De weerbarstige weg van AI in klantcontact
In dit artikel:
De introductie van generatieve AI in klantcontact verloopt veel langzamer en minder dramatisch dan de mediahype suggereert. Bedrijven beginnen vrijwel altijd met interne toepassingen — denk aan agent assist, automatische samenvattingen van gesprekken en geautomatiseerde kwaliteitscontroles — voordat ze AI rechtstreeks klantgericht inzetten. Klantgerichte conversational AI, voicebots en de meer autonome “agentic AI” blijven voorlopig vooral het domein van vroege koplopers.
De meeste contactcenters gebruiken nog steeds regels-gebaseerde chatbots (chatbot 1.0). Die werken met vooraf gedefinieerde keuzemenu’s en keyword-matching en fungeren feitelijk als interactieve FAQ’s. Ze worden ingezet om calls te verminderen (call deflection) en klanten zelfredzaam te maken, maar blijken vaak frustrerend voor gebruikers die niet opgelost raken en vervolgens met een complexer vraagstuk bij een medewerker belanden.
Waarom schakelen organisaties niet massaal over op GenAI-chatbots (chatbot 2.0)? Drie belangrijke redenen:
- Kennisbasis: generatieve AI heeft schone, expliciete en eenduidige data nodig. Veel interne kennisbanken bevatten impliciete, ongestructureerde of tegenstrijdige informatie die een AI tot foute antwoorden kan leiden.
- Integraties: bestaande chatbots zijn soms gekoppeld aan backend-systemen; vervanging of migratie brengt technische risico’s en kosten met zich mee.
- Risico op extra werk: een slimmere chatbot moet minstens even goed call deflection realiseren — anders kan hij juist meer calls veroorzaken.
Daarom zetten organisaties GenAI eerst intern in. Agent assist ondersteunt medewerkers tijdens gesprekken met voorgestelde antwoorden, relevante kennisartikelen of compliance-waarschuwingen; samenvattingen en automatische e-mailgeneratie verlagen administratieve lasten; Automated Quality Monitoring helpt supervisors sneller issues te vinden. Realtime agent assist (tips en feedback tijdens het gesprek) is de logische vervolgstap voordat een bot rechtstreeks met klanten gaat praten.
Pas als tekstgebaseerde conversational AI betrouwbaar presteert, is de stap naar voicebots realistisch. Spraakherkenning is sterk verbeterd, maar uitdagingen blijven: klanten die doorpraten, onderwerpwisselingen, vakjargon, latentie en achtergrondruis maken het moeilijk om gesprekken vloeiend en correct te verwerken. Daarom zie je voicebots nu vooral als spraakgestuurd hulpje dat intenties bepaalt en gesprekken doorverwijst. Realtime spraakvertaling is een veelbelovende toepassing maar vereist robuuste verstaanbaarheid en contextbegrip voordat deze breed inzetbaar is.
De verre toekomst in het artikel heet agentic AI: agents die zelfstandig taken uitvoeren en in ecosystemen samenwerken (agentic orchestration). Succes lijkt daarbij vooral weggelegd voor gespecialiseerde bots, ontwikkeld voor duidelijke domeinen en taken; voor veel procesautomatisering blijft klassieke, deterministische automatisering een veiliger keuze.
Gevolgen voor werk en CX:
- Banen veranderen geleidelijk; eenvoudige taken kunnen verdwijnen of verplaatsen (selfservice, offshoring), maar grootschalige ontslagen zijn niet direct te verwachten.
- Medewerkers krijgen mogelijk meer ruimte voor complexe gesprekken, maar het aantal complexe gevallen groeit niet per se; gemiddelde gespreksduur kan stijgen en starters krijgen minder oefenmateriaal.
- Early adopters (bijvoorbeeld grote corporates en spelers als VodafoneZiggo en TUI die experimenteren) zetten voorbeelden neer, maar hun ervaringen zijn niet automatisch reproduceerbaar voor alle organisaties.
Kort advies voor organisaties: investeer eerst in de kwaliteit en structuur van de eigen kennisbronnen, houd mensen in de lus voor foutdetectie en training van AI, meet echt of call deflection verbetert, en kies voor gespecialiseerde toepassingen waar mogelijk. Daarmee wordt de transitie naar klantgerichte AI beheersbaar en klantvriendelijk.