Direct naar inhoud

‘Een AI-agent opent de deur, de medewerker lost complexiteit op’

Gepubliceerd op: @ 09:04
Geschreven door:
Kel Koenen

Hoofdredacteur

Een slagboom die dichtblijft, vraagt om snelle hulp. Voor Marco Seeleman (27), Customer Experience Manager bij ParkBee, is dat precies waar AI het verschil kan maken. Hij automatiseert eenvoudige klantvragen, zodat medewerkers ruimte krijgen voor complexere problemen. In deze CX in XL vertelt hij hoe technologie wachttijden verkort, waarom goede data onmisbaar zijn en hoe een geopende garagedeur zelfs sceptische klanten enthousiast kan maken over een AI-agent.

CustomerFirst | AchtergrondAfbeelding credits: Zuiver Beeld

Ben je bij ParkBee begonnen als Customer Experience Manager?

Nee, ik begon in juli 2024 als Customer Service Lead, met de opdracht de klantenservice over te nemen. Het contact met garage-eigenaren werd toen ondergebracht bij Operations, terwijl mijn team zich op consumenten richtte. Al snel zag ik mogelijkheden om slimmer te werken. Bij mijn vorige werkgever, Picnic, waren de systemen veel verder ontwikkeld. Zodra een klant een bericht stuurde, zag je alle bestellingen en kon je vanuit hetzelfde systeem bijvoorbeeld een product terugbetalen. Op het hoogtepunt werkten daar alleen al in Nederland zo’n 180 klantenservicemedewerkers. Bij ParkBee kwam een bericht binnen in Zendesk en begon vervolgens de zoektocht. We gebruikten tags om vragen te categoriseren, maar verder werkte het bijna als een gewone mailbox. Er was veel te verbeteren. Daardoor groeide mijn rol uiteindelijk uit tot Customer Experience Manager.

Wat deed je bij Picnic?

Daar begon mijn carrière in de klantenservice. Ik was een van de supervisors, onder een Nederlandse lead en drie operations managers. Mijn werk draaide vooral om de dagelijkse operatie. Als bezorglocaties problemen meldden, zetten wij die intern door en informeerden we klanten. Ook bij incidenten in een warehouse coördineerden we de communicatie.

Wat heb je daarvan geleerd?

Vooral hoe je met klanten communiceert in moeilijke situaties. Soms moet je de-escaleren, soms nadrukkelijk empathie tonen. Je krijgt allerlei problemen voorgelegd waarvoor je een oplossing moet vinden. De impact van een gemiste bezorging verschilt enorm. Zelf vind ik dat vooral vervelend, maar we spraken ook klanten met een beperking die niet zomaar boodschappen konden doen. Voor hen was Picnic echt een uitkomst. Dat leert je verder te kijken dan het praktische probleem.

Hoe verschilt de urgentie bij ParkBee?

Hier is die vaak hoger. Het merendeel van de vragen gaat over slagbomen en hekken die niet open- of dichtgaan. Als je daarvoor staat, wil je geen vijf minuten wachten. Zeker niet met andere auto’s achter je. Sommige mensen krijgen bovendien last van claustrofobie als ze vaststaan. Dan tellen seconden. We werken met slagbomen en speedgates, grote hekken. In Engeland hebben we juist veel locaties zonder slagbomen. Daar registreert een camera het kenteken en controleert het systeem of iemand er mag parkeren.

‘Als een klant vaststaat voor een slagboom, worden seconden ineens heel belangrijk’

Waarom zijn storingen lastig op te lossen?

De slagbomen en speedgates zijn van de eigenaar. Wij zorgen dat we ze kunnen aansturen, maar hebben niet altijd zicht op de techniek erachter. We kunnen zien of onze ontvanger werkt, maar daarmee weten we nog niet of het hek daadwerkelijk opengaat. Operations probeert dat inzicht te verbeteren, bijvoorbeeld door bij de installatie een sensor toe te voegen. Daarmee kunnen we controleren of de slagboom beweegt nadat wij het signaal hebben gestuurd. Nu ontbreekt dat inzicht vaak nog, terwijl de klant direct hulp nodig heeft.

