Reggie Scales, President en Hoofd van Business Unit Applications bij Vonage – Interviewserie

Reggie Scales, President en Hoofd van Business Unit Applications bij Vonage, is een ervaren technologie‑ en communicatiesexecutive met meer dan twee decennia ervaring in het leiden van verkoop, operaties, go‑to‑market‑strategie en bedrijfs­groei. Sinds hij in 2018 bij Vonage kwam, heeft hij senior leiderschapsverantwoordelijkheid gedragen binnen de applicatie‑business van het bedrijf. Eerder was Scales Senior Vice President voor het westen van de VS bij Masergy, Vice President en General Manager van de Centrale regio bij Comcast Business, en Senior Vice President Sales en Marketing bij Wilcon. In een eerdere fase van zijn loopbaan werkte hij meer dan 12 jaar bij PAETEC, waar hij verschillende leidinggevende functies bekleedde, waaronder President Sales en Service, waarin hij de verkoop en bedrijfsoperaties leidde voor een regio van $1 billion met ongeveer 500 medewerkers. Zijn carrière is gericht op het opschalen van communicatiediensten, het bouwen van hoogpresterende teams en het ontwikkelen van enterprise‑verkoop‑ en klantbetrokkenheidsstrategieën.

Vonage is een wereldwijd enterprise‑technologiebedrijf en onderdeel van Ericsson, dat communicaties‑API’s, unified communications en contactcenter‑oplossingen levert aan meer dan 100.000 bedrijven wereldwijd. Het platform stelt organisaties in staat om spraak, video, messaging, authenticatie en andere communicatiefuncties direct in applicaties en klantbelevingen te integreren, terwijl de business‑communicatie‑ en contactcenter‑producten samenwerking tussen medewerkers en klantbetrokkenheid ondersteunen. Vonage integreert steeds meer kunstmatige intelligentie en mobiele netwerk‑intelligentie in haar platform, waardoor bedrijven en ontwikkelaars tools krijgen om meer gepersonaliseerde, veilige en geautomatiseerde communicatie‑ervaringen te creëren over digitale kanalen.

Uw carrière heeft zich uitgestrekt over verkoop, service, regionale operaties, communicatiestructuur, en nu leiderschap van Vonage’s applicatie‑business. Hoe heeft die operationele ervaring uw benadering van AI‑adoptie gevormd, met name de noodzaak om innovatie in balans te brengen met meetbare klant‑ en bedrijfsresultaten?

Ik heb meer dan 25 jaar in de communicatiesector gewerkt, en elke fase van mijn loopbaan heeft het belang bevestigd van het koppelen van technologische investeringen aan een duidelijke zakelijke behoefte. Ik begon met de verkoop van langeafstandsdiensten, daarna ging ik door lokale communicatie, datanetwerken, cloud‑computing en nu AI. Ik heb de kans gehad verschillende grote verschuivingen in onze industrie te zien, en één les is consistent gebleven: nieuwe technologie levert blijvende waarde wanneer ze een echt probleem voor klanten en het bedrijf oplost.

Ik pas diezelfde denkwijze toe op AI. In een contactcenter moet het uitgangspunt het resultaat zijn dat u wilt verbeteren. Dat kan zijn het sneller laten oplossen van routinematige vragen door klanten, medewerkers betere informatie geven tijdens een gesprek, onnodige stappen verminderen, of het makkelijker maken om tussen kanalen te schakelen zonder context te verliezen.

Mijn huidige rol omvat product, engineering, verkoop, partnerschappen en klantondersteuning, wat ook mijn denkwijze over adoptie vormt. Een functionaliteit kan technisch indrukwekkend zijn, maar bedrijven moeten nog steeds overwegen hoe deze past in bestaande operaties, hoe gemakkelijk medewerkers en klanten deze kunnen gebruiken en hoe ze zullen meten of het werkt. Die verbinding tussen technologie, uitvoering en resultaten is vooral belangrijk bij AI omdat het tempo van verandering zo snel is.

Veel bedrijven staan te popelen om generatieve en agentische AI in hun contactcenters te introduceren. Welk fundamenteel werk moeten ze voltooien op het gebied van data, workflow‑ontwerp, systeemintegratie en governance voordat ze proberen verder te schalen dan een eerste pilot?

Bedrijven hebben een stevige basis nodig voordat ze AI door het hele contactcenter uitbreiden. Een pilot kan werken in een gecontroleerde omgeving met een beperkte dataset en een beperkte workflow. Schalen betekent de AI verbinden met meer systemen, meer klantinformatie en meer delen van het bedrijf, wat extra complexiteit met zich meebrengt.

