Zo train je een AI-agent op je helpcenter

Je traint een AI-agent op je helpcenter door de artikelen te koppelen die je vertrouwt, alles wat verouderd of tegenstrijdig is uit te sluiten, belangrijke artikelen te herschrijven zodat elk één vraag beantwoordt, en de agent vóór livegang te testen op echte klantvragen. Moderne agents leren je documenten niet uit hun hoofd. Ze zoeken het antwoord op zodra een klant iets vraagt. Je helpcontent bepaalt dus de kwaliteit van elk antwoord.

Wat betekent een AI-agent "trainen" op je helpcenter?

Het woord "trainen" zorgt nog steeds voor verwarring. Vroege chatbots werden echt opnieuw getraind zodra je een antwoord aanpaste. Moderne AI-supportagents werken anders. Ze gebruiken retrieval-augmented generation, meestal afgekort tot RAG. Stelt een klant een vraag, dan zoekt de agent in je kennisbank naar de meest relevante passages, leest die en schrijft een antwoord dat gegrond is in die tekst.

Aan het onderliggende model verandert niets. Je leert het niets in machine-learning-zin. Je geeft het een bibliotheek en een zoekindex. Trainen komt in de praktijk neer op drie redactionele keuzes:

• Wat er in de bibliotheek komt.
• Hoe elk artikel geschreven is.
• Hoe vaak verouderde exemplaren worden vervangen.

Goed nieuws voor kleine teams: het werk is redactioneel, niet technisch. Je hebt er geen developer voor nodig.

Waarom bepaalt het helpcenter of de agent werkt?

Het helpcenter is alles waar de agent mee kan werken. Gartner ondervroeg 5.728 klanten en ontdekte dat maar 14% van de klantenservicevragen volledig via selfservice wordt opgelost. In hetzelfde onderzoek zei 45% van de klanten die met selfservice begonnen dat het bedrijf niet begreep wat ze probeerden te doen. Een AI-agent die dezelfde artikelen leest, erft dezelfde gaten.

Gartner is daar duidelijk over. Een Quick Answer van Gartner uit 2024 concludeert dat 100% van de generatieve AI-assistentprojecten zonder koppeling met een modern kennismanagementsysteem hun doelen voor klantervaring en kostenbesparing mist. En in een ander onderzoek zei 61% van de klantenserviceleiders een achterstand te hebben in artikelen die bewerkt moeten worden, terwijl meer dan een derde geen vast proces heeft om verouderde artikelen te herzien. Die achterstand is precies wat de agent op dag één leest.

Zo train je een AI-agent op je helpcenter, stap voor stap

Dit is de volgorde die we aanraden. De meeste kleine teams doen stap 1 tot en met 3 in een week en de rest in de week erna.

1. Maak een inventaris van alles wat je hebt. Zet elk helpartikel, elke FAQ, beleidspagina, macro en intern document op een lijst. Noteer per stuk de eigenaar en de datum van de laatste update. Wat je niet ziet, kun je niet opruimen.
2. Verzamel je 50 meest gestelde klantvragen. Haal ze uit de tickets van de afgelopen 90 dagen, in de woorden van de klant zelf. Dit is de toets die de agent moet halen. Leg hem vast voordat je iets koppelt.
3. Koppel elke vraag aan precies één artikel. Geen artikel? Schrijf er een. Drie artikelen? Kies het beste en archiveer de rest. Eén vraag, één actueel antwoord.
4. Doe de uitsluitronde. Loop de checklist hieronder door en haal alles weg wat de agent op het verkeerde been zet.
5. Herschrijf je top 20 artikelen voor retrieval. Antwoord in de eerste zin, expliciete voorwaarden, uitzonderingen in eigen secties. Meer daarover hieronder.
6. Koppel live data voor order- en accountvragen. "Waar is mijn bestelling" beantwoord je vanuit de bestelling, niet vanuit een algemeen verzendartikel. Koppel je webshop en CRM via integraties.
7. Markeer interne content. Werkinstructies die uitleggen hoe je een verzoek afhandelt, zijn nuttig om mee te redeneren, maar horen nooit letterlijk bij een klant terecht te komen. Markeer ze.
8. Leg de regels voor weigeren en doorzetten vast. De agent antwoordt alleen als hij een onderbouwende passage vindt. Anders zegt hij dat eerlijk en zet hij het gesprek met context door naar een collega. Lees ook onze gids over overdracht van AI naar mens.
9. Test vóór livegang op je 50 vragen. Leg elk antwoord naast het bronartikel. Noteer elk fout, vaag of niet onderbouwd antwoord en pas de content aan, niet de prompt.
10. Ga live op een deel en kijk wekelijks terug. Begin met één kanaal of één groep onderwerpen. Lees elke week de gesprekken met lage zekerheid en de doorgezette gesprekken, en verwerk de gaten in je helpcenter.

