AI in klantcontact, zonder je merk te schaden

Klanten haten slechte chatbots: bots die in een loop praten, vragen niet begrijpen, en weigeren door te schakelen naar een mens. Wij bouwen het anders. Eén: de bot leeft van een echte kennisbank (jouw FAQ, productdocumentatie, beleidsregels) via RAG, dus hij verzint geen antwoorden. Twee: zodra de bot het niet zeker weet, escaleert hij direct naar een mens met de volledige context van het gesprek. Drie: we testen elke bot eerst op honderden echte vragen voor hij live gaat. Vier: we trainen door op werkelijke gesprekken, niet alleen op de FAQ. Een goede AI-klantenservice is onzichtbaar als hij werkt, en honest over zijn grenzen als hij iets niet weet. Slechte bots zijn een merk-risico, dus die bouwen we niet.

Niet elk gesprek hoort bij AI, en dat is precies het punt. We stellen samen met jou escalatie-regels op. Standaard: als de bot het antwoord niet zeker weet (lage confidence-score), als de klant boos of teleurgesteld is (sentimentanalyse), als het om een complexe of niet-standaard vraag gaat, als de klant er expliciet om vraagt, of als het over compliance-, financiële- of juridische zaken gaat. De bot geeft het gesprek door met de volledige context: wat is er al gevraagd, welke artikelen zijn aangereikt, waar is de klant op vastgelopen. Je medewerker hoeft niet opnieuw te beginnen. Vaak is de regel simpel: AI doet 70-80 procent van de routine, mensen pakken de zaken waar het op aankomt.

Ja. AI Act artikel 50 verplicht dat klanten geïnformeerd worden wanneer ze met een AI-systeem praten in plaats van met een mens. Dit geldt voor alle chatbots, voice-bots en automatische e-mailantwoorden waar de gemiddelde gebruiker niet zou doorhebben dat het AI is. We regelen dit standaard in elke implementatie: een korte disclosure aan het begin van het gesprek (bijvoorbeeld "Hoi, ik ben de AI-assistent van [bedrijf], ik help je graag verder en schakel direct door naar een collega als je dat wilt"), en zichtbare branding (chatbot-icoon, naamgeving). Voor voice-AI komt er een gesproken disclosure in de eerste seconden. Niet ingewikkeld, wel verplicht.

Ja, dat is meestal het uitgangspunt. We integreren met Zendesk, Freshdesk, Intercom, HubSpot Service Hub, Salesforce Service Cloud en de meeste andere helpdesks. De AI komt boven op je bestaande systeem, hij vervangt het niet. Concreet: tickets die de AI afhandelt worden gelogd in je helpdesk inclusief het volledige gesprek. Tickets die escaleren komen automatisch in de juiste queue terecht met de relevante tags en context. Je rapportages, SLA-tracking en team-werkverdeling blijven werken zoals ze waren. Voor klanten die nog geen helpdesk hebben adviseren we eerst dat op orde te brengen: AI bovenop chaos versterkt alleen de chaos.

Ja. Voor toerisme, e-commerce en B2B is meertalig vaak de hoofdreden om AI in te zetten. Een goede setup biedt 24/7 support in NL, EN, DE en FR (en eventueel meer talen) zonder dat je per taal een team hoeft te bouwen. De AI herkent de taal automatisch en antwoordt in dezelfde taal, met dezelfde kennisbank als brongegeven. Belangrijk: we adviseren wel om voor escalaties native sprekers beschikbaar te hebben in de talen waar je veel volume verwacht. Voor niche-talen kan de escalatie via een vertaalde tekstuitwisseling lopen. Werkt prima voor B2B, voor toerisme is het vaak afdoende.

Dat is precies waarom we niet bouwen op een generieke chatbot maar op RAG met jouw eigen kennisbank. De AI mag alleen antwoorden geven op basis van bronnen die jij hebt aangeleverd, niet uit "training data". Als de bron onduidelijk of incompleet is, weigert de bot te antwoorden en escaleert hij. Daarnaast loggen we alle gesprekken en reviewen we wekelijks (in het begin) of maandelijks (later) waar de bot fout zit, waar hij twijfelt, en waar de kennisbank gaten heeft. Fouten worden teruggevoerd naar de bron: we voegen een artikel toe, scherpen we een bestaande FAQ aan, of we scherpen de escalatie-regel aan. Geen "set and forget", wel "set and improve".

We bouwen vanaf dag één meetpunten in. Standaard: containment-rate (welk percentage gesprekken handelt de bot zelfstandig af), CSAT-score na elk gesprek (één-klik-feedback: was dit nuttig?), escalatie-rate per onderwerp (waar haakt de mens af), gemiddelde gesprekstijd, en eerste-reactie-tijd. Daarnaast doen we conversational analytics: welke vragen komen vaak terug, waar wordt de bot vaak afgekapt, welke onderwerpen leveren de meeste frustratie op. Die data gebruiken we om de bot beter te maken én om jou te laten zien waar je producten of processen onduidelijk zijn (klantenservice-data is gouden product-feedback). Je krijgt een maandelijks dashboard. Geen rapportage over technische metrics waar je niets aan hebt, wel sturing op de cijfers die ertoe doen.