Een AI-agent voor klantenservice die klanten niet wegjaagt

Een goede klantenservice-agent beantwoordt vragen op basis van jouw echte informatie, kan concrete gegevens opzoeken zoals een orderstatus, en draagt direct over aan een mens zodra het over geld, klachten of uitzonderingen gaat. Precies op die drie punten gaan de meeste bots de mist in.

Waarom bots een slechte naam hebben

De klassieke chatbot werkt met vaste keuzemenu's en herhaalt hetzelfde antwoord tot de klant opgeeft. Wie ooit tegen zo'n muur is opgelopen, klikt bij de volgende bot meteen op "medewerker". Die reputatie moet je overwinnen.

Het verschil met een moderne agent zit niet in de gespreksvorm maar in de toegang. Een bot die alleen een script afspeelt, kan niets oplossen. Een agent die in je systemen kan kijken, kan dat wel.

De drie voorwaarden voor een bruikbare agent

Antwoorden uit jouw bronnen. Niet uit algemene kennis, maar uit je eigen documentatie, voorwaarden en productinformatie. Dat heet een RAG-opzet, zie RAG-assistenten.
Kunnen handelen. Een orderstatus opzoeken, een afspraak verzetten, een retour aanmelden. Zonder acties blijft het een veredelde zoekfunctie, zie wat is een AI-agent.
Weten wanneer te stoppen. Bij twijfel, emotie, klachten of geld gaat het gesprek naar een mens, met de context erbij zodat de klant niet opnieuw hoeft te beginnen.

Wat je hem wel en niet laat doen

Laat de agent de veelgestelde vragen doen: openingstijden, levertijden, retourbeleid, hoe iets werkt, waar iets staat. Dat is bij de meeste bedrijven het grootste deel van het volume en het minst interessante deel van het werk.

Laat hem niet onderhandelen, geen uitzonderingen toezeggen, geen kortingen geven en geen klachten afhandelen. Niet omdat het technisch niet kan, maar omdat je daar juist een mens wilt hebben.

Voorkomen dat hij dingen verzint

De grootste zorg bij AI in klantcontact is een antwoord dat vol overtuiging onjuist is. Dat los je op door de agent uitsluitend te laten putten uit je eigen, actuele bronnen en hem expliciet te laten zeggen dat hij het niet weet als het antwoord er niet in staat.

Daarbovenop hoort logging: elk gesprek terug te lezen, zodat je ziet waar het misgaat en je bronnen kunt aanvullen. Die feedbacklus maakt het verschil tussen een agent die na drie maanden beter is en een die na drie maanden nog steeds dezelfde fout maakt.

Wat het oplevert

Goed ingericht neemt een agent de herhaalvragen over die in je eigen informatie beantwoord staan; hoeveel dat er zijn, meet je in je eigen gesprekken. Klanten waarderen vooral de snelheid: een direct antwoord om elf uur 's avonds is voor veel klanten prettiger dan een mail de volgende ochtend.

Voor lokale bedrijven werkt dezelfde logica aan de telefoon in plaats van in de chat, zie wat is een voice agent en AI voor lokale dienstverleners.

Hoe richt je de overdracht naar een mens in?

De overdracht is het moment waarop een klantenservice-agent het vertrouwen wint of verliest. Leg vast wanneer hij overdraagt: bij een klacht, bij een vraag over geld, bij boosheid of verdriet, bij een vraag waarvan het antwoord niet in de informatie staat, en altijd als de klant erom vraagt. Laat de agent dan kort zeggen wat er gebeurt: "Ik zet je door naar een collega, die ziet ons gesprek." De medewerker krijgt het hele gesprek, een samenvatting in twee zinnen en de gegevens die de agent al heeft opgezocht.

Buiten openingstijden kan de agent geen mens bereiken. Laat hem dan eerlijk zeggen wanneer er iemand reageert, en de vraag zo volledig mogelijk vastleggen, zodat de medewerker de volgende ochtend direct kan antwoorden.

Welke koppelingen heeft hij nodig?

Een agent die alleen algemene vragen beantwoordt, heeft genoeg aan je informatie. Een agent die ook vragen over bestellingen, afspraken of facturen beantwoordt, moet in je systemen kunnen kijken: de status van een order, de datum van een afspraak, of een factuur betaald is. Geef hem daar leesrechten voor, en laat hem eerst controleren of hij met de juiste klant praat, bijvoorbeeld met een ordernummer en een postcode. Wijzigingen, zoals een afspraak verzetten of een adres aanpassen, kunnen later worden toegevoegd, met een bevestiging van de klant voordat ze doorgaan.

Een voorbeeld

Neem een denkbeeldige webshop in tuinmeubelen. In het voorjaar komen er elke dag tientallen vragen over levertijden, montage en retouren binnen via chat en WhatsApp. De agent beantwoordt de vragen over montage uit de handleidingen, en de vragen over levering door met het ordernummer de status op te zoeken. Wil een klant iets retourneren, dan legt de agent uit hoe dat werkt en maakt hij een retourverzoek aan dat het team goedkeurt. Een klacht over een beschadigd product gaat met foto's en ordernummer direct naar het team.

Hoe meet je de kwaliteit?

Lees elke week een steekproef van de gesprekken terug. Tel hoeveel vragen de agent zelf afhandelde, hoeveel hij doorzette en hoeveel antwoorden niet klopten.

Veelgestelde vragen

Moet de agent zeggen dat hij een AI is? Ja. Onder de AI Act moet het voor klanten duidelijk zijn dat ze met een AI praten, en eerlijkheid voorkomt irritatie.

Hoe begin je? Met de tien vragen die je het vaakst krijgt. Zorg dat de antwoorden op schrift staan, laat de agent alleen die vragen beantwoorden en breid uit als het goed gaat.

Aan de slag

dGEN Productions bouwt klantenservice-assistenten op je eigen kennis, met heldere overdracht naar je team. Bekijk de dienst AI Chatbots en RAG-assistenten, lees een chatbot voor je bedrijf of plan een gratis gesprek.

Meer over AI Agents

Uit de blog

dGEN Productions, AI-bureau in Veldhoven, regio Eindhoven (Brainport), onderdeel van dGEN Labs. De Run 1141 (1e verdieping, nr. 12), 5503 LB Veldhoven · info@dgenproductions.nl · 06-87413056 · KvK 97916137 (eenmanszaak) · btw NL005295840B15