Thought leaders

De beste ondersteunende agent: waarom agentische AI in het contactcenter nog steeds menselijke regie nodig heeft

Dennis Johns
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenAI-ondersteuning hielp agenten ongeveer 15% meer klantproblemen per uur op te lossen in…
Meer weergeven
  • AI-ondersteuning hielp agenten ongeveer 15% meer klantproblemen per uur op te lossen in een studie onder meer dan 5.000 werknemers.
  • Contactcentra moeten bepalen welke taken AI zelfstandig kan afhandelen en menselijke goedkeuring vereisen voor uitzonderingen met hoge waarde.
  • Leiders moeten herhaalcontacten en correctiepercentages volgen in plaats van alleen lagere afhandelingstijden te vieren.

Agentische AI ontwikkelt zich razendsnel: van het beantwoorden van klantvragen naar het namens klanten uitvoeren van acties. De technologie kan klantgegevens opvragen en een verzoek verder afhandelen zonder op input van een medewerker te wachten. Voor contactcenters die onder druk staan om met beperkte middelen meer gesprekken af te handelen, is dat een aantrekkelijk vooruitzicht.

Software toestemming geven om zelf te handelen, roept echter ook de vraag op wat er gebeurt wanneer een klant een uitzondering nodig heeft of wanneer een geautomatiseerde beslissing technisch gezien correct, maar overduidelijk oneerlijk is. Dit zijn alledaagse situaties in de klantenservice, en ook momenten waarop vertrouwen wordt gewonnen of verloren.

De mogelijkheden zijn groot, mits contactcenters zorgvuldig bepalen welke beslissingen AI mag nemen en wanneer menselijke regie nodig is. Een goede aanpak voor contactcenters is om automatisering in te zetten voor routinetaken en medewerkers tegelijk de bevoegdheid te geven complexe klantproblemen op te lossen.

Hoe agentische AI de klantenservice verandert

Traditionele automatisering in contactcenters kon maar tot op zekere hoogte helpen. Klanten zaten vaak vast in telefoonmenu’s of moesten kiezen uit een beperkt aantal opties. Voor alles wat ingewikkelder was, moesten ze meestal wachten tot ze een medewerker konden spreken. Agentische systemen kunnen meer, en met de juiste toestemmingen kunnen ze een klantverzoek in meerdere systemen volgen en goedgekeurde stappen uitvoeren. Bij een verzoek om een afspraak te wijzigen, kan bijvoorbeeld worden gecontroleerd of de klant daarvoor in aanmerking komt en kan de boeking worden aangepast.

Daardoor verandert de rol van de menselijke medewerker. In plaats van de eerste paar minuten naar informatie te zoeken, kan een medewerker het gesprek beginnen met een duidelijk beeld van wat er al is gebeurd. Een goed ontworpen assistent kan eerdere interacties naar voren halen en samenvatten voordat de medewerker een volgende vraag hoeft te stellen.

AI kan de klantenservice echt verbeteren. Uit een onderzoek onder medewerkers van de klantenservice, waaraan meer dan 5.000 mensen deelnamen, bleek dat medewerkers met AI-ondersteuning per uur ongeveer 15% meer klantproblemen oplosten. De grootste verbeteringen waren te zien bij minder ervaren medewerkers, die baat hadden bij bruikbare suggesties terwijl ze klantverzoeken afhandelden.

Deze bevindingen zijn bemoedigend, maar er is een belangrijk detail om rekening mee te houden. De AI hielp medewerkers bij hun werk, terwijl mensen de beslissingen bleven nemen. Dat roept een belangrijke vraag op voor contactcenters die agentische AI verkennen: hoeveel verantwoordelijkheid moeten deze systemen krijgen wanneer ze rechtstreeks met klanten werken?

Snelheid is zeker een onderdeel van goede service, maar klanten verwachten ook juiste antwoorden en een eerlijke behandeling. Een AI-agent kan een vraag over een factuur binnen enkele seconden afhandelen, maar als die de situatie van de klant verkeerd begrijpt of het verkeerde beleid toepast, kan die snelle afhandeling uitmonden in een nieuwe klacht. Contactcenters moeten verder kijken dan hoe snel een probleem wordt afgehandeld en nagaan of de klant daadwerkelijk de benodigde hulp heeft gekregen.

