AI-klantenservice: waar stopt de bot en neemt een mens het over?

Gartner publiceerde in 2024 een onderzoek onder ruim 5.700 klanten. 64 procent had liever dat bedrijven geen AI in hun klantenservice gebruikten. 53 procent zou overwegen naar een concurrent te gaan als ze ontdekten dat een bedrijf dat wel ging doen.

Opvallend is waar die weerstand vandaan komt. De grootste zorg is niet dat AI slechte antwoorden geeft. Het is dat het moeilijker wordt om een mens te bereiken. De weerstand gaat dus minder over de techniek dan over de toegang: klanten willen geen bot als slagboom.

Daar zit ook het gevaar van volledige automatisering. Een gesprek dat de bot als afgehandeld telt, kan voor de klant een gesprek zijn waarin hij het opgaf. Hoe je dat verschil in je cijfers zichtbaar maakt, lees je in onze blog over het rendement van AI in je klantenservice. Minstens zo belangrijk is de vraag die daaraan voorafgaat: bij welke gesprekken hoort een bot helemaal niet alleen te staan?

Niet elk contact is gelijk. Een vraag naar de status van een bestelling handelt een bot prima af. Bij deze vier situaties gaat volledige automatisering vrijwel altijd mis:

Emotie. Een boze, teleurgestelde of angstige klant wil gehoord worden voordat hij een oplossing wil. Een bot die direct naar het retourformulier verwijst, maakt het erger.
Geld. Dubbele afschrijvingen, terugbetalingen die uitblijven, een betaling die niet aankomt. Hier wil een klant zekerheid, en die geeft een mens sneller.
Uitzonderingen. Alles wat buiten het script valt: een beschadigd pakket bij een cadeau dat morgen weg moet, of twee problemen tegelijk. Een bot herkent de uitzondering vaak niet eens.
Het aankoopmoment. Een klant die twijfelt tussen twee producten, is een klant die bijna koopt. Met live chat door echte mensen zet je die twijfel om in een bestelling in plaats van in een verlaten winkelwagen.

Herken je deze momenten in je eigen contactstromen? Dan weet je ook waar je bot moet stoppen.

De meeste bots hebben wel een route naar een medewerker. Het probleem is dat die route verstopt zit. De klant moet drie keer "medewerker" typen, eerst een formulier invullen of het juiste toverwoord raden. Dat is precies de slagboom waar klanten bang voor zijn.

Draai het om: laat de bot zelf een mens aanbieden zodra de signalen erom vragen. Een paar signalen die in de praktijk goed werken:

De klant stelt dezelfde vraag voor de tweede keer, in andere woorden.
Het gesprek bevat woorden als "klacht", "opzeggen", "terugboeken" of "advocaat".
De order heeft een hoge waarde, of de klant is een vaste koper.
Het gaat om schade, een pakket dat niet aankwam of een retour die al lang loopt.
De klant vraagt letterlijk om een mens. Dan geen tegenvragen meer, maar direct doorzetten.

Dit geldt voor elk kanaal, maar zeker voor kanalen waar klanten gewend zijn aan een persoonlijk gesprek. Bij WhatsApp-klantenservice verwacht je klant iemand aan de andere kant, en voelt een bot die blijft doorvragen extra kil.

Test het eens bij jezelf: start een gesprek met je eigen bot, vraag naar een medewerker en tel het aantal stappen tot je er een spreekt.

"Automatiseer de simpele vragen" klinkt helder, maar in de praktijk is niet altijd duidelijk wat simpel is. Een handigere manier om te kiezen is per contactreden naar twee dingen te kijken: hoe vaak komt de vraag voor, en wat kost het als het antwoord fout is?

Veel volume, weinig risico. Denk aan levertijden, betaalmethoden en openingstijden. Dit automatiseer je volledig.
Veel volume, veel risico. Denk aan terugbetalingen en leveringsproblemen. Hier laat je AI het voorwerk doen, zoals de klantgegevens ophalen en een conceptantwoord klaarzetten, maar een medewerker controleert en verstuurt.
Weinig volume, veel risico. Denk aan klachten, juridische vragen en grote zakelijke orders. Die blijven bij een mens, van begin tot eind.
Weinig volume, weinig risico. Dit levert zelden genoeg op om te automatiseren. Laat het bij je team, tot het volume groeit.

Het resultaat is geen percentage automatisering, maar een bewuste keuze per type vraag. Welk niveau van AI bij jouw organisatie past, van ondersteunend tot zelfstandig beslissend, hangt af van je klanten en je producten. Op onze pagina over kunstmatige intelligentie in klantenservice lees je hoe we dat samen met je bepalen.

Een pure chatbot-aanbieder verkoopt software. Het succes wordt dan vaak gemeten in hoeveel gesprekken de bot afvangt, want dat is wat de licentie rechtvaardigt. Wat er gebeurt met de klant die niet geholpen wordt, valt buiten de scope.

Een servicepartner is verantwoordelijk voor het resultaat: een tevreden klant. Dat betekent dat de bot en de mensen erachter één geheel vormen. Dezelfde partij bepaalt welke contactredenen de bot mag afhandelen, stelt de signalen voor doorzetten in, bemant de gesprekken die bij een mens horen en ziet als eerste waar het misgaat. Beantwoordt de bot een vraag steeds verkeerd, dan merkt het team dat de volgende ochtend en past het aan.

Je merkt dat verschil vooral bij de gesprekken uit het rijtje hierboven: de klacht, de terugbetaling, de uitzondering. Met een vaste consumentenservice landen die gesprekken bij mensen die je producten en je tone of voice kennen, ook als de bot het eerste woord had. Dat is het verschil tussen een tool kopen en je klantenservice uitbesteden aan een team dat mens en machine samen inzet.