Wat je uitsluit: een checklist

Alles koppelen voelt grondig. Meestal worden de antwoorden er slechter van, want de agent behandelt elke gekoppelde pagina als geldige bron. Haal dit weg of sluit het uit voordat je koppelt:

• Afgelopen campagnes, seizoensacties en verlopen kortingspagina's.
• Concepten, verlaten experimenten en alles wat als verouderd is gemarkeerd.
• Dubbele artikelen die hetzelfde beleid in andere woorden beschrijven.
• Tegenstrijdige artikelen. Noemen twee pagina's een andere retourtermijn, dan kan de agent een van beide citeren of ze door elkaar halen.
• Marketingteksten die om het antwoord heen draaien zonder het te geven.
• Oude release notes over functies die je sindsdien hebt aangepast of geschrapt.
• Prijspagina's van oude abonnementen of valuta waarin je niet meer verkoopt.
• Pagina's met persoonsgegevens, zoals geëxporteerde ticketgesprekken of voorbeelden met klantnamen.
• Interne notities met meningen of workarounds die je niet hardop aan een klant zou voorlezen.
• Juridische standaardteksten die geen antwoord op een beleidsvraag zijn (de agent parafraseert ze slecht).

Een kleinere, schonere bibliotheek wint van een grote, rommelige. We zien regelmatig dat teams betere antwoorden krijgen door content te schrappen dan door content toe te voegen.

Hoe bouw je helpartikelen op voor een AI-agent?

Wat een artikel makkelijk scanbaar maakt voor een mens, maakt het ook makkelijk vindbaar voor retrieval. De patronen die het meest uitmaken:

• Titels in de woorden van de klant. "Hoe retourneer ik een artikel uit de sale?" werkt beter dan "Retourbeleid, bijzondere voorwaarden". Retrieval vergelijkt de woorden van de klant met jouw woorden.
• Het antwoord in de eerste zin. Context en uitleg komen daarna. Retrievalsystemen knippen artikelen in stukken en geven soms maar één stuk aan het model.
• Korte alinea's, één feit per alinea. Lange alinea's verstoppen meerdere feiten, en het verkeerde feit reist mee.
• Expliciete voorwaarden. Schrijf "als de bestelling meer dan 30 dagen geleden is geplaatst", niet "bij oudere bestellingen". Precieze tekst geeft precieze antwoorden.
• Uitzonderingen in eigen secties. Sale-artikelen, cadeaubestellingen, beschadigde producten. Elk wordt een eigen vindbaar antwoord.
• Zeg wat je niet doet. "We bieden geen telefonische support" is een zin die de agent kan citeren. Wat ontbreekt, is onzichtbaar.

Meer hierover lees je in helpcontent schrijven waar een AI mee kan antwoorden en in onze gids over een kennisbank voor AI-supportagents.

Hoe vaak werk je het helpcenter bij?

Kies een ritme en houd het vol. De agent zoekt op het moment dat een klant vraagt, dus een bijgewerkt artikel werkt vanaf het volgende gesprek. Een verouderd artikel ook. Dit is het ritme dat we kleine teams aanraden:

| Soort content | Hoe vaak bijwerken | Aanleiding voor een directe update | |---|---|---| | Prijzen, abonnementen, kortingen | Maandelijks | Elke prijs- of abonnementswijziging | | Retour-, terugbetalings- en garantiebeleid | Maandelijks | Beleidswijziging, nieuwe uitzondering afgesproken in het team | | Levertijden en vervoerders | Maandelijks, in piekseizoen wekelijks | Andere vervoerder, deadlines rond feestdagen | | Productspecificaties en how-to's | Per kwartaal | Nieuwe release, functie geschrapt of hernoemd | | Integraties en installatiegidsen | Per kwartaal | Partner wijzigt zijn flow of interface | | Artikelen die de agent markeert als onzeker | Wekelijks | Herhaalde doorzettingen op hetzelfde onderwerp | | Volledige audit (dubbelingen, verouderde pagina's) | Per kwartaal | Rebranding, nieuwe markt, nieuwe taal |

Eén regel gaat boven de tabel: verandert een beleid, werk dan eerst het artikel bij en pas daarna het beleid. Anders blijft de agent het beleid van gisteren aan de klanten van vandaag uitleggen.

