Een klant wil weten waar zijn bestelling is. Een medewerker zoekt de status op in het ERP of logistiek systeem en meldt dit terug, per telefoon, e-mail of chat. Dit is een van de meest terugkerende taken binnen klantenservice, en ook een van de meest voorspelbare. Precies dat maakt hem geschikt om grotendeels door AI te laten uitvoeren.
Drie assen geven hier de doorslag: gestructureerdheid, volume en klantcontact.
De gestructureerdheid scoort hoog. Een orderstatus is geen open vraagstuk: er is een bestelnummer, een systeem met een actuele status, en een vaste set mogelijke antwoorden (verzonden, onderweg, vertraagd, geleverd). Er hoeft niets uitgevonden te worden, alleen opgezocht en teruggegeven.
Het volume is doorgaans hoog. Bij bedrijven met veel bestellingen is dit type vraag een groot deel van het inkomend contactvolume. Hoog volume in combinatie met een vast patroon is precies waar automatisering rendeert: dezelfde handeling, honderden of duizenden keren, zonder dat de inhoud verandert.
Het klantcontact scoort laag richting automatisering (2 van 5), maar dat is hier minder een obstakel dan het lijkt. Klantcontact wordt pas een probleem voor AI als het gesprek gevoelig is of maatwerk vraagt. Bij een statusvraag is het contact functioneel: de klant wil een antwoord, geen gesprek. Zolang de boodschap klopt en op tijd komt, is het "wie" secundair.
Drie assen houden de score gemengd, en dat is relevant om niet te verbloemen.
Oordeelsruimte (2) en creativiteit (5, ongunstig genoteerd omdat hier geen creativiteit nodig is en dat net het punt is) laten zien dat er weinig interpretatie nodig is — maar bij afwijkingen, zoals een order die al drie dagen "onderweg" staat zonder scanmoment, is er wel degelijk een beoordeling nodig: is dit een systeemfout, een vertraging bij de vervoerder, of een order die zoek is? Dat vraagt op dat moment een mens, of op zijn minst een escalatieregel.
Compliance (5) betekent dat er weinig wettelijke complicaties spelen bij het teruggeven van een status. Foutkosten (3) zitten in het midden: een foute status melden aan een klant is vervelend, maar zelden schadelijk. Dat verschilt overigens sterk per sector. Bij medische hulpmiddelen of tijdgevoelige B2B-leveringen kan een foutieve statusmelding wel degelijk gevolgen hebben, en dan verschuift deze as naar een hoger risico dan hier aangehouden.
Wat AI hier vandaag aankan, is een agent: een systeem dat zelfstandig de status opzoekt in het logistiek systeem, dit vertaalt naar een begrijpelijke tekst, en dit naar de klant communiceert, zonder dat er telkens een mens tussen zit. Dat is geen volledige overname van de rol, wel van een groot deel van de herhalende handelingen binnen die rol.
Drie voorwaarden bepalen of dit in de praktijk werkt:
Bij bedrijven zonder realtime koppeling tussen bestelsysteem en logistiek systeem — bijvoorbeeld waar de status handmatig wordt bijgehouden in een Excel-bestand — ligt de gestructureerdheid feitelijk lager dan hier aangenomen, en is deze taak nog niet rijp voor een agent. Dat raakt direct aan een verwante taak: voorraad- en levertijdinformatie verstrekken leunt op dezelfde databronnen en loopt tegen hetzelfde probleem aan als die koppeling ontbreekt.
Bedrijven met veel maatwerkorders of B2B-klanten met contractuele leverafspraken zien de oordeelsruimte-as zwaarder wegen: een vertraging kan daar een contractbreuk betekenen, en dan is menselijke beoordeling eerder nodig dan bij consumentenpakketjes.
Deze taak hangt ook samen met wat er verderop in het proces gebeurt. Onjuiste klantgegevens leiden tot verkeerde statusmeldingen, dus klantgegevens actueel houden in het CRM is in feite een voorwaarde, niet een losstaande taak. Aan de andere kant van het proces spelen verzend- en retourdocumenten genereren en de oorsprong van de order zelf, via orders invoeren in het systeem: hoe schoner die stappen zijn ingericht, hoe betrouwbaarder de statusinformatie die er later uitkomt.
Dit is geen personeelsadvies en geen argument voor het inkrimpen van een klantenserviceteam. Of en hoe een organisatie personeelsbeslissingen neemt, valt onder eigen wettelijke vereisten en eigen afweging; deze pagina beschrijft alleen welk deel van het werk zich leent voor automatisering, niet wat daarvan de personele consequentie zou moeten zijn.
Of deze taak bij uw bedrijf voor een groot of een klein deel automatiseerbaar is, hangt af van uw systemen, uw ordervolume en de mate waarin afwijkingen voorkomen. De gratis quickscan van FTE TO AI bestaat uit twaalf vragen, zonder account, en geeft een indicatie welk deel van de uren in dit soort werkprofiel vandaag door AI is over te nemen. De volledige werkscan, die dit tot op taakniveau uitrekent voor uw eigen organisatie, 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.