Klantenservice automatiseren zonder het vertrouwen te breken.
Klantenservice automatiseren is geen binaire keuze. Sommige dingen had je gisteren al moeten automatiseren. Andere dingen moet je nooit automatiseren. Het verschil tussen een team dat van zijn automatisering houdt en een team dat het stilletjes uitzet, is of die lijn goed is getrokken. De meeste teams over-automatiseren de verkeerde tickets en onder-automatiseren de juiste.
Automatiseer de repeterende informatie-tickets (verzending, retour, maten, beleid) en houd de oordeel-zware bij mensen (refunds, klachten, escalaties, factuurdisputen). Een goede AI-agent doet zestig tot zeventig procent van het volume en escaleert de rest netjes met volledige context.
- ✓Automatiseer volume-tickets met één-feit-antwoorden. Waar is mijn bestelling, wat is de retourtermijn, verzenden jullie naar Spanje.
- ✓Automatiseer geen tickets die oordeel vragen. Refunds, klachten, randgeval-facturatie, alles met emotie erin.
- ✓De AI hoort te escaleren, niet te bluffen. Een handoff met samenvatting wint altijd van een fout antwoord.
- ✓Meet succes op vertrouwen, niet alleen op deflectie. 90% deflectie met 30% klantklachten is een mislukking.
De juiste dingen om te automatiseren
De tickets die je naar AI stuurt zijn die met één antwoord dat ergens in je content staat. Waar is mijn bestelling. Wat is je retourtermijn. Verzend je naar België. Welke maten zijn op voorraad. Die krijgen elke keer hetzelfde antwoord, ze zijn saai voor mensen, en klanten willen ze in seconden, niet uren. Een goede AI-agent beantwoordt deze met bronvermelding, in de taal van de klant, voor je team het koffierondje af heeft. Dat is zestig tot zeventig procent van typisch supportvolume.
De verkeerde dingen om te automatiseren
Refunds. Klachten. Factuurdisputen. Alles waar de klant geïrriteerd is, alles waar het beleid kan buigen, alles met een refund-beslissing of een coulance erin. Die automatiseren maakt boze klanten woedend. Een mens kan de toon lezen, de bestelhistorie bekijken en beslissen of er een refund komt of dat je voet bij stuk houdt. Een AI kan dat niet, en doen alsof het kan, dat geeft AI-klantenservice zijn slechte naam. Keloa is expliciet afgesteld om bij negatieve sentiment te escaleren.
Het grijze gebied ertussen
De meeste tickets zitten daartussenin, en de juiste zet is suggest-only modus. De AI stelt elk antwoord op, je team keurt goed of past aan voor verzending. Je krijgt het snelheidsvoordeel op de makkelijke (operators sturen het concept in twee seconden) en een vangnet op de moeilijke (operators herschrijven als de AI ernaast zit). De meeste teams draaien een maand suggest-only, schalen daarna de simpele intents op naar autonoom en houden de rest onder menselijke supervisie.
Wat te meten
Het deflectiepercentage is het beroemde cijfer, maar liegt op zichzelf. Hoge deflectie met slechte antwoorden is slechter dan geen automatisering. Volg drie cijfers samen: deflectiepercentage (hoeveel tickets sloot de AI), escalatieredenen (waarom de rest escaleerde, zodat je de gaten kunt dichten), en CSAT op AI-afgehandelde tickets (of klanten blij waren met het antwoord van de AI). Zijn alle drie goed, dan heb je automatisering die werkt. Is deflectie hoog en zakt CSAT, dan bluft de AI en moet je de zekerheidsdrempel verlagen.
Hoe Keloa je de lijn laat trekken
Drie schakelaars tellen. Suggest-only modus (de AI stelt op, mensen keuren goed), zekerheidsdrempel voor handoff (standaard zeventig procent), en sentiment-gebaseerde escalatie (elke negatieve emotie gaat naar een mens). Je kunt elke onafhankelijk afstellen, per AI-agent, zodat de klantenservice-agent autonoom verzendvragen beantwoordt terwijl de factuurdispuut-agent altijd uitwijkt naar een mens. Het punt van automatisering is niet je team vervangen. Het punt is hun aandacht vrijspelen voor de gesprekken die het nodig hebben.
Veelgestelde vragen over klantenservice automatiseren.
Waar begin ik met klantenservice automatiseren?
Begin met een lijst van je top twintig tickettypes van de afgelopen maand. Geef elk een score op twee assen: hoe vaak komt het binnen, en hoe vaak is het antwoord identiek. Het snijvlak (vaak, identiek) is het voor de hand liggende automatiseringsdoel. Verzend-ETA's, retourtermijn, openingstijden, maatvragen, landenbeschikbaarheid. Die gaan als eerste. Refunds, klachten en escalaties blijven bij mensen. Je automatiseert waarschijnlijk de juiste dertig procent intents en dekt zestig procent volume.
Wat is een goed deflectiepercentage?
Zestig tot zeventig procent is gezond voor de meeste teams. Daaronder gebruik je de AI mogelijk onder, de kennisbank mist waarschijnlijk antwoorden. Boven de tachtig procent over-automatiseer je mogelijk, de AI verzendt antwoorden die hij hoort te escaleren. CSAT op AI-afgehandelde tickets is de check: zakt die onder je algemene CSAT, verlaag dan de zekerheidsdrempel zodat de AI vaker overgeeft.
Moet ik refunds automatiseren?
Niet de beslissing, wel de workflow eromheen. De AI kan de klant om het bestelnummer vragen, de order opzoeken, eligibility verifiëren en de zaak met aanbeveling aan je operator presenteren. De operator klikt akkoord of weigert in seconden. Je krijgt snelheid zonder de oordeelsbeslissing op te geven, en dat is de juiste balans voor refund-achtige tickets. Keloa houdt destructieve acties expliciet achter een mens.
Kan ik terugdraaien als de automatisering misgaat?
Ja. Zet de AI-agent met één klik op suggest-only modus en elk antwoord wacht in je operator-inbox op goedkeuring. Je kunt een agent ook volledig pauzeren. De audit log laat je teruggaan en elk antwoord van de AI bekijken, met de geciteerde bronnen, zodat je het foutgegane gesprek vindt en het onderliggende kennisgat dicht. Terugdraaien is een schakelaar, geen migratieproject.
Werkt automatisering voor B2B-support?
Ja, met de juiste scope. B2B-tickets neigen naar facturatie, contracten en account-specifieke vragen, die meer guardrails nodig hebben dan B2C. De AI doet de informatielagen goed (documentatieopzoek, statusupdates, planning) en escaleert de account-specifieke oordeelsmomenten. Veel B2B-teams draaien Keloa voor het eerste antwoord en laten de account managers de diepere threads doen.
Hoe lang tot de automatisering zich terugverdient?
De meeste teams hebben Keloa's Growth-plan (€49 per maand) binnen de eerste honderd gesprekken terugverdiend. De rekensom: kost een menselijk antwoord drie minuten en doet de AI zestig procent van vijftienhonderd gesprekken per maand, dan bespaar je circa vijfenveertig uur operator-tijd per maand. Tegen elke redelijke uurprijs is dat het plan in de eerste week terugverdiend.
Automatiseer het juiste. Houd de rest menselijk.
Gratis Starter, vijftig AI-antwoorden, geen creditcard. Draai Keloa een maand in suggest-only modus, schaal daarna de intents die je vertrouwt op naar autonoom.