Gescripte chatbots maken plaats voor AI-versies: dit zijn de uitdagingen

De gescripte chatbot heeft zijn langste tijd gehad. De overstap naar een AI-gedreven assistent vraagt wel om andere technologie, andere competenties en een compleet andere kijk op content en op ROI. Beginnen bij ‘laaghangend fruit’ is daarbij niet altijd de beste aanvliegroute, zo bleek tijdens Conversational Conference 2026.

Openingsspreker Kane Simms van adviesbureau VUX World wond er geen doekjes om, en ook andere sprekers lieten het horen tijdens de elfde editie van Conversational Conference 2026: de klassieke chatbot is in de meeste gevallen hooguit een veredelde zoekmachine.

Er staan betere oplossingen klaar, maar ook die hebben hun beperkingen.

Er is veel te winnen met een betere aanpak

Na een korte verwijzing naar slecht nieuws over autonome AI-agents die ontwikkelomgeving Hugging Face hadden gehackt, verlegde Simms de aandacht naar de economische kansen van AI. Er liggen tot 2030 biljoenen dollars aan potentieel, maar tegelijkertijd staan we nog maar aan het begin.

Uit cijfers van McKinsey blijkt dat de meerderheid van de AI-implementaties hoogstens gemiddelde of zelfs slechte resultaten oplevert. De helft van de bedrijven rapporteert geen of een beperkte ROI. Ook Simms stelde vast: implementaties zijn vaak opportunistisch, zonder visie en zonder antwoord op de vraag welk probleem je eigenlijk oplost.

Fotograaf: Michiel Ton

Extra waardevol was de boodschap van Simms dat selectie, ontwerp, bouw en testen van AI-chatbots sterk verschillen van de aanpak bij scripted chatbots. Rule-based betekent alles vanaf de grond opbouwen: elke dialoog, elk woord, elke vraag en elk antwoord.

Met GenAI werk je omgekeerd: je zet een LLM aan het werk en gaat vanaf daar terugsnoeien en begrenzen. Er is ook een overeenkomst: LLM’s zijn (net als klassieke chatbots) niet geschikt om de klantvraag ‘achter de vraag’ te achterhalen.

En al kan je AI-chatbots geautomatiseerd testen, volledige betrouwbaarheid waarbij dezelfde vraag steeds hetzelfde antwoord oplevert, is niet haalbaar. Ontwikkelaars moeten dus vooraf bepalen wanneer een AI-agent goed en veilig genoeg is.

Een overheidsbot moet op de eerste plaats compliant zijn

Daniel Verloop van adviesbureau CivAI, onder meer AI-specialist bij gemeente Montferland (bekend van chatbot Mai), liet een paar gesprekken met voicebots horen over het aanvragen van een uittreksel. Het oordeel van de zaal: dit klinkt houterig en verre van compliant.

Een tevreden gebruiker is geen bewijs van kwaliteit, stelde Verloop. Natuurlijke, prettige gesprekken zijn een uitdaging; betrouwbaarheid is essentieel, zeker voor een overheidsbot die geen uitglijers mag maken. Gevoelige processen waarin zekerheden een rol spelen, regel je daarom met deterministische oplossingen.

Kijk daarbij niet naar het volledige proces, maar naar de afzonderlijke handelingen binnen dat proces. Die bepalen waar het goed of misgaat.

Verloop veegde de vloer aan met het concept human in the loop. Dat noemt Verloop ‘rubber stamping’: gebeurt die controle echt altijd grondig of komt het neer op het zetten van een vinkje?

Transacties moeten ook na een paar jaar nog te reconstrueren zijn. Met steeds meer AI in onze processen verliezen we geleidelijk de grip, aldus Verloop.

NS: van gescripte Jens naar orkestrator van AI-agents

Hoe je concreet van gescripte chatbot naar AI-assistent gaat, lieten Jouke Bakker en Siem Uittenhout van NS zien. Ook zij bevestigden wat Simms zei: die verandering is geen aanpassing, maar vergt totale nieuwbouw. En verschillende rollen veranderen ingrijpend.

Chatbot Jens (‘je NS’) draait sinds 2019 als rule-based bot en voerde in 2025 bijna een miljoen gesprekken, vaak over reizen, geld terugkrijgen en abonnementen. De gescripte versie kon alleen vooraf gedefinieerde antwoorden geven op vooraf gedefinieerde vragen.

Reizigers moesten binnen de happy flow blijven, anders kwam er geen goed antwoord. Na een laatste verbeterslag in intentherkenning was Jens toe aan een complete make-over.

