Hoeveel vrijheid geef je AI aan de telefoon? Lessen uit 8 jaar voice agents

Een AI-assistent die zelfstandig telefoongesprekken voert: technisch kan het al lang. Maar hoeveel vrijheid geef je zo’n systeem op het moment dat jouw klanten aan de lijn hangen? Die vraag houdt op dit moment vrijwel elk klantcontactteam bezig. Wij bouwen al acht jaar telefonische assistenten en helpen je die keuze te maken, met de lessen die we onderweg leerden.

Van pieptonen naar gewoon praten

Het was 2018. Alexa en Google Home waren net gelanceerd in Nederland, en wij vroegen ons af waarom je thuis gewoon tegen technologie kon praten, terwijl je aan de telefoon met een organisatie nog toetsen moest indrukken. Onze eerste voice agent nam reserveringen aan bij restaurant Dertien in Rotterdam, al snel gevolgd door Van der Valk. Die eerste assistenten werkten met vaste als-dit-dan-dat-regels en keywords: “ik wil een tafel reserveren voor vier personen” ging goed, “we komen zaterdag met z’n vieren eten” liep vast. Daarna kwam intentieherkenning, waarvoor duizenden klantvragen handmatig gelabeld moesten worden. En vandaag begrijpen grote taalmodellen vrijwel elke formulering direct. In acht jaar ging de vraag van “verstaat hij mij?” naar “begrijpt hij mij?”. En inmiddels naar een heel andere vraag, namelijk naar hoeveel vrijheid geef ik mijn voice agent.

De markt groeit, het afbreukrisico ook

De cijfers laten zien hoe snel dit normaal is geworden: 77% van de Nederlandse consumenten heeft ervaring met AI-agents en ruim de helft staat open voor klantcontact met AI. Maar die acceptatie is voorwaardelijk, want datzelfde onderzoek toont dat op dit moment slechts zo’n 12% van de vragen aan chatbots en spraakassistenten volledig correct wordt afgehandeld (Nationale Voice Monitor). Het inzetten van een AI-agent moet helpen, niet hinderen.

En jij bent als aanbieder verantwoordelijk voor elk antwoord dat jouw systeem geeft. De Chevrolet-chatbot die eind 2023 een auto van 58.000 dollar “verkocht” voor één dollar is inmiddels een klassieker. Serieuzer werd het in mei 2026, toen het Duitse gerechtshof OLG Hamm oordeelde dat een bedrijf volledig aansprakelijk is voor de uitspraken van zijn chatbot, die artsen titels had verzonnen die niet eens bestaan. Een chatbot is juridisch geen derde partij, en zelfs een disclaimer “AI kan fouten maken” beschermt niet (hoger beroep loopt nog). Een Canadees tribunaal oordeelde eerder al hetzelfde over Air Canada. Kortom: “het was een foutje van de AI” is geen excuus. De vraag is dus niet langer óf een AI-agent je bellers begrijpt, maar hoeveel die AI vervolgens zelf mag bepalen.

Hoeveel mag een AI-agent zelf bepalen?

Je kunt het zien als een spectrum. Aan de ene kant staat de volledig promptgestuurde agent: één set instructies plus een kennisbank, waarna het taalmodel per gesprek zelf bepaalt wat het vraagt, antwoordt en doet. Hierbij bepaal je vooraf de guardrails voor het hele gesprek: je stuurt niet per stap en je bepaalt niet rechtstreeks welke vervolgactie er komt. Aan de andere kant staat de volledig vastgelegde dialoog, waarin elke stap vooraf is ontworpen.

De promptgestuurde aanpak is in veel situaties een logische keuze: je bent snel live, het gesprek voelt natuurlijk, het onderhoud is beperkt en voor een breed palet aan onvoorspelbare kennisvragen werkt het verrassend goed. Tegelijk zien wij bedrijven met steeds dezelfde vragen worstelen zodra er meer op het spel staat. Hoe voorkom je dat het model iets toezegt wat niet kan, zoals die auto van één dollar? Hoe zorg je dat een verificatie altijd vóór een transactie komt? En misschien wel de lastigste: als de resultaten tegenvallen, waar in het gesprek gaat het dan mis? Wanneer elk gesprek anders verloopt, is uitval moeilijk te herleiden tot een concrete plek die je kunt verbeteren.