Hoe zijn customer experience en klantenservice georganiseerd?

Toen ik begon, was er geen aparte rol voor customer experience. Die vervul ik nu als enige. Ik stuur de Customer Service Manager aan, die verantwoordelijk is voor het klantenserviceteam. Voorheen deed ik die dagelijkse aansturing zelf. Die extra laag geeft mij ruimte om aan automatisering te werken. Menselijke en geautomatiseerde support blijven nauw verbonden: vragen die medewerkers ontvangen, laten zien wat we kunnen automatiseren. Andersom verdwijnen geautomatiseerde vragen uit hun werkpakket. Daarover moeten we goed blijven afstemmen.

Welke vragen wil je automatiseren?

Vooral vragen waarbij klanten snel een antwoord willen en het probleem direct opgelost moet worden. Die kun je vaak goed structureren. Automatisering is niet bij iedere vraag nodig of wenselijk. Uiteindelijk is voorkomen dat iemand contact moet opnemen nog beter. Daarom analyseer ik alle klantvragen per locatie, zowel de geautomatiseerde contacten als de vragen die medewerkers behandelen. Bijna dagelijks bespreek ik met Operations waar we problemen zien en wat daarachter zit.

Wat ontdek je met die analyses?

Bijvoorbeeld dat een locatie niet bereikbaar is door een wegafsluiting. Als op één dag ineens vijf mensen vragen stellen over dezelfde garage, kan dat erop wijzen dat ergens een straat dicht is. Vervolgens nemen we contact op met de eigenaar of bezoeken we de locatie. Zo onderzoeken we wat er aan de hand is en hoe we verdere problemen kunnen voorkomen.

Hoeveel klantcontacten verwerken jullie?

Ruim 20.000 per maand, verspreid over Nederland, België, het Verenigd Koninkrijk en sinds kort Duitsland. Naar schatting gaan 10.000 tot 11.000 contacten over urgente situaties, zoals een klant die de deur niet open krijgt. In Duitsland staan we nog aan het begin. Daar bieden we vooral parkeren bij luchthavens aan, met valetparking via een partner. We gaan ook locaties in stadscentra openen, eerst in West-Duitsland en mogelijk later daarbuiten.

Verschillen de vragen per land?

Ja. Het grootste volume zit in Nederland, waar ook de meeste parkeeracties plaatsvinden. In het Verenigd Koninkrijk hebben we veel locaties zonder slagbomen. Daar krijgen we minder urgente vragen, maar meer vragen achteraf, bijvoorbeeld over parkeerboetes. Die zijn vaak complexer op te lossen. Voor een consument is een boete heel vervelend, zeker als die onterecht is. Soms ontstaat het probleem doordat iemand niet begrijpt dat hij op een ParkBee-locatie staat. We verwerken ongeveer 220.000 tot 250.000 parkeeracties per maand. Het aandeel dat tot klantcontact leidt, onze contactratio, is hoger dan ik zou willen. Daarom investeren we meer in customer experience.

CustomerFirst | AchtergrondAfbeelding credits: Zuiver Beeld
Marco Seeleman

Wat maakt het moeilijk om die contactratio te verlagen?

Een speedgate kan ineens kapotgaan. Als we dat pas een of twee dagen later ontdekken, hebben we al veel vragen ontvangen. Goed monitoren is dus essentieel. We zijn geen eigenaar van de garages en zijn er niet voortdurend aanwezig. Een eigenaar meldt een storing ook niet altijd uit zichzelf. Voor veel eigenaren is parkeren een bijzaak. Ze zijn juist blij dat wij het regelen en er aandacht aan besteden.

Hoe werkt de samenwerking met garage-eigenaren?

