Waar is mijn bestelling. Hoe retourneer ik. Klopt deze factuur. Je serviceteam is er goed in, maar het kost de hele dag. En de klant die echt boos is, de klant met een ingewikkeld probleem, de klant die op het punt staat op te zeggen: die staat achteraan in dezelfde rij. Dat is het echte probleem. Niet het volume, maar dat het volume je beste mensen wegtrekt van de gesprekken waar ze het verschil maken.
Klantenservice is grote volumes herhaalde vragen in tekst en spraak. Dat is precies waar taalmodellen goed in zijn. Niet omdat ze slimmer zijn dan je medewerkers, maar omdat ze niet moe worden van de veertigste keer.
Een bot die vrije taal begrijpt en via een koppeling met je webshop of CRM een orderstatus, levertijd of retourprocedure opzoekt. Begin bij de twintig vragen die het vaakst binnenkomen, niet bij alles tegelijk.
Binnenkomende berichten worden gecategoriseerd, van een urgentie voorzien en samengevat naar drie regels. De medewerker die het ticket oppakt weet binnen tien seconden waar het over gaat in plaats van na drie mails terugscrollen.
Het concept staat klaar, de medewerker controleert, past aan en verstuurt. De klant merkt er niets van en het risico is laag, want een mens drukt op verzenden. Dit is bijna altijd de slimste eerste stap.
Klanten die opzeggen hebben daarvoor bijna altijd signalen afgegeven: een geïrriteerde mail, een herhaalde klacht. Sentimentanalyse tilt die naar boven in de wachtrij, zodat een boze klant niet drie dagen achter twintig routinevragen staat.
Zoeken op betekenis in plaats van op trefwoord, met een antwoord in gewone taal. Werkt naar buiten voor klanten die zelf willen zoeken, en naar binnen zodat een nieuwe medewerker sneller consistent antwoord geeft.
Als vijftig klanten deze maand over hetzelfde struikelen, is dat geen serviceprobleem maar een productprobleem. Clustering van je ticketstroom laat zien wat je moet repareren voordat het volume weer stijgt.
Deze zes versterken elkaar. De bot verzamelt data over wat klanten vragen, sentimentanalyse laat zien waar de frustratie zit, en met die inzichten verbeter je de kennisbank waardoor de bot weer betere antwoorden geeft. Begin toch met één. Eén ding werkend krijgen levert meer op dan drie halve projecten. Hoe zo’n traject na de eerste stap verloopt lees je op de pagina over AI-implementatie, en de bredere logica achter het automatiseren van een werkstroom staat bij procesautomatisering.
De meeste mislukte chatbotprojecten stranden niet op de techniek. Ze stranden op de keuze om de bot te veel te laten doen. Een klant die drie keer hetzelfde antwoord krijgt en geen uitweg ziet, belt daarna alsnog. Alleen nu bozer, en bij een medewerker die niet weet wat er al gezegd is.
De vraag is dus niet of AI je klantenservice kan helpen, maar welk deel van het werk je eraan toevertrouwt. Routine naar de machine, uitzonderingen naar de mens. Dat klinkt simpel en het is de hele kunst.
Niet verstopt achter drie vervolgvragen, maar in beeld vanaf het eerste bericht. En de escalatie moet echt werken: het gesprek gaat mee, de klant hoeft niets te herhalen en er zit iemand aan de andere kant binnen de tijd die je belooft. Een escalatieknop die naar een contactformulier leidt, is geen escalatie.
Een klant met een serieuze klacht wil gehoord worden door een mens. Een bot die dan blijft antwoorden, maakt het erger en kost je de relatie. Laat AI hier hooguit voorsorteren en samenvatten voor de medewerker die het gesprek voert.
AI kan niet putten uit kennis die alleen in de hoofden van je medewerkers zit. Staat je retourbeleid op drie plekken en zijn ze het oneens, dan kiest de bot er willekeurig één. Opruimen komt eerst.
Een uitzondering maken, een contract ontbinden, geld teruggeven: laat AI het voorbereiden en laat een mens beslissen. Ook omdat je die beslissing moet kunnen uitleggen aan de klant die belt.
De grootste faalfactor is niet de techniek maar adoptie. Wie met het systeem werkt, moet het kunnen bijsturen, corrigeren en verbeteren. Reken training daarom als vast onderdeel van het budget, niet als sluitpost.