Loslaten blijkt het moeilijkst

Wat wij dagelijks bij klanten zien: de grootste drempel is niet de techniek, maar het loslaten. Opvallend genoeg lijkt het aan het begin van een traject vaak andersom. In directiekamers horen wij regelmatig dat men er helemaal klaar voor is om alles los te laten: volledige vrijheid voor de AI. Maar zodra de inrichting concreet wordt, schuift de grens terug. Security stelt eisen, de business krijgt koudwatervrees en teams die jarenlang elke zin van hun keuzemenu zelf konden bepalen, moeten wennen aan een systeem dat zelf formuleert. Aan de telefoon staat de merkbeleving direct op het spel en zijn fouten pas te detecteren als het kwaad al geschied is. Het eindresultaat is dan toch vaak: vaste teksten. 

Bovendien is die behoefte aan controle lang niet altijd ongegrond. Soms is het simpelweg wettelijk verplicht om exact uit te spreken wat er is afgesproken. Zo schrijven de regels voor telefonische verkoop voor dat je tijdens het gesprek duidelijk bent over je identiteit, de voorwaarden van het aanbod en de bedenktijd, en geldt bij abonnementen het schriftelijkheidsvereiste. In sectoren als financiële dienstverlening en energie komen daar eigen mededelingsplichten bij. Voor zulke momenten wil je geen taalmodel dat “ongeveer” de juiste boodschap formuleert, maar de garantie dat de verplichte tekst woordelijk en op het juiste moment wordt uitgesproken, en dat je achteraf kunt aantonen dát dat gebeurd is. Dat regel je met een vaste stap in de dialoog, niet met een instructie waarvan je hoopt dat het model zich eraan houdt.

Onze keuze: AI laten begrijpen, niet laten beslissen

Mede daarom kiezen wij bewust onze positie op dat spectrum. Generatieve AI zetten we in om de beller te begrijpen: wat bedoelt iemand, welke gegevens deelt diegene, wat is de vraag achter de vraag. Wat er vervolgens gebeurt, het beslissen en het handelen, leggen we vast in een vooraf ontworpen dialoog. Dat levert drie dingen op:

• Waarborgen per stap. Niet één algemene instructie, maar vaste regels op de plek waar het risico zit: bij identificatie, betalingen of opzeggingen komen de stappen altijd in de juiste volgorde.
• Voorspelbaarheid. Het systeem kan niet ineens een antwoord verzinnen buiten zijn taak, en zegt op vaste momenten exact wat er gezegd moet worden.
• Inzicht. Omdat elk gesprek een herkenbaar pad volgt, zie je precies bij welke stap bellers afhaken en verbeter je op data in plaats van op onderbuikgevoel.

Eerlijk is eerlijk: dit is een afweging, geen wet. Voor een toepassing met een laag risico, zoals het beantwoorden van algemene vragen uit een kennisbank, is een promptgestuurde aanpak vaak juist de logischere keuze: sneller live en minder onderhoud, zolang er geen transacties of verplichte formuleringen in het spel zijn. Belangrijker nog: die vrijheid hoeft geen alles-of-niets-keuze te zijn. Je kunt per stap in het gesprek bepalen of het model vrij formuleert of een vaste tekst uitspreekt, en die ruimte oprekken naarmate het vertrouwen groeit.

Vijf vragen om jouw positie te bepalen

Waar je op dat spectrum uitkomt, is dus geen technische keuze maar een risicokeuze, en die kun je alleen zelf maken. Deze vijf vragen helpen daarbij:

1. Waar ligt het risico? Maak per taak onderscheid tussen informatie geven (laag risico) en beslissen of handelen (hoog risico, denk aan verificatie, betalingen en opzeggingen) en bepaal wat AI zelfstandig mag en wat niet.
2. Heb je de data en koppelingen om taken volledig af te ronden? Een use case zonder ontsloten data blijft een demo. Toets per taak of de benodigde informatie beschikbaar, actueel en snel genoeg op te vragen is.
3. Welke formuleringen moeten exact? Breng in kaart waar wet- en regelgeving of interne compliance een woordelijke tekst vereist, en borg die in een vaste stap.
4. Waar voel je je comfortabel, en waar kun je experimenteren? Bepaal waar je zekerheid wilt en waar de risico’s klein genoeg zijn om het model meer vrijheid te geven.
5. Hoe zie je waar het misgaat, en wie past het aan? Kun je per stap meten waar bellers uitvallen, en kan je eigen team de dialoog wijzigen als beleid of aanbod verandert, of gaat er elke keer een ticket naar de leverancier?