We betalen geen huur, maar delen de inkomsten. Een eigenaar stelt alle parkeerplekken of een deel ervan beschikbaar en geeft aan welke plekken wij mogen vullen. De opbrengsten verdelen we volgens de gemaakte afspraken. Sommige eigenaren houden zich actief met parkeren bezig. Voor de meesten is het vooral een extra inkomstenbron waar ze weinig omkijken naar willen hebben.

Werken jullie ook met woongebouwen?

Ja. Bij nieuwbouw stelt een gemeente soms als voorwaarde dat er naast bewonersplekken ook parkeerplekken voor de buurt beschikbaar komen. Een ontwikkelaar moet daarvoor een oplossing vinden. Wij kunnen die plekken commercieel beschikbaar stellen, zodat buurtbewoners er kunnen parkeren. Daarmee kan een ontwikkelaar invulling geven aan zo’n voorwaarde. We praten ook over toekomstige projecten, al is dat nog een uitzondering.

Hoe vinden jullie nieuwe locaties?

Ons salesteam benadert partijen met vastgoedportfolio’s en op dit moment ook nadrukkelijk hotels. Daarnaast kunnen bedrijven zich via onze website aanmelden. Daar komen geregeld aanvragen binnen. Onze naamsbekendheid groeit, vooral in Amsterdam, waar we veel locaties hebben. Toen ik hier begon, moest ik bijna iedereen uitleggen wat ParkBee was. Inmiddels hoor ik steeds vaker dat mensen ons kennen en al eens via ons hebben geparkeerd.

Waarom bieden jullie ook valetparking aan?

Dat aanbod komt voort uit samenwerkingen met partners. We delen onze locaties met hen en zij delen hun locaties met ons. Zo verbreden we het netwerk. Valetparking is niet onze kernactiviteit, maar is via die samenwerkingen aan het aanbod toegevoegd, vooral bij luchthavens. Bij Schiphol kun je bijvoorbeeld je auto naar vertrekhal 3 brengen, waar medewerkers van de aanbieder hem overnemen en parkeren.

Wat vraagt valetparking van de klantinformatie?

Je moet vooraf heel duidelijk maken wat iemand boekt. Sommige klanten begrijpen meteen dat ze hun auto bij de vertrekhal afgeven. Anderen vinden die locatie vreemd of durven daardoor niet te reserveren. Ook het afgeven van je autosleutel is een andere ervaring dan zelf een garage inrijden. Daar moet je klanten goed op voorbereiden. Toen we begonnen, hadden we de koppeling met de partner gemaakt en de locaties toegevoegd. Daarna merkten we dat de informatie in onze app en op de website anders moest worden gestructureerd.

Hoe belangrijk is vertrouwen daarbij?

Heel belangrijk. Zelf durf ik het via ParkBee te doen omdat ik het bedrijf ken en er werk. Anders zou ik positieve ervaringen van mensen om me heen willen horen. Als de app onvoldoende uitlegt wat je kunt verwachten en met welke partij we samenwerken, ontstaat een extra drempel. Die informatie moet helder zijn.

‘Ik wil dat iemand na contact met onze  AI-agent denkt: dat was nuttig ik ben goed geholpen’

Hoever zijn jullie met AI en automatisering?

Als ik naar andere organisaties kijk, denk ik dat we redelijk vooroplopen. Tegelijkertijd hebben we te maken met het negatieve beeld van chatbots. Voor mij verschilt een traditionele chatbot sterk van een AI-agent. In Zendesk kon ik een chatbot bouwen met een vast stappenplan en vooraf geprogrammeerde vragen, antwoorden en knoppen. Zo’n beslisboom biedt weinig ruimte voor context of emotie. Voor eenvoudige, afgebakende situaties kan dat werken, maar onze werkelijkheid is vaak complexer.

Heb je zelf ook dat negatieve beeld gehad?

Zeker, door eerdere ervaringen. Toch sta ik open voor wat inmiddels mogelijk is. Bij mijn ouders zie ik dat slechte ervaringen zo bepalend zijn geweest dat ze ook weinig vertrouwen hebben in een goede AI-agent. Tegen dat beeld moeten we opboksen.

