AI in de klantenservice: chatbots die wel werken

Een AI-chatbot in je klantenservice kan echt werk uit handen nemen, maar alleen als je hem goed afbakent. Het misgaat bij bots die verzinnen, die klanten opsluiten zonder uitweg naar een mens, of die worden ingezet om kosten te besparen in plaats van klanten te helpen. Klarna liet zien dat het allebei kan: eerst een spectaculair succesverhaal, een jaar later bijsturen. Air Canada liet zien dat je aansprakelijk bent voor wat je bot zegt. En sinds 2 augustus 2026 moet je bot zich ook bekendmaken.

Wat werkt wel

1. Antwoorden uit je eigen kennisbank (RAG)

Een bot die antwoordt vanuit de algemene kennis van een taalmodel, gaat vroeg of laat iets verzinnen. De oplossing heet RAG, retrieval-augmented generation: bij elke vraag zoekt het systeem eerst de relevante stukken in jouw documenten, zoals je FAQ, voorwaarden, retourbeleid en productinfo, en laat het model alleen daarop antwoorden. Anthropic liet in 2024 zien dat slimmer ophalen, met "contextual retrieval", het aantal mislukte zoekacties met 49 procent verlaagt, en met 67 procent als je er een extra rangschikstap bij doet. Is je kennisbank kleiner dan ongeveer 500 pagina's, dan kun je hem volgens Anthropic zelfs in zijn geheel meegeven, zonder zoeksysteem.

Het belangrijkste werk zit dus niet in de bot, maar in de kennisbank. Staat je retourbeleid op drie plekken met drie verschillende termijnen, dan geeft ook de beste bot verschillende antwoorden.

2. Escalatie naar een mens

Bouw vanaf dag één in wanneer de bot stopt: bij twijfel, bij klachten, bij geld, bij boosheid en bij uitzonderingen. De klant moet altijd zelf om een mens kunnen vragen. En de medewerker krijgt dan een samenvatting en de voorgeschiedenis, zodat de klant zijn verhaal niet opnieuw hoeft te doen.

3. Triage van WhatsApp en mail

De snelste winst zit vaak niet in een bot die zelf antwoordt. Hij zit in AI die binnenkomende berichten sorteert: onderwerp, urgentie, klanttype. Daarna maakt de AI een conceptantwoord dat een medewerker controleert en verstuurt. Dat voelt minder spectaculair, maar je hebt geen risico op verzonnen beloftes en wel een kortere reactietijd. Volgens Zendesk verwacht 74 procent van de consumenten klantenservice 24/7, en 88 procent verwacht snellere reacties dan een jaar eerder.

Klarna: het succesverhaal en de bijsturing

Op 27 februari 2024 meldde Klarna dat zijn AI-assistent, gebouwd met OpenAI, in de eerste maand 2,3 miljoen gesprekken had gevoerd. Dat was twee derde van alle klantenservicechats en volgens Klarna het werk van 700 fulltimers. De gemiddelde oplostijd ging van 11 naar minder dan 2 minuten, herhaalvragen daalden met 25 procent, en de klanttevredenheid was volgens Klarna even hoog als bij menselijke medewerkers. Verwachte winstverbetering voor 2024: 40 miljoen dollar.

In mei 2025 klonk topman Sebastian Siemiatkowski anders. Kosten waren "een te dominante factor" geweest bij de inrichting, en het resultaat was "lagere kwaliteit". Klarna ging weer menselijke klantenservicemedewerkers werven, in een flexibel "Uber-achtig" model. Zijn nieuwe uitgangspunt: het is cruciaal dat klanten weten dat er altijd een mens is als ze dat willen.

De les is niet dat AI-klantenservice mislukt. De AI deed wat beloofd werd. De les is dat je stuurt op wat je meet. Wie alleen op kosten per gesprek stuurt, krijgt goedkope gesprekken en niet per se tevreden klanten.

Air Canada: je bent aansprakelijk voor je bot

Jake Moffatt vroeg na het overlijden van zijn grootmoeder aan de chatbot van Air Canada hoe het zat met rouwtarieven. De bot zei dat hij een volle-prijsticket kon kopen en binnen 90 dagen het verschil kon terugvragen. Dat klopte niet: het echte beleid vereiste een aanvraag vooraf. Air Canada weigerde terug te betalen en voerde bij het Civil Resolution Tribunal in British Columbia aan dat de chatbot "een aparte juridische entiteit" was, verantwoordelijk voor zijn eigen daden.

