Het eerlijke antwoord op wanneer je geen AI inzet voor klantenservice is simpeler dan de verkoperskaartjes doen vermoeden. Niet op tickets waar een fout antwoord juridische, financiële of emotionele schade veroorzaakt die de AI niet meer kan herstellen. Niet op tickets waar de klant al om een mens heeft gevraagd. Niet op tickets waar je eigen bron het antwoord niet dekt. De rest is een ontwerpvraagstuk, geen principiële.
Waarom deze vraag in 2026 zwaarder weegt
Uit een Gartner-onderzoek van augustus 2026 onder 3.566 klanten blijkt dat 87% het essentieel vindt om een menselijke medewerker te kunnen bereiken zodra een bedrijf generatieve AI inzet in de service. Een SurveyMonkey-studie zet de teller op 79% van de Amerikanen die sterk de voorkeur geven aan een mens boven een AI-agent. Het patroon is niet "AI is slecht". Het is dat klanten AI accepteren op hun voorwaarden, en de voorwaarden omvatten een schone uitweg.
De inzet is ook groter. In februari 2024 veroordeelde het British Columbia Civil Resolution Tribunal Air Canada tot betaling van CAN$812,02 aan Jake Moffatt nadat de chatbot van de maatschappij een rouwtarief-regeling verzon. Air Canada voerde aan dat de chatbot een aparte juridische entiteit was. Het tribunaal wees dat af en hield het bedrijf aansprakelijk voor wat de bot zei, alsof het een gewone pagina was. De hoog-risico-bepalingen van de EU AI-verordening gelden vanaf 2 augustus 2026 en vereisen menselijk toezicht, logging en openheid voor een groeiend aantal AI-systemen in consumentenbeslissingen. Wanneer je geen AI inzet, is nu ook de vraag wanneer je geen rechtszaak of toezichthouder uitnodigt.
Welk ticket moet je nooit automatiseren?
Zeven categorieën, uit onze praktijk.
Juridische of regelgevende vragen. Consumentenrechten, geschilrechten, terugbetalingsrechten onder nationaal recht, verzekeringsdekking, medische dosering, immigratiestatus, belastingaangifte of arbeidsrecht. Eén fout en de misleiding is die van het bedrijf, zie Moffatt. Houd de AI op definities en proces, escaleer op het moment dat de klant vraagt of hij ergens recht op heeft.
Rouw, medische crisis en veiligheid. Een bericht dat opent met een overlijden, een ernstige ziekte of een veiligheidszorg is geen plek voor een machineantwoord. Er is geen voordeel om dit via de bot te laten lopen. Route rechtstreeks naar een mens, en werk je 9 tot 17 uur, voeg dan een buiten-kantoortijd-bevestiging toe die een mens heeft geschreven, niet gegenereerd.
Belangrijke financiële beslissingen. Terugbetalingsbedragen boven een drempel die je zelf zet (rond 200 euro voor consumentenwinkels, hoger voor B2B), lopende chargebacks, geschillen over facturatie, abonnementsopzeggingen die aan een churnmoment hangen. De AI kan context verzamelen. De beslissing hoort bij een mens wiens naam de klant later kan noemen.
Retentie en opzeggingen. Zodra een klant "opzeggen" zegt, is het werk van de AI schoon doorzetten en de reden loggen, geen retentieplaybook draaien. Geautomatiseerde retentie voelt manipulatief en verbrandt de goodwill die je nog had. Wil je de klant behouden, zet er een mens op.
Klachten met emotionele lading. Een beschadigd trouwcadeau. Een gemiste verjaardagslevering. Een outfit die na het sollicitatiegesprek aankwam. De klant moet eerst gehoord worden, pas daarna komt beleid aan de orde. AI-antwoorden hier lezen als onverschillig, hoe goed ook geschreven, want de klant wilde een getuige.
