Vattenfall bereidt zich voor op de machine customer

Na Madrid, Londen en Parijs deed Sabio’s klantevent Sabio Disrupt ook Utrecht aan. De vraag is natuurlijk: valt er nog iets te disrupten? Het antwoord: jazeker. Het contactcenterproces kan de komende jaren verstoord worden door bots van buitenaf, die mogelijk onvoorspelbaar en irrationeel acteren.

Stuart Dorman, chief innovation officer bij Sabio, hield zijn publiek de vraag voor: ‘Ben je AI-optimist of AI-pessimist?’ Dorman erkent dat het lastig is om positief te blijven: er is veel onzekerheid, er woeden oorlogen in de buurt van Europa, climate change rammelt al jaren aan de poort en dan gaat tot overmaat van ramp AI ook nog je baan overnemen. Uiteraard zet Dorman als techchef ook iets tegenover die doemscenario’s. AI vreet weliswaar energie, maar is tegelijk een belangrijke prikkel voor verduurzaming van de energievoorziening. AI gaat vooralsnog niet op grote schaal banen opeten, maar heeft wel alles in zich om de wereld vooruit te helpen met nieuwe kennis. Wat Dorman betreft is de eerste winst al binnen: we kunnen nu echt goed samenwerken met computers, want ze begrijpen eindelijk onze taal.

Sabio presenteerde tijdens Sabio Disrupt in De Utrechtse Stadsvrijheid twee cases (met naam en toenaam) en gaf tussen de productdemonstraties de nodige tips die beginners op weg moeten helpen met agentic AI. Dat begrip, aldus verschillende sprekers, behoeft geen uitleg meer. Jacqueline van Arkel, AI Solutions Architect bij Sabio, vestigde de aandacht op de echte uitrol van AI-agents. In productie ontdek je pas hoe het echt werkt. Begin daarom met een beperkte use case en doe daar ervaring mee op. Werk model-onafhankelijk, maak goed gebruik van agentic tools, documenteer het ontwikkelproces (‘prompt versioning’) en beschouw kennismanagement als het fundament onder AI-toepassingen.

Agentic AI vraagt om red teaming, observability en prompt versioning

Als je een vraag meerdere malen aan een LLM stelt, krijg je antwoorden die op verschillende manieren geformuleerd zijn of fouten bevatten. Vanwege dat gebrek aan vaststaande, deterministische uitkomsten is doorlopend testen een verplichting. Gelukkig kan je hier AI-agents voor aan het werk zetten, wat doorlopend testen schaalbaar maakt. Red teaming hoort er ook bij: systematisch nagaan of de bot dingen doet die niet zijn toegestaan. Het is een onderdeel van observability: zichtbaar maken van onzichtbaar gedrag van de chatbot. Geautomatiseerde quality monitoring is er voor medewerkers, maar evengoed voor agentic voice bots. En daarnaast moet je nieuwe aanvalsmethoden bijhouden.

Intraday management

Martijn Sterk (Sabio) brak een lans voor intraday management met behulp van AI en wil af van de term trafficing. Hij gaf een demo van een WFM-bot waarmee je kunt praten: wat zijn de cijfers van vandaag? Vertel waarom het servicelevel 21 procent is? Kan je enkele wijzigingen doorvoeren in de bezetting? Het is dat de bot die deze WFM-vragen moet afwikkelen al ontwikkeld is, maar wie een beetje bij is met de laatste stand van zaken op het gebied van prompting en vibecoding, kan ook in een paar minuten een appje bouwen dat in staat is om met datasets uit Excel om te gaan.

Snelle en langzame migraties bij Essent

De beide cases kwamen van Essent en Vattenfall. Beide energiebedrijven zijn druk in de weer met hun klantcontactomgeving. Michiel Kouijzer, Product Manager bij Essent, vertelde over een van de snelste CCaaS-migraties aller tijden: in 12 weken tijd van een legacy on premise oplossing naar Genesys Cloud. Er waren voor Essent meerdere redenen om het IT-landschap inclusief het contactcenter aan te pakken. De kosten liepen op (er waren veel leveranciers en applicaties te managen), NIS2 kwam eraan en het bedrijf kon niet goed innoveren. De besluitvormingfsase (iets minder dan een jaar) ging Kouijzer te langzaam, ook omdat een aflopend contract voor tijdsdruk zorgde. De migratie van het voicekanaal verliep goed (dankzij het MKB als proefkonijn, de route met de minste pijn), maar messaging-kanalen overzetten vereiste meer tijd. En overstappen op een echt WFM-tool bleek nog ingewikkelder. Of zoals Kouijzer zei: “We waren Excel-helden en dat zijn we nog steeds.”

De meeste stappen voor het contactcenter zijn sinds eind vorig jaar afgerond, maar de tempoverschillen in de verschillende bouwblokken waren dus aanzienlijk. De oorzaken daarvan liepen uiteen: van (zo bleek) verouderde callflow-beschrijvingen tot problemen in de rolverdeling en wisselingen in het management. Uiteindelijk zijn er 1000 medewerkers in 1 week overgegaan en bespaart het contactcenter van Essent een half miljoen euro aan directe IT-kosten. En de medewerker-NPS steeg met 7 punten. Wat er nu staat is een fundament, onder meer voor een agentic voicebot, geintegreerde agent assist en AI-gebaseerde afwikkeling van e-mail. Dat laatste kanaal was bijna weggeorganiseerd en afgeschaft, maar Essent begreep net op tijd dat dat geen goed plan was. Nu is e-mail weer een belangrijk contactkanaal.