Wat je ook kiest: vier lessen uit de praktijk

Welke positie je ook kiest, promptgestuurd, volledig ontworpen of iets ertussenin: een aantal lessen uit acht jaar bouwen aan voice agents geldt altijd.

1. Een demo is geen oplossing. Een indrukwekkende demo kan inmiddels iedereen maken. Of een voice agent klantvragen écht oplost, hangt af van de inrichting en de koppelingen met je systemen, en juist die zitten nooit in een demo. Wij hadden ooit een klant die de vraag “waar blijft mijn pakket?” wilde automatiseren. Een perfecte use case, maar de data bleek niet ontsloten, waardoor de use case en daarmee de business case niet doorging. Je bouwt geen babbelbox, je bouwt een oplossing voor klantvragen.
2. Een voice agent is zo slim als de data die je hem geeft. Zorg dat je datavoorziening op orde is en blijf actuele informatie delen. Ook reactiesnelheid telt: trage koppelingen drukken niet alleen op de klantervaring, maar bepalen ook welke vragen je überhaupt kunt oplossen.
3. AI maakt fouten, net als een medewerker. AI is niet deterministisch: fouten kun je beperken, maar niet uitsluiten. Zie een voice agent daarom als een echte medewerker. Ook die maakt fouten, alleen zijn die vaak minder zichtbaar. Leg dat intern uit, en bepaal bij elke fout of het iets eenmaligs is of structureel voorkomt: dat bepaalt de prioriteit.
4. Voice is geen chat. Spraakherkenning maakt fouten (“2311 AX” wordt zomaar “2311 HX”), een beller kan niets teruglezen en twee seconden stilte voelt aan de telefoon als een eeuwigheid. Haal deze kennis in huis of werk samen met een partij die dit dagelijks doet zodat je een klantervaring creëert die ook aan de telefoon werkt.

Van keuzemenu naar dialoog bij Vereniging Eigen Huis

Hoe die aanpak samenkomt in de praktijk: klein beginnen, aantonen dat de controle er is, en daarna stap voor stap meer ruimte geven. Precies die route legde Vereniging Eigen Huis af. Hun keuzemenu liep vast: zes keuzes breed, vier lagen diep, met ruim vijftig diensten erachter. Elke nieuwe dienst maakte het menu complexer in plaats van beter. In 2023 verving een open vraag het menu, en sindsdien is de vrijheid van het systeem stap voor stap uitgebreid: van herkennen naar routeren, en inmiddels naar generatieve AI die zelf de beste route naar het antwoord bepaalt. De route zelf blijft daarbij ontworpen en aanpasbaar, in eigen beheer. De resultaten:

• De helft minder interne doorverbindingen, waarvan een derde dankzij belafspraken.
• 30 seconden kortere afhandeltijd per gesprek, doordat leden meteen worden herkend.
• Hogere klanttevredenheid, doordat leden sneller bij de juiste expert terechtkomen.

En misschien wel het belangrijkste voor het team: bij elke stap hielden zij zelf de controle.

Begin bij de vraag, niet bij de techniek

De techniek is klaar om vrijwel elke beller te begrijpen. De echte keuze ligt bij jou: hoeveel vrijheid geef je aan de techniek, en kun je zien wat er gebeurt als je die geeft? Maak die keuze bewust en per stap, op basis van risico, compliance en de behoefte aan inzicht. Doe je dat niet, dan wordt de keuze alsnog gemaakt, alleen niet door jou. Dan bepaalt de productinrichting van jouw leverancier hoeveel vrijheid jouw klantcontact krijgt.

Ongeacht welke keuze je maakt, onderschat de rol van echt contact niet: automatiseer de stappen waar een medewerker geen waarde toevoegt, zoals verificatie en routering, zodat er tijd overblijft voor de gesprekken waar menselijke aandacht het verschil maakt.

Meer weten over wat er technisch nodig is om een beller goed te verstaan? In een eerder artikel legden we de vier technieken uit die een voicebot menselijk laten klinken.