Je kunt een merk dat iedereen anders aanspreekt niet proefnemen -Test

Een paar dagen geleden raakte ik in een behoorlijk verhitte discussie met mijn vriendin Faniprize. Zij is de persoon aan wie ik frisse werkverhalen vertel wanneer ik een grotere vraag in die verhalen voel, maar die ik nog niet kan benoemen.

Deze keer ging het om AI‑agents. Niet of bedrijven ze nodig hebben, dat is al genoeg besproken. Ik was meer geïnteresseerd in wat er gebeurt nadat een bedrijf een agent heeft geïmplementeerd en deze echt werk gaat doen, want daar beginnen de minder voor de hand liggende problemen.

Ik vertelde haar over een recent project met een wervingsbureau. Een AI‑agent behandelde een deel van de communicatie met potentiële klanten. Vanuit marketingperspectief zag het er goed uit: hij kende het product en het publiek, de toon was juist, en de gesprekken voelden persoonlijk aan in plaats van sjabloonachtig.

Individuele gesprekken leken in orde. Vervolgens plaatsten we er meerdere naast elkaar.

In zeer vergelijkbare situaties had de agent licht verschillende beloftes gemaakt. Hij gaf de ene persoon één tijdlijn voor terugkoppeling en de andere persoon een andere. In een paar gesprekken zei hij in feite “we kunnen hier flexibel zijn” over individuele voorwaarden, hoewel het bedrijf hem nooit de vrijheid had gegeven om die voorwaarden goed te keuren.

Er was geen dramatische hallucinatie, waardoor het probleem moeilijker op te merken was.

De agent klonk volkomen normaal.

Marketingteams besteden vanzelfsprekend veel tijd aan toon en positionering. Een wervingsbureau mag niet klinken als een crypto‑startup, en een bank mag niet communiceren als een modemerk. Maar onder de manier waarop een merk spreekt, schuilt een andere laag: wat mag de agent eigenlijk beloven namens het bedrijf?

Een prachtig geschreven bericht helpt weinig als de klant later ontdekt dat de besproken voorwaarden niet bestaan. Op dat moment is het geen communicatieprobleem meer, maar een reputatieprobleem.

We hebben agents geleerd om te klinken als het bedrijf. Nu moeten we controleren of ze ook zo beslissen.

Waarom de gebruikelijke beoordeling dit mist

De normale controle bestaat uit het lezen van een handvol gesprekken. Is de productinformatie correct? Heeft de agent de instructies opgevolgd? Heeft hij iets vreemds gezegd?

Maar vijf willekeurige gesprekken kunnen er allemaal goed uitzien en toch een ernstige inconsistentie verbergen. Personalisatie maakt elk gesprek per ontwerp anders: de ene klant vraagt direct, de andere legt uitgebreid uit, iemand onderhandelt, iemand blijft aandringen. De voorbeelden zijn niet vergelijkbaar.

In het wervingsvoorbeeld leek er niets mis, totdat we stopten met vragen “Was dit een goed antwoord?” en begonnen met vragen “Welke beslissing heeft de agent hier genomen?”

Wat ik in plaats daarvan begon te doen

Als echte gesprekken geen duidelijke vergelijkingen opleveren, creëren we ze zelf.

Ik neem één zakelijke situatie en laat die acht tot tien keer door de agent lopen. De belangrijke feiten blijven gelijk, maar de persoon aan de andere kant verandert: zachter, directer, klaar om vandaag te tekenen, met een concurrent genoemd.

Vervolgens bekijk ik de zakelijke beslissing. Heeft de agent alleen een korting aangeboden aan de persoon die harder duwde? Is een tijdsverplichting veranderd omdat de omstandigheden anders waren of omdat het gesprek simpelweg ergens anders heen ging? Was het zelfs toegestaan om speciale voorwaarden te bespreken?

Ik zou bezorgd zijn als de bewoording hetzelfde bleef. Wat stabiel moet blijven, is de positie van het bedrijf, en als die verschuift, moet er een zakelijke reden voor zijn.