Tjeerd Schopman, Manager AI Automation bij Vattenfall, vertelde over de verdere ontwikkeling van chatbot Nina (2019), die aan een update toe was. Ook Vattenfall heeft gekozen voor Genesys, maar in combinatie met Cognigy. Best bijzonder, want Cognigy is onderdeel van NiCE en Genesys flirt al jaren met Salesforce dat agentic AI zo ongeveer heeft uitgevonden. Sterker nog, Cognigy wordt nu door Vattenfall gezien als het eerste platform waar alle klantinteracties beginnen of doorheen moeten. Voorheen was dat het routeringsplatform.

Vattenfall wil alleen verder automatiseren in klantcontact als de klantervaring daardoor beter wordt, ofwel het bedrijf wil een moeiteloze klantervaring bieden. Al in 2022 begon het bedrijf na te denken over verdere ontwikkeling van Nina, maar ondertussen kwam generatieve AI. Met die pivot hebben meer bedrijven te maken.

Schopman kwam met een mooie uitspraak: bots hebben geen besef van de klantreis en zonder context is het lastig om waarde te leveren. Daarmee wijst hij op het belang van kennis over je klant, maar Vattenfall denkt ook na over een ándere kant van dat verhaal. Schopman verwacht dat het contactcenter de komende jaren steeds vaker te maken zal krijgen met contacten van bots van consumenten. Als klanten zelf bots aan het werk zetten (al dan niet zelfgemaakt), plaatst dat het contactcenter voor nieuwe vraagstukken. Bots hebben namelijk geen boodschap aan first time fix of aan wachttijden. Ze kunnen dus volkomen inefficiënt te werk gaan: denk aan herhaaldelijk contact zoeken met detailvragen, maar zonder de benodigde context. “We gaan ervan uit dat dit binnen een paar jaar gaat gebeuren. Je moet hiervoor klaar zijn,” aldus Schopman.

Waar die machine customer vandaan komt? Afgaand op een aantal bezoekers van Disrupt hebben de grote platformen (Meta, Google en misschien Apple) de beste kaarten. Maar consumenten kunnen ook zelf iets ‘in elkaar flansen’ met behulp van Gemini Canvas of Claude Code.

“AI-agents will be your customers”

Ook Janik Emmendorfer, Principal AI Transformation Consultant bij NiCE Cognigy, sloot zich daarbij aan: “AI-agents will be your customers”. Emmendorfer herhaalde wat Van Arkel zei: LLM’s geven nooit precies dezelfde antwoorden op eenzelfde vraag. Kennismanagement is dus het fundament, zowel voor de ‘productie’ van klantcontact als het bewaken van de kwaliteit daarvan. Wat Emmendorfer betreft is het tijd om te investeren in bots die klanten simuleren (qua gemoedstoestand, een doel of intent en een identiteit) zodat dat bewaken schaalbaar wordt. Maar AI kan net zo goed door je klantinteracties van het afgelopen jaar heen om vervolgens te komen met relevante use cases. Het is een kwestie van prompting. De komende tijd ontstaan er steeds meer interessante samenwerkingen en wisselwerkingen tussen AI-toepassingen in het contactcenter.

Geef AI een rol in je bedrijfsvoering

AI inzetten als hulpmiddel voor agents of als communicatiekanaal voor klanten (chatbots) is dus maar de helft van het verhaal. De andere helft: AI een rol geven in je operatie of bedrijfsvoering. Dat was ook de boodschap van Tom van de Wal en Laura van Vlijmen van Change. Change werkt met Sabio samen om te komen tot AI-gestuurde contactcenteromgevingen, “waar de incentives, de operationele processen en de cultuur allemaal in dezelfde richting wijzen”. Ofwel: waardecreatie voor zowel Change als de opdrachtgevers van Change.

Natuurlijk roepen we al een tijdje dat het contactcenter op een berg aan data zit en dat alle potentieel dus aanwezig is. Maar onder meer generatieve AI maakt het benutten van dat potentieel wel een stuk gemakkelijker. Voorwaarde is wel dat je verschillende processen met elkaar verbindt en niet te veel vasthoudt aan AI in de vorm van gefragmenteerde puntoplossingen.

Van Vlijmen kwam met een rijtje tips, gebaseerd op de ervaringen van een niet nader genoemde klant. Wat Ziptone betreft de belangrijkste tips: je kunt snel zichtbaar resultaat boeken met de inzet van een AI-gebaseerde puntoplossing, maar de echte winst wordt pas later zichtbaar. Bijvoorbeeld omdat de toepassing andere effecten heeft die de besparingen drukken. Denk aan een hogere AHT voor de resterende gesprekken, of meer interacties voor de AI (met hoger tokenverbruik of kosten), of een lagere first time fix in live contact. Kijk daarom naar het geheel, is haar advies. En een andere tip: reserveer voldoende energie, tijd en middelen voor de periode ná de livegang, voor adoptie, meten, bijsturen.

(Ziptone/Erik Bouwer)