Data is een van de eerste gebieden die aangepakt moeten worden. Organisaties moeten begrijpen waar hun klantinformatie zich bevindt, of deze accuraat en actueel is, en wie toestemming heeft om deze te gebruiken. Workflow‑ontwerp is even belangrijk. Bedrijven moeten het proces waarin de AI opereert begrijpen, welke beslissingen de AI kan nemen en waar een mens moet ingrijpen.

Integratie is een ander belangrijk onderdeel. Klanten communiceren via spraak, messaging, video en andere kanalen, terwijl medewerkers mogelijk op verschillende systemen achter de schermen vertrouwen. Als die omgevingen losgekoppeld blijven, kan het toevoegen van AI een extra laag fragmentatie veroorzaken.

Governance moet ook vanaf het begin worden vastgesteld. Bedrijven hebben duidelijke regels nodig voor privacy, beveiliging, toegang en menselijke controle. Ze moeten ook definiëren hoe ze de AI in de loop van de tijd zullen evalueren. Verder gaan dan een pilot vereist vertrouwen dat de technologie consistent kan presteren naarmate het aantal interacties en de variëteit aan situaties toeneemt.

Klantinformatie is vaak gefragmenteerd over CRM‑systemen, gespreks‑transcripten, messaging‑geschiedenissen en andere enterprise‑platformen. Wat vereist een echt verenigde klant‑contextlaag, en hoe kunnen organisaties voorkomen dat AI‑systemen handelen op onvolledige of verouderde informatie?

Een bruikbare klant‑contextlaag begint met het koppelen van informatie die uitlegt wie de klant is, wat er al in hun traject is gebeurd, en wat ze nu proberen te bereiken. Dat kan CRM‑informatie, gespreks‑transcripten, messaging‑geschiedenissen, accountdetails, eerdere service‑interacties en andere relevante gegevens omvatten.

Veel bedrijven beheren die onderdelen nog steeds in afzonderlijke systemen, en dat veroorzaakt problemen, met of zonder AI. Een klant kan een gesprek beginnen in één kanaal, naar een ander overstappen, en vervolgens informatie moeten herhalen omdat het tweede systeem de geschiedenis van de eerste interactie niet heeft. AI maakt het oplossen van die fragmentatie belangrijker omdat een agent alleen een bruikbare aanbeveling kan doen of passende actie kan ondernemen wanneer hij betrouwbare context heeft.

Organisaties moeten weten welke systemen autoritatief zijn voor verschillende soorten informatie en processen hebben om die informatie actueel te houden. Ze hebben ook waarborgen nodig voor situaties waarin de AI niet genoeg context heeft om zelfverzekerd verder te gaan.

Als informatie ontbreekt, tegenstrijdig of verouderd is, moet de AI die beperking kunnen herkennen en om verduidelijking vragen of een mens betrekken. Dat is vooral belangrijk nu AI verschuift van het beantwoorden van vragen naar het ondernemen van acties voor klanten.

Hoe moet een effectieve overdracht van een virtuele agent naar een menselijke adviseur eruitzien? Welke informatie over de intentie van de klant, eerdere gesprekken, voltooide acties en onopgeloste problemen moet worden overgedragen zodat de klant niet opnieuw hoeft te beginnen?

De klant moet een naadloze overdracht ervaren als een voortzetting van hetzelfde gesprek. Tegen de tijd dat een menselijke adviseur zich bij de interactie voegt, moet hij begrijpen waarom de klant contact heeft opgenomen, wat al is besproken, wat de virtuele agent heeft afgerond en wat nog aandacht nodig heeft.

Op zijn minst moet de overdracht de intentie van de klant, de relevante gespreksgeschiedenis, accountinformatie die nodig is voor de interactie, eventuele reeds voltooide stappen of verificaties, en de reden waarom de virtuele agent het probleem heeft geëscaleerd bevatten. Als de klant het probleem al heeft uitgelegd of een vraag heeft beantwoord, moet de adviseur die informatie direct beschikbaar hebben.

Die continuïteit is belangrijk omdat een van de grootste bronnen van frustratie in de klantenservice is dat men opnieuw moet beginnen. AI moet die wrijving verminderen in plaats van extra stappen toe te voegen.

Naarmate virtuele agents in staat zijn een groter deel van routinematige interacties af te handelen, wordt de kwaliteit van de overgang naar een mens nog belangrijker. Er zullen blijven situaties zijn die empathie, oordeel, creativiteit of meer genuanceerde probleemoplossing vereisen. Bedrijven moeten hier vanaf het begin op ontwerpen en medewerkers voldoende context geven om het gesprek effectief over te nemen van een AI‑agent wanneer die situaties zich voordoen.

