Zijn AI-agents het contactcenter-handboek aan het herschrijven?

Er was een tijd dat callcenters voornamelijk waren gebouwd om grote volumes aan klantvragen per telefoon af te handelen. Tegenwoordig hebben contactcenters hen grotendeels vervangen – de operationele hubs waar bedrijven klantinteracties over meerdere kanalen beheren: telefoon, e-mail, sociale media en messaging-apps.

Maar ondanks deze verschuiving in kanalen is het onderliggende model grotendeels hetzelfde gebleven.

Eenvoudige klantverzoeken gaan nog steeds door een gefragmenteerde stack: interactieve voice-response (IVR) voor verificatie, customer-relationship-management (CRM)-platforms voor accountgegevens, ticketingtools voor bijhouden en afzonderlijke backendsystemen om de taak te voltooien. Cloudgebaseerde platforms zoals Contact-Center-as-a-Service (CCaaS) hebben deze tools dichter bij elkaar gebracht, waardoor flexibele operaties mogelijk zijn, maar de ervaring is verre van naadloos, afhankelijk van meerdere stappen, overdrachten en handmatige coördinatie.

Gedurende jaren hield dit model stand. Toen kwam AI in beeld.

Toen AI-agents aan populariteit wonnen, begonnen startups en gevestigde bedrijven over de hele linie tools te bouwen en te implementeren die een nieuwe fase beloven, mogelijk gemaakt door AI’s vermogen om intelligentie over systemen heen te ontsluiten en gebruik te maken van eerder geïsoleerde gegevens.

Uiteenlopende systemen worden een relikt

Met AI-agents op hun plaats werken contactcenters niet langer in silo’s. Agents kunnen informatie ophalen, acties uitvoeren en taken voltooien over platforms heen. Als een klant een transactie wilt betwisten, kan een AI-agent de identiteit van de klant verifiëren, de transactiegeschiedenis uit het CRM ophalen, de relevante beleidsregels controleren, de betwisting starten en het resultaat bevestigen – alles binnen één doorlopende interactie. Geen overdrachten of handmatige coördinatie nodig.

Taken die eerder mensen nodig hadden om tussen meerdere tools te schakelen, gebeuren nu op de achtergrond. Veel van de complexiteit kan worden geabstraheerd, en de klant, of zelfs de menselijke agent, hoeft nooit te zien hoe het proces werkt achter de schermen.

Deze verschuiving verandert ook de rol van software zelf. Software lijkt nu op een set bouwblokken, terwijl AI-agents de laag vormen die systemen verbindt en coördineert. Vaste workflows maken plaats voor flexibele interacties die worden gevormd door de situatie, in plaats van vooraf gedefinieerde paden: in plaats van strikte menu-opties of geschreven workflows te volgen, worden beslissingen in real-time genomen op basis van context.

Het is tijd om uw technische stack opnieuw te bekijken

Contactcenterleiders staan vandaag voor een grote vraag: als software niet langer de primaire waardeopslag is, waar moet technologie-investering heen?

Gelukkig hoeft u uw bestaande systemen niet meteen te vervangen. Ze moeten alleen opnieuw nadenken over hoe die systemen met elkaar omgaan.

In dit opkomende model nemen AI-agents de orkestratie over, coördineren acties over systemen heen in plaats van te vertrouwen op vooraf gedefinieerde workflows. Application Programming Interfaces (API’s) en het model context protocol (MCP) worden de primaire manier waarop systemen communiceren, waardoor agents toegang krijgen tot en interpreteren van gegevens, systemen en context om tools over de hele stack correct te gebruiken.

Maar alleen herconfiguratie is niet genoeg. Voor alle nuttigheid van AI-tools zijn ze nog steeds vatbaar voor fouten. Een aantal factoren kan ertoe leiden dat een AI-tool hallucineert, afwijkt van de alignering of afwijkt van beleidsregels en richtlijnen. Naarmate deze verschuiving plaatsvindt, zal er een groeiende behoefte zijn aan observabiliteit, meting en verantwoording.

AI-agents doen de taak niet alleen; ze nemen beslissingen zoals het goedkeuren van restituties, het bijwerken van accounts en het escaleren van problemen. En omdat deze tools veel sneller werken dan een mens, kan elke fout binnen enkele uren over honderden of zelfs duizenden instanties worden herhaald.

Daarom moeten organisaties observabiliteit inbouwen om te weten wat hun AI besluit; testtools om fouten op tijd te detecteren; en logboekinfrastructuur om fouten snel te onderzoeken.