Het tribunaal noemde dat argument "opmerkelijk" en oordeelde op 14 februari 2024 dat Air Canada aansprakelijk was wegens misleidende informatie. De luchtvaartmaatschappij moest ongeveer 812 Canadese dollar betalen: het verschil met het rouwtarief, plus rente en kosten. Het bedrag is klein, de les is groot: wat je bot zegt, zeg jij. Een bot die een verkeerde korting, termijn of garantie belooft, kan je gewoon gehouden worden aan die belofte.

De bot moet zich bekendmaken: AI Act artikel 50

Sinds 2 augustus 2026 geldt artikel 50 van de Europese AI Act. AI-systemen die rechtstreeks met mensen communiceren, moeten zo zijn ingericht dat mensen weten dat ze met AI praten, tenzij dat voor een redelijk geïnformeerde persoon al duidelijk is uit de context. Die informatie moet duidelijk zijn en uiterlijk bij de eerste interactie komen.

Formeel ligt die plicht bij de aanbieder van het AI-systeem. Koop je een bot van Trengo, Intercom of Zendesk, dan moet die leverancier het mogelijk maken. Bouw of configureer je zelf een bot, dan kun je zelf aanbieder zijn. De simpelste oplossing geldt voor iedereen: laat de bot in zijn eerste bericht zeggen dat hij een AI-assistent is en hoe je een mens bereikt. Boetes voor overtreding van artikel 50 kunnen oplopen tot 15 miljoen euro of 3 procent van de wereldwijde omzet. Voor het mkb geldt het laagste van die twee. Meer over de AI Act lees je in wat de AI Act in 2026 voor het mkb betekent.

Een praktische opzet voor het mkb

Stap 1: tel je vragen

Exporteer een maand aan mail en WhatsApp en laat AI de vragen groeperen. Vaak beslaat een handvol onderwerpen het grootste deel: waar is mijn bestelling, retourneren, openingstijden, prijzen, afspraak verzetten. Dat zijn je kandidaten.

Stap 2: maak de kennisbank op orde

Eén bron van waarheid per onderwerp, in gewone taal, met datum. Hier zit het meeste werk, en het helpt je medewerkers net zo goed. Let op: klantgegevens horen niet in de kennisbank. Hoe je met persoonsgegevens en AI omgaat, lees je in AI en de AVG.

Stap 3: begin met concepten, dan pas automatisch

Laat de AI eerst een maand conceptantwoorden maken die je team controleert. Houd bij hoe vaak een concept ongewijzigd door kan. Pas bij onderwerpen waar dat bijna altijd zo is, laat je de bot zelf antwoorden.

Stap 4: kies een tool die bij je volume past

Rekenvoorbeeld: bij 300 gesprekken per maand en de 76 procent oplossingsgraad die Intercom zelf gemiddeld voor Fin opgeeft, betaal je rond de 225 dollar per maand aan Fin, plus je plekken. Bij Trengo Boost zit je op €349 per maand bij maandbetaling, met daarbovenop de AI-toeslag van €0,30 per gesprek. Reken altijd met je eigen aantallen, en met wat een medewerker nu per uur kost.

Stap 5: meet meer dan kosten

Houd naast de oplossingsgraad ook klanttevredenheid, het aantal keer dat klanten om een mens vragen en het aantal klachten over de bot bij. Zakt de tevredenheid, dan heb je je eigen Klarna-moment te pakken.

Wat betekent dit voor jouw bedrijf

• Begin bij triage en concepten, niet bij een volledig autonome bot. Dat is sneller winst, met minder risico.
• Je bent aansprakelijk voor elke belofte van je bot. Laat hem niet vrij praten over prijzen, kortingen, termijnen en garanties. Laat hem daar naar de bron linken of doorverwijzen.
• Zet "je praat met AI" in het eerste bericht. Dat is sinds augustus 2026 de norm.
• Altijd een uitweg naar een mens. Daar kwam ook Klarna uiteindelijk op uit.

Conclusie

AI in de klantenservice werkt als de bot uit je eigen kennisbank antwoordt, weet wanneer hij moet stoppen en de klant netjes overdraagt aan een mens. Klarna liet de winst zien en daarna de valkuil van alleen op kosten sturen. Air Canada bewees dat je bot namens jou spreekt. De AI Act maakt transparantie verplicht. Voor een mkb'er is de route helder: vragen tellen, kennisbank opruimen, beginnen met concepten en triage, en pas daarna automatiseren.