De volgende fase van AI voor klantbeleving wordt verwacht minder te focussen op zelfstandige tools en meer op intelligentie die direct in bestaande workflows is ingebed. Hoe verandert dit de rol die AI speelt in het contactcenter, en hoe moeten bedrijven bepalen welke taken volledig geautomatiseerd moeten worden versus welke menselijk geleid moeten blijven?

AI in bestaande workflows integreren is zeer effectief omdat medewerkers en klanten niet naar een aparte ervaring hoeven te gaan om de voordelen te benutten. AI kan ondersteunen wat al gebeurt in het contactcenter door een medewerker te helpen informatie te vinden tijdens een gesprek, een interactie samen te vatten, een volgende stap voor te stellen of een routinematig proces voor een klant af te ronden.

Bij het bepalen wat geautomatiseerd moet worden, moeten bedrijven nauwkeurig kijken naar de aard en de consequenties van de taak. Repetitieve interacties met duidelijke regels en voorspelbare uitkomsten zijn sterke kandidaten voor meer automatisering. Een eenvoudige account‑vraag, bijvoorbeeld, verschilt sterk van een gesprek dat een gevoelige klacht, een ongebruikelijke omstandigheid of een beslissing die een aanzienlijke impact op de klant kan hebben, omvat.

Medewerkers zullen een belangrijke rol blijven spelen waar empathie, oordeel en creatieve probleemoplossing vereist zijn. AI kan die medewerkers ook ondersteunen in plaats van simpelweg een interactie over te nemen.

Ik zou automatisering evalueren op basis van de ervaring die het oplevert. Als een proces sneller wordt maar leidt tot meer herhaalde contacten, meer escalaties of grotere klantfrustratie, moet het bedrijf de workflow opnieuw bekijken.

Vonage heeft recent branche‑specifieke AI‑agents geïntroduceerd voor zorg, financiële diensten en retail‑contactcenters. Waarom wordt verticale specialisatie belangrijk, en hoe moet een bedrijf bepalen of een AI‑agent echt de workflows, terminologie en regelgeving van haar branche begrijpt?

De manier waarop een klant contact heeft met een zorgverlener kan sterk verschillen van de manier waarop iemand interacteert met een financiële instelling of retailer. De onderliggende contactcenter‑technologie kan overeenkomsten vertonen, maar de taal, workflows, klantverwachtingen en vereisten rondom die interacties kunnen aanzienlijk variëren.

Dat maakt de branche‑context steeds belangrijker nu AI‑agents meer kunnen dan alleen basisvragen beantwoorden. Een agent moet de soorten verzoeken die klanten vaak doen begrijpen, de terminologie die medewerkers en klanten gebruiken, de systemen die betrokken zijn bij het afhandelen van die verzoeken, en de grenzen van wat hij mag doen.

Bedrijven moeten branche‑specifieke AI evalueren met scenario’s uit hun eigen operaties. Dat betekent het testen van veelvoorkomende verzoeken, evenals uitzonderingen en complexere situaties. Ze moeten kijken of de agent de verwachte workflow volgt, de taal van klanten begrijpt, en weet wanneer hij een mens moet betrekken.

Organisaties moeten ook beoordelen hoe privacy-, beveiligings- en regelgevingseisen worden behandeld. Die overwegingen moeten deel uitmaken van het ontwerp‑ en evaluatieproces, in plaats van iets dat pas wordt aangepakt nadat een agent al met klanten interacteert.

Uiteindelijk wordt branchekennis waardevol wanneer deze zich vertaalt in nauwkeurigere, passende en bruikbare klantinteracties.

Naarmate AI‑agents evolueren van het beantwoorden van vragen naar het uitvoeren van transacties en acties namens klanten, welke waarborgen zijn vereist rond permissies, privacy, hallucinaties, auditbaarheid en menselijke controle?

Het niveau van toezicht moet toenemen naarmate AI‑agents meer verantwoordelijkheid krijgen. Er is een groot verschil tussen een agent die algemene informatie verstrekt en een agent die een accountwijziging doorvoert, een transactie voltooit of een andere actie onderneemt die direct invloed heeft op een klant.

Permissies vormen een essentieel onderdeel daarvan. Een AI‑agent mag alleen toegang hebben tot de informatie en systemen die nodig zijn voor de taak waarvoor hij geautoriseerd is. Identiteitsverificatie, toegangscontroles en duidelijke regels voor het gebruik van klantgegevens zijn eveneens belangrijk. Klanten moeten transparantie hebben over hoe hun informatie wordt behandeld.