Wij plakken hier geen percentage op. Het effect verschilt te veel per bedrijf, per vragenmix en per hoe consequent je team de nieuwe werkwijze volhoudt. Wat je wel kunt doen is vooraf een nulmeting maken, zodat je na een kwartaal een echt antwoord hebt in plaats van een gevoel.
Tel per maand hoeveel gesprekken volledig zijn afgerond zonder dat er een tweede contactmoment nodig was. Meet dat vier weken vóór je begint en daarna elke maand. Split het uit naar vraagtype, want de winst zit vrijwel altijd in één of twee categorieën en dat wil je zien.
Meet de tijd tot het eerste antwoord en de tijd tot volledige afhandeling apart. Een bot drukt het eerste getal direct omlaag, dat zegt op zichzelf weinig. Pas als ook de tijd tot afhandeling zakt, is er echt iets veranderd in je proces.
Registreer het aandeel gesprekken dat naar een medewerker gaat, en registreer daarbij waarom. Overdracht op verzoek van de klant is iets heel anders dan overdracht omdat de bot vastliep. Alleen die tweede categorie moet omlaag.
Zet daar één zachte meting naast: vraag je medewerkers elke maand of ze meer of minder tijd hebben voor de moeilijke gesprekken. Dat is uiteindelijk waar je het voor doet, en het is de eerste indicator die kantelt als er iets niet klopt.
Een dagdeel kost €1.500, een hele dag €3.000. Voor maximaal twaalf mensen, altijd incompany, bij jou op kantoor en op jullie eigen ticketstroom. Een generieke tooldemo beklijft niet bij een team dat de hele dag met echte klanten praat.
Je gaat naar huis met minimaal één werkende workflow die het team zelf kan herhalen. Meestal is dat het conceptantwoord of de samenvatting bij binnenkomst, omdat dat morgen al tijd oplevert zonder dat een klant het merkt.
Bij elke training zit de AI Geletterdheid e-learning voor je hele organisatie, niet alleen voor de deelnemers. 90 tot 120 minuten, met een variant voor klantenservice, en met certificaat. Handig, want sinds februari 2025 vraagt de EU AI Act aantoonbare AI-geletterdheid van iedereen die met AI werkt. Eén trainingsdag dekt dat af voor je hele personeelsbestand.
Welke vragen komen het vaakst binnen, wat kosten ze aan tijd, en welke daarvan hebben een antwoord dat ergens vastligt. Daar zit je businesscase, en meestal is die kleiner en concreter dan mensen verwachten.
Wat vertrouw je aan een systeem toe en wat niet. Jullie leggen dat zelf vast, per vraagtype, inclusief wanneer er een mens bij moet. Dat document is later je escalatiebeleid.
De gekozen toepassing wordt een werkende workflow, meestal met Copilot of Gemini die je al in huis hebt. Iedereen bouwt mee, zodat het niet bij één enthousiasteling blijft hangen.
Wil je zwart op wit zien wat er gebeurt als je de statusvragen eruit haalt, of als er bij elk binnenkomend ticket een conceptantwoord klaarstaat? Dat is een werkende PoC. €4.950 vast, drie weken, één afgebakend proces.
Je krijgt een werkende demo op testdata, maximaal twee read-only koppelingen naar bijvoorbeeld je ticketsysteem of kennisbank, twee sessies en een opleverdocument waarmee je intern een besluit kunt nemen. Read-only, dus er gaat niets naar je klanten toe tijdens de PoC.
Vooraf zit een gratis PoC-check van dertig minuten. Daarin bepalen we of je vraag past en of je documentatie ver genoeg op orde is. Zo niet, dan hoor je dat voordat er een factuur ligt en routeren we naar implementatie of naar opruimwerk.
Bekijk de werkende PoCChatbot, sentimentanalyse en een slimme kennisbank uitgewerkt, inclusief wat elke toepassing oplevert en waar de valkuil zit.
Lees het artikelHet eerlijke antwoord met de voorwaarde erbij: wanneer AI wel werkt, wanneer nog niet, en hoe je verstandig begint.
Lees het artikelWat een training kost, hoe een PoC werkt, wat er wel en niet in zit en wat de EU AI Act van je vraagt.
Naar de vragenWil je een ander team trainen, kijk dan bij voor wie DIDEV werkt.
Mail hoe groot je serviceteam is en welke drie vragen de meeste tijd kosten, of plan meteen een gesprek. Je hoort dezelfde dag welke daarvan je zonder gedoe kunt afvangen, en welke je juist bij je mensen moet laten.