Wat kan jullie AI-agent?

We werken met Finn van Intercom. Die kan een klantvraag interpreteren en binnen onze kaders bepalen welke vervolgstappen nodig zijn. Bij het openen van een deur controleert de agent bijvoorbeeld of iemand een parkeersessie heeft, bij welke locatie die staat en of die op dat moment naar binnen of buiten mag. Ook het parkeerproduct speelt mee. Dat zijn dezelfde controles die we een medewerker leren. We leggen de procedure vast, zonder ieder antwoord voor te schrijven. Daardoor voelt het gesprek natuurlijker. Het moet wel duidelijk blijven dat iemand met een AI-agent praat. Een klant kan gewoon vertellen wat er aan de hand is, in plaats van te kiezen uit een menu voor de ingang, uitgang of voetgangersdeur.

Hoeveel telefoontjes handelt de AI-agent af?

De afgelopen maanden ongeveer 3.000 per maand. De agent doorloopt de controles en helpt de klant de deur of slagboom te openen. Dat hadden er meer kunnen zijn, maar veel mensen bellen met een ander telefoonnummer dan waarmee ze hebben gereserveerd. Tot nu toe zocht het systeem via het nummer waarmee iemand belde naar een geldige parkeersessie. Daarom hebben we recent een volgende stap geïntroduceerd: de agent kan ook naar het kenteken vragen en daarmee de sessie opzoeken. Dat verkennen we nu. Het is dezelfde vervolgstap die een medewerker zou zetten.

Wat was nodig om dit mogelijk te maken?

Vooral een koppeling tussen ons klantenservicesysteem en ons eigen systeem. De AI-agent moet een parkeersessie kunnen vinden en de bijbehorende informatie kunnen gebruiken. Die koppeling kostte de meeste tijd, maar is ook het belangrijkste onderdeel. Daarmee kan de agent de klant daadwerkelijk helpen.

Waarop heeft het automatiserings­percentage van 64 procent betrekking?

Op chat en WhatsApp, niet op telefonie. Daar zijn we sinds begin vorig jaar mee bezig. Via die kanalen komen vaker minder urgente vragen binnen, bijvoorbeeld over facturen of onze producten. De agent gebruikt procedures en informatie uit onze kennisbank. Onze grootste focus ligt nu op telefonie. Naar schatting komt bijna 70 procent van alle klantcontacten telefonisch binnen. Die gesprekken zijn lastiger te automatiseren, maar een groot deel gaat over dezelfde vraag: ‘Ik sta voor de deur, kun je me helpen?’ Juist daarvoor is automatisering geschikt.

Hoe groot is het klantenserviceteam?

We hebben ongeveer twintig mede­werkers, voornamelijk studenten. Op een gemiddeld moment werken er vier à vijf. Sommigen hebben flexibele uren, anderen een vast aantal uren, maar niemand heeft een vast rooster. We vragen maandelijks hun beschikbaarheid op en maken daarmee het rooster. Bij verwachte drukte vragen we of ze extra kunnen werken. Ze behandelen e-mail, chat, WhatsApp en telefonie, uitsluitend voor parkeerders. Het contact met garage-eigenaren ligt bij een andere afdeling.

Zijn jullie altijd bereikbaar?

Ons eigen team werkt doorgaans van acht uur ’s ochtends tot tien uur ’s avonds. Op vrijdag- en zaterdagavond werken we soms langer vanwege de drukte. Daarnaast is een extern contactcenter 24 uur per dag, zeven dagen per week beschikbaar. Dat vangt overdag gesprekken op als het te druk is en neemt ’s nachts de ondersteuning over. De nachtelijke volumes zijn te laag voor een eigen team, maar klanten moeten wel geholpen worden.

Hoe werkt die externe ondersteuning?

Wij leveren het trainingsmateriaal aan. De partner leidt de medewerkers op en handelt de gesprekken zelfstandig af. Overdag blijft een gesprek nu maximaal twee minuten bij ons, in afwachting van een beschikbare medewerker. Daarna schakelen we door naar het contactcenter. Dan heeft een klant dus al twee minuten gewacht. Dat willen we met automatisering verkorten. Iemand moet zo snel mogelijk naar binnen of buiten kunnen.

