Klantenservice automatiseren met AI

De meeste klantvragen zijn geen moeilijke vragen. Waar is mijn bestelling, hoe zeg ik op, klopt deze factuur, wanneer komt de monteur. Ze kosten weinig denkwerk en veel tijd, en ze komen elke dag terug. Dat is precies het soort werk waar AI goed in is. Het lastige zit niet in het antwoorden, maar in het ophalen van het juiste antwoord uit je eigen systemen.

Welk deel van je klantenservice kun je automatiseren?

Verdeel je binnenkomende vragen in vier soorten. Feitelijke vragen waarvan het antwoord in een systeem staat, zoals een orderstatus. Uitlegvragen waarvan het antwoord in je documentatie staat. Wijzigingsverzoeken die een handeling vragen, zoals een adres aanpassen. En uitzonderingen: klachten, twijfelgevallen en alles wat gevoelig ligt.

De eerste twee soorten kun je vergaand automatiseren. De derde kan ook, mits je de handeling veilig kunt afbakenen. De vierde laat je bij mensen. Begin daarom met tellen: hoeveel procent van je tickets valt in welke categorie? Dat getal is je plafond.

Stap 1: kijk eerst naar je vragenmix

Haal de laatste duizend tickets uit je systeem en deel ze in. Je ziet dan bijna altijd dat een klein aantal onderwerpen het grootste deel van het volume veroorzaakt. Dat is goed nieuws, want je hoeft niet alles te kunnen om wel verschil te maken.

Noteer per onderwerp hoeveel tijd een ticket kost en of het antwoord in een systeem staat of in iemands hoofd. Alles wat in iemands hoofd zit, moet eerst opgeschreven worden. Dat is stap twee.

Stap 2: zet je antwoorden op één plek

Een AI die klantvragen beantwoordt, is zo goed als de bron waaruit hij put. Staat je informatie verspreid over een verouderde handleiding, een gedeelde map en de ervaring van twee collega's, dan krijg je antwoorden die soms kloppen. Dat is erger dan geen antwoord.

Maak één kennisbron met korte, actuele artikelen en één eigenaar per onderwerp. Schrijf ze zoals je ze aan een klant zou uitleggen. Laat het model uitsluitend uit die bron putten en laat hem vermelden waar het antwoord vandaan komt, zodat een medewerker het kan controleren. Het beheer daarvan staat uitgewerkt bij Kennisbankbeheerder.

Stap 3: koppel de agent aan het systeem met het antwoord

Voor feitelijke vragen heeft het model geen kennis nodig, maar toegang. De orderstatus staat in je ordersysteem, de factuur in je boekhouding, de afspraak in de planning. Koppel die systemen en laat de agent per vraag het actuele gegeven ophalen.

Doe dat via een API met een eigen account en alleen leesrechten waar lezen genoeg is. Wat er per systeem mogelijk is, staat bij de koppelingen; voor ticketsystemen en CRM zijn TOPdesk en HubSpot een startpunt.

Let op identificatie: voordat je klantgegevens teruggeeft, moet je zeker weten met wie je praat. Regel dat via een inlog of een bestaande klantomgeving, niet via een ordernummer dat iedereen kan raden.

Stap 4: bepaal wanneer een mens overneemt

Leg vooraf vast wanneer de agent loslaat. In elk geval bij een klacht, bij een geannuleerd contract, bij een financiële correctie, bij een tweede keer dezelfde vraag en altijd als de klant erom vraagt. Die overdracht moet meteen gaan, met de hele conversatie erbij.

Maak het pad naar een mens zichtbaar in plaats van verstopt. Een klant die vastloopt in een bot en geen uitweg ziet, belt met meer irritatie dan waar hij mee begon. De triage vooraf kun je automatiseren zonder de klant te laten wachten; dat staat bij Supporttriage en de Servicedesk-assistent.

Waar let je op bij toon, taal en fouten?

Schrijf de toon vast in instructies en test hem met echte vragen, ook met boze vragen. Laat het model geen dingen beloven die je niet waarmaakt: geen levertijden, geen coulance, geen bedragen zonder dat die uit een systeem komen.

Geef de agent expliciete instructie om te zeggen dat hij het niet weet. Een eerlijk 'ik zoek dit voor je uit en een collega komt erop terug' is beter dan een antwoord dat plausibel klinkt en niet klopt. Werk je meertalig, test dan per taal: kwaliteit verschilt.

Neem steekproeven. Lees elke week een vast aantal gesprekken na en houd bij hoe vaak het antwoord goed was. Zonder die meting weet je niet of het beter of slechter wordt.

Wanneer moet je je klantenservice niet automatiseren?

Doe het niet als je volume laag is; onder een paar honderd tickets per maand verdien je de inrichting en het beheer niet terug. Doe het niet als je informatie niet op orde is, want dan automatiseer je verkeerde antwoorden.

Doe het ook niet als je klantcontact zelf je verkoopmoment is. Werk je met een klein aantal grote klanten die je persoonlijk kent, dan is een snelle mens meer waard dan een snelle bot. Automatiseer dan de voorbereiding achter de schermen in plaats van het gesprek.

En doe het niet als de enige reden is dat je wachttijden wilt verbergen. Een bot die het eerste kwartier vult, verandert niets aan de oorzaak.

Hoe meet je of het werkt?

Kies vooraf vier cijfers en meet ze ook vóór de start. Het aandeel gesprekken dat zonder mens is afgerond, de gemiddelde tijd tot een antwoord, het aandeel correcte antwoorden uit je steekproef, en de tevredenheid na het gesprek.

Verbetert het eerste cijfer terwijl het derde of vierde daalt, dan ben je werk aan het verschuiven in plaats van oplossen. Stuur dan bij op de vragenmix, niet op het model.

Wil je weten welk deel van je klantcontact bij jou kansrijk is en wat het oplevert, kijk dan bij de AI Opportunity Audit. De bouw zelf staat bij een AI-agent laten bouwen, en de rollen die je kunt inzetten staan in het overzicht van AI-medewerkers.