De korte versie van bezettingsrekenen is één regel rekensom: tickets per periode, keer gemiddelde afhandeltijd, gedeeld door productieve minuten per agent, plus een buffer voor shrinkage. Het getal dat eruit valt is de ondergrens. De meeste teams zitten op één van twee manieren ernaast: ze vergeten shrinkage, of ze bemensen het gemiddelde in plaats van de piek. Hieronder de formule, de inputs die er voor een klein team echt toe doen, en waar AI het rekenwerk in 2026 verandert.
Hoe ziet de formule er nu eigenlijk uit?
Voor chat- of e-mailteams is de werkende formule:
agents nodig = (tickets per maand × AHT in minuten)
÷ (productieve minuten per agent per maand)Productieve minuten zijn betaalde minuten min shrinkage. Wordt een agent betaald voor 160 uur per maand en is je shrinkage 30%, dan is productieve tijd 112 uur, oftewel 6.720 minuten. Doet je team 5.000 tickets per maand met een gemiddelde afhandeltijd van 6 minuten, dan zijn dat 30.000 ticket-minuten, gedeeld door 6.720 productieve minuten, dat is 4,46. Rond naar boven af. Vijf agents is de ondergrens.
Voor telefoon of synchrone chat is dit de versimpelde versie van Erlang C, de formule die de Deense wiskundige Agner Erlang in 1917 publiceerde en die nog steeds de industriestandaard is voor inbound. Erlang C voegt wachtrijwiskunde toe: gegeven een doelservicelevel (zeg 80% beantwoord binnen 20 seconden), berekent hij hoeveel agents je minimaal nodig hebt in een interval van 30 minuten. De gratis rekenmachines van Call Centre Helper of Assembled zijn nauwkeurig genoeg voor de meeste kleine teams.
Welke inputs doen er écht toe?
Drie. De rest is ruis.
Average Handle Time (AHT). De cross-industry benchmark van 2025 ligt rond 6 minuten 10 seconden voor algemene klantenservice, volgens data van Sprinklr. Per branche verschilt het. Retail en e-commerce duwen AHT onder de 2 minuten. Tech support zit op 7 tot 10. Pak je eigen getal uit een echte steekproef van recente tickets, niet uit een gemiddelde. Zes weken data is genoeg.
Shrinkage. Het percentage betaalde tijd waarin agents niet beschikbaar zijn voor contacten: pauzes, vergaderingen, training, ziektedagen, vakantie, de tijd die het kost om een afsluit-notitie te schrijven. Industriegemiddelde is 30 tot 35%, volgens rapporten van Loris en Calabrio uit 2025. Hoogpresterende centra zitten op 20 tot 25%. Een klein team zonder workforce manager zit waarschijnlijk op 35% of hoger. Meet jouw cijfer; ga er niet vanuit.
Volume per interval, niet per maand. Het maandgemiddelde liegt. Een team dat 5.000 tickets per maand doet, doet die niet 167 per dag gelijk verdeeld. Er is een maandagpiek. Er is een 10-uur-piek. Bemens op het piekinterval bij het servicelevel dat je wilt, of die piek wordt gedropt.
Waarom zitten kleine teams systematisch krap?
Omdat de oprichter een getal kiest dat goed voelt en het spreadsheet daarna nooit meer wordt aangeraakt. We zien drie faalpatronen op teams van vijf tot vijftig.
Eén, ze bemensen het gemiddelde in plaats van de piek. De rekensom klopt voor een gemiddelde dinsdag en ligt mis op maandagochtend. Twee, ze negeren shrinkage. Betaalde uren en productieve uren zijn niet hetzelfde; een shrinkage van 35% maakt van een "we hebben vijf agents"-team een "we hebben op enig moment 3,25 effectieve agents"-team. Drie, ze wachten met aannemen tot de CSAT scheurt, op welk moment de wachtrij het bestaande team al heeft uitgeput.
De kosten van fout zitten zie je aan de achterdeur. De agent-turnover in contactcenters lag in 2025 op 30 tot 45% per jaar volgens branche-onderzoek, met meer dan 60% van de vertrekkers die stress als hoofdreden noemden. Eén agent vervangen kost 10.000 tot 20.000 dollar aan werving, training en inwerktijd. Een chronisch onderbezet team is ook een chronisch wervend team. De besparing van één opengehouden stoel verdampt drie maanden later, als je de uitgebrande vervanger moet werven.
Hoe verandert AI de berekening?
Op twee manieren, en geen van beide brengt de headcount op nul.
Het comprimeert AHT op routinetickets. Het paper van Brynjolfsson, Li en Raymond uit het Quarterly Journal of Economics (2025), met meer dan 5.000 supportagents bij een Fortune 500-bedrijf, vond dat AI-assistentie de productiviteit gemiddeld met 15% verhoogde en zo'n 35% bij de minst ervaren agents. Branchedata laat zien dat AI-geassisteerde contactcenters de afhandeltijd gemiddeld 9% verlagen. Stop die in de formule. Zelfde volume, lagere AHT, minder agents nodig voor de routine.