Met welke partner werken jullie?

Met ContactCare, maar we stappen binnenkort over naar United Call Centers. Die internationale partij kan ook ondersteuning in het Duits bieden. Dat is de belangrijkste reden voor de overstap. Oorspronkelijk werkten we met We Engage, dat later door ContactCare is overgenomen.

Werken jullie medewerkers vooral thuis?

Ja. Ze kunnen op kantoor werken, maar werken voornamelijk vanuit huis. Daardoor kunnen ze het werk makkelijker combineren met hun studie en zijn ze vaker beschikbaar. Reistijd kan verhinderen dat iemand op een bepaald tijdstip begint. Thuis zijn ze flexibeler en werken ze net zo efficiënt.

Hoe beoordeel je prestaties?

We hanteren geen harde norm voor het aantal vragen per uur. We kijken naar het groepsgemiddelde. Als iemand uitblinkt, benoemen we dat. Als iemand achterblijft, bespreken we wat diegene nodig heeft. Daarbij wegen we de omstandigheden mee. Een paar ingewikkelde telefoontjes kunnen veel invloed hebben op het gemiddelde, zeker als iemand weinig uren werkt. Een kapotte slagboom vraagt om een monteur, updates aan de klant en onderzoek naar een alternatieve route. Juist voor problemen die niet met één druk op de knop zijn opgelost, wil ik medewerkers inzetten.

Hoe meten jullie klanttevredenheid?

Voor chat en WhatsApp gebruiken we de CX-score van Finn in plaats van een traditionele CSAT-uitvraag. Het systeem analyseert onder meer hoe snel de klant is geholpen, hoe snel de vraag werd begrepen en welke emotie uit het gesprek spreekt. Voor telefonie is die functie nog niet beschikbaar, maar ik heb begrepen dat die eraan komt. We vragen na telefoongesprekken nu geen beoordeling. Klanten rijden een garage in, waar de verbinding soms wegvalt, of rijden eruit en willen verder. Dan is er weinig gelegenheid of behoefte om nog een score te geven.

Wat levert de CX-score op?

Bij een traditionele uitvraag hoor je vooral de heel positieve en heel negatieve ervaringen. De groep daartussen reageert minder, terwijl juist die informatie waardevol is. De CX-score helpt ons bijvoorbeeld vragen te vinden die veel tijd kosten. We onderzoeken vervolgens hoe het proces beter kan en of automatisering helpt. Zo hebben we het afgelopen jaar onze dienstverlening via chat en WhatsApp verbeterd.

Hoe beoordeelt het systeem een gesprek?

De score loopt van één tot vijf en kijkt ook naar de ontwikkeling van het sentiment. Blijft een klant geïrriteerd, dan wordt het geen vijf, ook als het probleem uiteindelijk is opgelost. Het contact verliep dan kennelijk niet soepel. Komt iemand boos binnen, is het probleem na twee keer heen en weer berichten opgelost en reageert diegene enthousiast, dan kan de score wel hoog zijn. De reactie van de klant weegt dus mee.

Zegt een lage score altijd iets over de klantenservice?

Nee, soms vooral over het product. Iemand kan bijvoorbeeld ook een kaartje bij de garage trekken en daardoor dubbel betalen. Als wij dat op dat moment niet kunnen oplossen, krijgt het gesprek mogelijk een lage score. Dat is een waardevol signaal: hoe voorkomen we dat zo’n situatie ontstaat? De score helpt ons dus ook verbeteringen buiten de klantenservice te vinden.

Sturen jullie op afhandelingstijd?

