4 redenen om met AI aan de slag te gaan in klantcontact

Nederland loopt voorop als het gaat om de inbedding van AI in de organisatie. 64% van de ondervraagde Nederlandse bedrijven heeft een AI-verantwoordelijke of AI-team, meer dan Duitsland (38%), Zweden (43%) of Polen (50%). In Nederland wordt volop gebruik gemaakt van AI-tools zoals chatbots, virtuele assistenten en AI-aangedreven contentgeneratoren.

Tegelijkertijd is er ook in ons land nog veel scepsis: wat voegt AI op dit moment werkelijk toe? Contactcenters zijn in dat opzicht goed voor een positief geluid. In vrijwel alle onderzoeken die gedaan worden naar de invloed van AI op werk, komt klantenservice bovendrijven als een van de meest geschikte toepassingsgebieden met aantoonbare impact. Het gaat dan vooral om concrete besparingen en, inderdaad, de mogelijkheid om hetzelfde werk met minder mensen te doen.

Welk probleem wil je oplossen?

Wie de vakmedia volgt, ziet dat er ook in klantcontact flink wat discussie is over wat je met AI zou moeten of willen en over waar je moet beginnen. De een verkoopt graag ‘oplossingen’ en moedigt managers aan om op kleine schaal te experimenteren. De ander zegt: denk eerst na over een strategie en breng je data op orde. Ook een veelgehoorde: welk probleem wil je oplossen?

Concrete toegevoegde waarde

Met het risico dat je als manager een probleem bij AI gaat zoeken: voor alle bovenstaande opvattingen is wel wat te zeggen, zeker als je goed kijkt naar wat bij jouw organisatie of afdeling past. Aan de slag gaan met AI is bovendien een rekbaar begrip. Voor organisaties met koudwatervrees kan bijvoorbeeld een AI-workshop een goed begin zijn; voor contactcenters met bereikbaarheidsproblemen kan AI de pijn verzachten. En ook de analytische kant van AI kan voor verlichting of besparing zorgen, bijvoorbeeld omdat teams met ‘actionable data’ concrete procesverbeteringen kunnen doorvoeren.

In dit artikel zet ik 4 goede redenen op een rijtje om aan de slag te gaan met AI in klantcontact. De laatste paragraaf is een bijsluiter met waarschuwingen en bijwerkingen.

1. Laaghangend fruit plukken

Geautomatiseerd samenvatten

Met generatieve AI kunnen contactcenters direct kosten besparen. Er is een klein aantal bewezen toepassingen. Op de eerste plaats het geautomatiseerd samenvatten van gesprekken. Daarmee kan je de gemiddelde gespreksduur verkorten: de zogenaamde nawerktijd gaat naar beneden, soms wel met meerdere minuten per klantcontact. In meer grootschalige klantcontactafdelingen kan dat zomaar 10 FTE op jaarbasis (TBAuctions) of 50 FTE (verzekeraar NN) schelen. En sommige medewerkers vinden het een voordeel als ze gesprekken niet meer hoeven te loggen.

Realtime agent assist

Een tweede voorbeeld is het tijdens klantgesprekken aanreiken van realtime ondersteuning aan de medewerker. Deze toepassing bestaat in verschillende vormen. Het kan gaan om dialoogsuggesties (breng de voordelen van ons product ter sprake, controleer nog deze gegevens, zet deze next best action in), maar ook om sentimentmonitoring of het aanbieden van relevante kennis-snippets uit de kennisbank.

Andere vormen van tijdbesparende ondersteuningsvormen zijn het vooraf opstellen van antwoord e-mails of het realtime vertalen van digitale dialogen in vreemde talen. Met dat laatste kan je ook je afhankelijkheid van native speakers verkleinen en zo de flexibiliteit van je contactcenter vergroten.

2. Voorsorteren op een groeiend arbeidsmarkttekort en een stijgend uurloon

Toenemende krapte

Minimaal tot 2040 hebben we in Nederland te maken met een oplopend arbeidsmarkttekort. De lonen stijgen. De inzet van FNV voor 2026 is 16 euro per uur en de inzet van partijen zoals GroenLinks-PvdA, SP en NSC is 18 euro per uur, een stijging van 25% ten opzichte van het huidige minimumloon. Contactcenters moeten in toenemende mate concurreren met andere werkgevers en de kans is groot dat de boardroom kijkt naar het verplaatsen van customer service-processen naar offshore locaties met een loonkostenvoordeel.

Met die toenemende druk kan het helpen als je je afhankelijkheid van menselijke medewerkers verkleint. Het aantal interacties zal namelijk niet meteen afnemen – de groep aan consumenten krimpt niet en automatisering vertaalt zich niet een op een in minder contacten. Nu al investeren in AI-competenties betekent dat je straks, als de arbeidsmarkt nog krapper is dan nu, beter toegerust bent om te automatiseren. Omgekeerd: met goede automatiseringsmogelijkheden wordt (offshore) outsourcing minder aantrekkelijk, omdat het schaalvoordeel daarvan afneemt.

3. Beter voorbereid de toekomst in

Organisatie klaarmaken

Een van de belangrijkste valkuilen van bedrijven die met AI aan de slag gaan is niet de technologie, maar de eigen organisatie. Bedrijven moeten bijvoorbeeld nieuwe competenties opbouwen. Denk aan developers, data-scientists en data-analisten. Ga je die intern opkweken of ga je op zoek naar ervaren krachten? Daarnaast zal je in veel gevallen besluiten moeten nemen over technologiepartners. Vertrouw je op je bestaande leveranciers of heb je behoefte aan onafhankelijk advies?

