Vrijwel iedereen in klantcontact is bezig met AI-toepassingen of maakt plannen daartoe. De inzet van AI zorgt niet alleen voor veranderingen in het klantcontactproces, het verandert ook de CO₂-uitstoot – iets waar bedrijven op moeten rapporteren. Wat is gunstiger qua uitstoot: een menselijke agent of een AI-aangedreven chatbot?

 

Tekst: Cynthia Mak

Wanneer is een chatbot qua footprint beter dan een medewerker? Wie de ontwikkelingen van AI in klantcontactland volgt, bevindt zich in een emotionele rollercoaster. De jubelende businesscases vliegen je om de oren: de hoge productiviteit van de autonome AI-bots, in combinatie met hun ziekteverzuim van nul procent en afwezigheid van off-days, zorgt voor een daling in de inkomende contactvolumes. Maar dit raakt anderen weer direct in de omzet. De ene na de andere BPO moet noodgedwongen reorganiseren of zichzelf naar een lagelonenland verplaatsen. “Nee hoor”, roept de menslievende medemens, “AI kan nooit een mens vervangen als het gaat om empathie en menselijke verbinding.” En toch riep de SER onlangs bedrijven op om zich tijdig voor te bereiden op de invloed van AI op banen. Sommigen banen zullen veranderen, andere banen zullen verdwijnen.

Kiezen tussen agents en chatbots

Wat ook is verdwenen, is de wens van Klarna om het werk van 700 medewerkers te vervangen door AI. Waar het bedrijf in februari 2024 nog juichend aankondigde vol op AI in te zetten, kwam het een jaar later terug op deze beslissing. De productiviteitsverbetering was fijn, maar de klanten vonden hun financiële zaken toch een té gevoelig onderwerp om met een robot te bespreken.

Juist nu is het belangrijk voor organisaties om een afweging te maken: wanneer kies je voor een AI-agent en wanneer kies je voor een medewerker? Deze keuze is al vaak vanuit een operationele, mensgerichte en klantgerichte invalshoek besproken, maar hoe zit het met de ecologische voetafdruk? Wat is duurzamer: een serverpark of een woon-werk reizende medewerker?

Tijd voor een vergelijking van CO₂-uitstoot.

1. De menselijke medewerker

We kijken naar de uitstoot van een gemiddelde fulltime klantcontactmedewerker in Nederland, die 50% vanuit huis werkt en 50% vanaf kantoor. We nemen hierbij alleen de werkgerelateerde CO₂-uitstoot mee. Wat de medewerker privé doet, telt dus niet mee. Onze fulltime modelmedewerker handelt drie chats tegelijk af, met gemiddeld acht minuten per gesprek. Daarmee komt hij of zij uit op circa 30.240 chats per jaar.

Woon-werkverkeer

Voor een klassieke kantoorfunctie is woon-werkverkeer vaak een grote bron van uitstoot. In ons Nederlandse voorbeeld, met een gemiddelde woon-werkafstand van 19,9 kilometer enkele reis en een gemengde voertuigenmix van gemiddeld 128 gram CO₂ per kilometer, gaan we uit van 260 werkbare dagen en 50% aanwezigheid op kantoor. Na aftrek van absente dagen door ziekte, vakantie of onvoorziene omstandigheden komen we bij ritten per jaar uit op ongeveer 550 kilogram CO₂-uitstoot. Dat is bijna de helft van de totale werkgerelateerde voetafdruk van de medewerker.

Kantoorenergie

Ook de fysieke werkplek draagt bij aan de footprint. Voor een standaard werkplek van 10 m² wordt jaarlijks zo’n 700 kWh aan stroom en 180 m³ gas verbruikt. Onze voorbeeldmedewerker werkt de helft van het jaar thuis, daarom rekenen we 50% van dat gebruik toe: 350 kWh elektriciteit (goed voor 115 kg CO₂) en 180 m³ gas (ongeveer 338 kg CO₂). Samen is dat een uitstoot van circa 450 kilogram CO₂ per jaar voor kantoorenergie.

Thuiswerkenergie

Ook thuis wordt energie gebruikt. Voor deze berekening gaan we uit van alleen het extra stroomverbruik door de laptop: 60 watt, 8 uur per dag, 108 thuiswerkdagen. Dat komt neer op 51,8 kWh, ofwel ongeveer 17 kilogram CO₂ per jaar.

Opleiding & onboarding

We nemen als vuistregel aan dat een medewerker jaarlijks gemiddeld vijf klassikale trainingsdagen op kantoor volgt, inclusief het bijbehorende vervoer. Hiervoor rekenen we een bescheiden uitstoot van 30 kilogram CO₂ per jaar.

Hardware

Tot slot de impact van de gebruikte apparatuur. Een laptop is verantwoordelijk voor ongeveer 331 kg CO₂ aan productie-uitstoot, afgeschreven over vier jaar. Een smartphone voegt daar nog eens 70 kg CO₂ aan toe, eveneens uitgesmeerd over vier jaar. Samen komt dit neer op een jaarlijkse bijdrage van ongeveer 101 kilogram CO₂.

Totale uitstoot per chat voor medewerkers

Bij elkaar opgeteld zorgt de menselijke klantcontactmedewerker voor een werkgerelateerde uitstoot van ongeveer 1.148 kg CO₂ per jaar. Gedeeld door 30.240 chats, is dat zo’n 38 gram CO₂ per chat.