Wanneer blijft menselijk inzicht van belang?

Zelfs met toegang tot klantgegevens heeft AI niet altijd het volledige beeld. Neem bijvoorbeeld een factuurgeschil. De AI controleert de accountgegevens en bevestigt dat een bedrag overeenkomt met het contract. De klant was echter eerder een tegoed toegezegd tijdens een serviceonderbreking, maar die informatie is nooit aan het facturatiesysteem toegevoegd. De AI kan op basis van de beschikbare gegevens een antwoord geven, maar een ervaren medewerker kan herkennen dat er iets ontbreekt en verder onderzoek doen.

In 2026 lieten de klantenserviceactiviteiten van Alibaba zien dat AI gesprekken verkortte, maar bij interacties die voor AI in aanmerking kwamen lagere klantbeoordelingen kreeg. Uit het onderzoek bleek ook dat de effectiviteit van menselijk ingrijpen afhing van het moment waarop medewerkers tussenbeide kwamen en van wat er was misgegaan. Deze bevindingen wijzen erop dat weten wanneer je een mens moet inschakelen net zo belangrijk is als weten welke taken AI aankan.

Voor contactcenters verdient de overdracht van een AI-agent aan een menselijke medewerker evenveel aandacht als de technologie zelf. Klanten zouden hun zorgen niet telkens opnieuw moeten hoeven uitleggen wanneer ze worden doorverbonden. Medewerkers moeten toegang hebben tot eerdere gesprekken en tot de acties die AI al heeft uitgevoerd, zodat ze kunnen verdergaan waar het systeem is gestopt. Een soepele overdracht kan een wereld van verschil maken, vooral wanneer iemand al gefrustreerd is en gewoon wil dat het probleem wordt opgelost.

Grenzen stellen aan AI in de klantenservice

Leidinggevenden van contactcenters moeten goed nadenken over hoeveel controle ze AI geven. Een terugbetalingsvoorstel opstellen brengt bijvoorbeeld minder risico met zich mee dan zonder goedkeuring een groot tegoed toekennen. Leg deze grenzen vanaf het begin vast in het systeem, met duidelijke regels voor wanneer een medewerker moet ingrijpen.

Contactcenters kunnen deze grenzen vaststellen aan de hand van enkele praktische maatregelen:

  • Goedgekeurde taken bepalen: Stel vast welke verzoeken AI zelfstandig mag afhandelen, zoals de status van bestellingen controleren of afspraken wijzigen.
  • Goedkeuringslimieten instellen: Vereis toestemming van een medewerker voor terugbetalingen van hoge bedragen, accountwijzigingen of uitzonderingen op het bedrijfsbeleid.
  • Stel escalatieregels vast: Schakel automatisch een medewerker in wanneer klantgegevens elkaar tegenspreken, een verzoek buiten de goedgekeurde procedures valt of het systeem geen betrouwbaar antwoord kan geven.
  • Beperk de toegang tot gegevens: Geef AI alleen toegang tot de klantgegevens die nodig zijn om een goedgekeurde taak uit te voeren.
  • Beoordeel de prestaties regelmatig: Houd onjuiste antwoorden en klachten van klanten bij om vast te stellen waar extra waarborgen nodig zijn.

Naarmate AI meer verantwoordelijkheden op zich neemt, moeten deze grenzen opnieuw worden beoordeeld en aangepast op basis van de prestaties van de technologie in echte klantinteracties. Zo kunnen contactcentra de automatisering uitbreiden en tegelijk verantwoordelijk blijven voor de genomen beslissingen.

Wat contactcentra daadwerkelijk moeten meten

Een contactcentrum kan een lagere gemiddelde afhandeltijd vieren terwijl klanten het vertrouwen verliezen. Als iemand de volgende ochtend terugbelt omdat een AI-agent een wijziging heeft beloofd die nooit is doorgevoerd, was het eerste gesprek geen succes. De rapportage moet dat zichtbaar maken.