Nee. Vóór de automatisering van telefonie was de gemiddelde gesprekstijd al 59 seconden. Ik verwacht dat die stijgt doordat de eenvoudige vragen geautomatiseerd worden afgehandeld. Als iemand vastzit, moet een medewerker alle mogelijke oplossingen onderzoeken. Misschien kan de klant via de uitgang naar binnen of via de ingang naar buiten, als de situatie dat toelaat. Dat vraagt om een inschatting. Een medewerker kan ook vijf minuten in de wacht staan bij een monteur. Dat verlengt de afhandelingstijd, maar zegt weinig over de kwaliteit van het werk. Voor mij telt hoe snel het probleem van begin tot eind wordt opgelost.

Wil je uiteindelijk alle klantcontact voorkomen?

Nee, dat gaat nooit gebeuren en hoeft ook niet. Sommige klanten hebben hulp nodig met de app of kunnen er niet goed mee overweg. Die behoefte blijft bestaan, hoe goed we alles ook inrichten. We moeten automatiseren wat daarvoor geschikt is en klanten ermee helpen. Ik wil dat iemand na contact met onze AI-agent denkt: dat was nuttig, ik ben goed geholpen. Medewerkers moeten daardoor tijd krijgen voor klanten bij wie zij het verschil maken. Op piekmomenten hebben we nog te vaak onze handen vol. Daar zit winst: als automatisering meer vragen afhandelt, kunnen medewerkers de overige verzoeken sneller oppakken.

‘Je hoeft niet geforceerd alles door een AI-agent te laten oplossen. Laat die helpen waar dat kan en doorverbinden wanneer dat nodig is’

Wanneer is het druk bij jullie?

De ochtendpiek ligt vooral tussen acht en negen uur, met een uitloop tot half tien. In de middag begint de drukte rond vier uur en houdt die aan tot ongeveer zeven uur. Mensen beginnen kennelijk ongeveer tegelijk, maar stoppen op verschillende momenten. Vooral die korte, geconcentreerde ochtendpiek maakt het roosteren lastig.

Kun je het contactvolume goed voorspellen?

De algemene trend wel. Met zo’n achthonderd actieve locaties moet je rekening houden met regelmatige storingen aan slagbomen. Het grootste probleem is dat veel contact in korte periodes binnenkomt. Je kunt moeilijk tussen vijf en zeven uur twintig medewerkers inzetten en daarvoor en daarna maar drie. Zulke korte diensten zijn niet aantrekkelijk. Automatisering moet helpen die pieken op te vangen.

Wat betekent internationale groei voor de klantenservice?

Vooral een uitdaging rond meertaligheid. We organiseren alles vanuit Nederland. Er zijn salesmedewerkers in Engeland en één in België, maar in Duitsland hebben we niemand ter plaatse. Medewerkers vinden die Nederlands, Duits, Frans én Engels spreken, is lastig. Tegelijkertijd zijn we niet groot genoeg om voor iedere taal aparte mensen aan te nemen. We hopen daarom meer vragen in verschillende talen te automatiseren. Als daarna bijvoorbeeld een Duitssprekende medewerker nodig is, schakelen we door naar onze externe partner. Dat volume is nog te klein om die capaciteit zelf in huis te halen.

Waar ligt nu je belangrijkste focus?

Op telefonie. We zijn een van de eerste klanten die dit met Finn op deze schaal doen. De leverancier ervan kijkt mee bij het opstellen van procedures en past het product aan op basis van onze feedback. Dat wij daar als relatief kleine organisatie invloed op hebben, vind ik bijzonder. Onze toepassing is interessant omdat veel telefonische vragen met duidelijke procedures zijn op te lossen. Voor mij staat één doel centraal: de wachttijd verkorten. Klanten moeten nu nog te vaak wachten.

Hoe groot is ParkBee?

We hebben ongeveer zestig mede­werkers, verdeeld over onder meer Sales, Finance, People, Marketing en Operations. We werken hybride vanuit het hoofdkantoor in Amsterdam. Het zijn kleine teams die veel werk verzetten. Technologie helpt ons daarbij.

Hoe ben je in de klantenservice terechtgekomen?

