Een medewerker snapt iets niet in een softwarepakket en stelt een vraag. Geen storing, geen kapot systeem, alleen onduidelijkheid over gebruik. Dit werk komt vandaag terecht bij de servicedesk of bij functioneel beheer, meestal via een ticketsysteem, soms via de telefoon of gewoon aan het bureau van de collega die "toch alles weet" van dat ene pakket.
De vraag die hier voorligt, is niet of dit werk vervelend is of waardevol. De vraag is: valt het patroon van deze taak samen met wat AI vandaag aankan met tekst.
Drie assen geven hier de doorslag: volume, klantcontact en gestructureerdheid.
Het volume is hoog. Dezelfde vragen komen terug, keer op keer, van verschillende mensen: hoe exporteer ik dit rapport, waar vind ik die instelling, waarom krijg ik deze foutmelding. Dat herhalende karakter is precies waar automatisering op draait: een taak die honderd keer identiek voorkomt, is een andere taak dan een die één keer voorkomt en telkens anders is.
Het klantcontact is beperkt. De vraagsteller is een collega, geen externe klant met wie een relatie onderhouden moet worden. Er is minder terughoudendheid nodig om een antwoord direct en zonder omhaal te geven, en minder risico dat een minder vloeiend antwoord als onprofessioneel wordt ervaren.
De gestructureerdheid is hoog. De vraag heeft vaak een vaste vorm ("hoe doe ik X in systeem Y") en het antwoord staat, in de meeste organisaties, al ergens: in een handleiding, een kennisbank, oude tickets. AI moet hier niet iets nieuws bedenken, maar iets bestaands terugvinden en herformuleren naar de situatie van de vrager.
Daar komt bij dat foutkosten en compliance gunstig scoren. Een verkeerd antwoord over een exportknop leidt zelden tot schade, en er is doorgaans geen wettelijke verplichting die voorschrijft dat dit antwoord alleen door een mens gegeven mag worden. Fysieke handelingen zijn niet nodig: dit is puur een taal- en kennistaak, wat de score op die as verklaart.
Creativiteit scoort laag, en dat is precies waar de grens zit. Een vraag die buiten de standaardpatronen valt — een ongewone combinatie van instellingen, een probleem dat eigenlijk drie systemen raakt, een gebruiker die zelf niet goed kan verwoorden wat er misgaat — vraagt om iemand die kan doorvragen en kan afwijken van het script. Oordeelsruimte scoort daarom middelmatig: een deel van de vragen is eenduidig te beantwoorden, een ander deel vraagt om inschatting van wat de vrager eigenlijk bedoelt.
Dit is dus geen volledige overname. Het is een verdeling: de vragen die vaak voorkomen en een vast antwoord hebben, zijn kansrijk voor AI met — waar nodig — een medewerker die het antwoord beoordeelt voordat het de deur uit gaat. De vragen die afwijken, blijven mensenwerk, niet omdat AI dat werk niet zou willen doen, maar omdat het patroon er niet geschikt voor is.
Dit werkt alleen als de onderliggende kennis op orde is. Een actuele kennisbank en goed gestructureerde FAQ's zijn geen bijzaak, ze zijn de voorwaarde. Een AI-systeem dat antwoord geeft op basis van een handleiding van drie versies terug, geeft foute antwoorden met evenveel stelligheid als juiste. Bedrijven waar de documentatie versnipperd is, in hoofden van individuele medewerkers zit of nooit is bijgehouden, zullen dit patroon niet meteen kunnen benutten — niet omdat de taak anders is, maar omdat de randvoorwaarde ontbreekt.
Bij een organisatie met één simpel, stabiel softwarepakket en een kleine, ervaren gebruikersgroep is het aandeel vragen dat via AI te beantwoorden is waarschijnlijk groot: weinig variatie, veel herhaling. Bij een organisatie met tientallen systemen, veel maatwerk en regelmatig wisselende medewerkers ligt dat anders: meer variatie, meer vragen die net buiten het standaardpatroon vallen, en dus een groter deel dat bij een mens blijft.
Deze taak staat ook niet los van de rest van de servicedesk. Wie kijkt naar hoe AI incidenten kan registreren en prioriteren of naar hoe een storing naar gebruikers gecommuniceerd wordt, ziet een vergelijkbaar patroon van herhaling en structuur, met net iets andere uitkomsten per as. Een breder overzicht van waar dat op de klantenservice als geheel toe leidt, staat op welk werk kan AI overnemen op de klantenservice.
In bedrijven waar dit al is ingericht, ziet de servicedesk minder herhaalvragen binnenkomen bij mensen en meer tijd overblijven voor de vragen die wel doorvragen vereisen. Dat is geen toekomstbeeld: het gebeurt vandaag al, in delen, bij organisaties met een kennisbank die op orde is. Bij andere organisaties gebeurt het nog niet, simpelweg omdat de basis daarvoor nog ontbreekt.
Wat een organisatie met de vrijgespeelde uren doet — een andere rolinvulling, andere taakverdeling — is een keuze die aan de organisatie zelf is en waarvoor eigen wettelijke vereisten gelden; dat is geen vraag die met een taakanalyse te beantwoorden is.
Om te zien hoe dit patroon uitpakt in uw eigen situatie, is een indicatie te krijgen via de gratis quickscan: twaalf vragen, zonder account, met een inschatting welk deel van de uren in uw profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk van een heel bedrijf in taken uiteenlegt, is nog in aanbouw.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.