Rabobank gaf vooral een inkijkje in de technische kant van marketing en klantcontact en daarnaast was er aandacht voor GEM, de universele chatbot voor gemeenten. Deel 2 van een impressie over de Conversational Conference van Frankwatching.

Tekst: Karina Meerman

Maarten Kolkman (directeur klantenservice contactkanalen bij Rabobank) trapte af met een optimistisch verhaal over technologie. Hij zag digitaal bankieren als de reden dat klanten steeds minder naar vestigingen wilden komen. Hij schetste de enorme groei in digitaal klantcontact sinds de jaren ’80 en liet zien hoe leuk Nederlanders bankieren vinden, gezien de hoge score van bankierenapps in de app-stores.

Van de 1,7 miljard klantinteracties per jaar die Rabobank heeft, zijn bij ‘slechts’ 10 miljoen een echte bankmedewerker betrokken. Het klonk enigszins alsof wij consumenten de Rabobank gedreven hebben tot het sluiten van vestigingen, met onze hartstocht voor digitaal bankieren. Toch blijft menselijk contact belangrijk, zei Kolkman. “Mensen maken het verschil.” Aan de klantkant door contact te personaliseren, aan de bankkant door hun extra inzet in klantenservice.

Herdigitaliseren

Kolkman maakte onderscheid tussen het Engelse ‘digitising’ en ‘digitalising’. Het eerste is het digitaal maken van bestaande processen (is dat niet ‘gewoon’ automatiseren?) het tweede is het opnieuw ontwerpen van processen voor de digitale wereld. “Data zijn key.” De data van Rabobank leggen een weg af die beschreven wordt in het ‘marketing automation landscape’ (zie afbeelding). De bank won hiervoor The Stackies in 2022, een prijs voor de beste overzichtsplaat van de marketingtechnologie van een bedrijf en hoe het die inzet.

Martech-proces

Het proces van personalisatie begint bij data verzamelen (collect) en ze samen te voegen. Kolkman gebruikte het woord ‘unifiy’, verenigen, wat impliceert dat er ook een slag overeen gaat om de data uitwisselbaar te maken. Stap 3 is het verrijken van de data door bronnen toe te voegen (enrich). Dan wordt het mogelijk om zaken te gaan voorspellen (predict) en op basis daarvan campagnes en andere uitingen te gaan maken (create). De laatste stap is het activeren van klanten (activate). Feedback op conversie gaat weer mee in het verrijkingsproces en zo gaat het cirkeltje rond. De drijvende kracht in dit hele verhaal is “het AI-marketing brein” van PEGA. Het voert realtime triage uit op klantinteracties en besluit op basis van beschikbare data (en regels uiteraard) wat de beste volgende actie moet zijn voor iedere specifieke klant.

Toekomstplannen

Voor de toekomst ziet Rabobank een app die op steeds meer momenten persoonlijk wordt tijdens het klantcontact. Ook wordt gewerkt aan verbetering van stemherkenning (onder andere voor spraakroutering), taalmodellen en het voorsorteren van gesprekken. Wel al mogelijk is een terugbelverzoek laten inplannen en binnenkort kan de klant ook bellen vanuit de app.

Generatieve AI

Kunstmatige intelligentie die zelf teksten kan bedenken, oftewel generatieve AI, werd veelgenoemd op het congres. Volgens Kolkman gaat het 60 tot 80 procent van alle banen raken, maar niet met banenverlies tot gevolg. Hij ziet eerder groei (of in ieder geval een daling van schaarste). Rabobank zet generatieve AI nog niet in voor klanten, maar test de mogelijkheden wel met medewerkers. Het AI-model vat gesproken interactie met een klant samen en koppelt het transcript aan een kennisartikel. De samenvatting wordt gepubliceerd in het chat-kanaal. Het succes wordt bepaald door de integratie van de backend-systemen.

Kolkman vertelde dat Rabobank generatieve AI eerst inzet op medewerker-ondersteuning en mede met hun input en feedback de modellen traint. Bijkomend voordeel is dat hierdoor medewerkers vanaf het begin betrokken worden bij de inzet van deze technologie, waardoor deze ook minder bedreigend is.

Wat als je iets wilt maken voor iedereen?

Later op de dag namen Harvey van der Meer van gemeente Tilburg en Peter Paul Hellings van gemeente Utrecht het publiek mee in hun enthousiasme voor GEM, “de digitale assistent voor 17,1 miljoen mensen”. Een chatbot maken voor iedereen komt met zijn eigen uitdagingen, helemaal wanneer het met publiek geld wordt gedaan.

GEM is in 2019 geïnitieerd door de gemeente Tilburg. De droom is dat alle 342 gemeenten in Nederland dezelfde chatbot gaan inzetten voor het beantwoorden van vragen van inwoners. Ook mensen die het Nederlands weinig of niet beheersen en mensen met beperkingen.

Voor modelleren maakte het team vooral gebruik van NLP (natural language processing), NLU (natural language understanding) en machinelearning. Generatieve AI wordt “met een schuin oog” bekeken maar nog niet toegepast. Mensen delen persoonlijke en persoonsgegevens in de chat en dat maakt de ontwikkelaars voorzichtig. GEM is gebouwd met open source software: “public money, public code”.

Hoe schaalbaar is GEM?

Op dit moment werken 22 gemeenten mee. De vragen zijn bij alle partijen dezelfde, maar de antwoorden verschillen omdat wet- en regelgeving niet overal hetzelfde wordt uitgevoerd. Zelfs de openingstijden van de kantoren variëren.

Gemeenten mogen antwoorden beperkt aanpassen, maar te veel verschillen zou het doel van ‘1 chatbot voor iedereen’ aantasten en beheer complexer maken. “Alles wat je aanpast moet je beheren”, aldus Van der Meer. Hoe meer gemeenten mee gaan doen, hoe ingewikkelder dit wordt. Daar zit nog een interessant punt. Op dit moment zitten minimaal 22 afgevaardigden in een overleg. Wat als 50 gemeenten mee gaan doen? Meer deelnemers betekent vermoedelijk ook een andere projectorganisatie.

GEM in Utrecht

Hellings vertelde dat GEM bij de gemeente Utrecht op dit moment 14% van de live-chats ondervangt. Over de tevredenheid van gebruikers is nog niet veel bekend, vanwege de manier waarop de gesprekken worden afgesloten. Van der Meer: “We willen gesprekken niet afkappen, maar natuurlijk laten aflopen. We vragen dus pas om feedback in de chat wanneer het live gesprek klaar is. Dat is ook wanneer GEM het gesprek verlaat.”

Als livechat niet mogelijk is, dan verwijst GEM uiteraard niet door naar een menselijk medewerker, maar toont hij contactgegevens. Hellings: “Dit heeft wel geleid tot discussie over openingstijden van het gemeentehuis. Passen die nog wel bij het klantgedrag van 2023?”

Dromen

Wensen genoeg bij de ontwikkelaars. Zij werken nu aan het maken van afspraken op het gemeentehuis. Het zou mooi zijn als GEM ook het aanvragen of verlengen van rijbewijzen en reisdocumenten kon afhandelen, maar daar is identificatie voor nodig. Vragen over gemeentebelastingen zijn ook nog ingewikkeld, want sommige gemeenten doen dat in een samenwerkingsverband. Dromen genoeg nog voor Hellings en Van der Meer. (Ziptone/Karina Meerman)

Lees ook deel 1 van de impressie van de Conversational Conference van Frankwatching: over chatbot Pennenveer van De Efteling en chatbot Billy van bol.com.  

Case, Event, Featured, Technologie Frankwatching