Hoe weet je of de agent je helpcenter goed leest?

Volg drie cijfers samen, per onderwerp:

• Retrievalscore. Hoe vaak de agent minstens één relevante passage vindt.
• Aandeel onderbouwde antwoorden. Hoe vaak het antwoord echt gedekt wordt door de geciteerde passage.
• CSAT per onderwerp. Hoe klanten de antwoorden beoordelen, per categorie.

Grounding helpt veel, maar maakt een agent niet onfeilbaar. Een onderzoek van Stanford RegLab naar commerciële juridische AI-tools liet zien dat producten die op retrieval draaien nog steeds in 17% tot 33% van de gevallen hallucineerden, al deden ze het beter dan algemene chatbots. Juridisch onderzoek is lastiger dan een retourvraag, maar de les geldt ook voor support: schone broncontent en een weigerregel doen evenveel als het retrievalsysteem. In ons stuk over waarom je support-AI-agent hallucineert lees je hoe je dat oplost, en in AI-antwoorden auditen hoe je de wekelijkse controle inricht.

Hoe Keloa hiermee omgaat

Keloa koppelt zijn AI-agents aan je helpcenter, beleidsdocumenten en live systemen, en baseert elk antwoord op jouw content. Antwoorden bevatten een bronvermelding, zodat je team kan nagaan waar de agent op leunde. Vindt de agent geen onderbouwende passage, dan zegt hij dat en zet hij het gesprek door in plaats van te gokken. Dat verkleint de kans op een fout antwoord. Het haalt die kans niet weg. Daarom laten we je ook elke week de vragen met lage zekerheid zien, zodat je helpcenter beter wordt op de plekken waar klanten echt vragen stellen.

Wil je zien hoe dat werkt op je eigen content? Plan een demo en neem je tien lastigste vragen mee.

Veelgestelde vragen

Moet ik de AI-agent opnieuw trainen als ik een artikel aanpas? Nee. De agent haalt je live content op zodra een klant iets vraagt. Pas het artikel aan en het volgende gesprek gebruikt de nieuwe tekst. Er is geen trainingsronde om op te wachten.

Hoe lang duurt het om een AI-agent op een helpcenter te trainen? Een helpcenter op een standaardplatform koppel je meestal in een middag. Het opruimen duurt langer: reken op één tot twee weken voor de inventaris, de uitsluitronde en het herschrijven van je top 20 artikelen. Daar komt de kwaliteit van de antwoorden vandaan.

Wat als ons helpcenter maar 30 artikelen heeft? Voor een gerichte webshop of dienst is dat vaak genoeg. Een kleine, actuele, goed geschreven set wint van een grote vol dubbelingen. Gebruik je 50 meest gestelde vragen om de gaten te vinden.

Kan de agent antwoorden vanuit pdf's en interne documenten? Ja, als je ze koppelt. Behandel ze als publieke artikelen: één onderwerp, een helder antwoord, geen tegenstrijdigheden. Markeer interne content, zodat de agent die kan gebruiken om te redeneren zonder hem te citeren.

Hoe voorkom ik dat de agent antwoorden verzint als het helpcenter zwijgt? Eis een onderbouwende passage voor elk antwoord en stel een weigerregel in voor de rest. De agent zegt dan dat hij het niet weet en zet het gesprek door. Schrijf daarna het ontbrekende artikel, zodat de volgende klant wel een antwoord krijgt.

Moet ik eerst nieuwe artikelen schrijven of bestaande verbeteren? Verbeter eerst de bestaande. Het probleem is meestal tegenstrijdigheid, vaagheid of verouderde tekst, niet een ontbrekend onderwerp. Klanten stellen dezelfde vragen in andere woorden. Zorg dat elke vraag één helder, actueel antwoord heeft.

Bronnen

• Gartner: Survey finds only 14% of customer service issues are fully resolved in self-service
• Gartner: Quick Answer on knowledge management and GenAI virtual assistants (2024)
• Gartner: Survey reveals 85% of customer service leaders will explore or pilot customer-facing conversational GenAI in 2025
• Stanford RegLab: Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools