AI in klantenservice wordt vaak gezien als dé manier om efficiënter te werken. Sneller, goedkoper en altijd beschikbaar. Dat klinkt logisch. Daardoor ontstaat al snel het idee dat als AI een klantvraag kan oplossen, dit automatisch beter is dan wanneer een medewerker dat doet. Maar daar zit een fundamentele denkfout.

 

Tekst: Job van den Berg

AI is namelijk niet per definitie efficiënter dan een medewerker. In de praktijk kan de inzet van AI zelfs duurder uitpakken. Zeker wanneer organisaties AI op grote schaal inzetten, zonder goed na te denken over welk model ze waarvoor gebruiken. Dat wordt vaak pas zichtbaar zodra AI geen pilot meer is, maar een vast onderdeel van klantcontact, waarbij volumes hoog zijn geworden en iedere interactie telt.

Dat zie je bijvoorbeeld bij het automatiseren van standaard e-mails. Op papier een perfecte AI-toepassing: het werk is repeterend en voorspelbaar. Toch kunnen de kosten in de praktijk oplopen. De oorzaak is vaak simpel: er draait onder water een te zwaar model voor een relatief eenvoudige taak. Daardoor wordt elke e-mail duurder dan nodig.

AI-modellen werken met tokens. Dat zijn kleine stukjes tekst die worden verwerkt en gegenereerd. Voor elke token betaal je; hoe krachtiger het gebruikte model, hoe duurder de tokens. En hoe langer de interactie, hoe hoger de kosten. Bij één e-mail merk je dat nauwelijks. Maar bij duizenden klantcontacten per dag loopt dat snel op.

Welk model zet je in voor welke taak?

De uitdaging zit dus niet in AI zelf. Het zit in de manier waarop het wordt ingezet. Veel organisaties kiezen automatisch voor het meest geavanceerde model, want dat voelt veilig. Meer intelligentie lijkt gelijk te staan aan betere kwaliteit. Maar dat is vergelijkbaar met hoe je mensen inzet. Je laat je beste specialist ook niet de hele dag simpele vragen beantwoorden. Dat is niet efficiënt en is onnodig duur.

Met AI werkt het precies zo. Het meest krachtige model kan vrijwel alles. Maar dat betekent niet dat dat altijd de juiste keuze is. Voor eenvoudige vragen betaal je vaak voor een niveau van intelligentie dat je niet nodig hebt.

Daarnaast hoeft niet alles geautomatiseerd te worden. Veel klantvragen zijn eenvoudig en voorspelbaar. Denk aan orderstatussen of wachtwoordresets. Die kun je prima afhandelen met lichtere modellen.

Van losse taken naar georkestreerde agents

Maar er zijn ook situaties waarin AI tekortschiet. Bijvoorbeeld bij klachten, emotionele gesprekken of complexe vraagstukken. Daar maken mensen het verschil met empathie, context en oordeel. De echte winst zit dus niet in vervanging, maar in samenwerking.

En precies daar ontstaat een nieuwe kernvaardigheid: AI-orkestratie. Het vermogen om bewust te kiezen welk model je inzet voor welke taak. Wanneer een licht model voldoende is. Wanneer een zwaarder model nodig is. En wanneer een mens de betere keuze blijft.

Per interactie het juiste model

Organisaties die dit goed doen, kijken anders naar klantcontact. Niet alleen naar wat technologisch mogelijk is, maar naar wat economisch en operationeel logisch is. Efficiëntie ontstaat niet door overal de slimste AI te gebruiken. Efficiëntie ontstaat door per interactie de juiste balans te vinden tussen model, mens en proces. AI agents kunnen enorm veel. Maar alleen als ze goed worden ingezet en organisatie die dat goed doen, verslaan de concurrentie.

(Ziptone/Job van den Berg)

Featured, Opinie, Technologie