Wat de eigen bron van de AI niet dekt. Als de retrieval geen relevant fragment vindt, of alleen fragmenten met lage betrouwbaarheid, dan moet de AI niet antwoorden. Hij moet dat zeggen en doorzetten. Bots die hier iets verzinnen zijn de reden dat klanten zeggen dat ze chatbots haten.
Reputatiekritische accounts. Bekende investeerders, perscontacten, enterprise-kopers in een lopende deal, een klant met een groot sociaal bereik die al een slechte ervaring had. Zet een mens op deze tickets, ook als de AI ze technisch aankan. De kosten van een kleine AI-slip op een zichtbaar account zijn onevenredig.
Wanneer past AI wel goed?
Om het eerlijk te houden, hier de spiegel. AI past sterk bij een afgebakende plak tickets, en klanten geven daar zelf de voorkeur aan. Onderzoeken uit 2025 laten zien dat 74% van de klanten de voorkeur geeft aan chatbots voor eenvoudige vragen, en 82% verkiest een chatbot boven wachten op een mens bij eenvoudige, snelle transacties.
De vergelijking, in één oogopslag:
| Ticketsoort | Past goed bij AI | Houd bij mens | |---|---|---| | Orderstatus ("waar is mijn bestelling?") | Ja, als live orderdata beschikbaar is | Alleen als de bestelling weg of beschadigd is | | Retourrecht-check | Ja, uit heldere policy | Terugbetalingsbedragen boven je drempel | | Productspecs, maat, compatibiliteit | Ja | Vragen met maatwerkprijs | | Wachtwoord reset, accounttoegang | Ja, met goede identiteitscheck | Elk vermoeden van account takeover | | Terugbetaling onder een kleine drempel | Ja | Alles wat betwist of ongewoon is | | Klacht met emotie | Nee | Altijd | | Juridische of rechten-vraag | Nee | Altijd | | Rouw, medisch, veiligheid | Nee | Altijd | | Opzegging of retentie | Nee | Altijd | | Wat de bron niet dekt | Nee | Altijd, met schone handoff |
Twee regels doen het meeste werk. Als de bron van de AI het antwoord niet dekt, dan niet antwoorden. Als de klant om een mens vraagt, krijgt hij er een.
Hoe moet de AI beslissen om te escaleren?
Betrouwbaarheidsroutering plus een korte lijst harde regels.
De AI moet een numerieke betrouwbaarheid dragen op elk conceptantwoord. Onder een drempel (een goed startpunt is 0,7 op een geschaalde as) verstuurt hij niet. Erboven wel. Ertussenin post je het concept aan een mens als suggestie. Die middenweg is ondergebruikt en werkt goed op teams van vijf tot vijftig.
Daarboven harde regels op basis van intentie, sentiment en accounttags. Sentiment onder een drempel triggert escalatie ongeacht betrouwbaarheid. Bepaalde intenties (opzeggen, terugbetalen, geschil, juridisch) routen direct naar een mens. Bepaalde accounttags (VIP, at-risk, in-geschil) idem. Het woord "mens" of "medewerker" in het bericht van de klant routet altijd naar een mens.
De faalvorm die we telkens zien is een bot die blijft proberen voorbij het punt van nuttigheid. Hij sluit tickets die hij had moeten escaleren, en creëert twee dagen later een erger tweede ticket bij een menselijke agent die nu een klant treft die zich al ongehoord voelt. Dat tweede ticket is duurder dan het eerste zou zijn geweest. Ontwerp ertegen.
Wat doet de AI eigenlijk op tickets die je niet automatiseert?
Hij helpt nog steeds. Op een ticket dat naar een mens gaat, kan de AI de vraag, het ordernummer en de accountcontext in één regel bovenaan zetten, een concept-antwoord voorstellen dat de mens accepteert of herschrijft, twee of drie relevante policyfragmenten ophalen met citaten, en de reden voor escalatie loggen zodat je hem kunt meten. Dat is niet "AI doet het ticket". Dat is AI die de mens sneller maakt op tickets die een mens vragen. Op een klein team is dat vrijwel altijd het rendementssterkere gebruik. Voor het rekenwerk zie ons stuk over bezetting van klantenservice-teams.
