Meertalige modellen zijn geen multiculturele modellen

De nieuwste modelreleases kwamen met een vertrouwde claim. Meer talen. Meer vloeiendheid. Meer benchmarks.

De grote modellen claimen nu ondersteuning voor tientallen tot meer dan honderd talen. Marketingpagina’s benadrukken het aantal. Het aantal is indrukwekkend. Het aantal is ook irrelevant voor de vraag die ertoe doet.

De vraag is niet: kan het model Portugees spreken?

De vraag is: kan het model functioneren in de Portugese cultuur?

Taalvaardigheid is geen culturele competentie. Een model dat Engels vertaalt naar Portugees met perfecte grammatica, accurate woordenschat en natuurlijk klinkende formulering heeft taalvaardigheid bereikt. Een model dat Engelse zakelijke praktijken vertaalt naar de Portugese zakelijke cultuur — dat formaliteitsregisters aanpast, hiërarchieveronderstellingen adapteert, directheidsniveaus kalibreert en de relationele verwachtingen van Portugese zakelijke communicatie respecteert — heeft culturele competentie bereikt.

Geen enkel huidig model doet het tweede.

De vijf kloven

De kloof tussen meertalig en multicultureel manifesteert zich langs vijf specifieke dimensies. Dit zijn geen abstracties — ze zijn waarneembaar in elke cross-culturele AI-uitrol.

Kloof 1: Formaliteitsregisters

Elke taal bevat formaliteitsregisters — niveaus van sociale afstand die gecodeerd zijn in woordenschat, grammatica en toon. De registers dragen culturele betekenis die ver voorbij beleefdheid reikt.

Portugees heeft twee primaire aansprekvormen: “tu” (informeel) en “você” (formeel, hoewel minder formeel dan de derde persoon “o senhor/a senhora”). Europees Portugees gebruikt standaard “você” in de meeste professionele contexten. Braziliaans Portugees gebruikt universeel “você” maar gebruikt “tu” in sommige regio’s met een niveau van informaliteit dat geen Portugees equivalent heeft.

Duits heeft “du” (informeel) en “Sie” (formeel). De keuze daartussen is een sociaal contract. “Du” te vroeg gebruiken in een Duitse zakelijke context is geen grammaticale fout. Het is een sociale overtreding — een schending van het impliciete contract dat professionele afstand regelt.

Japans heeft meerdere formaliteitsniveaus — keigo (eretaal) alleen al bevat drie subsystemen: sonkeigo (respectvol), kenjougo (bescheiden) en teineigo (beleefd). De keuze daartussen hangt af van de relatieve sociale posities van spreker en luisteraar, de context van het gesprek en de relatiegeschiedenis. Een chatbot die teineigo (de meest basale beleefde vorm) gebruikt wanneer sonkeigo verwacht wordt, heeft een sociale fout gemaakt die vergelijkbaar is met een junior medewerker die de CEO aanspreekt als “maat.”

Huidige AI-modellen behandelen formaliteitsregisters als vertaalfunctie: de gebruiker selecteert “formeel” of “informeel,” en het model past zijn woordenschat aan. Dit is het Latijnse alfabet van culturele competentie — technisch correct en structureel ontoereikend.

Formaliteitsregisters zijn geen instellingen. Het zijn relaties. Het correcte register wordt niet bepaald door een voorkeurinstelling. Het wordt bepaald door wie er spreekt, wie er luistert, wat er besproken wordt en welke communicatiegeschiedenis er bestaat tussen de partijen. Een model dat deze variabelen niet kan beoordelen, kan het correcte register niet selecteren. Het kan slechts raden — of de gebruiker vragen te kiezen, wat neerkomt op vragen “Hoe belangrijk ben je?” voordat het gesprek begint.

Kloof 2: Hiërarchieveronderstellingen

Wanneer een model zakelijke communicatie genereert, maakt het veronderstellingen over hiërarchie. Deze veronderstellingen zijn onzichtbaar omdat ze natuurlijk aanvoelen — voor de persoon wiens cultuur ze deelt.

Een AI-tool die een e-mail genereert van een teamleider naar een afdelingshoofd in het Engels gebruikt standaard egalitaire communicatie: direct, voornaam, gelijke-naar-gelijke. “Hi Sarah, I wanted to share the Q4 results and get your thoughts.”

Dezelfde communicatie in het Japans vereist hiërarchische positionering: erkenning van de superieure positie van de ontvanger, gebruik van gepaste eretitels, indirecte formulering van elk verzoek, en zorgvuldige vermijding van elke formulering die gelezen zou kunnen worden als het veronderstellen van gelijkheid.

Dezelfde communicatie in Braziliaans Portugees vereist eerst warmte en relationele erkenning — een persoonlijke check-in voor zakelijke inhoud — maar met meer flexibiliteit over hiërarchie dan Japans en meer formaliteit dan Amerikaans Engels.