Ik ben 27 en studeerde in 2020 af in Sportkunde, met de nadruk op sportmanagement. Door corona vielen er veel ontslagen in de sportsector, terwijl er nieuwe studenten bleven afstuderen. Er waren meer werkzoekenden dan vacatures, dus ik zocht een andere richting. Ik werkte ongeveer een jaar als bezorger bij Picnic en begon daar in februari 2022 als Customer Service Supervisor. Zo kwam ik min of meer toevallig in de klantenservice terecht en groeide ik later door bij ParkBee.

Wat neem je mee uit je opleiding?

Vooral het managementgedeelte. Bij mijn vorige werk begon ik als leidinggevende en ook bij ParkBee stuurde ik aanvankelijk medewerkers aan. Hier kreeg ik daarnaast verantwoordelijkheid voor de operatie. Ik ontdekte dat ik procesverbetering interessant vond en daar met een frisse blik aan kon bijdragen. Bij ParkBee kreeg ik de ruimte om die ideeën uit te voeren.

Neem je eigen klantervaringen mee in je werk?

Zeker. Ik ben steeds meer geïnteresseerd in hoe andere organisaties hun klantenservice inrichten. Laatst sprak ik de AI-chatagent van Gamma omdat mijn bestelling twee dagen eerder geleverd had moeten zijn. Ik was ingelogd, dus de agent kon mijn bestellingen bekijken. Die herkende het product, zag dat de leverdatum verstreken was en dat er geen toelichting in het systeem stond. Vervolgens werd ik doorverbonden met een medewerker. Dat vind ik een goed voorbeeld: laat de agent helpen waar dat kan en doorverbinden wanneer dat nodig is.

Wanneer gaat het mis?

Als je als klant in een kringetje blijft ronddraaien. De chatbot vraagt of je geholpen bent, je zegt nee en vervolgens moet je dezelfde vraag opnieuw stellen. Dan voelt het alsof een organisatie vooral contact met een medewerker probeert te voorkomen. Ik zie AI als een middel om de klantervaring te verbeteren. Wie een factuur vraagt, wil die ontvangen en niet overmorgen pas antwoord krijgen. Dat kun je automatiseren als de processen goed zijn ingericht. Voor andere vragen heb je medewerkers nodig. Zij krijgen meer ruimte als eenvoudige verzoeken al zijn afgehandeld.

Past die aanpak bij iedere organisatie?

Iedere organisatie heeft een eigen visie. Sommige hebben de financiële ruimte om meer medewerkers in te zetten en kiezen bewust voor minder automatisering, omdat ze meer vertrouwen hebben in menselijk contact. Dat is prima. Maar niet iedereen kan zoveel mensen inzetten. Zeker bij ondersteuning in meerdere talen, met sterk verschillende volumes, kun je niet voor iedere taal iemand aannemen die maar een klein deel van de tijd nodig is. Automatisering kan dan helpen goede en snelle service te bieden.

Kun je klanten met slechte chatbotervaringen nog overtuigen?

Ik hoop het. Zelf heb ik die hoop niet opgegeven, omdat ik weet hoe snel de mogelijkheden veranderen. Een organisatie waar je twee jaar geleden een slechte ervaring had, kan inmiddels een heel andere klantenservice hebben. Dat geldt ook voor ons. Ik hoop dat klanten die eerder moesten wachten of ons systeem onhandig vonden, opnieuw contact opnemen en verbetering merken. Tegelijkertijd besef ik dat een negatieve ervaring ervoor kan zorgen dat mensen het niet meer proberen.

Hoe snel ontwikkelt de technologie zich?

Toen ik ongeveer vier jaar geleden als medewerker klantenservice begon, konden systemen veel minder. Wat wij nu met telefonie doen, is binnen ons systeem pas sinds begin dit jaar mogelijk. Eigenlijk werkt het pas de laatste maanden zoals we willen, doordat het model zich blijft ontwikkelen. Daarom hoop ik dat organisaties blijven investeren in de juiste verbeteringen.

Maakt jullie omvang experimenteren makkelijker?

