AI in klantcontact wordt razendsnel slimmer. Maar een beter taalmodel alleen zorgt nog niet voor betere klantenservice. De echte doorbraak ontstaat wanneer AI begrijpt wie de klant is, wat er op dat moment speelt, welke kennis betrouwbaar is en welke actie nodig is. Context maakt het verschil tussen een chatbot die antwoord geeft en een AI-agent die daadwerkelijk helpt.
De afgelopen jaren hebben veel organisaties kennisgemaakt met chatbots. Eerst waren het vooral systemen die op basis van vaste beslisbomen een antwoord probeerden te vinden. Met de komst van generatieve AI veranderde dat beeld fundamenteel. Bots begrijpen natuurlijke taal beter, formuleren prettiger en kunnen veel complexere vragen beantwoorden.
De volgende stap dient zich inmiddels aan: de AI-agent.
Zo’n agent moet niet alleen praten, maar ook zelfstandig kunnen redeneren, informatie ophalen, processen starten en acties uitvoeren. Denk aan een adreswijziging verwerken, een afspraak verplaatsen, een levering controleren of een storing onderzoeken.
Dat klinkt als een enorme stap vooruit. En technisch gezien is dat het ook.
Maar er zit een addertje onder het gras.
Want een AI-agent die niet weet wat er binnen de organisatie en rondom de individuele klant gebeurt, blijft uiteindelijk vooral een heel intelligente gesprekspartner.
Het probleem is vaak niet de AI
Tijdens het recente Belgische evenement AI in Customer Contact kwam een opvallende conclusie naar voren. Veel AI-projecten leveren minder op dan organisaties vooraf verwachten. Niet omdat de beschikbare AI-modellen onvoldoende krachtig zijn, maar omdat context ontbreekt.
Systemen, data en processen zijn onvoldoende met elkaar verbonden. Een AI-assistent kan daardoor een uitstekend algemeen antwoord geven, maar weet bijvoorbeeld niet dat de bestelling van deze specifieke klant vertraging heeft opgelopen, dat dezelfde klant gisteren al heeft gebeld of dat er op dit moment een storing speelt.
Dat verschil is cruciaal.
Stel dat je online een cadeau hebt besteld dat morgen nodig is. De vervoerder weet dat het pakket vertraging heeft. De webshop kent je bestelling. Het CRM-systeem bevat je contactgegevens. En misschien heeft een medewerker gisteren al een notitie gemaakt omdat je eerder contact hebt opgenomen.
Alle informatie bestaat dus al.
Maar wanneer die gegevens verspreid over verschillende systemen staan en niet samenkomen in het klantcontactproces, begint ieder contactmoment opnieuw.
De chatbot vertelt wat normaal gesproken de levertijd is.
De medewerker vraagt opnieuw naar het ordernummer.
De klant legt opnieuw uit waarom de levering belangrijk is.
Iedere afzonderlijke stap kan technisch correct verlopen, terwijl de totale klantervaring toch slecht is.
Dat is geen AI-probleem.
Dat is een contextprobleem.
Van kennis naar actuele context
Goede AI begint daarom bij goede kennis.
Een organisatie moet weten welke informatie betrouwbaar en actueel is. Procedures, productinformatie, werkinstructies en antwoorden op klantvragen moeten gevalideerd worden en op één consistente manier beschikbaar zijn.
Maar kennis alleen is niet genoeg.
Een AI-agent heeft daarnaast actuele informatie nodig over de situatie van de klant. Is er een bestelling onderweg? Staat er een betaling open? Is er een storing? Welke producten gebruikt deze klant? Welke afspraken zijn eerder gemaakt?
Daar bovenop komt procescontext. Een AI-agent moet niet alleen weten wat het antwoord is, maar ook wat er vervolgens moet gebeuren.
Mag de klant zelf een afspraak wijzigen?
Is aanvullende verificatie nodig?
Wanneer moet een case worden aangemaakt?
Wanneer moet een medewerker het gesprek overnemen?
Pas wanneer kennis, klantinformatie en processen bij elkaar komen, verandert AI van een antwoordmachine in een service-instrument.
Nederlandse praktijk laat verschillende modellen zien
Interessant is dat Nederlandse organisaties deze ontwikkeling inmiddels op verschillende manieren toepassen.
Bij VGZ ondersteunt AI-assistent Aimy medewerkers tijdens telefoongesprekken door automatisch relevante informatie uit de kennisbank beschikbaar te stellen. De medewerker blijft het gesprek voeren, maar hoeft minder tijd te besteden aan zoeken.
Landal kiest een andere benadering. Daar wordt binnen de gastenservice telefonie eerst door Voice AI aangenomen. De technologie identificeert de gast, maakt een case aan en verbindt waar nodig door met een medewerker.
Qbuzz combineert beide werelden. AI-assistent Quby helpt reizigers rechtstreeks, gebruikt actuele reisinformatie uit de systemen van Qbuzz en ondersteunt tegelijkertijd medewerkers. Wanneer een vraag complex of emotioneel wordt, gaat de beschikbare context mee naar de medewerker. De reiziger hoeft zijn verhaal daardoor niet opnieuw te vertellen.
Drie toepassingen, maar dezelfde onderliggende gedachte:
AI levert pas echt waarde wanneer technologie, kennis, klantcontext en medewerkers samenwerken.
