Multimodale AI in klantenservice: van klantfoto naar oplossing

De eerste generatie chatbots en AI-assistenten las alleen tekst. Stuurde een klant een foto, dan zag het systeem een bijlage en verder niets. Multimodale modellen verwerken tekst, beeld en vaak ook audio in één keer. Ze kunnen een foto van een pakket bekijken, het ordernummer op het label lezen, de schade beschrijven en dat koppelen aan wat de klant erbij schrijft.

Voor je klantenservice betekent dat: een foto wordt data. Het systeem herkent wat erop staat, geeft het ticket de juiste categorie en legt je medewerker een samenvatting voor. Welke vorm van AI bij jouw organisatie past, van ondersteunend tot zelfstandig handelend, is een bredere afweging. Die werken we uit op onze pagina over kunstmatige intelligentie in klantenservice. Hier gaat het om één specifieke vraag: wat doe je met beeld?

Niet elk ticket wordt beter van een foto. Deze vier wel:

Schade bij levering. Dit is de klassieker. AI kan inschatten of het om de verpakking of het product gaat, hoe ernstig de schade is en of die past bij het bestelde artikel. Dat bepaalt of je een vervanging stuurt, een claim bij de vervoerder indient of eerst doorvraagt.
Verkeerd product ontvangen. Een foto van het artikel en het etiket laat direct zien of er een verkeerde maat, kleur of variant is geleverd. Zo is er geen discussie meer over wat de klant precies bedoelt met "de verkeerde".
Retourbeoordeling vooraf. Laat klanten foto's meesturen bij hun retouraanmelding. Dan weet je al voordat het pakket terugkomt of het artikel nog te verkopen is.
Gebruiks- en montageproblemen. Een foto van een half gemonteerde kast of een screenshot van een foutmelding in de checkout zegt meer dan drie alinea's uitleg. AI herkent het onderdeel of de melding en stuurt de juiste instructie mee.

Deze vier hebben iets gemeen: de klant ziet het probleem, maar kan het slecht beschrijven. Juist daar verlies je nu tijd aan heen-en-weer mailen.

Dat AI een foto kan lezen, betekent niet dat AI ook over de oplossing moet beslissen. Trek de grens bij geld en bij twijfel. Laat AI sorteren, samenvatten, de categorie kiezen en een voorstel klaarzetten. Laat een medewerker akkoord geven op terugbetalingen boven een vast bedrag, op afwijkende gevallen en op alles waar de klant het niet mee eens is.

Die verdeling heeft twee voordelen. Je medewerker hoeft niet meer elke foto zelf te openen en te interpreteren, maar krijgt een kant-en-klare analyse. En je voorkomt dat een model zelfstandig vergoedingen toekent op basis van een beeld dat het verkeerd heeft gelezen. De winst zit in snelheid bij het eenvoudige werk, niet in het wegautomatiseren van oordeel.

Er is ook een keerzijde. Dezelfde technologie die foto's leest, kan ze ook maken. Fraudebestrijder Forter meldde deze zomer dat door AI gegenereerde schadeclaims inmiddels de snelst groeiende vorm van retourmisbruik zijn. Het Amerikaanse tassenmerk Bogg Bag kreeg bijvoorbeeld een foto in de klantenservicewachtrij die precies overeenkwam met een eerdere foto van dezelfde klant, alleen was er nu schade aan toegevoegd.

Een klantenservice die elke foto op zijn woord gelooft, is daardoor kwetsbaar, zeker als terugbetalingen geautomatiseerd zijn. Met een paar maatregelen maak je het fraudeurs een stuk lastiger:

Vraag om meerdere foto's vanuit verschillende hoeken. Nepschade die over drie of vier beelden heen consistent blijft, is veel moeilijker te maken dan één losse foto.
Kijk naar het patroon, niet alleen naar het beeld. Een klant die voor het eerst een claim indient, is een ander verhaal dan iemand met vijf schademeldingen in een halfjaar.
Vraag bij twijfel het product terug. Bogg Bag laat klanten bij verdachte defecten het product eerst terugsturen, voordat er een vergoeding of omruiling volgt.

Multimodale AI kan je hier ook bij helpen. Een model dat afwijkingen in beelden of herhaalde foto's opmerkt, kan een ticket markeren voor extra controle. Het doel is fraudechecks inbouwen zonder eerlijke klanten te wantrouwen. De meeste schadefoto's zijn namelijk gewoon echt.

Multimodale AI in klantenservice werkt alleen als de foto ook op de goede plek binnenkomt. Veel klanten sturen hun foto het liefst via WhatsApp, omdat die al op hun telefoon staat. Is je WhatsApp-klantenservice goed ingericht, dan komt dat beeld direct in hetzelfde gesprek terecht als de vraag. Het komt dan niet in een los bericht dat iemand handmatig moet koppelen.

Hetzelfde geldt voor je chat. Zorg dat klanten in je live chat een foto kunnen uploaden, en vraag er actief om zodra het gesprek over schade of een verkeerd product gaat. Bij e-mail speelt vaak het omgekeerde probleem: foto's komen wel binnen, maar als zes zware bijlagen zonder toelichting. Met goed e-mailbox management worden die bijlagen herkend, aan de juiste order gekoppeld en bovenaan het ticket gezet.

Vertel klanten ook wat je wilt zien. "Stuur een foto van het product, de verpakking en het verzendlabel" levert veel bruikbaarder materiaal op dan "kun je een foto sturen?".

Een foto van een kapotte lamp laat vaak meer zien dan alleen de lamp: een woonkamer, een kind op de achtergrond, een naam en adres op het verzendlabel. Onder de AVG zijn dat persoonsgegevens. Die mag je alleen gebruiken voor het doel waarvoor de klant ze heeft aangeleverd.

Leg daarom vast hoe lang je foto's bewaart, wie ze kan inzien en of ze naar een extern AI-model gaan. Werk je met een AI-leverancier, check dan waar de beelden worden verwerkt en of ze worden gebruikt om modellen te trainen. En zorg dat foto's niet verder rondgaan dan nodig, ook niet intern in een chatkanaal met de boodschap "kijk eens wat deze klant stuurde".

Begin klein. Kies één tickettype waar beeld nu de meeste vertraging oplevert, meestal schade bij levering. Pas je fotoverzoek aan en zorg dat beelden in het juiste ticket belanden. Laat AI in eerste instantie alleen analyseren en samenvatten, zonder zelf te beslissen. Meet daarna de doorlooptijd en het aantal berichten per ticket, voor en na de invoering.

Werkt dat, dan breid je uit naar retourbeoordeling of technische vragen. Verkoop je elektronica of apparaten, kijk dan ook hoe je helpdesk screenshots en foutmeldingen verwerkt. Daar levert beeld vaak de grootste tijdwinst op, omdat een klant een foutmelding zelden letterlijk overtypt.

Klanten sturen al foto's, of je daarop bent ingericht of niet. Multimodale AI maakt die foto's direct bruikbaar: sneller sorteren, minder heen-en-weer en betere voorstellen voor je team. De voorwaarden zijn helder. Laat een mens beslissen over geld en twijfelgevallen, bouw fraudechecks in, zorg dat je kanalen beeld goed ontvangen en ga zorgvuldig om met wat er op die foto's staat.

Wil je weten waar beeld in jouw klantenservice de meeste tijd kan besparen? Neem contact met ons op en we kijken het graag met je door.

< Ouder bericht