AI in klantenservice: waar moet je op letten?

Ik ben programmeur van opleiding, maar rolde per ongeluk de klantendienst in toen mijn werkgever daar dringend extra handen voor zocht. Wat begon met een mailbox vol vragen, groeide uit tot een fulltime job: een publieke helpdesk onderhouden en een AI-assistent inzetten om klanten rechtstreeks te antwoorden. In die jaren zag ik hoe de lat voor wat mensen goede service vinden stelselmatig hoger kwam te liggen.

Tegelijk merkte ik dat veel AI-tools gebouwd zijn door mensen die zelf nooit aan een klantendienst hebben gestaan, waardoor ze op de belangrijke momenten tekortschieten. Daarom begon ik begin 2026 aan Sarrai, mijn eigen klantendienstplatform. In de gesprekken die ik sindsdien met bedrijven voer, hoor ik steeds dezelfde twee vragen terug:

1. Waarom ligt die lat nu plots hoger?
2. En waar moet je op letten als je AI in je klantenservice wil inzetten?

Dit artikel gaat over allebei.

De grootste verschuiving in hoe mensen zoeken

Vroeger zocht je je antwoord via Google. Je las een paar webpagina’s na en besliste zelf op basis van wat je gelezen had. Nu vraag je het aan ChatGPT, Claude of Gemini en lees je gewoon het antwoord. Eén vraag, één antwoord, klaar. Dat is een stuk minder werk dan tien zoekresultaten afgaan, dus het is logisch dat veel mensen overschakelen. Uit de AI-Search Adoption-survey van Orbit Media gebruikt 55% van de respondenten inmiddels een AI-chat als hun eerste of vaste onderzoeksmiddel.

Google ziet het ook gebeuren. Ze bouwen hun zoekvenster om naar een vraag-en-antwoordervaring, met een gegenereerd antwoord boven de zoekresultaten. Volgens onderzoek van SparkToro eindigde begin 2026 ongeveer twee op de drie Google-zoekopdrachten zonder dat iemand nog doorklikte naar een website. Mensen vinden hun antwoord bovenaan en zijn weer weg.

Die manier van opzoeken kleurt hoe we met anderen willen omgaan. We raken er zo aan gewend om meteen antwoord te krijgen, dat we diezelfde verwachting meenemen naar de klantendienst.

Een tijd geleden had ik een simpele vraag voor mijn hostingprovider. Op hun site stond een chatvenster. Mooi, dacht ik, dan vraag ik het even aan hun chatbot. Maar het bleek een wachtrij bij echte medewerkers. Toen ik aan de beurt was, kreeg ik netjes antwoord, al was het weinig hartelijk geformuleerd. En toen ik een vervolgvraag stelde die uit twee delen bestond, kreeg ik alleen antwoord op het eerste deel. Ik begreep het wel, die medewerker was duidelijk met bandwerk bezig. Ik gaf in elk geval geen vijf sterren na afloop.

Maar wat me opviel, was mijn eigen reactie. Ik had onbewust verwacht dat ik meteen antwoord zou krijgen, alsof ik het aan ChatGPT vroeg. Zo ver waren mijn verwachtingen dus opgeschoven. En ik ben niet de enige.

Je klantendienst bepaalt mee je imago

Vroeger bouwde je aan je merk met de kwaliteit van je service na verkoop. Je zorgde dat je vlot bereikbaar was, dat je medewerkers rustig en vriendelijk bleven en dat ze problemen snel oplosten. Dat telt nog altijd, maar er is een factor bijgekomen: snelheid.

Die verwachting groeit trouwens elk jaar. Volgens het CX Trends-rapport van Zendesk verwacht 88% van de klanten intussen snellere antwoorden dan een jaar eerder.

Er speelt daarbij iets wat het voor kleinere bedrijven lastig maakt. Klanten leggen de lat bij de beste service die ze kennen. Wie bijvoorbeeld gewend is aan hoe snel Coolblue reageert, verwacht dat ritme nu dus ook van jou. Coolblue heeft zijn merk mee opgebouwd op die service, en concurrenten merken dat ze dat niet zomaar kopiëren. Hetzelfde assortiment vind je elders ook, maar als er iets misloopt wil je toch iemand die zo snel mogelijk met je meedenkt.

De service na verkoop wordt dus mee afgerekend op hoe snel je eenvoudige vragen beantwoordt. Dat een terugbetaling of een herstelling tijd vraagt, begrijpt elke klant. Maar op een simpele vraag verwacht men vandaag een quasi onmiddellijk antwoord. Dat is een mooie uitdaging, en er zijn veel manieren om eraan tegemoet te komen.

Waar je op moet letten voor je een tool kiest

Wil je mee, dan kun je niet achterblijven op je concurrenten. Veel bedrijven zetten daarom een chat op hun site of in hun app. Goed idee, maar de ene oplossing is de andere niet. Elke leverancier belooft ongeveer hetzelfde: snelle, slimme antwoorden die makkelijk te gebruiken zijn. Kijk daar kritisch naar. Een snel antwoord kan nog altijd fout zijn, een chat die niet naar een mens kan doorschakelen werkt op de zenuwen, en een bot die met keuzemenu’s werkt voelt vandaag verouderd.