Naast snelheid en het zelfstandig afhandelen van klantvragen moeten teams kijken naar herhaalcontacten, heropende zaken, correctiepercentages, klachten van klanten en hoe vaak een medewerker een geautomatiseerde actie moet terugdraaien. Ze moeten escalaties controleren op ontbrekende context en bijhouden of de aanbevelingen van AI nuttig waren voor degenen die ze ontvingen. Deze maatstaven zijn belangrijk wanneer geautomatiseerde acties van invloed zijn op het geld van een klant of diens toegang tot een dienst.

Leidinggevenden moeten medewerkers ook vragen wat het systeem verkeerd doet. Medewerkers die rechtstreeks contact hebben met klanten horen de ongemakkelijke stiltes en merken wanneer een klant zijn geduld verliest. Hun feedback is een bron van operationele inzichten. Geef hun een snelle manier om fouten te melden en laat zien wat er naar aanleiding daarvan is veranderd. Als elke correctie verdwijnt in een algemeen feedbackformulier, zullen medewerkers er al snel geen moeite meer voor doen.

Het gebruik van AI om inzicht te krijgen in de ervaringen van medewerkers roept echter ook vragen op over hoe nauwlettend werknemers moeten worden gevolgd. Sommige tools beweren emoties te kunnen herkennen aan iemands stem. Zo verbiedt de AI-verordening van de EU over het algemeen het gebruik van AI om emoties van medewerkers op de werkplek te herkennen, met beperkte uitzonderingen. De Europese Commissie heeft zelfs contactcentra als voorbeeld genoemd. Bedrijven moeten de wetgeving in hun regio controleren voordat ze deze tools introduceren.

Mensen verantwoordelijk houden naarmate AI meer werk op zich neemt

Het is verleidelijk om te dromen van een contactcentrum waar bijna elk gesprek eindigt zonder tussenkomst van een medewerker. Dat staat mooi op een presentatieslide. Echte klanten zijn doorgaans minder voorspelbaar. Ze veranderen van gedachten, begrijpen instructies verkeerd, vragen om uitzonderingen en hebben persoonlijke omstandigheden die een systeem mogelijk niet eerlijk kan beoordelen.

Naarmate AI meer verantwoordelijkheden op zich neemt, moeten leidinggevenden van contactcentra ervoor zorgen dat hun teams fouten kunnen herkennen en snel corrigeren. Klanten zouden hun problemen niet opnieuw hoeven uit te leggen of te maken moeten krijgen met de gevolgen van een geautomatiseerde beslissing die verkeerd uitpakte.

Het succes van AI in de klantenservice hangt af van hoe goed AI medewerkers ondersteunt bij het leveren van de service die klanten verwachten.

Dennis Johns, B.Eng., is president en CEO van TASKE Technology, een Canadees technologiebedrijf voor contactcentra dat organisaties helpt hun klantenserviceactiviteiten te moderniseren en te optimaliseren. Dennis studeerde af aan McGill University met een honoursgraad in de ingenieurswetenschappen en bijvakken in management en natuurkunde. Hij heeft meer dan 39 jaar ervaring in de dienstverlening aan klanten in de contactcentersector. Tegenwoordig richt zijn werk zich op beheerde diensten en toegepaste AI-oplossingen voor klanten van Amazon Connect, waaronder cloudmigratie, AI-implementatie, analyses, rapportages en doorlopende optimalisatie van contactcentra. TASKE heeft wereldwijd duizenden klanten ondersteund en werkt samen met organisaties in uiteenlopende sectoren, waaronder de gezondheidszorg, financiële dienstverlening en detailhandel. In Canada staat TASKE vermeld in de Indigenous Business Directory en is het aangesloten bij de Canadian Council for Indigenous Business (CCIB). Naast zijn professionele werk steunt Dennis organisaties en goede doelen, waaronder het National Arts Centre (NAC), CHEO en liefdadigheidsfietstochten voor MS.