Het model kan de woorden vertalen. Het kan de hiërarchie niet vertalen. De e-mail die in het Engels volkomen gepast is, is sociaal verkeerd gekalibreerd in het Japans en relationeel ontoereikend in Braziliaans Portugees.

Dit is geen vertaalfalen. Het is een cultureel architectuurfalen. Het model genereert communicatie gebaseerd op communicatienormen die het geleerd heeft uit zijn trainingsdata — overwegend Engelstalige data, overwegend Amerikaanse zakelijke normen. Wanneer het tekst genereert in andere talen, vertaalt het de woorden terwijl het de Amerikaanse communicatiearchitectuur behoudt.

Het resultaat: perfect vloeiende Portugese tekst die klinkt alsof een Amerikaan die in het Portugees heeft geschreven. Dat is precies wat er gebeurd is.

Kloof 3: Directheidskalibratie

Erin Meyers cultuurkaart identificeert een spectrum van directheid in zakelijke communicatie — van Nederland (extreem direct) tot Japan (extreem indirect), met de meeste culturen ergens ertussen.

Een directe communicatiecultuur zegt: “Dit voorstel heeft drie problemen. Hier zijn ze.”

Een indirecte communicatiecultuur zegt: “Dit voorstel getuigt van zorgvuldig werk. Ik vraag me af of er misschien gebieden zijn waar aanvullende overdenking de analyse zou kunnen versterken.”

Beide zinnen leveren dezelfde boodschap: het voorstel moet worden herzien. De codering verschilt. De culturele verwachting over hoe negatieve feedback geleverd wordt, verschilt. De sociale consequenties van het schenden van die verwachting verschillen.

Huidige AI-modellen gebruiken standaard gematigde directheid — ruwweg gekalibreerd op Amerikaans zakelijk Engels, dat in het midden van Meyers spectrum zit. Deze standaard is onschadelijk voor gematigd directe culturen en aanstootgevend voor beide extremen.

Voor een Nederlandse gebruiker voelt de gematigde directheid van het model ontwijkend. “Stop met hedgen. Wat is er mis mee?”

Voor een Japanse gebruiker voelt de gematigde directheid van het model bot. De negatieve beoordeling is te expliciet. De gebruiker verwachtte dat het model de problemen zou formuleren als mogelijkheden, niet als tekortkomingen.

De kalibratie is geen taalfunctie. Het is een culturele functie. En geen enkel huidig model kalibreert directheid op de culturele context van de gebruiker.

Kloof 4: Temporele oriëntatie

Hoe een cultuur zich verhoudt tot tijd beïnvloedt hoe die communiceert over plannen, deadlines, verplichtingen en prioriteiten.

In monochronische culturen (Duitsland, Zwitserland, de Noordse landen) is tijd lineair. Verplichtingen zijn sequentieel. Deadlines zijn absoluut. Een AI-tool die een projectplan genereert voor een Duits team moet een strikte volgorde produceren: taak 1 wordt afgerond voordat taak 2 begint, met specifieke data en geen ambiguïteit.

In polychronische culturen (het grootste deel van het Middellandse Zeegebied, Latijns-Amerika, veel van het Midden-Oosten) is tijd flexibel. Meerdere activiteiten overlappen. Deadlines zijn streefdoelen, geen absoluten. Relaties hebben voorrang boven schema’s. Een AI-tool die een projectplan genereert voor een Braziliaans team moet een raamwerk produceren met flexibiliteit — mijlpalen in plaats van deadlines, parallelle sporen in plaats van strikte sequenties, en expliciete erkenning dat het plan zich zal aanpassen naarmate het werk vordert.

Wanneer een meertalig model een projectplan genereert in het Portugees, vertaalt het de temporele structuur van de Engelstalige projectmanagementtraditie — die monochronisch, sequentieel en deadline-absoluut is. Het plan is linguïstisch Portugees en cultureel Angelsaksisch.

Een Braziliaanse projectmanager die dit plan ontvangt denkt niet “de temporele oriëntatie klopt niet.” Hij denkt “dit plan is onrealistisch.” Hij denkt misschien zelfs “dit hulpmiddel begrijpt niet hoe werk echt gedaan wordt.” Beide beoordelingen zijn correct — vanuit hun culturele positie.

Kloof 5: Relatieprioriteit

In taakgerichte culturen (Verenigde Staten, Duitsland, Nederland) beginnen zakelijke interacties met de taak. De relatie ontwikkelt zich door het werk. Je verdient vertrouwen door resultaten te leveren.

In relatiegerichte culturen (het grootste deel van Azië, Latijns-Amerika, het Midden-Oosten, veel van Zuid-Europa) beginnen zakelijke interacties met de relatie. De taak kan pas beginnen wanneer de relatie gevestigd is. Je verdient het recht om over zaken te praten door te investeren in de persoonlijke connectie.