Drie jaar geleden koos NS voor een migratie naar het platform van Cognigy. De eerste stap was het ontsluiten van informatie met RAG (retrieval-augmented generation), te beginnen bij één afgebakend onderwerp: verloren en gevonden voorwerpen, een onderwerp met hoge emotionele impact.

Fotograaf: Michiel Ton

Omdat het proces was net vernieuwd, was het goed gedocumenteerd. De rest van Jens bleef in eerste instantie gescript. Ook Agentic AI was nog niet in zicht.

RAG verhoogde de containment van Jens van 59 naar 79 procent, waarbij NS containment definieert als: de klant hoeft niet door naar een medewerker. Er waren ook obstakels. Jens moet sneller eerlijk zijn als hij geen antwoord heeft, en het meten van de kwaliteit op grote schaal blijft lastig, aldus Bakker en Uittenhout.

Bovendien zeggen containmentcijfers niet alles, benadrukte Bakker: je hebt monitoring nodig om te zien wat er werkelijk gebeurt. En voor meer specifieke vragen moet Jens in andere systemen dan de kennisbank kunnen kijken, wat extra API’s vereist.

Domein-agents met eigen scope en tone of voice

Drie jaar na de migratie naar het nieuwe AI-platform heeft NS de volgende stap gezet, door van Jens een orkestrator te maken die gespecialiseerde AI-agents aanstuurt.

NS noemt dat domein-agents en er staan er inmiddels zes live. Per agent is de scope bepaald, net als de tone of voice, het werkgebied, de guardrails en de samenwerking met de orkestrator.

Zo moet de OV-fiets-agent samenwerken met de abonnementen-agent, en bedenkt Jens soms dat de ene agent iets moet afhandelen voordat de andere aan de beurt is.

Bij de implementaties routeert NS steeds een klein deel van de vragen naar de AI-versie en analyseert daarna de uitkomsten zelf, iets wat ook na succes nodig blijft. Bakker en Uittenhout gaven verheugd aan dat klanten ook zélf feedback geven, zoals ‘eindelijk een bot die wél werkt’.

Het conversational team verandert

De conversational AI-specialisten zijn niet meer verantwoordelijk voor de content. Daar zijn domeinspecialisten voor, die nu wel moeten omschakelen naar het maken van aparte content voor website, app en Jens. De contenteigenaren moeten hierin getraind worden.

In de nabije toekomst wordt Jens geschikt gemaakt om acties te kunnen uitvoeren en de telefoon op te nemen: de stap naar agentic AI. Ook zal hij verhuizen van de servicepagina’s naar een prominente plek in de NS-app, waar Jens als digitale reisbuddy kan helpen bij het regelen van je reis of je dagje uit.

Agent-to-agent: geen goed plan

Deborah Nas, hoogleraar strategisch design aan de TU Delft, zette de ontwikkelingen rond AI in perspectief: “Ik heb nog nooit een technologie gezien die zo snel beter en goedkoper wordt.”

Nas sorteerde voor op de machine agent die namens consumenten met organisaties gaat praten. Met ‘agent-to-agent’ worden de problematische eigenschappen van generatieve AI versterkt, waarschuwt Nas.

Als voorbeelden noemt ze hallucineren (erger naarmate de ‘temperatuur’ van het LLM meer vrijheid toestaat), sycofantie oftewel slijmen bij de gebruiker, en antropomorfisme: we dichten AI al snel menselijke eigenschappen toe. Ook speelt taal volgens Nas bij GenAI nog altijd een grotere rol dan beeld, wat fouten in de hand werkt.

Fotograaf: Michiel Ton

Voor bedrijven en consumenten komt er een ander probleem bij. Agentic AI belandt steeds vaker in hardware, denk aan de bril van Meta die alles ziet en hoort wat jij ziet en hoort, Die kennis gaat straks mee naar de klantenservice, iets wat nieuwe risico’s oplevert zodra AI-agents autonoom acties kunnen uitvoeren.

Tot slot stipte Nas een ander probleem aan. AI wordt steeds meer een black box. Het onderwijs moet op dit punt snel worden aangepast. Maar de leerdoelen in het basisonderwijs zijn voor het laatst in 2006 bijgesteld, en scholen mogen de oude doelen nog tot halverwege 2031 gebruiken.

Geef de rivier een stem

Voor marketeers en communicatieprofessionals was het verhaal van Wouter de Vries (Studio Winegum) en Maarten Deschamps extra relevant: welke stem, welk gezicht en welke tone of voice geef je een AI-toepassing?

