AI-automatiseringKlantenservice

Klantenservice-triage met AI: routeren, conceptantwoorden en wanneer een mens het overneemt

AI sorteert een supportinbox in seconden, maar niet elk antwoord mag ongecontroleerd de deur uit. Zo verdeelt u routeren, concepten en escalatie.

Door Nichita Railean, CTOGepubliceerd 11 oktober 20265 min leestijd

In een gedeelde supportinbox komt van alles binnen: vragen over bestellingen, klachten, facturen die naar het verkeerde adres zijn gestuurd, wachtwoordresets, opzeggingen en af en toe een juridisch dreigement. Iemand moet elk bericht lezen, bepalen waar het over gaat en het doorzetten voordat iemand het kan beantwoorden. Bij dat sorteren helpt AI meestal als eerste, en een paar duidelijke regels bepalen of het helpt of schaadt.

Dit artikel behandelt routeren, conceptantwoorden en escalatie afzonderlijk, omdat elk een ander risico met zich meebrengt.

Routeren: laat het model lezen en regels beslissen

Routeren is de veiligste plek om te beginnen, omdat een verkeerd label een overdracht tussen wachtrijen kost, geen verkeerde belofte aan een klant. Een taalmodel leest het bericht en geeft een paar gestructureerde velden terug: het onderwerp, de taal, het product, hoe urgent het klinkt en of de klant om een mens vraagt. Feiten die het model niet in de tekst kan zien, zoals het contract van de klant of openstaande bestellingen, komen uit uw CRM- of ordersysteem, niet uit een gok.

Houd de lijst met onderwerpen kort en koppel elk onderwerp aan wie het afhandelt. Gaan twee categorieën altijd naar hetzelfde team, dan zijn het één categorie. Bouw de eerste versie op een paar maanden aan echte tickets en vraag de mensen die ze vandaag beantwoorden om een steekproef met de hand te labelen. Die steekproef wordt uw testset: de routering werkt als het model het daarover eens is met uw team, niet als het er in een demo overtuigend uitziet. Berichten waarover het model twijfelt, gaan naar een mens, zoals nu ook.

Conceptantwoorden: gebaseerd op uw eigen bronnen

In het opstellen van antwoorden gaat de meeste tijd zitten, en daar zit ook het meeste risico. Een model kan op bijna alles een vlot antwoord schrijven, en dat is precies het probleem: een stellig antwoord over een terugbetalingsbeleid dat u niet hebt, is erger dan geen antwoord. Bouw concepten alleen op goedgekeurd materiaal, zoals uw helpcentrum, actuele beleidsregels en de bestelgegevens van de klant, en laat de medewerker zien welke bron elk concept gebruikte, zodat het in seconden te controleren is. Fine-tuning versus RAG legt uit hoe deze onderbouwing werkt.

Bij concepten die een mens goedkeurt, is het bewijs ook het sterkst. Een studie onder 5.179 klantenservicemedewerkers vond dat toegang tot een generatieve AI-assistent het aantal opgeloste vragen per uur gemiddeld met 14% verhoogde, met een verbetering van 34% voor beginnende en minder vaardige medewerkers en een minimaal effect bij de meest ervaren en vaardige. De auteurs suggereren dat de assistent de werkwijze van de beste medewerkers doorgaf aan nieuwere collega's.

Antwoorden zonder controle laten versturen is een aparte beslissing. In 2024 oordeelde een tribunaal in British Columbia, Canada, tegen Air Canada, nadat de chatbot op de website had gesuggereerd dat een rouwtarief achteraf kon worden aangevraagd, wat de luchtvaartmaatschappij niet toestond. De maatschappij voerde aan dat zij niet aansprakelijk kon worden gesteld voor wat de chatbot zei. Het tribunaal noemde dat een opmerkelijk argument en oordeelde dat het bedrijf verantwoordelijk is voor alle informatie op zijn website, of die nu van een statische pagina of van een chatbot komt. Wat uw systeem een klant vertelt, heeft uw bedrijf gezegd.

Wanneer u escaleert naar een mens

Leg de escalatieregels vóór de lancering vast en dwing ze af in code, niet in het oordeel van het model. Dit zijn de signalen waarmee we in onze projecten beginnen.