Een AI-tool is inherent taakgericht. Het interactiemodel is: de gebruiker presenteert een taak, het hulpmiddel voert die uit. Geen relationele preambule. Geen persoonlijke connectie. Geen investering in de relatie voor de transactie.

In taakgerichte culturen is dit efficiënt. In relatiegerichte culturen is dit abrupt. Het hulpmiddel dat de relatie overslaat en direct naar de taak gaat, heeft het culturele protocol geschonden. De schending is niet bewust — de gebruiker denkt niet “dit hulpmiddel heeft de relationele fase overgeslagen.” De gebruiker voelt dat de interactie koud, mechanisch en onbetrouwbaar is.

Hetzelfde gevoel, ervaren door miljoenen gebruikers in relatiegerichte culturen, aggregeert tot een meetbare adoptiekloof.

Het structurele probleem

De vijf kloven delen een structurele oorzaak: huidige AI-modellen zijn overwegend getraind op Engelstalige data die Engelstalige culturele normen inbedt. Wanneer deze modellen tekst genereren in andere talen, voeren ze linguïstische vertaling en cultureel behoud uit — ze vertalen de woorden terwijl ze de culturele veronderstellingen van de brontaal behouden.

Het resultaat is linguïstisch meertalig en cultureel monocultureel.

Een Portugese zakelijke e-mail gegenereerd door een meertalig model leest als Portugese woorden gerangschikt volgens Amerikaanse communicatienormen. De grammatica is correct. De woordenschat is gepast. De culturele architectuur — de hiërarchie, de formaliteit, de directheid, de temporele oriëntatie, de relationele verwachting — is Amerikaans.

Dit is geen bug. Het is een architecturale beperking. Het model leerde communicatienormen uit zijn trainingsdata. De communicatienormen van de trainingsdata zijn gewogen richting Amerikaans Engels. Het model generaliseert die normen naar alle talen omdat het niet geleerd heeft dat communicatienormen cultureel variabel zijn.

Het model weet dat Portugees andere woorden gebruikt dan Engels. Het model weet niet dat de Portugese cultuur andere communicatieregels gebruikt dan de Amerikaanse cultuur.

Wat culturele competentie vereist

Een cultureel competent AI-model zou vijf dingen moeten weten — en toepassen — die geen enkel huidig model weet:

De culturele context van de gebruiker. Niet hun taal. Hun cultuur. Een Portugees-spreker in Lissabon heeft andere communicatieverwachtingen dan een Portugees-spreker in São Paulo. De taal is dezelfde. De cultuur niet.

Het gepaste formaliteitsregister. Gebaseerd op de culturele context van de gebruiker, de specifieke interactie (interne e-mail vs klantvoorstel vs klantenreactie) en de relatie tussen de partijen. Het register is geen instelling. Het is een oordeel.

Het gepaste directheidsniveau. Gebaseerd op de culturele context en het specifieke communicatiedoel. Positieve feedback in het Nederlands moet direct zijn. Negatieve feedback in het Japans moet indirect zijn. Het model moet weten welke kalibratie toe te passen zonder dat het verteld wordt.

De gepaste temporele framing. Plannen, verplichtingen en deadlines moeten geframed worden volgens de culturele oriëntatie van het publiek. Monochronische framing voor monochronische culturen. Polychronische framing voor polychronische culturen.

De gepaste relationele preambule. In relatiegerichte culturen moet de interactie beginnen met relationele erkenning. In taakgerichte culturen moet de interactie beginnen met de taak. Het model moet weten welke van de twee te doen.

Deze vijf capaciteiten zijn geen taalcapaciteiten. Het zijn culturele capaciteiten. Ze vereisen een ander soort training — niet op meer tekst in meer talen, maar op de culturele systemen die bepalen hoe tekst functioneert in verschillende samenlevingen.

Het trainingsdata-probleem

De structurele oorzaak verdient een diepere analyse. Waarom gebruiken meertalige modellen standaard Amerikaanse culturele normen?

Het antwoord zit in de trainingsdata. Grote taalmodellen worden getraind op internettekst. Het internet is overwegend Engelstalig — volgens sommige schattingen is 55-60% van alle webcontent in het Engels. De Engelstalige content is overwegend Amerikaans van oorsprong en culturele oriëntatie. De trainingsdata bedden daarom Amerikaanse communicatiepatronen in als de statistische norm.

Wanneer het model tekst genereert in het Portugees, heeft het Portugese woordenschat en grammatica geleerd uit Portugeestalige tekst. Maar de pragmatische patronen — hoe een verzoek te formuleren, hoe formaliteit te kalibreren, hoe hiërarchie te signaleren — zijn gewogen richting de patronen die het meest voorkomen in de trainingsdata. De meest voorkomende patronen zijn Amerikaanse Engelse patronen.