Het op de juiste manier opbouwen van dergelijke beveiligingsmaatregelen rond elke AI-implementatie zal resulteren in een flexibele en responsieve architectuur die in staat is om complexiteit op manieren aan te pakken die traditionele workflows niet konden. Het is het vermelden waard dat deze architectuur ook inherent minder voorspelbaar is en nieuwe benaderingen van toezicht en governance zal vereisen.

De compromissen

Hoewel AI een wereld van mogelijkheden opent, introduceert de verschuiving naar autonomie nieuwe risico’s voor contactcenters, een bedrijfstak waar consistentie en vertrouwen essentieel zijn.

Gestructureerde workflows zijn lange tijd de basis geweest van contactcenteroperaties. Elke stap is van tevoren gedefinieerd, elke beslissing volgt een goedgekeurd pad, en elke interactie kan worden gecontroleerd op vastgestelde regels. Deze structuur helpt ervoor zorgen dat klantinteracties consistent blijven, dat regelgevingsvereisten worden nageleefd en dat beleidsregels uniform worden toegepast in elke zaak.

Autonome AI-agents werken anders dan traditionele software die voorspelbare algoritmes volgt. AI-agents nemen beslissingen op basis van hun onderliggende model, trainingsgegevens en context, in real-time. Deze flexibiliteit stelt hen in staat om zich aan te passen aan elke situatie, maar introduceert ook variabiliteit. Twee soortgelijke klantverzoeken kunnen op iets verschillende manieren worden afgehandeld, afhankelijk van hoe de agent de input interpreteert, welke gegevens beschikbaar zijn of hoe het onderliggende model verschillende signalen weegt.

Een persoon die een strikte workflow volgt, zal de neiging hebben om enigszins voorspelbare resultaten te produceren, maar AI-agents kunnen onverwachte of inconsistente resultaten produceren en hebben zelfs een hoog potentieel voor vooroordelen. Een AI-agent kan één factuurkwestie correct oplossen, maar een soortgelijke zaak anders interpreteren.

Dit roept belangrijke operationele vragen op voor organisaties: hoe houdt u verantwoording vast wanneer beslissingen worden genomen door een AI-gebaseerd systeem en niet door iemand die een script volgt? Hoe waarborgt u transparantie in die beslissingen, vooral wanneer modellen complex zijn en niet altijd gemakkelijk te interpreteren? En hoe waarborgt u naleving in omgevingen waar acties dynamisch worden gegenereerd?

Deze vragen zijn nog belangrijker in contactcenters omdat ze op het snijvlak van efficiëntie en ervaring liggen. Een vertraagde reactie, een onjuiste oplossing of een onverklaarbare beslissing kan klanten frusteren en onzeker maken over de betrouwbaarheid van uw hele bedrijf. Ze zullen u als oplossing in twijfel trekken en mogelijk zelfs overstappen naar een andere aanbieder.

Bovendien is er de uitdaging van toezicht. Naarmate AI-agents meer verantwoordelijkheid krijgen, hebben organisaties manieren nodig om hun gedrag in real-time te controleren en te testen, afwijkingen te detecteren en in te grijpen wanneer nodig. Zonder dit niveau van zichtbaarheid wordt het moeilijk om ervoor te zorgen dat systemen werken zoals bedoeld, of om te begrijpen wanneer ze dat niet doen.

De weg vooruit

Organisaties moeten een geleidelijke aanpak volgen bij de adoptie van AI-agents. In plaats van bestaande workflows volledig te vervangen, moeten organisaties beginnen met het aanvullen ervan, AI introduceren in gecontroleerde scenario’s waar de risico’s lager zijn en de voordelen onmiddellijk.

Deze aanpak zal contactcenters in staat stellen om te experimenteren en aan te passen zonder de betrouwbaarheid op te offeren. Ze kunnen AI-agents in lage-risicosituaties inzetten om vooroordelen te identificeren, routingdrift te detecteren en andere problemen aan te pakken zodra ze zich voordoen.

Het doel is tenslotte om kwaliteit te behouden, en AI-agents zijn slechts een extra instrument, ongeacht hoe capabel ze zijn. Een contactcenter dat deze technologie adopteert met het juiste evenwicht tussen voorzichtigheid en optimisme, zal op een dag contactcenters en callcenters in hetzelfde licht laten zien: als een ding uit het verleden.