Deschamps coördineert het Hydrologisch Informatie Centrum (HIC) van het Waterbouwkundig Laboratorium in Antwerpen, dat over 33.000 bronnen over de Schelde beschikt. Dat gaat van rapporten, onderzoek en datasets tot beleidsnotities, realtime sensordata en kennis in de hoofden van medewerkers.

Het HIC wilde die informatie beschikbaar, begrijpelijk en schaalbaar maken, transparant en betrouwbaar, voor interne en externe gebruikers. Daarbij klonk ook een filosofische wens: geef de Schelde een stem en identiteit, zodat de rivier gesprekspartner wordt aan overlegtafels.

Uiteindelijk zou de Schelde zelfs met de Maas in gesprek kunnen, als het model schaalbaar zou zijn.

Het resultaat, na een aanbesteding onder het motto ‘geef een stem aan de Schelde’: een AI-avatar met eigen stem, gezicht en karakter. De eerste toepassingen daarvan waren praktisch van aard: een kennisvinder, een dagelijkse debrief voor medewerkers in videovorm en een aantal gespecialiseerde waterdata-agents.

De avatar is in feite een voicebot die een kennisbank ontsluit. Bij zware belasting kan het gebruik van de voicebot leiden tot latency, haperende gesprekken of hogere tokenkosten, maar voor massaal gebruik is hij ook niet bedoeld.

Een waardevolle les volgens De Vries: het inzichtelijk maken van die ontwikkelstappen droeg bij aan adoptie door eindgebruikers binnen de Vlaamse organisatie. Een andere les: de agents moesten getest worden door menselijke domeinspecialisten, en die capaciteit is onderschat.

Er kwam ook een prikkelende vervolgvraag voorbij: als een kennisbank via AI natuurlijke taal begrijpt, kan hij dan ook de gebruiker bevragen in plaats van andersom?

Rondetafel KSF: de gescripte chatbot is een probleem

De ‘klassieke chatbot’ is problematisch, zo viel te beluisteren tijdens een rondetafeldiscussie georganiseerd door de Klantenservice Federatie. De chatbot scoort niet goed bij consumenten, al onderzoeken bedrijven dat zelden.

Of een antwoord relevant is, blijft vaak onderbelicht. Ook de gerealiseerde besparingen zijn niet altijd helder. Het goed opzetten en bijhouden van een chatbot kost ook capaciteit.

Bedrijven maken keuzes voor kanalen, terwijl die keuzes eigenlijk door de consument worden gemaakt: die wil goed worden geholpen in het kanaal waarin het contact plaatsvindt.

Ondertussen gaan steeds meer consumenten chatbots zoals ChatGPT gebruiken, ook vanaf hun telefoon. Daarmee komt ook de toekomst van FAQ’s en websites ter discussie te staan.

Fotograaf: Michiel Ton

Begin bij de klantbeleving

De bijdrage van Bernard Steenbergen (Vattenfall) sloot goed aan op die rondetafel. Steenbergen noemde de kloof tussen wat klanten willen en wat organisaties voor hen beslissen de ‘olifant in de kamer’. Hij gaf ook huiswerk mee voor managers, leveranciers en implementatieteams.

Steenbergen ging ook in op een specifieke toepassing van agentic AI die Vattenfall heeft gelanceerd voor klanten. Na een implementatieperiode van ruim een half jaar is er een slimme bot die zelfstandig betaalregelingen kan aanbieden aan klanten die betaalproblemen hebben.

Fotograaf: Michiel Ton

Het is een toepassing met een beperkte schaalgrootte en de ROI is vooralsnog niet duidelijk, maar het is een belangrijk leertraject en voegt waarde toe voor de klant.

Huiswerk

Zoals gezegd deelde Steenbergen huiswerk uit. Leveranciers moeten na de deal niet te snel verdwijnen en minder defensief reageren op kritisch onderzoek. Experts en consultants moeten de tijd nemen om de praktijk van hun klant te leren kennen.

En de populaire chatbot-KPI ‘bot herkent de vraag’ legde hij naast de maatstaf voor medewerkers, waar niemand die zou hanteren.

Zijn advies: begin bij de klantbeleving en werk van daaruit terug, hanteer één tempo in de organisatie en blijf na livegang afstemmen met je klant. “Iedereen zet alles live en kijkt daarna weg.”

Precies dat patroon moet doorbroken worden als de AI-assistent meer wil zijn dan een nieuwe verpakking van dezelfde zoekmachine.