Het haalt volume uit de wachtrij. Beantwoordt je AI-agent een echt deel van de tickets zonder escalatie, dan valt dat volume volledig buiten de formule. De eerlijke versie: tel alleen de tickets waar de AI de klantvraag oploste, niet de tickets die hij heeft aangeraakt. Het Salesforce State of Service-onderzoek uit 2025 vond dat serviceteams inschatten dat 30% van de cases al door AI wordt afgehandeld, met 50% verwacht in 2027. Het realistische resultaat voor een klein team ligt lager, ergens tussen 20% en 50%, afhankelijk van productcomplexiteit en kwaliteit van de broncontent.
Waar AI het rekenwerk niet verandert: complexe tickets, gereguleerde tickets, retentiegesprekken, en alles waar de klant expliciet om een mens vroeg. Het Gartner-onderzoek van februari 2026 vond dat maar 20% van de organisaties de headcount door AI verminderde, en voorspelde dat de helft van de geplande snijders dat plan tegen 2027 weer afblaast. Het eerlijke patroon: AI absorbeert het routinewerk en je team doet zwaarder werk, niet dat headcount naar nul gaat. Het Amerikaanse Bureau of Labor Statistics voorspelt een daling van 5% in klantenservice-banen tussen 2024 en 2034, maar ook circa 341.700 jaarlijkse vacatures uit vervangingsbehoefte, en dat tweede getal is in de praktijk relevanter.
Hoe ziet de rekensom er voor een klein team uit?
Voorbeeld, e-commerce-winkel, voor en na AI.
Volume: 5.000 tickets per maand. AHT: 5 minuten (e-commerce, vooral WISMO en bestelstatus). Shrinkage: 35%. Betaalde minuten per agent: 9.600 (40 uur × 4 weken × 60 minuten). Productieve minuten per agent: 6.240 (na 35% shrinkage).
Voor AI: (5.000 × 5) ÷ 6.240 = 4,0. Naar boven afronden. Vijf agents om de gemiddelde belasting te dekken zonder bufferruimte voor pieken.
Na AI, 40% van het volume opgelost door AI, AHT op rest ongewijzigd: (3.000 × 5) ÷ 6.240 = 2,4. Naar boven afronden. Drie agents.
Die zwaai van vijf naar drie telt zwaar in de payroll van een klein team. Maar let op wat hij eigenlijk zegt: AI haalde twee stoelen routinewerk weg. Het team dat overblijft doet het zwaardere werk. Dat is het typische 2026-resultaat voor een klein team.
Hoe Keloa hiermee omgaat
Keloa's AI-agents staan voor je inbox, beantwoorden de routine op basis van je eigen content, en escaleren netjes in de unified inbox als de vraag een mens nodig heeft. Dat betekent dat het volume dat de formule moet bemensen, het volume ná deflectie is, niet het inbound volume.
Per-reply-prijzen maken de rekensom transparant: je betaalt voor wat de AI afhandelt, niet per stoel of per "resolutie" met onenig over wat dat is. Zie de per-resolutie-prijsval voor waarom dat bij deze berekening uitmaakt. En ons stuk over eerste-reactietijd-benchmarks voor mkb behandelt de interval-rekensom voor servicelevels.
Veelgestelde vragen
Wat is een goed shrinkage-percentage voor een klein team? Industriegemiddelde is 30 tot 35%, hoogpresteerders halen 20 tot 25%. De meeste kleine teams zonder workforce manager zitten op 35% of hoger. Meet je eigen percentage uit een echte tweewekensteekproef voor je iets aanneemt. Shrinkage halveren vraagt meer roosterdiscipline dan tooling.
Moeten we Erlang C gebruiken voor een mailteam van vijf? Nee. Erlang C is voor synchrone kanalen waar wachtrij ertoe doet. Voor e-mail en async chat is de simpele formule (tickets × AHT ÷ productieve minuten) nauwkeurig genoeg. Gebruik Erlang C op de dag dat je live telefoon of live chat op volume aanzet.
Hoe weet ik of we nu onderbezet zijn? Drie signalen. Eerste-reactietijd kruipt week op week omhoog. CSAT zakt op de kanalen waar de wachtrij het langst is. Agents werken door hun pauzes heen. Twee van de drie twee weken op een rij, dan zit je minimaal één stoel krap.
Laat AI ons headcount snijden? Soms, meestal niet. Gartner vond dat maar 20% van de organisaties in 2026 headcount door AI verlaagde, en de helft van die plannen wordt tegen 2027 teruggedraaid. Het eerlijke patroon is dat AI routinevolume absorbeert en het bestaande team zwaarder werk doet zonder zo hard mee te groeien met de business.
En pieken zoals Black Friday? Bemens op het piekinterval, niet op de gemiddelde maand. Voeg buffer toe voor shrinkage-spikes (ziektedagen lopen rond feestdagen hoger). En leun op AI voor de piek, want flexkrachten inhuren voor vier weken is duur en de inwerktijd vreet de winst op. Zie ons stuk over piekseizoen-support zonder bij te werven.
Is "tickets per agent per dag" een nuttige metric? Richtinggevend, niet voor bezettingsbeslissingen. De industriebaseline van 21 tickets per agent per dag uit 2017 wordt nog altijd geciteerd, en veel teams met AI-assistentie zitten hoger. Gebruik het om je eigen team over tijd met zichzelf te vergelijken, niet met een benchmark.