Het aanbod is intussen zo groot dat alles uitproberen geen optie meer is. Wat wel helpt, is jezelf en de leverancier een paar goede vragen stellen. Dit zijn de vragen die er volgens mij toe doen, welke tool je ook overweegt:

Wat doet de AI als die het antwoord niet weet?

Een AI-chat die durft toegeven dat hij iets niet weet, is minder vanzelfsprekend dan het lijkt. De meeste systemen verzinnen liever een antwoord op basis van wat ze wél hebben. Zo’n verzonnen antwoord kan je meer kosten dan een eerlijk “dat weet ik niet”. Vraag dus na wat er gebeurt als de AI het antwoord niet heeft, en test het zelf als je de kans krijgt: stel een vraag die het systeem onmogelijk kan weten en kijk wat eruit komt.

Kan een mens het gesprek overnemen?

Vastlopen in een gesprek met een bot is bijzonder vervelend. Je medewerkers moeten een gesprek kunnen overnemen om de klant alsnog verder te helpen. Nog beter is het als de klant zelf mag kiezen om met een mens verder te gaan. Zo combineer je snelle AI-antwoorden op simpele vragen met de hulp van je mensen wanneer het erop aankomt. Let ook op of die medewerker de volledige context meekrijgt, zodat de klant zijn verhaal niet opnieuw hoeft te doen.

Hoeveel kost het?

Grofweg zijn er twee manieren waarop deze systemen afrekenen: een vaste maandprijs, of een bedrag per gesprek dat de AI afhandelt. Er valt voor beide systemen wel wat te zeggen. Een prijs per gesprek schaalt mee met je gebruik en kan voordelig uitvallen bij weinig volume. Een vaste maandprijs geeft je dan weer zekerheid over wat je maandelijks betaalt.

Let bij het afrekenen per gesprek op één ding: goede, snelle service trekt vanzelf meer vragen aan. Als antwoorden meteen beschikbaar zijn, vragen mensen ook de kleine dingen die ze anders zelf opzochten. Je helpt zo meer mensen, maar je factuur stijgt automatisch mee . Wat het beste past, hangt dus af van je volume en van hoe voorspelbaar je je kosten wil houden.

Kun je de oplossing koppelen aan je andere systemen?

Draait er al een ERP of CRM, dan loont het om een tool te kiezen die daarmee kan koppelen, zodat je klantvragen niet handmatig tussen losse systemen zit door te sturen. Vind je geen kant-en-klare koppeling, dan hoeft dat geen breekpunt te zijn. Vraag het na, want vaak staat de integratie al op de planning of is ze op korte termijn te voorzien.

Hoe leert het systeem nieuwe informatie bij?

Hier let bijna niemand op, terwijl het veel uitmaakt. Een AI-chat is maar zo goed als de documentatie waarop hij zich baseert, en die actueel houden kost werk. Prijzen wijzigen, processen veranderen, producten worden aangepast. Kijk daarom of de tool zelf kan detecteren welke informatie verouderd is, zodat je collega’s niet elke maand handmatig door de documentatie hoeven te spitten.

Waar staat je data, en van wie ben je afhankelijk?

Deze vraag wordt makkelijk vergeten, tot het misgaat. Je bouwt je klantendienst boven op de infrastructuur van een leverancier, en dat brengt een afhankelijkheid mee. Hoe makkelijk kun je weg als de prijzen stijgen of de voorwaarden veranderen? Waar staat je klantdata, en onder welke wetgeving valt ze? En hoe groot is de kans dat een dienst waar je op steunt plots wegvalt? Dat laatste is geen theorie. In juni 2026 moest Anthropic twee van zijn krachtigste AI-modellen uitschakelen voor iedereen buiten de VS op bevel van de Amerikaanse overheid. Wie zijn support volledig op zo’n model had gebouwd, stond even in de kou. Weten waar je data staat en van wie je afhangt, hoort er dus ook bij vanaf nu.

Wanneer AI niet het antwoord is

Bij alle aandacht voor snelheid vergeten we soms dat niet elke vraag om een snel antwoord vraagt. Een klant die boos of ongerust is, wil geen efficiënte bot. Die wil iemand die luistert en meedenkt. Uit een bevraging van SurveyMonkey zegt 78% van de klanten dat een mens complexe of emotioneel geladen kwesties sneller en beter oplost. Voor routinevragen vertrouwen mensen AI prima, voor het gevoelige werk willen ze een mens.

Dat is meteen de beste reden om AI en mensen samen in te zetten. Laat de AI de herhaling opvangen, al die simpele vragen die je mensen tijd en energie kosten. En zorg dat er iemand klaarstaat op het moment dat het echt om aandacht en oordeel draait. Een tool die dat overnemen makkelijk maakt, is meer waard dan een tool die belooft alles in zijn eentje af te handelen.

Tot slot

Klantenservice werd altijd beoordeeld op hoe je met vragen en klachten omgaat. Daar is de voorbije jaren snelheid bijgekomen als vaste maatstaf. Voor veel bedrijven is dat nieuw, en de verleiding is groot om de eerste de beste tool te nemen. Doe dat niet. Snelheid is pas iets waard als het antwoord klopt en als er een mens kan overnemen wanneer het nodig is. Weeg de oplossingen af met de vragen hierboven. Zo kies je een tool die je klantenservice echt beter maakt.