AI in klantcontact: gewoon beginnen of eerst je kennis op orde?

Er speelt al een tijdje een discussie in klantcontactland. De een zegt: begin niet aan AI-toepassingen als je niet weet welk probleem je wil oplossen. De ander zegt: je moet eerst je data- en kennishuishouding op orde brengen. Weer een ander zegt: begin gewoon met pilots en experimenten, als het maar intern is, dus ter ondersteuning van je eigen medewerkers.

In de aanloop naar Conversational Conference leg ik deze dilemma’s voor aan Pim Zwaan, Senior Solution Consultant bij Zendesk en een van de sprekers op de komende editie. 

AI-agents

“De discussie over waar je moet beginnen herken ik, maar ook ik heb geen eenduidig antwoord. Het onderscheid tussen AI-agents die voor klanten bestemd zijn (agentic AI) en AI-agents die voor medewerkers beschikbaar zijn (Copilot), blijft wel relevant.

Het is echt wat anders als je als medewerker suggesties krijgt die je kunt accepteren waarna een antwoord naar een klant gaat, of dat je klant geholpen wordt door een systeem dat zelfstandig antwoorden genereert voor die klant.”

Maar naarmate een medewerker steeds vaker standaard akkoord gaat met suggesties van een AI-agent, kom je dichter in de buurt van een geautomatiseerd systeem dat 24×7 selfservice mogelijk maakt, zegt Zwaan. “Tegenwoordig komt het steeds vaker voor dat organisaties een analyse maken van grote aantallen klantcontacten en dat als vertrekpunt gebruiken voor de inzet van AI-tools.” 

Dat is dus niet ‘beginnen bij kennismanagement’, maar eerder ‘beginnen bij een toepassing’. 

“Wél moet je vooraf een idee hebben over welke vragen en contacten je beslist niet wil laten afwikkelen door een AI-oplossing – met of zonder human in the loop,” is het advies van Zwaan.

“Is die kennis goed op orde, dan zit je zo op tientallen procenten van het aantal vragen dat je met AI kunt laten beantwoorden. De hoeveelheid werk neemt niet navenant af, maar is relatief groter, want complexer van aard.”

Begin bij het kennisvraagstuk

Wie met pilots en experimenten begint en daarna verder wil met serieuze vervolgstappen, loopt dus de kans om alsnog op data- en kennisbank-problemen te stuiten. 

“Vorig jaar hebben we op Conversational vooral aandacht geschonken aan best practices,” zegt Zwaan, “Maar voor wie een duidelijke roadmap heeft richting 70 tot 80 procent geautomatiseerde afhandeling, raden we tegenwoordig aan om echt eerst te beginnen bij het kennisvraagstuk.

Je hebt geen perfecte kennisbank nodig om met AI te beginnen, maar je hebt wel betrouwbare kennis nodig om verantwoord op te schalen. Tegelijkertijd kan AI zelf een steeds grotere rol spelen bij het opzetten, beheren en continu verbeteren van die kennis.”

“Het optuigen van een kennisbank werd tot een paar jaar geleden gezien als een arbeidsintensief proces. Er zijn nog organisaties waar er weinig tot niets beschikbaar is. Dat was voorheen een probleem voor nieuwe medewerkers, daarna werd het een probleem voor AI.

Nu zijn er AI-oplossingen waarmee je de basis van je kennisbank kunt optuigen en vullen. Denk aan tooling die op basis van al je tickets of contacten met een voorzet komt voor kennisartikelen. Uiteraard is dat niet allesomvattend, je bouwt niet met een druk op de knop een nieuwe kennisbank, maar het vormt wel een goed begin.

Zo’n tool helpt ook bij het en doorlopend verbeteren van de kennis, inclusief het opstellen van kennisartikelen die nog ontbreken. Dat zijn concepten die specialisten daarna kunnen beoordelen. Via een zogenaamde knowledge graph kan je ook externe bronnen betekenis geven.”

Breder dan AI

Kennismanagement is belangrijk, met name voor iedereen die snel met AI wil beginnen,” geeft Zwaan nog mee. En daarnaast: “Conversations is breder dan AI alleen: het gaat om de mix tussen menselijke en geautomatiseerde dienstverlening.

Daar zit ook dienstverlening in waarbij medewerkers ondersteund worden door AI. Vroeg of laat heb je als consument een mens nodig aan de andere kant van de lijn. Er verandert van alles, maar deze onderwerpen blijven belangrijk.”