Klantenservice wordt vaak in één zin samengevat: "dat gaat toch allemaal via chatbots." In de praktijk bestaat de afdeling uit tientallen taken die weinig met elkaar te maken hebben. Een inkomend telefoontje over een afwijkende levering vraagt iets anders dan het invoeren van een order, en het opstellen van een offerte vraagt weer iets anders dan het afhandelen van een klacht. Onze taxonomie telt 82 taken in dit domein. Sommige daarvan kan AI vandaag al grotendeels overnemen, andere vragen om een medewerker die goedkeurt of afkeurt, en een deel blijft mensenwerk. Het patroon achter die verdeling is bruikbaarder dan een lijst van 82 losse regels.
De taken die het meest volledig te automatiseren zijn, hebben twee kenmerken gemeen: ze zijn hoogfrequent en het antwoord of de vervolgstap is grotendeels te herleiden uit bestaande data. Orderstatus controleren en communiceren is hiervan een goed voorbeeld: het systeem weet al waar een bestelling staat, en de taak bestaat feitelijk uit het opzoeken en vertalen van die informatie naar een klant. Ook livechat- en chatbotgesprekken voeren valt voor een groot deel in deze categorie, zeker voor standaardvragen over openingstijden, retourbeleid of veelvoorkomende productvragen. Orders invoeren in het systeem is een derde voorbeeld: als de invoer volgt uit een duidelijk klantverzoek met vaste velden, is er weinig interpretatie nodig en weinig risico bij een foute keuze.
Wat deze taken gemeen hebben, is dat een fout meestal snel zichtbaar en herstelbaar is, en dat de beslisruimte klein is. Er is een duidelijk juist antwoord of een duidelijke volgende stap, en die is te automatiseren zonder dat er voortdurend een mens moet meekijken.
Een groot deel van het werk op de klantenservice zit in een tussenpositie: AI kan het grootste deel van het werk doen, maar een medewerker moet het resultaat goedkeuren of afkeuren voordat het de klant bereikt of het systeem ingaat. Offertes opstellen is hier een sprekend voorbeeld. AI kan op basis van de klantvraag een prijsvoorstel samenstellen met producten, diensten en voorwaarden, maar de uiteindelijke marge, uitzonderingen en klantspecifieke afspraken vragen doorgaans om een blik van iemand die de klantrelatie kent. Orderwijzigingen verwerken valt in dezelfde categorie: het doorvoeren van een adreswijziging is triviaal, maar een wijziging die gevolgen heeft voor levertijd, prijs of voorraad in meerdere systemen vraagt om een controlemoment.
Klachten registreren zit hier ook, maar dan aan de voorzichtige kant: het vastleggen van feiten kan AI goed, maar de inschatting of iets een geïsoleerd incident is of een signaal van een structureel probleem, is iets wat een medewerker moet beoordelen voordat de registratie verder in de organisatie gaat leven. In al deze gevallen is de winst niet dat de taak verdwijnt, maar dat het grootste deel van het werk verschuift van uitvoeren naar beoordelen.
Klachten inhoudelijk afhandelen is het duidelijkste voorbeeld van werk dat mensenwerk blijft. Hier gaat het niet om het volgen van een procedure, maar om het wegen van een individuele situatie, het inschatten van wat een klant nodig heeft om zich gehoord te voelen, en het nemen van een beslissing die niet uit een script volgt. Openstaande offertes opvolgen zit voor een deel ook hier: het versturen van een herinnering is te automatiseren, maar het gesprek dat volgt als een klant twijfelt of onderhandelt, vraagt om iemand die kan schakelen. Ook complexe escalaties op social media, waarbij een ontevreden klant publiekelijk reageert en de toon van de organisatie op het spel staat, laten zich niet aan een model overlaten zonder dat er reputatierisico ontstaat.
De gemene deler in deze categorie is dat de taak draait om oordeel, relatie of onvoorspelbaarheid, en dat een verkeerde inschatting niet zomaar te herstellen is met een correctie achteraf.
Als u deze drie categorieën over de 82 taken heen legt, ontstaat geen scherpe knip tussen "front office blijft mens" en "back office wordt AI". De verdeling loopt dwars door beide heen: sommige front-office-taken zoals livechat zijn goed te automatiseren, terwijl sommige back-office-taken zoals het beoordelen van een ongewone orderwijziging toezicht vragen. De vraag is per taak: hoe voorspelbaar is de uitkomst, en hoe groot is de schade bij een fout?
Dit patroon is niet uniek voor klantenservice. Ook bij wat kan AI overnemen in de groothandel en bij welk werk kan AI overnemen op de inkoop zit de verdeling tussen de drie categorieën minder in de functietitel en meer in de aard van de individuele taak. Wie op zoek is naar structuur, doet er dus goed aan om per taak te kijken en niet per afdeling of rol te generaliseren.
Een laatste kanttekening: als deze uitkomsten worden gebruikt in een gesprek over personeelsaantallen of functies, gelden daarvoor eigen wettelijke vereisten waaraan deze pagina niets toe- of afdoet. Dit overzicht beschrijft taken, geen personeelsbesluiten.
Om te zien hoe deze verdeling uitpakt voor uw eigen klantenservice, is het weinig zinvol om te gissen op basis van functietitels. De verhouding tussen de drie categorieën hangt af van de mix van taken die uw medewerkers daadwerkelijk uitvoeren, de systemen die daarbij horen en de complexiteit van uw klantvragen. Ftetoai biedt daarvoor een gratis quickscan: twaalf vragen, zonder account, met als resultaat een indicatie welk deel van de uren in uw profiel vandaag door AI is over te nemen. De volledige werkscan, die dieper op individuele taken ingaat, is nog in aanbouw; die bieden wij hier bewust niet aan voordat hij klaar is.
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.