De juridische en regelgevende achtergrond
Twee dingen om te weten als je supportbeleid maakt. Ten eerste het Moffatt-precedent. Een bedrijf is aansprakelijk voor wat zijn AI-chatbot een klant vertelt, op dezelfde voet als een statische pagina. Grounding, weigeren en logging zijn juridische controles, niet alleen kwaliteitscontroles. Ten tweede geldt de EU AI-verordening: hoog-risico-bepalingen vanaf 2 augustus 2026. Artikel 50 vereist dat gebruikers weten dat ze met een AI-systeem interacteren, en hoog-risico-systemen vereisen menselijk toezicht en traceerbaarheidslogs. Voor een uitgebreider EU-specifiek stuk zie ons primer over de EU AI-verordening voor mkb. Als het antwoord van je bot plausibel een consumentenbeslissing stuurt, ga er dan van uit dat de toezichthouder de bron en de logs wil zien.
Hoe Keloa hiermee omgaat
Wij bouwen AI-agents die uit je eigen bronnen antwoorden met citaten en weigeren als ze het niet weten. We routen direct naar een mens bij opzegging, geschil, terugbetaling boven je drempel, en elk bericht dat sentiment of expliciet verzoek flagt. Escalaties landen in de gedeelde inbox met het volledige gesprek, de klantcontext en het concept van de AI. Betrouwbaarheidsroutering woont in de flow builder, zodat de regels die escalatie afvuren zichtbaar en aanpasbaar zijn, niet begraven in een model.
Per-antwoord prijs zet de prikkel op één lijn: we worden niet betaald voor een antwoord dat de AI niet had moeten sturen. Dat is het ontwerppunt.
Veelgestelde vragen
Is er een vuistregel voor de "betrouwbaarheidsdrempel"? Een startpunt is 0,7 op een geschaalde as. Neem een maand lang wekelijks een steekproef van de antwoorden op 0,7 tot 0,8, en verschuif de drempel op basis van hoeveel een mens er zou hebben aangepast. De meeste teams eindigen tussen 0,7 en 0,85 afhankelijk van de ticketmix.
Wat als de klant om een mens vraagt maar de AI het makkelijk kon antwoorden? Geef er een mens bij. Het juiste antwoord op "laat me met iemand spreken" is een persoon, niet een beter botantwoord. Het Gartner-onderzoek van augustus 2026 zette de klantverwachting van een menselijke optie op 87%. Je wilt niet in de verliezende 13% zitten.
Zijn er ticketsoorten waar een fout AI-antwoord juridisch risico oplevert? Ja. Alles rond rechten, terugbetalingen onder consumentenrecht, medische dosering, verzekeringsdekking, immigratie en belasting. De uitspraak Moffatt v Air Canada uit 2024 stelde vast dat een bedrijf aansprakelijk is voor wat zijn bot zegt. Houd de AI op definities en proces, escaleer de rechtenvraag.
Hoe leggen we AI-beslissingen vast voor naleving? Bewaar het klantbericht, de opgehaalde bronnen, het AI-concept, de betrouwbaarheidsscore, de escalatiebeslissing en de bewerking van de mens indien aanwezig. Bewaartermijn op wat je toezichthouder vraagt. Voor hoog-risicocontexten onder de EU AI-verordening is dit niet optioneel.
Ziet een klant het slecht als de AI weigert te antwoorden? Minder slecht dan een fout antwoord. Een kort "ik heb hier onvoldoende voor, ik verbind je door met een collega" leest goed, mits met een schone handoff en een snel menselijk antwoord.
Is er een reden om opzeggingen te automatiseren? Alleen de mechanische stap. Het bevestigen van de opzegging kan. Het gesprek dat er toe leidde niet. Route de reden-van-vertrek naar een mens en log het sentiment.
Klaar om de lijn voor je eigen team te trekken? Boek een demo en we lopen je ticketmix door en waar de betrouwbaarheids- en escalatielijnen moeten liggen.