De menselijke overdracht hoort bij het ontwerp
Daarmee komen we bij een tweede cruciaal onderdeel van context: begrijpen wanneer AI níét de beste oplossing is.
Een klant die vraagt hoe laat een bus vertrekt, heeft vooral behoefte aan snelheid en een correct antwoord.
Iemand die boos is omdat hij door een storing een belangrijke afspraak heeft gemist, heeft iets anders nodig.
Een organisatie die uitsluitend stuurt op het percentage gesprekken dat door AI wordt afgehandeld, loopt daarom het risico de verkeerde KPI te optimaliseren. Een hoog percentage geautomatiseerde contacten zegt nog niets over de kwaliteit van de ervaring.
De betere vraag is:
Heeft de klant zijn probleem zo goed mogelijk opgelost gekregen?
Soms doet AI dat volledig zelfstandig. Soms ondersteunt AI een medewerker. En soms moet technologie juist snel plaatsmaken voor menselijk contact.
Daarom moet menselijke overdracht geen noodvoorziening zijn die later aan een chatbot wordt toegevoegd. Het hoort vanaf het begin bij het ontwerp van het klantcontactproces.
Inclusief de context die al is opgebouwd.
Want een klant die na vijf minuten met een AI-agent eindelijk een medewerker bereikt en vervolgens opnieuw zijn naam, klantnummer en probleem moet uitleggen, ervaart geen geïntegreerd klantcontact. Hij ervaart twee losse systemen.
Context maakt proactieve service mogelijk
Het interessantste ontstaat wanneer organisaties nog een stap verder gaan.
Met voldoende actuele context hoeft AI namelijk niet altijd te wachten tot de klant een vraag stelt.
Als een organisatie weet dat een bestelling vertraagd is, kan zij de klant informeren voordat die contact opneemt.
Als een afspraak door een storing niet kan doorgaan, kan een alternatief worden voorgesteld.
Als een systeem ziet dat een aanvraag vastloopt, kan proactief ondersteuning worden aangeboden.
Daarmee verschuift klantcontact van reageren op vragen naar voorkomen dat vragen ontstaan.
Dat is misschien wel een veel grotere verandering dan de chatbot zelf.
Want uiteindelijk willen klanten meestal helemaal geen contact opnemen met een klantenservice. Ze willen dat iets gewoon geregeld is.
Kennismanagement wordt belangrijker, niet minder belangrijk
De opkomst van AI leidt soms tot het idee dat traditionele kennisbanken minder belangrijk worden. Het tegenovergestelde is waar.
Hoe zelfstandiger AI wordt, hoe belangrijker het wordt dat de informatie waarop AI zich baseert betrouwbaar, gevalideerd en actueel is.
Een medewerker die verkeerde informatie in een kennisbank vindt, kan nog twijfelen en navraag doen. Een AI-agent kan datzelfde verkeerde antwoord in korte tijd honderden keren overtuigend formuleren.
Goede kennisgovernance wordt daardoor een randvoorwaarde voor goede AI.
Wie mag informatie aanpassen?
Welke bron is leidend?
Wanneer is informatie verlopen?
Welke antwoorden mogen automatisch aan klanten worden gegeven?
En bij welke onderwerpen moet altijd menselijke controle plaatsvinden?
De intelligentie van het model verandert niets aan die fundamentele vragen.
Sterker nog: hoe krachtiger de technologie, hoe belangrijker ze worden.
Begin daarom niet bij de chatbot
Organisaties die nu nadenken over AI in klantcontact zouden daarom niet als eerste moeten vragen:
Welke AI-agent moeten we kiezen?
Een betere vraag is:
Welke klantreis willen we verbeteren en welke context heeft AI nodig om daarin daadwerkelijk waarde toe te voegen?
Pas daarna komen de technologiekeuzes.
Welke kennisbronnen zijn nodig? Welke klantgegevens mogen worden gebruikt? Met welke CRM-, ERP- of backofficesystemen moet worden gekoppeld? Welke processen mag AI zelfstandig uitvoeren? Wanneer moet een medewerker overnemen? En hoe meten we of de klant daadwerkelijk beter geholpen wordt?
Dat klinkt misschien minder spectaculair dan de nieuwste AI-demo.
Maar juist daar wordt het verschil gemaakt tussen een interessante pilot en een toepassing die daadwerkelijk onderdeel kan worden van de dagelijkse operatie.
Van slimme bot naar intelligent klantcontact
AI-modellen zullen de komende jaren zonder twijfel nog veel krachtiger worden. Gesprekken worden natuurlijker, Voice AI wordt beter en AI-agents zullen steeds meer handelingen zelfstandig kunnen uitvoeren.
Maar het beste taalmodel ter wereld kan niet weten dat jouw klant gisteren al drie keer heeft gebeld als niemand die informatie beschikbaar maakt.
Het kan niet weten dat een levering vertraagd is als het geen toegang heeft tot de actuele logistieke informatie.
En het kan geen goede vervolgactie uitvoeren als het klantcontactproces niet goed is ingericht.
Daarom zit de echte innovatie niet alleen in AI.
Die zit in het verbinden van mensen, kennis, processen, kanalen en data.
Want een AI-agent zonder context is uiteindelijk vooral een slimmere chatbot.
Met de juiste context wordt het een daadwerkelijk onderdeel van goed klantcontact.
