Tussen ‘AI steelt onze banen’ en ‘klantcontact kan niet zonder mensen’ zit een heleboel ruimte. Tot nu toe blijft het lastig om voorspellingen te doen over de impact van AI op klantcontactwerk. Maar nieuwe publicaties bieden het klantcontactvakgebied wel kaders en houvast voor analyses van (toekomst)scenario’s. 

 

‘Human in the loop’ of ‘human not in the loop’? Sinds de opkomst van GenAI hebben verschillende onderzoekers zich beziggehouden met de impact van AI op werkgelegenheid. De Britse denktank IPPR (Institute for Public Policy Research) werpt met een uitvoerige analyse nieuw licht op de mate waarin AI impact gaat hebben op het werk dat mensen doen. Daarbij keken de onderzoekers primair naar 22.000 verschillende taken en pas daarna naar functies en banen.

Het IPPR stelt dat de wereld van kenniswerk sterk zal veranderen door generatieve AI en dat de samenleving zich daar nu al op moet gaan voorbereiden. Die veranderingen voltrekken zich in vier fasen, volgens de onderzoekers.

Overgangsfase

Op dit moment bevinden we ons in een overgang van de fase waarin experimenteren met generatieve AI (begonnen in november 2023, toen ChatGPT op de markt kwam) geleidelijk overgaat naar het plukken van ‘laaghangend fruit’. In deze tweede fase worden processen nog niet ingrijpend aangepast en raakt generatieve AI zo’n 11 procent van alle taken.

(tekst loopt door onder de afbeelding)

In de hiernavolgende fase wordt generatieve AI dieper geïntegreerd in bestaande processen, waardoor processen ook worden aangepast. In deze fase kunnen vijfmaal zoveel taken – ongeveer 59 procent van de taken – geraakt worden.

Toekomst

In de laatste en vierde (toekomstige) fase is sprake van ingrijpende veranderingen: dan worden processen specifiek ontworpen om de mogelijkheden van AI-systemen ten volle te benutten. Volgens de onderzoekers gaat het hierbij om het uitvoeren van taken die alleen gedaan kunnen worden als de sociale normen en/of de regelgeving worden aangepast. Als voorbeelden worden gegeven een AI-systeem dat patiënten adviseert over behandelplannen of personeelsbeslissingen neemt op het werk.
De onderzoekers verbinden geen tijdslijnen aan de derde en vierde fase.

Hoe bepaal je de impact van AI op menselijke taken?

Bij het bepalen van de impact van generatieve AI op taken is bekeken of deze taken met 50 procent of meer konden worden versneld door de inzet van generatieve AI. Daarbij zijn de onderzoekers onder meer uitgegaan van bestaande cognitieve en organisatorische taken die generatieve AI op dit moment nauwkeurig kan uitvoeren – waarmee het potentieel van toekomstige vermogens van AI buiten beschouwing blijft. Ook zijn bepaalde taken uitgezonderd, zoals uitgesproken sociale taken en handmatige taken die fysieke aanwezigheid vereisen.

Scenario’s

Om de impact nader te bepalen werkten de onderzoekers ook met verschillende scenario’s, waarbij aan de ene kant alleen wordt uitgegaan van ‘augmentation’ ofwel een medewerker-ondersteunende rol en aan de andere kant ‘volledige vervanging’. In het eerste scenario lijken er vrijwel geen banen te verdwijnen. Als generatieve AI op grote schaal in de economie zou worden geïntegreerd, zou dit naar schatting een economische impuls van 13 procent van het Britse BBP kunnen geven. In het andere uiterste – de vervangingsvariant – zouden er 8 miljoen Britse banen kunnen verdwijnen zonder dat het BBP zou stijgen. Het tussenliggende scenario zou 4,4 miljoen banen kosten, maar wel een aanzienlijke economische winst van ongeveer 6,4 procent van het BBP opleveren.

Fasenmodel

In de eerste fase en de tweede fase staan backofficetaken en customer service jobs in de top drie: daar kunnen tot 45 procent van de taken te maken krijgen met de huidige vormen van generatieve AI.