Organisaties hebben ook een verslag nodig van wat er tijdens een interactie is gebeurd. Zodra agents acties gaan ondernemen, moeten bedrijven kunnen achterhalen welke informatie is gebruikt, welke actie is voltooid en waar een probleem zich heeft voorgedaan als er iets misgaat. Dat wordt vooral belangrijk in gevoelige of gereguleerde omgevingen.

Menselijk toezicht moet het risico van de taak weerspiegelen. Sommige routinematige acties kunnen geschikt zijn voor een AI‑agent om zelfstandig uit te voeren. Meer ingrijpende situaties kunnen beoordeling of goedkeuring vereisen.

De AI moet ook onzekerheid herkennen. Wanneer informatie onvolledig, tegenstrijdig of buiten de gestelde grenzen valt, is de veiligste aanpak om te pauzeren, om aanvullende informatie te vragen of een mens te betrekken in plaats van door te gaan op basis van een onbewezen veronderstelling.

Contactcenter‑AI‑projecten worden vaak geëvalueerd aan de hand van kostenbesparingen, call‑deflectie of vermindering van de gemiddelde behandeltijd. Welke aanvullende metrics moeten leiders gebruiken om te bepalen of AI de eerste‑contact‑oplossing, klanttevredenheid, medewerkerbeleving, omzet en langetermijnvertrouwen verbetert?

Efficiëntiemetrics zijn belangrijk, maar leiders moeten verder kijken dan hoe snel of goedkoop een interactie werd afgehandeld. Een korte interactie is niet bijzonder waardevol als de klant het bedrijf opnieuw moet benaderen omdat het probleem nooit volledig is opgelost.

Eerste‑contact‑oplossing is om die reden een belangrijke maatstaf. Herhaalcontact‑ en escalatie‑percentages kunnen leiders ook laten zien of AI echt klanten helpt of het probleem slechts verplaatst. Klanttevredenheid moet centraal blijven staan omdat de ervaring uiteindelijk bepaalt of mensen blijven vertrouwen en zaken blijven doen met een bedrijf.

Dat punt is vooral belangrijk gezien wat we hebben gezien in ons klantbetrokkenheidsonderzoek. Klanten hebben een beperkte tolerantie voor slechte ervaringen, dus bedrijven moeten oppassen dat ze één efficiëntiemetric optimaliseren ten koste van de algehele relatie.

De medewerkerbeleving verdient ook aandacht. Als AI betere informatie biedt, repetitieve taken afhandelt en medewerkers helpt complexere problemen op te lossen, moeten leiders dat kunnen zien in feedback en prestaties van medewerkers.

Ik zou ook kijken naar bredere bedrijfsresultaten zoals klantretentie, accountgroei en omzet die via service‑interacties wordt gegenereerd of beschermd. Samen geven die metingen leiders een veel duidelijker beeld of AI waarde creëert voor klanten, medewerkers en het bedrijf op de lange termijn.

Vonage opereert over contactcenters, unified communications, communications application programming interfaces en netwerk‑aangedreven mogelijkheden via Ericsson. Hoe kunnen deze lagen samenwerken om AI‑agents te laten communiceren en handelen over kanalen heen zonder een extra gefragmenteerde technologie‑stack te creëren?

Klanten denken niet na over of een interactie plaatsvindt in een contactcenter‑platform, of wordt aangedreven door een communications‑API of het mobiele netwerk. Ze verwachten via het kanaal dat voor hen werkt te kunnen communiceren en de interactie zonder onnodige frictie voort te zetten. De technologie achter die ervaring moet die continuïteit ondersteunen.

Vonage opereert over Network‑APIs, CPaaS, CCaaS en UCaaS, wat ons de mogelijkheid biedt deze mogelijkheden te zien als verbonden onderdelen van de klantbeleving. Naarmate AI‑agents capabeler worden, wordt die verbinding steeds belangrijker omdat een agent via één kanaal moet communiceren, context uit een ander systeem moet ophalen en ergens anders actie moet ondernemen.

Een meer geïntegreerde aanpak kan ook helpen de context te behouden wanneer klanten tussen spraak, messaging en andere kanalen schakelen. Hetzelfde principe geldt wanneer een AI‑interactie wordt overgedragen aan een medewerker.

Onze relatie met Ericsson biedt bovendien de mogelijkheid om communicatietoepassingen en netwerk‑mogelijkheden dichter bij elkaar te brengen. Het doel is ervoor te zorgen dat die mogelijkheden nuttig zijn binnen de klantreis zonder bedrijven te dwingen een extra reeks losgekoppelde tools te beheren.