2. De AI-chatbot

Tijd om de chatbot onder de loep te nemen. We kijken naar een AI-gestuurd chatsysteem dat gebruik maakt van een large language model (LLM), zoals GPT-4o, dat via een Nederlandse hyperscaler wordt gehost. Omdat de ecologische voetafdruk van AI sterk afhangt van de schaal, nemen we in deze analyse het schaalvoordeel expliciet mee als uitgangspunt. De trainingsfase van een AI-model veroorzaakt een relatief hoge, maar die verspreidt zich over alle chatsessies die het model vervolgens afhandelt. Hoe meer chats, hoe lager de gemiddelde uitstoot per gesprek. Voor de berekening gaan we daarom uit van 100 miljoen chats per jaar. In de afsluitende vergelijking zetten we dit naast het scenario van een individuele medewerker met 30.240 chats per jaar, om de effecten van het schaalvoordeel duidelijk zichtbaar te maken. 

Modeltraining en ontwikkeling

De trainingsfase is een eenmalige, maar intensieve stap. GPT-3, een model vergelijkbaar qua omvang met GPT-4o, kostte ongeveer 1.287 MWh aan energie bij training, wat overeenkomt met 550 ton CO₂. Deze uitstoot wordt gedeeld over miljoenen gebruikers en miljarden chatsessies. Bij een conservatieve aanname van 100 miljoen chats per jaar, komt dat neer op ongeveer 4,2 gram CO₂ per chat.

Na deze initiële training vindt in de praktijk vaak nog aanvullende training plaats — zogenaamde fine-tuning. Hierbij wordt het model afgestemd op klantdata of sectorspecifieke informatie, bijvoorbeeld om betere antwoorden te geven in de context van een webwinkel of verzekeraar. Dit type bijstelling gebeurt periodiek, bijvoorbeeld bij productwijzigingen of veranderende klantvragen. De ecologische impact daarvan is relatief gering: doorgaans minder dan 5% van de oorspronkelijke trainingsuitstoot. Voor deze berekening nemen we aan dat de impact van fine-tuning verwaarloosbaar is vergeleken met de megatraining van het basismodel.

Energieverbruik tijdens gebruik

Voor elk individueel AI-antwoord gebruikt het model tussen de 0,34 en 0,43 Wh aan stroom. Inclusief datacenterverliezen (Power Usage Effectiveness van 1,15) betekent dit gemiddeld 0,39 tot 0,50 Wh per chat, oftewel ongeveer 0,15 gram CO₂ per chat.

Hardware, datacenters en overige milieuaspecten

Ook de fysieke infrastructuur draagt bij. Een server met acht krachtige GPU’s, zoals de Nvidia H100, vertegenwoordigt circa 15 ton CO₂ aan productie-emissies. Bij een levensduur van vier jaar en een gebruik van 100 miljoen chats per jaar, resulteert dit in een bijdrage van ongeveer 0,03 gram CO₂ per chat.

Totale uitstoot per chat voor AI-chatbots

Tel je alles bij elkaar op — training, gebruik en hardware — dan komt de AI-chatbot uit op een totale uitstoot van ongeveer 4,4 gram CO₂ per chat bij een jaargemiddelde van 100 miljoen gesprekken. Dat is ruim acht keer lager dan de menselijke medewerker.

Maar we gaan voor de eerlijke vergelijking: de eerdergenoemde 30.240 chats per jaar die de medewerker wegwerkt. Hier slaat de balans door in het nadeel van AI: de chatbot komt uit op circa 440 gram CO₂ per chat — vooral door de grote eenmalige trainingsfootprint die nog niet ‘terugverdiend’ is over voldoende sessies.

Vergelijking

De AI-chatbot is op grote schaal (meer dan 1 miljoen chats per jaar) aanzienlijk zuiniger dan een menselijke medewerker. De trainingsuitstoot wordt dan snel verdund, en de operationele efficiëntie van AI – zeker bij 24/7 inzetbaarheid – zorgt voor een forse reductie. Bij kleinschalige inzet (< 0,5 miljoen chats per jaar) wint de mens het voorlopig nog, zeker als er hybride of remote wordt gewerkt en het woon-werkverkeer en de kantoorinrichting goed zijn georganiseerd.

Conclusies

De ecologische afweging tussen een heen en weer reizende medewerker of een chatbot in een serverrack hangt sterk af van de schaalgrootte. De menselijke medewerker is op kleine schaal (zoals in niche B2B-klantenservice) de duurzamere keuze. Maar zodra volumes richting een miljoen chats per jaar of meer gaan, wint AI het met gemak – de voorsprong loopt op tot 95% minder uitstoot per interactie.

Voor bedrijven die zowel willen verduurzamen als klantcontact willen moderniseren, ligt de optimale strategie in een hybride aanpak: laat AI het repetitieve werk afhandelen, en zet medewerkers in voor het empathische, complexe of gevoelige contact. En of je nu mens of machine inzet: stel heldere CO₂-doelstellingen per chat en vraag je leveranciers om transparantie over hun energieverbruik en infrastructuur.

(Ziptone/Cynthia Mak)

Featured, Kennisbank, Technologie