Chatbots scoren slecht bij consumenten en tóch zouden ze veel vragen afvangen. Slechte bots zouden meer zeggen over de organisatie en implementatie dan over de technologie. Tegelijk liggen de voorbeelden van goede bots niet voor het oprapen. Hoe zit dat nou? Ziptone zette zeven mythes rond chatbots op een rijtje en vroeg daarna experts om te reageren.

 

Mythe 1: Met een chatbot voer je een gesprek

Chat staat voor ‘een gesprekje’. Maar de meeste chatbots vertalen de vraag van de klant naar een (opgezocht) antwoord. Dat is wat anders dan een gesprek. Zelfs als een bot op basis van een LLM werkt, blijft er een verschil tussen taalvaardigheid en gespreksvaardigheid: een LLM formuleert vloeiender, maar haalt onder de motorkap nog steeds een passage op uit een kennisbank (al dan niet met behulp van RAG) en giet die in nette zinnen. Vloeiender antwoorden zijn geen gesprek.

Een normaal gesprek is bovendien gebaseerd op tweerichtingsverkeer. Een bot stelt zelden een verhelderende wedervraag of gaat op zoek naar context (“bedoelt u de factuur van deze maand of de correctie van vorige maand?”). Bots hebben niet genoeg aan een half woord van de klant en ze kunnen zelden binnen een gesprek van onderwerp wijzigen. Ze hebben ook geen geheugen voor klanten, voelen zelden het sentiment van een gesprek aan en hebben meestal geen toegang tot klantgegevens, context of actualiteit.

Volgens Jos de Jong (conversation designer bij PWN) kan een goed gebouwde en goed geïnstrueerde chatbot het idee van een gesprek benaderen, bijvoorbeeld door goed door te vragen of door gespreksgeschiedenis mee te nemen in het formuleren van antwoorden. “Maar in de meeste gevallen blijft het in de kern een luxe FAQ-pagina die doet alsof er een gesprek plaatsvindt.”

Mark Janssen (afdelingsmanager CX bij VGZ) vindt ook dat er zelden tot nooit sprake is van een volwaardig gesprek. Spelbreker is vaak dat klant-specifieke gegevens niet gebruikt kunnen of mogen worden. “Hoe effectief het gesprek gaat zijn, is afhankelijk van hoe gepersonaliseerd we de antwoorden kunnen maken.”

Robin van Dorland (interim manager & programmamanager): “De techniek is niet meer de beperkende factor. De bots op basis van een taalmodel, die sinds 2024 breed op de markt zijn, stellen wel wedervragen en houden de context van een gesprek vast. Zijn ze aangesloten op de systemen, dan kunnen ze een klantdossier inzien of een afspraak inplannen.”

Tom Webbink (customer manager Qbuzz) nuanceert: “Je kunt een AI-agent wel degelijk een bepaald gedragspatroon aanleren: hoe hij zich in een bepaalde situatie moet gedragen, welke signalen hij moet herkennen en hoe hij daarop moet reageren. Je kunt bijvoorbeeld sentiment laten herkennen en de agent vervolgens laten bepalen wat in die situatie het meest passend is: zelf antwoorden, aanvullende informatie geven, empathischer reageren of juist escaleren naar een medewerker.”

Mythe 2: onze chatbot wikkelt 80 procent van onze gesprekken af

Is dat zo? Of kunnen ze 80 procent van alle vragen die klanten kunnen stellen van een antwoord voorzien? Veel van de vragen die chatbots beantwoorden, werden eerder al niet meer aan medewerkers gevraagd, maar door klanten zelf opgezocht in de FAQ’s. De chatbot is dus eerder een vervanging van de FAQ dan van klantgesprekken met medewerkers. De vraag is bij welke organisaties de call volumes door de invoering van chatbots met 80 procent zijn gedaald en de bezetting van het contactcenter met 80 procent is gekrompen.

“De huidige generatie chatbots haalt dat percentage zeker niet,” stelt De Jong. “De meest gestelde vraag aan een chatbot blijft ‘ik wil een medewerker spreken’. Vaak is de bot vooral een regelaar die klanten naar de juiste plek op de website leidt. Koppelingen met backend-systemen kunnen het percentage flink opstuwen, maar er blijft altijd een groep klanten over die simpelweg menselijk contact wil, of het antwoord van de bot toch nog wil checken. 80 procent is en blijft een mythe.”