Het uiteindelijke oordeel moet van een persoon komen. Het model mag zijn eigen huiswerk niet beoordelen. Wie die beslissing ook bezit – de oprichter, het hoofd van sales of de commercieel directeur – moet bepalen of het acceptabel was.

Waar ik eigenlijk naar kijk

Ik kom steeds terug op vier vragen.

Ten eerste, als de belangrijke voorwaarden gelijk blijven, blijft de beslissing dan consistent? Dit is precies waar het wervingsvoorbeeld mislukte.

Ten tweede, opereert de agent nog steeds binnen de werkelijke regels van het bedrijf? Ik zag ooit een menselijke versie hiervan. Een salesmanager begon klanten zelfstandig een korting van 20 % aan te bieden. Het bedrijf had geen standaardkorting van 20 %; die vereiste goedkeuring van het management. Hij probeerde het bedrijf niet te schaden. Hij wilde verkopen, en ergens onderweg verschuiftte hij de grens van wat hij dacht te mogen beslissen. Agents doen hetzelfde.

Ten derde, heeft een gewijzigde beslissing een echte reden? Context is belangrijk, maar het begrijpen ervan en aangemoedigd worden tot iets zijn verschillende zaken. Als de enige wijziging is dat één klant volhardender was, wil ik niet dat de agent stilletjes genereuzer wordt.

Ten vierde, weet de agent waar zijn bevoegdheid eindigt? Soms is de juiste stap simpelweg: ik moet dit met een persoon overleggen. Dat is een volkomen goed antwoord.

De test onthult soms in plaats daarvan het bedrijf

Je brengt de twijfelachtige beslissingen terug naar het team, vraagt wat de agent had moeten doen, en mensen geven verschillende antwoorden.

Verkoop heeft één visie. Marketing heeft een andere. De oprichter zegt: “Nou, normaal doen we dat niet, maar soms wel.” Een manager herinnert zich drie uitzonderingen van vorig jaar.

Dit alles komt terecht in het materiaal dat we aan de agent geven. Als het bedrijf niet op de logica is ingestemd, leert het model van een rommelige realiteit. Soms heeft het de tegenstrijdigheid niet gecreëerd.

Het maakte het gewoon zichtbaar.

Dus AI-testen verandert bijna per ongeluk in een bedrijfsaudit. Wie kan een korting goedkeuren? Wat kan een verkoper beloven zonder te vragen? Welke regels zijn daadwerkelijk regels, en welke slechts gewoonten? En is een uitzondering nog steeds een uitzondering als mensen die elke week maken?

Misschien hebben agenten training nodig op dezelfde manier als mensen

We behandelen AI-agenten nog steeds als software: we configureren ze, stellen de prompt in en laten ze werken. Hoe meer verantwoordelijkheid we ze geven, hoe minder logisch dat voor mij lijkt.

We geven een nieuwe salesmanager niet op maandag een merkboek en gaan ervan uit dat hij klaar is voor elke klant. Iemand luistert naar zijn gesprekken, bespreekt moeilijke gevallen, corrigeert hem wanneer hij te ver gaat. Zo leren ze de logica van het bedrijf.

Waarom verwachten dat een AI-agent dat leert van één enkele prompt? Zodra hij echte gesprekken voert, denk ik dat we hem moeten trainen via cases en feedback, bijna zoals we mensen coachen.

Dat verandert voor mij wat merkconsistentie betekent. Een agent die tien mensen precies op dezelfde manier aanspreekt, zou een verschrikkelijke agent zijn. Hij moet zich aanpassen aan de persoon, de cultuur en de situatie.

Wat niet willekeurig mag veranderen, is de onderliggende logica: wat het bedrijf zal beloven, wat het niet zal beloven, en waar iemand moet stoppen en vragen.

Als je agent morgen tien licht verschillende versies van hetzelfde moeilijke gesprek zou hebben, zou hij dan nog steeds als hetzelfde bedrijf handelen?