Boardroom voorbereiden

Er zijn maar weinig organisaties met een volwassen CTO-office. Soms zal je dus je directie aan de hand moeten nemen. Bijvoorbeeld om uit te leggen dat je kennishuishouding eerst op orde moet worden gebracht en om weerstanden bij medewerkers weg te masseren. Of om de board te dwingen na te denken over een strategie voor huidige en toekomstige vormen van AI. Wat betekent dat voor outsourcing en voor het softwarelandschap? En hoe wil je de komende jaren vorm geven aan bijvoorbeeld gepersonaliseerde dienstverlening?

Contactcenters die nu investeren, bouwen niet alleen een voorsprong op, maar bereiden zich ook voor op de onvermijdelijke en steeds verdere integratie van AI in klantcontactprocessen. Wat betekent het als geautomatiseerd realtime spraakvertalen technisch gezien geen zwakke plekken meer kent?

4. Verbeter de customer experience

Betere klantbediening

AI biedt uitgelezen mogelijkheden voor analytics, waarmee je een realtime en grondig inzicht kunt krijgen in grondoorzaken van klantcontact. Geautomatiseerde quality monitoring kan daarvan een onderdeel zijn, zodat je álle klantgesprekken (spraak- en tekstgebaseerd) meeneemt in de zoektocht naar verbetermogelijkheden. Die kunnen betrekking hebben op processen (fricties wegnemen), op medewerkers (bijtrainen of coachen) of op systemen (die niet goed genoeg werken).

Het grote voordeel van AI-gebaseerde analyses is de volledige dekking en de diepgang, waar voorheen vaak steekproefsgewijs of op basis van klantonderzoek werd gezocht naar verbetermogelijkheden.

Je service window uitbreiden

Een andere toepassing van AI om je customer experience te verbeteren: AI staat altijd aan en als het goed werkt, kan je daarmee ook je service window uitbreiden zonder dat mensen relatief dure avond- of nachtdiensten moeten draaien.

Denk om de valkuilen

Geen wondermiddel

Generatieve AI is primair een tool of instrument gebaseerd op statistiek. AI gaat uit zichzelf geen processen verbeteren, laat staan al je klanten van A tot Z helpen. Aan de slag gaan met AI – in welke vorm dan ook – vraagt in de allereerste plaats om een serieuze investering in kennis en kunde.

Dat is niet hetzelfde als in een achternamiddag een chatbot optuigen die je frequently asked questions kan presenteren aan de klant. Voordat je chatbot net zo goed kan communiceren als een medewerker – en dat zou je moeten nastreven – ben je veel tijd en geld verder.

Kennishuishouding

De kwaliteit van wat AI produceert, hangt grotendeels af van de manier waarop je kennis is georganiseerd en wat de kwaliteit van die kennis is. Een slechte output van AI kan leiden tot een slechte outcome, maar dat hoeft niet altijd aan de technologie te liggen. Wie voor veiligheid of reputatiebescherming wil kiezen, laat AI niet meteen in je databases rommelen, maar laat AI voorlopig alleen scherp afgebakende standaardprocessen aansturen.

Waterbedeffecten

Daarnaast hoeft de inzet van AI-toepassingen niet altijd een verbetering over de volle breedte op te leveren. Ook hier is de chatbot een goed voorbeeld: deze kan het volume aan klantcontact verminderen, maar ook het aantal gefrustreerde klanten laten toenemen omdat hun probleem niet kon worden opgelost en hun journey langer is geworden. Wat dat onder aan de streep oplevert, is niet altijd duidelijk, maar winst is beslist niet gegarandeerd. Dat laatste geldt ook voor de output van AI: dat is niet altijd een eindresultaat dat direct gebruikt kan worden in een reactie aan de klant.

Verschraling van het werk

Ook zijn AI-toepassingen zoals ‘agent assist’ of ‘geautomatiseerd samenvatten’ niet voor alle medewerkers een verrijking of een superhandig hulpmiddel. Realtime dialoogsuggesties of relevante kennis aanleveren tijdens het klantgesprek: sommige medewerkers vinden het een uitkomst, anderen reageren negatief op de toenemende robotisering van hun werk en blijven graag zelf nadenken of een samenvatting intikken. Bijvoorbeeld omdat ze behoefte hebben aan rustmomenten of aan afwisseling. Het gesprek hierover aangaan voorkomt ongewenst verloop en verzuim.

Experts raken er steeds meer van overtuigd dat de inzet van AI niet tot een kortere trainingstijd leidt. In tegendeel, de kwaliteit van je medewerkers wordt nog belangrijker, omdat ze de output van AI moeten kunnen beoordelen. Hiervoor is diepgaande kennis nodig. En wat zeker geldt: hoe meer je het werk van klantcontactmedewerkers gaat automatiseren, hoe groter het risico wordt dat ze zich ook zullen gaan gedragen als een verlengstuk van die automatisering. Ofwel: voelen ze zich nog betrokken of worden ze zelf ook een soort robot?

Duurzaamheid

Last but not least draagt de structurele en grootschalige inzet van AI niet bij aan een duurzame bedrijfsvoering. Op dit moment is AI een enorme energieslurper. Om over na te denken: hoe verantwoord je het gebruik van AI in je maatschappelijke jaarverslag?

Home < 4 redenen om met AI aan de slag te gaan in klantcontact