Volgens Janssen zorgt het toevoegen van een chatbot initieel voor méér contactmomenten. “De stijging in chats leidt niet tot een daling bij telefonie. We zien eerder een daling bij livechat. Als er contact is met een medewerker nadat iemand met een chatbot contact heeft gehad, is dat vaak om bevestiging te krijgen dat het antwoord van de bot klopt of ter verduidelijking.”

Bij Qbuzz ging een toename in het gebruik van chat gepaard met een afname in het gebruik van webformulieren. “Onder de streep betekent dat minder direct contact met medewerkers,” aldus Webbink. Na het gebruik van een chatbot gaan sommige klanten toch op zoek naar bevestiging; maar er zijn ook klanten die minder digitaal vaardig zijn of die simpelweg niet de moeite nemen om zelf op zoek te gaan. Die sturen liever een berichtje in de chat of via WhatsApp. “AI haalt dus niet alleen werk bij medewerkers weg; het verandert ook de manier waarop klanten toegang zoeken tot informatie.”

Volgens Nadiem Zaman (Director Global Business Development bij Vanad Interactions) is FTE-reductie slechts een van de mogelijke businesscases bij de inzet van chatbots, net als het absorberen van sterke groei zonder evenredige personeelsgroei van de customerservice-operatie. Zaman verwijst naar succesvolle cases waarin chatbots grote aantallen klantvragen afhandelen: SuperTOBi van Vodafone is goed voor 60 miljoen interacties per maand met, volgens Vodafone, 70 procent end-to-end oplossend vermogen. Of Billie van bol, goed voor 9 miljoen gesprekken per jaar. 

Mythe 3: onze chatbot lost 80 procent van de klantvragen zelfstandig op

De leveranciersclaims gaan vaak over containment: het aandeel sessies dat eindigt zonder dat de sessie moet worden overgedragen aan een medewerker. Dat deel bevat zowel sessies waarbij de klant gefrustreerd wegklikt als sessies waarbij de klant goed geholpen is. Containment is niet hetzelfde als oplossing of beantwoording. Containment kan zelfs stijgen bij een slechte bot, blijkt uit de benchmarks van Decagon.

Ook de containment van Flora (de chatbot van PWN, red.) zit niet op 80 procent, zegt De Jong. “Een deel daarvan is vertekend: alle chats buiten de openingstijden van de live chat worden per definitie niet geëscaleerd, simpelweg omdat dat niet kan. Maar ook binnen openingstijden zien we klanten die een gegenereerd antwoord krijgen, de chat wegklikken en alsnog gaan bellen.” Net als bij mythe 2 geldt: naast up-to-date bronnen kunnen koppelingen met backend-systemen echt bijdragen aan een hogere containment.

Containment kan inderdaad vertekenen, bevestigt Webbink. Daarom kijkt Qbuzz dagelijks naar een groot deel van de beantwoorde gesprekken. “We kijken onder andere naar de escalaties. Past het antwoord bij de vraag? Klopt de informatie? Kan het beter? En welke keuzes maakt de agent bij het aanspreken van dialogen, instructies, procedures of kennisbronnen?”

Zaman pleit voor andere KPI’s voor de effectiviteit van chatbots: bijvoorbeeld true end-to-end resolution en repeated contacts. Ook zou je moeten kijken naar de ontwikkeling van het assisted volume en naar CSAT/NPS. Leveranciers zouden wat Zaman betreft transparanter mogen zijn over de noemer achter percentages als 70 of 80. “Containment is geen resolution.”

Mythe 4: chatbots nemen veel vragen weg bij het contactcenter

Wellicht, maar het gebruik van chatbots kan ook tot vervolgvragen leiden door het doen van verkeerde beloftes, door hallucinaties, door verwijzingen naar procedures die niet meer bestaan. Wie afhaakt in de chat en vervolgens belt of mailt, telt in de botstatistieken als ‘succesvol afgehandeld’ en in de contactcenterstatistieken als nieuw contact.

Wat er precies verschuift tussen kanalen is niet altijd helder. Een van de vuistregels in klantcontact is dat een nieuw kanaal tot meer interacties leidt. Een kanaal dat 24/7 open is en direct antwoord geeft, lokt interacties uit die anders nooit zouden zijn ontstaan. Een voorbeeld hiervan is de klant die op meerdere manieren een antwoord op een vraag probeert te krijgen van een chatbot en hierbij meerdere sessies na elkaar heeft. Die tellen in de statistieken als verschillende interacties.

