Het efficiencyfeestje in klantcontact lijkt voorbij. Hoewel de inzet van GenAI als agent assist-oplossing tot meer efficiency leidt, zijn er ook steeds meer geluiden te horen over teruglopende productiviteit, langere wachttijden, oplopende werkdruk en een gestegen ziekteverzuim in contactcenters. Wat staat er onder de streep?

 

Vooralsnog bestaat het laaghangend fruit van GenAI in klantcontact uit het aanreiken van dialoogsuggesties, het pushen van kennisartikelen en het geautomatiseerd genereren van gesprekssamenvattingen. De opbrengst: tijdwinst in bijvoorbeeld het zoeken naar informatie of het loggen van gesprekken. Op de nieuwste generatie chatbots na – we wachten nog steeds op de daverende successen daarvan – blijft er onder aan de streep niet zo veel over. Zeker wanneer je de ongunstiger bruto/netto-verhouding, gelijkblijvende contactvolumes, langere gesprekken, een hoger ziekteverzuim en hogere loonkosten meeneemt. Kortom, die belfabriek is helemaal geen toonbeeld meer van alsmaar toenemende superefficiency. Vraag een groepje klantcontactmanagers naar het sturen op AHT en je bent verzekerd van een aantal meewarige blikken. Das was einmal.

Het prijskaartje van GenAI

En dan hebben we het nog niet eens gehad over de oplopende kosten van GenAI: opdrachten richting de GenAI-oplossingen variëren in omvang, en dus in tokens, en daarmee in prijs. In het FD van 23 april 2024 gaf de Utrechtse chatbotleverancier Watermelon al aan het afrekenmodel te hebben aangepast: van afrekenen per chatbotgesprek naar betalen per tokenbundel. CEO Alexander Wijninga verwacht dat het gemiddelde gebruik van tokens per klant meer uiteen gaat lopen dan met de oude chatbots het geval was. Of simpel gezegd: digitalisering van meer contacten en digitalisering van meer complexe contacten zorgen beiden voor hogere kosten.

Net als Wijninga meldt ook CM.com CEO Jeroen van Glabbeek in hetzelfde FD-artikel dat de inzet van op GenAI-gebaseerde chatbots ‘prijzig’ is: “Als je, zoals de bedrijven die wij bedienen, miljoenen gesprekken met klanten afhandelt, dan kost dat via ChatGPT ineens tonnen.” Die stijgende kosten zijn overigens prima te verklaren: AI vreet energie. Past dat wel in de MVO-paragraaf van het jaarverslag? Of verzinnen we hier een nieuwe variant van ‘verborgen kosten’ voor?

Wapenwedloop in AI-modellen

Je kunt dus zo je vraagtekens plaatsen bij de betaalbaarheid van op GenAI-gebaseerde oplossingen. En daar komt nog bij dat het lastig is om keuzes te maken voor bepaalde platformen, want de onderliggende technologie is nog verre van uitontwikkeld. De belangrijkste leveranciers van ChatGPT-achtige oplossingen staan keurig in een top tien, maar de kopgroep wisselt zo ongeveer wekelijks van samenstelling als het gaat om kwaliteit en vermogens. Wie gisteren hoorde dat ChatGPT 4 Turbo echt voor een enorme verbetering zorgt, kan vandaag lezen dat Llama 3 van Meta de concurrenten weer overtroffen heeft met een model met 70 miljard parameters – en morgen komt er dan weer een bericht over Snowflake dat Llama 3 ruimschoots inhaalt.

Efficiency

Niet voor niks is het een belangrijke fase in de hype cycle van Gartner: ‘peak of inflated expectations’. En voor wie de hype cycle niet kent: de volgende halte is het ‘dal van de ontgoocheling’. Dat is de fase van teleurstelling, kritiek, realisme en erkenning van de beperkingen van de technologie. Het zijn verwarrende tijden: de inzet van AI kan processen verbeteren en zorgen voor efficiency, maar de kosten blijken niet voorspelbaar. Die januskop van technologie hebben we ook gezien bij CRM, big data, multichannel, cloud computing en social media in klantcontact.

Verder afknijpen van het eerstelijns klantcontact wordt op een gegeven moment contraproductief, zeker wanneer je slechte processen automatiseert. Klantcontact kost tijd, geld en aandacht, óók als je het automatiseert. (Ziptone/Erik Bouwer)

Customer Experience, Featured, Opinie