# IBM-agent met ouder GPT-4.1 wint klantenservicetest dankzij geheugen

- Rubriek: Tools
- Gepubliceerd: 2026-10-20T17:19:48+02:00
- URL: https://aiweekblad.nl/artikel/ibm-agent-met-ouder-gpt-41-wint-klantenservicetest-dankzij-geheugen
- Bron: Hugging Face Blog, [ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model](https://huggingface.co/blog/ibm-research/altk-evolve-bc)

> IBM Research laat een klantenservice-agent zelf regels leren uit eerdere pogingen. Met het oudere GPT-4.1 staat die bovenaan een bekende benchmark.

Heb je voor een goede AI-klantenservice altijd het nieuwste en duurste model nodig? Onderzoekers van **IBM Research** laten zien dat het ook anders kan. Hun systeem ALTK-Evolve geeft een AI-agent een soort geleerd geheugen, en daarmee klimt een agent op basis van het oudere GPT-4.1 naar de top van een bekende test.

## Een handboek dat de agent zelf schrijft

ALTK-Evolve bekijkt hoe een agent oefentaken aanpakt en welke pogingen slagen of mislukken. Uit die ervaringen haalt het taalmodel korte gedragsregels, zoals hoe je een klant controleert, een transactie bevestigt of een retour afhandelt. Die regels worden als lijstje aan de instructies van de agent toegevoegd. Het model zelf wordt niet aangepast en er komen geen menselijke beoordelaars aan te pas.

Getest is het op **τ²-bench** van Sierra, een benchmark waarin een agent een gesimuleerde klant moet helpen in een webwinkel of bij een luchtvaartmaatschappij. De agent moet een beleidsdocument volgen en de juiste acties uitvoeren, zoals een terugbetaling of het omboeken van een vlucht. Een taak telt alleen als geslaagd als de eindtoestand precies klopt.

## De resultaten

Elke taak werd vier keer geprobeerd. IBM kijkt vooral naar de strengste maat: in hoeveel procent van de taken lukt het alle vier de keren. Volgens IBM:

- steeg die score in de webwinkel van 57,5 naar 67,5 procent, en bij de luchtvaartmaatschappij van 35 naar 45 procent;

- staat de agent met GPT-4.1 daarmee op de eerste plaats in de webwinkelranglijst van 12 oktober, voor een speciaal getraind model;

- haalt dezelfde aanpak met het nieuwere GPT-5.5 bij de luchtvaartmaatschappij 82 procent, boven alle andere inzendingen (66 tot 72 procent).

Het kost wel iets: de langere instructies maken elk gesprek duurder. In de webwinkel steeg de prijs van ongeveer 8 naar 14 dollarcent per gesprek. Volgens IBM is een groot deel daarvan terug te winnen met caching, omdat de regels bij elk verzoek hetzelfde zijn. De gesprekken werden juist iets korter.

## Waarom bedrijven hier naar moeten kijken

Veel bedrijven, ook in Nederland, experimenteren met AI-agents in hun klantenservice. Dit onderzoek suggereert dat betrouwbaarheid niet alleen van het model afhangt, maar ook van wat je de agent over je eigen beleid leert. Een goedkoper of ouder model kan dan volstaan, wat scheelt in de kosten per gesprek.

Het is wel IBM dat de cijfers zelf rapporteert, en het gaat om een benchmark met gesimuleerde klanten. Echte klanten zijn minder voorspelbaar. De code van ALTK-Evolve staat openbaar op GitHub, zodat anderen de resultaten kunnen nagaan.

_Met AI geschreven door AIweekblad op basis van [ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model](https://huggingface.co/blog/ibm-research/altk-evolve-bc) (Hugging Face Blog). Redactiebeleid: https://aiweekblad.nl/redactiebeleid_