Een veelgehoord argument is dat een chatbot bijdraagt aan je 24×7 bereikbaarheid. Een bot die ‘s nachts wel antwoordt maar niets kan afronden of escaleren omdat er geen mensen beschikbaar zijn, levert een vorm van schijnbereikbaarheid op.

Bij PWN is er geen volledig beeld over kanaalverschuiving als gevolg van chatbot Flora, aldus De Jong: chats zijn anoniem totdat identificatie nodig is (bijvoorbeeld bij escalatie). “Daardoor kunnen we sessies nog niet koppelen aan telefoontjes van dezelfde klant.” Tegelijk heeft een chatbot ook een voordeel dat niet wordt genoemd: Flora kan sneller inspelen op actuele gebeurtenissen dan een grote websitewijziging. Denk aan het proactief informeren van klanten die op vakantie zijn over het niet tijdig doorgeven van een meterstand, of het informeren van klanten in specifieke postcodegebieden vóórdat ze zelf een vraag stellen. “Dat zijn concrete (herhaal)vragen die wél bij het KCC worden weggenomen,” zegt De Jong.

Webbink van Qbuzz is geen voorstander van het steeds toevoegen van nieuwe kanalen voor klanten. “Als je de basisperformance op je belangrijkste kanalen op orde hebt, ontstaat er ook minder behoefte aan extra kanalen zoals WhatsApp, al hangt dat af van je product en je dienstverlening.”

Janssen is ervan overtuigd dat een chatbot wel veel vragen kan afvangen. “Veel statusvragen of hygiënecontacten kan je voorkomen mits je identificatie goed kunt organiseren.” Ook kan je als bedrijf ervoor kiezen om bij bepaalde doelgroepen en intents de klant persoonlijk te woord te staan.

Van Dorland: “Een groot deel is verplaatsing en een klein deel is echte reductie, maar vaak weten we het niet omdat bijna niemand een nulmeting doet voordat de bot live gaat. Het belvolume verandert ook door het seizoen, storingen, een proceswijziging of een nieuwe website. Een daling na de livegang zegt dan weinig over de bot zelf. Als een bot alleen uitleg geeft, vervangt deze de FAQ, niet het gesprek met een medewerker, en een deel van de klanten belt daarna alsnog. Echte reductie ontstaat pas als de bot iets kan doen in systemen. Denk aan een afspraak inplannen, een betalingsregeling vastleggen of een actuele status tonen. Dat geldt maar voor een klein deel van de vragen. De grootste reductie komt niet uit een bot. Die komt uit het wegnemen van de reden om te bellen.”

Mythe 5: chatbots dragen bij aan kostenverlaging

Eén chatbotinteractie kost over het algemeen een fractie van de kosten van een gesprek met een klantcontactmedewerker. Maar de kosten schalen bij LLM-bots wel mee met het volume; bij klassieke selfservice of rule-based chatbots gaan de marginale kosten juist richting nul. Ook worden verborgen kosten vaak over het hoofd gezien of niet meegeteld: kennisbankonderhoud, conversation design, testen, monitoring, guardrails, juridische toetsing en het permanent monitoren van contentdrift.

Als de bot de eenvoudige vragen afwikkelt, zijn de overblijvende gesprekken vooral complex van aard. Dat betekent een hogere AHT, hogere instroom- en opleidingseisen en een hogere werkdruk. Ook de kosten van geëscaleerde gesprekken met gefrustreerde klanten worden zelden apart in kaart gebracht.

Webbink beschouwt kostenverlaging als een mogelijk gevolg. “Met de ruimte die ontstaat, kan je ook heel andere dingen doen, zoals eerstelijnsvragen voor HR intern oppakken.” In sommige situaties kan het uiteindelijk ook betekenen dat je minder FTE nodig hebt.

Van Dorland: “Een gesprek met een LLM kost een fractie van een call met een medewerker. Het geld gaat naar de kennisbank, het beheer en de mensen die de bot bijhouden. Haalt de bot de eenvoudige vragen weg, dan stijgt de gemiddelde gespreksduur. Wie dan blijft sturen op de oorspronkelijke AHT, straft het team voor het succes van de bot. Pas je KPI’s daarom aan voordat de bot live gaat.”

