Het beantwoorden van binnenkomende telefoongesprekken en het doorverbinden naar de juiste persoon of afdeling is een taak die op het eerste gezicht eenvoudig lijkt te automatiseren: er komt een vraag binnen, die vraag wordt herkend, en het gesprek gaat naar de juiste plek. In de praktijk valt dit in de categorie deels, met menselijk toezicht als vangnet voor de gevallen waarin de inschatting misgaat.
De as klantcontact scoort laag (1), en dat is de belangrijkste reden dat volledige automatisering hier niet vanzelfsprekend is. Een telefoongesprek is per definitie direct contact met een klant, leverancier of andere externe partij, vaak op het moment dat iemand al enige spanning of urgentie voelt: een klacht, een storing, een factuur die niet klopt. Een verkeerd ingeschat gesprek dat bij de verkeerde afdeling terechtkomt, of een beller die het gevoel heeft tegen een systeem te praten terwijl hij een mens verwacht, raakt direct de relatie met die klant. Bij een bedrijf waar het telefoonverkeer vooral bestaat uit standaardvragen — openingstijden, adreswijzigingen, het doorgeven van een simpel statusverzoek — ligt dit anders dan bij een bedrijf waar bellers vaak met een probleem zitten dat uitleg en gevoel vereist.
Gestructureerdheid scoort met een 2 laag: de vraag achter een telefoongesprek is vooraf niet bekend, de beller formuleert vrij, gebruikt jargon of net niet de juiste term, en de context van het gesprek moet live worden opgebouwd. Dat maakt het inschatten van de juiste bestemming foutgevoelig. Tegelijk scoort volume een 5: telefonie is per definitie een taak met veel herhaling, en juist bij hoog volume is het aantrekkelijk om een deel geautomatiseerd af te vangen. Dat spanningsveld — laag gestructureerd, maar hoog volume — is precies waarom spraakherkenning vandaag wordt ingezet voor het eerste, grove filter: is dit een vraag voor de klantenservice, de financiële afdeling of een specifieke contactpersoon. De fijnere inschatting, zeker bij twijfel of bij een beller die meerdere vragen tegelijk stelt, blijft mensenwerk.
De as fysiek scoort met een 4 gunstig voor automatisering: er is geen fysieke handeling nodig, het gesprek verloopt volledig digitaal via de telefooncentrale of het voip-systeem. Foutkosten scoren gemiddeld (3): een verkeerd doorverbonden gesprek is vervelend maar meestal niet onherstelbaar, iemand belt terug of wordt alsnog doorgezet. Compliance scoort met een 4 relatief gunstig, omdat het doorverbinden zelf doorgaans geen wettelijke verplichtingen met zich meebrengt — dat ligt anders zodra het gesprek overgaat in het vastleggen van persoonsgegevens of gevoelige informatie, waarvoor eigen wettelijke vereisten gelden.
De technologie die hier vandaag werkt is spraakherkenning: het omzetten van gesproken taal naar tekst en het herkennen van intentie, gecombineerd met een routeringstabel die bepaalt welke afdeling of persoon bij welk type vraag hoort. Voor eenvoudige, veelvoorkomende verzoeken — een beller die naar de financiële afdeling wil, of naar een specifieke medewerker vraagt bij naam — is dit inmiddels behoorlijk betrouwbaar. Voor complexere of emotioneel geladen gesprekken, waarbij de beller niet meteen duidelijk maakt waar hij naartoe wil, blijft een mens de veiligere schakel.
Drie voorwaarden bepalen of automatisering hier verantwoord is. Ten eerste spraakherkenning van voldoende kwaliteit, ook bij accenten, achtergrondgeluid of slechte verbindingen. Ten tweede een actuele routeringstabel: als afdelingen wijzigen, mensen van functie veranderen of nieuwe teams ontstaan zonder dat het systeem wordt bijgewerkt, verslechtert de doorverbinding zienderogen. Ten derde een escalatiepad naar een mens, zodat een beller die vastloopt in het systeem niet in een lus terechtkomt maar binnen een beperkt aantal stappen bij een persoon terechtkomt. Dit sluit aan bij hoe ook welk werk kan AI overnemen op de klantenservice wordt beoordeeld: automatisering van het eerste contactmoment werkt het best wanneer de escalatie naar een mens goed is ingericht, niet wanneer die ontbreekt.
De uitkomst voor deze taak is geen vaste wet. Een bedrijf met een klein, overzichtelijk klantenbestand en veel terugkerende, simpele vragen kan een groter deel van het telefoonverkeer laten afvangen dan een bedrijf met complexe, technische producten waarbij elk gesprek net iets anders is. Ook de aard van de organisatie speelt mee: een intern telefoonverkeer tussen collega's, zoals bij het doorverbinden binnen een team, is voorspelbaarder dan extern klantcontact. Dat is exact de reden dat een taak-voor-taak scan meer oplevert dan een algemene uitspraak over 'telefonie automatiseren' — net zoals bij het inrichten van welk werk kan AI overnemen op de inkoop de uitkomst sterk afhangt van hoe gestandaardiseerd de onderliggende processen al zijn.
Deze pagina beschrijft de taak in algemene zin; hoe dit uitpakt voor een specifieke telefonielijn, receptiefunctie of afdeling hangt af van het daadwerkelijke gespreksvolume, de complexiteit van de vragen en de kwaliteit van de bestaande systemen. De gratis quickscan van ftetoai geeft aan de hand van twaalf vragen, zonder account, een eerste indicatie van welk deel van de uren in een functieprofiel vandaag door AI is over te nemen. De volledige werkscan, die dieper op individuele taken en systemen ingaat, 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.