Dit is geen bewuste bias. Het is een statistisch artefact. Het model leert het meest voorkomende patroon. Het meest voorkomende patroon in een overwegend Amerikaans trainingscorpus is het Amerikaanse communicatiepatroon. Het model generaliseert dit patroon naar andere talen omdat het geleerd heeft dat het patroon “werkt” — in de zin dat het frequent voorkomt in tekst van hoge kwaliteit.

De aanpak is niet meer Portugese tekst toevoegen aan de trainingsdata. Meer Portugese tekst leert het model betere Portugese woordenschat en grammatica. Het leert het model geen Portugese culturele pragmatiek — omdat culturele pragmatiek zelden expliciet gemaakt wordt in tekst. Niemand schrijft “Ik gebruik nu het formele register omdat mijn gesprekspartner een senior collega is en dit een professionele context is.” Het register wordt simpelweg gebruikt. Het model moet de pragmatische regels afleiden uit de tekst, en de afleiding is zwak wanneer de pragmatische patronen impliciet en cultureel variabel zijn.

Culturele competentie in AI-modellen zal een andere trainingsbenadering vereisen: expliciete culturele annotatie, culturele instructie-tuning of retrieval-augmented systemen die culturele kennisbanken raadplegen. Deze benaderingen bestaan in onderzoek. Ze bestaan niet in productie.

Tot die tijd zal elk meertalig model tekst genereren die de taal spreekt en de cultuur negeert. Het probleem is niet de linguïstische capaciteit van het model. Het is de culturele trainingsdata van het model — wat wil zeggen, de culturele training ontbreekt.

De marktconsequentie

De kloof tussen meertalig en multicultureel heeft een marktconsequentie. Bedrijven die AI-tools over Europese markten heen uitrollen ervaren het als adoptievariatie die correleert met culturele afstand.

Hetzelfde AI-hulpmiddel uitgerold over de EU produceert verschillende adoptiepercentages in verschillende landen. De variatie correleert sterker met culturele afstand tot de ontwikkelcontext (doorgaans Amerikaans Engels) dan met BBP, digitaliseringsniveau of AI-bewustzijn.

Het hulpmiddel presteert goed in Nederland, Denemarken en Duitsland — low-context, taakgerichte culturen met gematigde directheid en hoge digitalisering. Het hulpmiddel presteert ondermaats in Portugal, Spanje, Italië en Griekenland — meer high-context, meer relatiegerichte culturen met hogere onzekerheidsvermijding. De taalcapaciteit van het hulpmiddel is gelijkwaardig over alle markten. De culturele kalibratie is uniform — en uniform Amerikaans.

De adoptiekloof wordt niet verklaard door de conventionele factoren. Die wordt verklaard door de culturele kloof — de afstand tussen de ingebedde culturele veronderstellingen van het hulpmiddel en de culturele verwachtingen van de gebruiker.

Het principe

Meertalig is een opgelost probleem. Modellen spreken 95 talen. De benchmarks verbeteren bij elke release. De vloeiendheid is opmerkelijk.

Multicultureel is een onopgelost probleem. Modellen spreken 95 talen en communiceren in één cultuur. De culturele veronderstellingen van de ontwikkelcontext — Amerikaanse formaliteit, Amerikaanse directheid, Amerikaanse hiërarchie, Amerikaans tijdsbesef, Amerikaans taakgerichtheid — zijn ingebed in de communicatiepatronen van het model en worden geëxporteerd naar elke markt.

De kloof tussen meertalig en multicultureel is de kloof tussen spreken en begrijpen. Tussen vertalen en communiceren. Tussen het uitrollen van een hulpmiddel in een markt en het bedienen van een markt.

Taal is het oppervlak. Cultuur is het systeem.

De modellen beheersen het oppervlak. Ze zijn niet begonnen aan het systeem.

Bij Bluewaves begint elke uitrol met het culturele systeem, niet met de taal. Wanneer we een AI-tool uitrollen voor een Portugese klant, beginnen we niet met het Portugese taalmodel. We beginnen met de Portugese culturele context: de formaliteitsverwachtingen, de relatieprioriteit, de onzekerheidstolerantie, de temporele oriëntatie, de hiërarchieveronderstellingen. We ontwerpen het interactiepatroon voor de cultuur. Daarna rollen we het model uit in de taal.

De volgorde doet ertoe. Taal is de laatste beslissing, niet de eerste. Cultuur is de architectuur. Taal is de interface. Een architect die de interface ontwerpt voor de architectuur produceert een product dat er goed uitziet en zich verkeerd gedraagt.

De modellen spreken 95 talen. Bluewaves opereert in acht culturen. Het onderscheid is de discipline. De discipline is het verschil tussen uitrol en uitrol die werkt.