
Gewoon gezegd: het systeem kan blijven opletten terwijl het antwoordt. Een pauze, onderbreking of gezichtsuitdrukking kan invloed hebben op wat het daarna doet. De architectuur van Tavus combineert een gespreksmotor met het streamend genereren van spraak en video.
Denk aan een probleem dat je aan iemand uitlegt. Die heeft misschien even tijd nodig om te antwoorden, maar een knikje of een blik op wat je laat zien, vertelt je dat diegene je nog volgt. Dezelfde vertraging met een bevroren gezicht voelt alsof de verbinding is weggevallen.
Daarom doet wat er tijdens het wachten gebeurt ertoe. Een transcript mist veel van wat een gesprek prettig maakt, of juist vreemd.
Zou je dit voor een mens kunnen houden?
Volgens Tavus dachten 26 van de 54 mensen, ofwel 48%, na een gesprek van één minuut dat hun gesprekspartner een mens was. Deelnemers verwachtten een andere deelnemer; pas aan het einde van de vragenlijst werd hun gevraagd of het mogelijk om een AI ging.
Dat is een opvallend resultaat, maar de betekenis ervan is vrij specifiek. Een kleine studie van de leverancier zelf, met korte gesprekken, bewijst niet dat het systeem niet van een mens te onderscheiden is. Ze vertelt ons niet wat er gebeurt tijdens een langer gesprek, of als iemand actief probeert vast te stellen of de gesprekspartner AI is.
De VideoFDB-ranglijst van NVIDIA en David AI biedt nog een vergelijkingspunt. Op 3 oktober stond Griffin-Lite bovenaan bij de geëvalueerde AI-systemen, zowel voor audiovisuele generatie als voor waarneming. De menselijke referentie bleef in beide categorieën voorlopen op de totaalscores en de timing. Dit zijn scores van een AI-beoordelaar met een vaste beoordelingsrubriek, dus ook die hebben hun beperkingen.
Bij de lancering was Griffin-Lite alleen beschikbaar voor geselecteerde, vertrouwde testers. Er is nog een verschil tussen een indrukwekkende demonstratie en iets dat mensen in het dagelijks gebruik kunnen beoordelen.
IT-support is een toepassing die ik zo voor me zie
Een IT-supportagent die kan volgen wat je laat zien, je vraagt om de camera te verplaatsen en merkt dat je naar een andere kabel wijst, zou nuttig kunnen zijn. Net als een agent die stopt met het uitleggen van het verkeerde scherm zodra je onderbreekt.
Dat zou een deel van het moeizame heen-en-weer schelen wanneer je een probleem probeert te beschrijven zonder te weten hoe het onderdeel heet. Dezelfde soort interactie zou kunnen helpen bij training op de werkvloer, of bij het oefenen van een lastig gesprek.
Dat zijn mogelijkheden, geen resultaten die de demo aantoont. Het advies moet nog steeds kloppen. Een vriendelijk gezicht dat vol overtuiging de verkeerde oplossing voorstelt, zou slechte support alleen maar overtuigender maken.
En voor veel taken heb je alleen een kort antwoord of een knop nodig. Ik hoef niet per se een fotorealistisch persoon die een link voor het opnieuw instellen van mijn wachtwoord voorleest. De interessante toepassingen zijn die waarbij zien, luisteren en reageren het gesprek echt makkelijker maken.
En dan is er nog de wereld eromheen
Als dit soort gesprekken gewoon wordt, zegt een natuurlijk videogesprek ons minder over de vraag of er echt iemand aanwezig is. Makkelijk met software kunnen praten is nuttig; niet zeker weten met wie je praat is een andere ervaring.
Voor alledaagse support kan een AI die duidelijk als AI wordt voorgesteld prima zijn. Bij een persoonlijk gesprek, of een vergadering waarbij iemands aanwezigheid ertoe doet, is het ook van belang te weten wie er daadwerkelijk is. Dat zou ik vóór het gesprek willen weten, in plaats van tijdens het gesprek detective te moeten spelen.
En natuurlijk is er de ietwat belachelijke versie van deze toekomst: de AI van een bedrijf voert een sollicitatiegesprek met de AI van een kandidaat. Ze hebben een uitstekende klik. De kandidaat wordt alsnog afgewezen omdat de menselijke klik ontbreekt.
Twee systemen bespreken het belang van echt menselijk contact, terwijl beide mensen ergens anders zijn. Het klinkt als een grap. Het zou me ook totaal niet verbazen als iemand het als productidee presenteert.
Dat is speculatie, maar het raakt aan iets waar ik voor mezelf nog niet uit ben. Sommige gesprekken zouden makkelijker zijn als software ze kon afhandelen. Andere zouden vrij zinloos aanvoelen als iedereen een vervanger stuurde.
Ik zie meteen nuttige toepassingen en ben benieuwd wat mensen ermee gaan doen. Hoe ik me zal voelen als gewone software zomaar een overtuigende gesprekspartner op video kan neerzetten, weet ik minder goed. Voorlopig vind ik beide reacties logisch.
Bronnen: de Griffin-onderzoekspagina van Tavus, de lanceringsvideo hierboven en VideoFDB van NVIDIA / David AI. Stand van het onderzoek op 3 oktober 2026. De studie van Tavus is door de leverancier zelf gerapporteerd. De mogelijke toepassingen en toekomstscenario's zijn mijn eigen interpretatie.