In administratieve beroepen zou bijvoorbeeld ongeveer een derde van alle banen kunnen verdwijnen als het ‘middelste’ scenario wordt aangehouden. Bij customer service gaat het om een relatief beperkt aantal banen, maar heeft de toekomstige impact wat IPPR betreft twee smaken: ‘agent assist’ of ‘vervanging’.

Als AI meer geïntegreerd wordt in bedrijfsprocessen, blijven backoffice-functies hoog scoren als het gaat om de impact van AI. Ook andere banen in de kenniseconomie worden in deze fase in hoge mate geraakt door AI.

(tekst loopt door onder de afbeelding)

De onderzoekers van IPPR zijn geen aanhanger van de ‘job apocalypse’: op dit moment is het niet haalbaar om voorspellingen te doen ten aanzien van concrete functies. Ze vragen zich wél af of er straks voldoende alternatieve banen zijn voor professionals die hun baan kwijtraken als gevolg van de toepassing van AI.

Een tweede perspectief

Welke taken en skills zijn nu precies vatbaar voor automatisering door AI? Ook Sangeet Paul Choudary, onder meer platformexpert, heeft een poging gewaagd wat meer structuur in dit vraagstuk aan te brengen. In de visie van Choudary hangt die vatbaarheid af van hoe je naar de job van (bijvoorbeeld) customer service agent kijkt en hoe AI in die job wordt toegepast. Daarom splitst Choudary een baan op in verschillende taken; vervolgens kijkt hij naar de manier waarop AI bij die taak wordt ingezet. En tot slot houdt hij rekening met het leereffect van AI zelf, iets wat IPPR niet meenam in de analyse. Ook kijkt Choudary expliciet naar de productiviteitswinst van de inzet van AI én naar de manier waarop de baan aan waarde verliest. Dat is bijvoorbeeld het geval als de taak die AI heeft geleerd niet meer uniek is voor een medewerker.

Impact: van nul tot volledige substitutie

Wanneer AI wordt ingezet om medewerkers bij het uitvoeren van taken te ondersteunen, kan de impact daarvan variëren – ook per taak. Die impact kan nul zijn (met als uitkomst geen invloed op kosten of productiviteit van een medewerker), maar kan ook leiden tot verhoogde waarde (of productiviteit) van die medewerker zonder dat het werk zelf verandert. In dit geval neemt de toegevoegde waarde van de medewerker dus toe.

Daarnaast kan er sprake zijn van commoditization van taken (wanneer de taak niet meer uniek voor de medewerker is als AI deze ondersteunt of uitvoert) of zelfs substitutie van taken (wanneer de taak wordt weggehaald bij de medewerker en wordt uitgevoerd door AI). In de laatste twee scenario’s zou de werkgever bijvoorbeeld kunnen overschakelen op medewerkers met een lager skill-niveau of zelfs overschakelen op minder medewerkers.

Agents trainen hun eigen opvolger

Het laatste scenario (substitutie) is aan de orde als medewerkers AI gebruiken ter ondersteuning, terwijl de AI zelf ondertussen op basis van training en fine-tuning steeds nauwkeuriger wordt. Uiteindelijk wordt het AI-model gespecialiseerd genoeg om de taak van de medewerker volledig te vervangen. Of zoals Choudary zegt: AI-agents zullen uiteindelijk ‘human-in-the-loop’ overbodig maken. Vertaald naar de klantcontactpraktijk: AI kan laagopgeleide medewerkers helpen om op hetzelfde niveau te presteren als hoger opgeleide medewerkers; uiteindelijk zijn medewerkers bij steeds meer taken niet meer nodig om AI te controleren.

Conclusies

Tot slot. Het takenpakket en de vereiste skills van de klantcontactmedewerker zijn goed gedocumenteerd. Je hoeft alleen maar naar de dialoogstructuur en de gebruikte skills te kijken.

Iedere contactcentermanager, coach en trainer kan dat rijtje skills zo uit zijn mouw schudden: van actief luisteren en doorvragen naar systeemgebruik en van empathisch reageren tot oplossingsgericht werken en conflicthantering. Wie is er bij gebaat om deze analysemethode los te laten op het werk van een klantcontactmedewerker? (Ziptone/redactie)

Featured, Human Resources