De Jong is het oneens met de stelling dat chatbots niet zouden bijdragen aan kostenverlaging. Bij Flora wordt in ieder geval voorkomen dat klanten voor simpele vragen gaan bellen of mailen. Dat de overblijvende gesprekken complexer zijn, betekent niet dat die complexiteit er anders niet zou zijn geweest; het is eerder een verschuiving naar kwaliteit. Een hogere AHT is niet erg als daarmee herhaalgesprekken verdwijnen, aldus De Jong. “Bij PWN hebben we het geluk dat kennisbankonderhoud, conversation design, testen, monitoring, guardrails en contentdrift-monitoring allemaal belegd zijn bij één klein team. Die ‘verborgen kosten’ worden bij ons dus niet over het hoofd gezien.”

Janssen stelt dat kostenbesparingen voor de hand liggen, maar vaak onduidelijk zijn. Bij hogere volumes gaan de kosten voor tokens inderdaad omhoog, maar dalen de kosten voor beheer. Als je voor specifieke intents alsnog telefoontjes krijgt, stijgen de kosten weer.

Mythe 6: klanten vinden chatbots superhandig

Klanten hebben geen bezwaar tegen een bot die binnen tien seconden een pakketstatus meldt, of als de bot andere, passende en gerichte antwoorden geeft. Maar voor welke vragen de chatbot goed werkt, dat weet de klant niet als hij aan het ‘gesprek’ begint. Dat moet de klant dus eerst uitvinden op basis van trial & error. Dat proces lijkt sterk op zoeken in een kennisbank. Chatbots leiden vooral tot frustratie als ze geen oplossing bieden, of de route naar een menselijke medewerker blokkeren, blijkt uit een reeks aan onderzoeken naar ervaringen van consumenten met chatbots.

Janssen benadrukt dat het belangrijk is om aan te geven wat de bot wel en niet goed kan. Dat helpt klanten bij het kiezen van het juiste kanaal.

Volgens Webbink hebben agents en traditionele bots een slecht imago omdat ze slecht zijn ingericht, slecht worden onderhouden of omdat de basis van de operatie niet op orde is. “Een AI-implementatie dwingt je om je organisatie op orde te krijgen. Als je processen, kennis, escalaties en verantwoordelijkheden niet kloppen, kun je AI net zo goed niet aanzetten.”

Of klanten chatbots handig vinden, hangt af van de wens van de klant, aldus De Jong. Het doorgeven van een meterstand via Flora gaat heel goed, ook als klanten tussendoor andere vragen stellen. “Voor dat soort taken is een chatbot echt handig.”

Zaman vindt dat we signalen uit de consumentenonderzoeken serieus moeten nemen, maar “we moeten niet te gemakkelijk conclusies trekken over wat de technologie kan en welke bedrijfseconomische impact goede toepassingen kunnen hebben. Er bestaan toepassingen die op enorme schaal draaien waarvan organisaties positieve operationele resultaten rapporteren.”

Mythe 7: Een slechte chatbot ligt niet aan de technologie maar aan de implementatie

Natuurlijk zijn een zorgvuldige implementatie en contentbeheer essentieel voor een geslaagde chatbot. Zonder eigenaar en beheer verliest een chatbot na verloop van tijd aan betrouwbaarheid. Maar zelfs als een chatbot goed geïmplementeerd is en goed wordt onderhouden, gelden mythes 1 tot en met 6. De conversatietechniek is (nog) niet te vergelijken met die van een menselijke medewerker.

Zowel Janssen, De Jong als Webbink zijn het erover eens: de software is bepalend voor het functioneren. De Jong: “Als een bot net zoveel van de klant weet als een medewerker, kan het vertrouwen van klanten in de bot groeien – en daarmee kunnen de genoemde mythes wél waarheid worden.” Maar of een chatbot uiteindelijk werkt, zo nuanceert Webbink, hangt wel degelijk voor een groot deel af van de implementatie: “Verkeerde informatie, slechte antwoorden, loops en onlogische gesprekken zijn meestal niet alleen een probleem van de software, maar ook van degene die aan de knoppen zit.” Blijven testen, analyseren en bijsturen zijn essentieel, aldus Webbink.

Van Dorland: “Een slechte bot ligt aan ontbrekende koppelingen en een verouderde kennisbank. Dat is inrichting en beheer. Dat zie je ook in de genoemde Decagon-cijfers: minder dan 35 procent containment bij de zwakste bots, 70 tot 80 procent bij de beste. Dat verschil maak je grotendeels zelf.”

(Ziptone/Erik Bouwer)

Featured, Technologie