Kunt u een voorbeeld geven van hoe de contactcenter‑, unified communications‑, API‑ en Ericsson‑netwerk‑mogelijkheden van Vonage vandaag in een klantinteractie kunnen samenwerken?

Een goed voorbeeld is wat er gebeurt wanneer een klant een contactcenter van een financiële dienst belt om een verdachte transactie te melden of een accountwijziging aan te vragen.

Voordat de agent zelfs maar opneemt, zijn Vonage’s Network‑APIs – aangedreven door Ericsson’s carrier‑infrastructuur – al actief. Op het moment dat het gesprek binnenkomt, controleert onze Identity‑Insights‑functionaliteit het telefoonnummer van de beller tegen live mobiele netwerkdata, inclusief of de SIM‑kaart die aan dat nummer is gekoppeld recent is verwisseld. Dat is een sterk signaal van mogelijke fraude, en het gebeurt onzichtbaar, zonder enige frictie voor de klant.

Die netwerk‑intelligentie stroomt direct naar het contactcenter via Vonage’s Communications‑APIs, en verschijnt als een realtime‑vertrouwenssignaal in de werkruimte van de agent. Als de agent werkt binnen Salesforce, verschijnt dat inzicht automatisch in Agentforce, zodat de agent kan zien of de identiteit van de beller is geverifieerd of dat er reden is voor extra controle – alles voordat het gesprek begint.

Tegelijkertijd integreert Vonage Contact Center (VCC) naadloos met de unified communications‑oplossing, Vonage Business Communications (VBC), om verbinding te maken met de bredere organisatie. Als de agent een fraudespecialist of een back‑office collega moet inschakelen, kunnen ze in realtime zien wie er beschikbaar is binnen het bedrijf en het gesprek met volledige context overdragen. De klant hoeft zich niet te herhalen, en de specialist neemt het gesprek over met kennis van wat er is gebeurd.

Wat dit voorbeeld betekenisvol maakt, is dat geen van deze lagen afzonderlijk opereert. Het netwerk informeert het contactcenter. De API’s verbinden de intelligentie met de workflow. De unified communications‑laag houdt de juiste personen in de lus. De klant ervaart het als één doorlopende interactie – precies zoals het zou moeten aanvoelen.

Dat is het soort integratie waar we naar streven in al onze mogelijkheden, en het is vandaag al beschikbaar voor klanten.

Naarmate AI meer routinematige klantinteracties overneemt, hoe verwacht u dat de verantwoordelijkheden van menselijke contactcenter‑professionals veranderen in de komende drie tot vijf jaar, en wat moeten bedrijven nu al doen om hun mensen, processen en leiderschap voor te bereiden?

Naarmate AI een groter deel van routinematige interacties afhandelt, verwacht ik dat contactcenter‑professionals meer tijd besteden aan situaties waarin menselijke vaardigheden het meest van belang zijn. Dat omvat complexe problemen, ongebruikelijke omstandigheden en gesprekken die empathie, oordeel of creativiteit vereisen.

De rollen van contactcenter‑professionals zullen ook nauwer verbonden worden met AI. Medewerkers kunnen AI gebruiken om informatie te vinden, de geschiedenis van een interactie te begrijpen, gesprekken samen te vatten of mogelijke vervolgstappen te identificeren. Dat betekent dat mensen moeten weten hoe ze met deze systemen moeten werken, waar ze ze kunnen vertrouwen en wanneer ze een aanbeveling moeten betwisten of overschrijven.

Wat belangrijk is, is dat bedrijven nu hun teams voorbereiden en leiderschap een cruciale rol speelt. Medewerkers hebben duidelijkheid nodig over waarom AI wordt geïntroduceerd en hoe hun functie naar verwachting zal evolueren. Training moet medewerkers helpen begrijpen hoe AI in hun dagelijkse verantwoordelijkheden past en wat hun verantwoordelijkheid blijft wanneer AI betrokken is.

Bedrijven moeten ook contactcenter‑professionals betrekken bij de implementatie omdat zij dagelijks klantvragen, procesgaten en ongebruikelijke gevallen zien. Hun ervaring kan helpen te identificeren waar automatisering nuttig zal zijn en anticiperen waar het problemen kan veroorzaken.

In de komende drie tot vijf jaar verwacht ik dat de sterkste contactcenters die zullen zijn die AI gebruiken om hun medewerkers effectiever te maken, terwijl ze een duidelijke route naar menselijke ondersteuning behouden wanneer klanten die nodig hebben.

Dank u voor het geweldige interview, lezers die meer willen weten, kunnen Vonage bezoeken.