Ja. Bij een grote organisatie heeft automatisering meteen veel meer impact. Ik begrijp dat zij zorgvuldig naar de juiste aanpak zoeken. Wij kunnen soms een procedure live zetten terwijl ik direct meekijk. Als twee of drie klanten vastlopen, kan ik snel ingrijpen. Bij een grotere organisatie krijgen meteen veel meer klanten ermee te maken. Goede testomgevingen zijn daarom belangrijk.

Wat adviseer je managers die met een AI-agent willen beginnen?

Zorg dat je kennis en systemen goed georganiseerd zijn. Veel kennis zit in de hoofden van medewerkers. Zij weten wanneer ze een uitzondering moeten maken of informatie anders moeten interpreteren. Voor een AI-agent moet je dat expliciet vastleggen, inclusief de uitzonderingen. Ook de informatie uit gekoppelde systemen moet goed gestructureerd zijn. Je moet duidelijk maken welk antwoord de agent kan verwachten, hoe die dat moet interpreteren en welke vervolgstap daarbij hoort. Wij hadden het voordeel dat we al gestructureerde informatie over onze garages met partners deelden. Op die bestaande koppelingen kon ik voortbouwen.

Kun je een voorbeeld geven van zo’n detail?

Reserveringstijden worden in ons systeem doorgegeven in UTC, oftewel Zulu-tijd. Voor de interpretatie maakt het uit of iemand bij een garage in Nederland of Engeland staat. Met de verkeerde lokale tijd kan de agent verkeerd beoordelen of iemand al naar binnen mag. Bij een reservering kregen we wel de locatienaam terug, maar niet het land. Ik heb de engineers gevraagd dat toe te voegen, zodat de agent de juiste tijdzone kan gebruiken. Bespreek dus met je engineers welke informatie systemen teruggeven en of die volledig genoeg is. Anders maakt de agent fouten en verlies je het vertrouwen van klanten.

Hoe voorkom je dat AI-beloften tot teleurstelling leiden?

Door dagelijks te kijken wat beter kan. Als ik buiten de klantenservice uitleg wat ik doe, reageren mensen soms: “Jij maakt dus die systemen waar ik me zo aan erger”. Terwijl ik juist hoop dat ze bij ons een positieve ervaring hebben. Na een negatieve ervaring onderzoek ik welke instructie ontbreekt of welke kaders duidelijker moeten. Wat mij betreft ligt de kleurplaat er en moeten wij die goed inkleuren. De technologie kan inmiddels echt behulpzaam zijn, maar wij moeten zorgen dat het in de praktijk werkt.

Zie je klanten hun mening bijstellen?

Zeker. Toen we net met de telefonische AI-agent begonnen, hoorde ik mensen juichen omdat de deur openging: “Wauw, deze AI-agent heeft gewoon de deur voor ons opengedaan!” Ze waren eerst sceptisch en daarna verrast dat het werkte. Ze hoeven van mij niet te juichen. Ik wil vooral dat ze erop kunnen vertrouwen dat ze geholpen worden als ze vaststaan. Als hun parkeersessie actief is en alles klopt, moet de agent de deur openen zodat ze verder kunnen. Daar hebben we ook andere organisaties bij nodig. Iedere ervaring draagt bij aan het vertrouwen dat mensen in dit soort systemen hebben.

Tekst Kel Koenen | Fotografie Zuiver Beeld

Deel dit artikel

  • Geschreven door:
    Gepubliceerd op:
  • Geschreven door:
    Gepubliceerd op:
  • Geschreven door:
    Gepubliceerd op:

CustomerFirst 08/09-2026

In dit nummer staat de balans tussen technologie en de menselijke maat centraal. Aan bod komen onder meer AI-automatisering bij ParkBee, online prijsonderhandelen bij Solza, interviews met de CCMA Manager of the Year-finalisten (ICS en Greenchoice) en waarschuwingen over de verslechterende bereikbaarheid van Belgische bedrijven door doorgeschoten digitalisering.
Abonneren