Signaal	Waarom een mens het overneemt
De klant vraagt om een mens	Geef daar meteen gehoor aan. Mensen met een bot laten discussiëren om iemand te spreken, kost meer vertrouwen dan een trager antwoord.
Terugbetalingen, tegoeden, opzeggingen of contractwijzigingen	Hiermee wordt geld toegezegd of een afspraak gewijzigd, dus een benoemde persoon beslist.
Een klacht, grote frustratie of een verwijzing naar advocaten of toezichthouders	De relatie staat op het spel, en de formulering van het antwoord telt meer dan de snelheid.
Een verzoek om persoonsgegevens in te zien, te corrigeren of te wissen	Volgens de AVG moet het antwoord onverwijld en binnen een maand komen, met verlenging alleen als de complexiteit of het aantal verzoeken dat nodig maakt.
Gezondheid, veiligheid of een klant in een kwetsbare situatie	Een fout antwoord kost te veel om welk foutpercentage dan ook te accepteren.
Geen goedgekeurde bron dekt de vraag, of het model twijfelt	Een concept zonder bron is een gok. Geef het ticket door met alles wat het systeem wel vond.
De klant schrijft opnieuw over hetzelfde probleem	Een herhaald contact betekent meestal dat het eerste antwoord het probleem niet oploste.
Het bericht bevat instructies die op het systeem gericht zijn	OWASP zet promptinjectie, inclusief instructies die in externe inhoud verborgen zitten, bovenaan de risico's voor toepassingen met taalmodellen.

Geld is de duidelijkste grens. Volgens de AVG hebben mensen het recht niet te worden onderworpen aan een besluit dat uitsluitend op geautomatiseerde verwerking berust en dat rechtsgevolgen of vergelijkbare aanzienlijke gevolgen voor hen heeft. Niet elk besluit over een terugbetaling haalt die drempel, maar het loont zelden om te discussiëren over welke wel. Waar de regel geldt, gaan de uitzonderingen gepaard met waarborgen, waaronder het recht op menselijke tussenkomst en het recht om het besluit aan te vechten. Een model kan een terugbetaling of een afwijzing voorbereiden. Een mens neemt de beslissing.

Wees open naar klanten en draag netjes over

Sinds 2 augustus 2026 vereist de Europese AI-verordening dat AI-systemen die rechtstreeks met mensen communiceren zo zijn ontworpen dat die mensen worden geïnformeerd dat ze met een AI-systeem te maken hebben, tenzij dat uit de context duidelijk is. In de klantenservice is een duidelijke zin aan het begin van een chat of in een automatisch antwoord de eenvoudigste manier om dat te doen.

De overdracht is het moment dat klanten het meest opvalt. Als een ticket naar een mens gaat, hoort er een korte samenvatting bij: wat de klant vroeg, wat het systeem vond, wat het de klant al heeft verteld en waarom het escaleerde. Niemand zou het probleem twee keer moeten uitleggen.

Hoe u begint

Meet de huidige situatie. Tel tickets per week per kanaal en onderwerp, de tijd tot het eerste antwoord en hoe vaak een ticket tussen teams wordt doorgeschoven.
Laat de routering eerst in de schaduw meedraaien. Het model labelt elk ticket terwijl mensen routeren zoals altijd. Vergelijk beide een paar weken voordat het model zelfstandig routeert.
Voeg concepten toe voor de meest voorkomende onderwerpen. Een medewerker keurt elk concept goed of past het aan. Houd bij hoe vaak concepten ongewijzigd, aangepast of helemaal niet worden verstuurd.
Sta automatische antwoorden alleen toe voor afgebakende onderwerpen met weinig risico, zoals de status van een bestelling of openingstijden, en pas als controles een laag foutpercentage laten zien.
Controleer elke week een willekeurige steekproef, ook van tickets die nooit zijn geëscaleerd. Daar vindt u de fouten waarover het systeem zeker was.

Wilt u inschatten wat dit uw supportteam kan besparen? Beschrijf de workflow in de ROI-calculator. Overweegt u een agent die ook handelingen uitvoert, zoals terugbetalingen doen, lees dan eerst AI-agents uitgelegd of bekijk veelvoorkomende workflows per bedrijfsonderdeel.