“AI vergroot wat er al is. Als je fundament zwak is, versnelt AI je ondergang.”
Samen met Arne van Weenen (klantbelevingstrateeg en Customer Experience Manager bij a.s.r.) ging hij in op een herkenbare vraag:
hoe zet je AI in als katalysator voor groei, zónder dat het vooral een versneller wordt van frustratie, fouten en extra werk?
De kern: AI is in klantcontact zelden het echte probleem en ook zelden de complete oplossing.
Het is vooral een vergrootglas. Wat al goed gaat wordt schaalbaar. Wat al wringt, wringt harder.
Foto: Serge Poppes, CEO van Pegamento
Begin niet bij “we moeten iets met AI”, maar bij de diagnose
Een van de scherpste observaties uit de podcast: organisaties starten vaak bij de oplossing (“AI”),
terwijl de echte startvraag is:
Welk probleem lossen we op en voor wie?
Wie een onduidelijk of rommelig proces automatiseert, maakt het proces niet ineens beter. Je maakt het vooral sneller.
En als het proces al rommelig was, gaat het sneller rommelen.
Arne koppelt dit aan klassiek verbeteren: zonder oorzaak-analyse bouw je een oplossing op drijfzand.
De uitkomst valt dan vrijwel altijd tegen, óók als de technologie indrukwekkend is.
De basis op orde is niet sexy, maar wel doorslaggevend
Op de vraag waar je dan wél begint, volgt een antwoord dat weinig spectaculair klinkt maar alles bepaalt:
zorg dat je fundament klopt. Niet als universele checklist, wel als set van keuzes die past bij je klantbelofte en sector.
- Weten waarom klanten contact opnemen (en welk contact je eigenlijk wilt voorkomen).
- Zien waar het stokt: in de klantreis, kennis, systemen, backoffice of samenwerking.
- Definiëren wat “goed klantcontact” is: wanneer wil je een mens, wanneer kan het digitaal?
- Onderkennen dat AI meer is dan techniek: het raakt gedrag, beleid, risico’s, verwachtingen en kwaliteit.
Belangrijk nuancepunt: AI kan steeds “menselijker” klinken, maar kunnen is niet hetzelfde als moeten.
In veel situaties is de beste toepassing: AI als ondersteuning voor de medewerker, zodat die sneller, consistenter en met meer rust kan helpen.
Van kanaaldenken naar procesdenken: “channel-less” klantcontact
Een opvallend inzicht: kanaaldenken (“bellen vs. mail vs. chat”) helpt steeds minder. De leidende vraag is:
Welk proces probeert de klant te doorlopen — en wat is de meest logische vorm om dat proces te ondersteunen?
Serge noemt dit “channel-less” denken: je ontwerpt per proces, niet per kanaal. Sommige vragen vragen realtime interactie (voice/chat).
Andere vragen zijn juist gebaat bij een asynchroon pad, omdat er onderzoek, afstemming of meerdere stappen nodig zijn.
Het kanaal is dan niet het vertrekpunt, maar de uitkomst.
Wat klanten uiteindelijk vooral ervaren: voortgang. Als het traag voelt, haken ze af, ongeacht hoe mooi je kanaalstrategie is.
Groei begint vaak met minder contact (en betere taakafhandeling)
Veel klantcontact ontstaat niet omdat klanten graag contact opnemen, maar omdat er frictie zit. Denk aan:
- onduidelijke communicatie (brieven, voorwaarden, instructies),
- ontbrekende statusinformatie,
- te veel of onlogische stappen,
- backoffice-taken die blijven liggen,
- kennis die lastig vindbaar is.
Arne benadert dit vanuit “job to be done”: klanten willen een taak afronden.
Als die taak stagneert, volgt (herhaal)contact en vaak ook een andere toon in het gesprek.
Daar zit een groeikans: AI hoeft niet alleen het gesprek slimmer te maken, maar juist ook de taken eromheen:
status, opvolging, dossiervorming, triage, kennisontsluiting. Minder open eindjes betekent minder herhaalcontact,
minder druk op het team en meer ruimte voor complexe of waardevolle interacties.
AI “at scale” vraagt governance, databeleid en continue bijsturing
In de podcast wordt een belangrijk onderscheid gemaakt: AI in klantcontact draait vaak op schaal,
met echte klantdata, en onder eisen rond compliance, privacy en kwaliteit. Dat is iets anders dan experimenteren met een publiek model.
Wie AI op schaal inzet, kan deze onderwerpen niet overslaan:
- Databeleid: welke data mag je gebruiken, opslaan, delen of samenvatten?
- Governance: wie is eigenaar van kwaliteit, risico’s en beslissingen?
- Ethiek en wenselijkheid: niet alles wat kan, moet.
- Continu verbeteren: taal, vragen en gedrag veranderen; je moet dus blijven tunen.
Een klassieke valkuil: gevoelige informatie belandt onbedoeld in systemen of samenvattingen,
met ongewenste gevolgen voor opvolging of escalatie. Zulke “oeps”-momenten wil je niet achteraf met brandjes blussen oplossen,
maar vooraf ontwerpen en afkaderen.
Adoptie draait om één vraag: “What’s in it for me?”
AI-adoptie is zelden alleen een tooling- of trainingsvraag. Het is een mensvraag:
- Voor medewerkers: helpt het mij sneller, zekerder en rustiger te werken?
- Voor klanten: krijg ik sneller antwoord, oplossing en voortgang?
Als die waarde niet direct voelbaar is, zakt de waardering, zeker bij chatbots.
Niet omdat klanten “tegen AI” zijn, maar omdat ze niet geholpen worden.
Opvallend: medewerkers zijn zelden de bottleneck. Integendeel. Ze weten vaak precies waar processen en kennis lekken.
Voorwaarde is wel dat je die feedback structureel ophaalt én zichtbaar verwerkt.
Make or buy: bouw alleen wat je écht onderscheidt
De luistervraag in de podcast (“wat bouw je zelf, wat haal je van buiten?”) raakt een herkenbaar dilemma.
Een nuchtere vuistregel:
Koop/gebruik bestaande oplossingen als:
- het commodity is (bijv. standaard chat-, kennis-, routing- of assistfunctionaliteit),
- het bewezen draait bij vergelijkbare organisaties,
- snelheid en leercurve zwaarder wegen dan unieke differentiatie.
Bouw/organiseer intern als:
- het direct je onderscheidend vermogen raakt,
- het diep verweven is met unieke processen,
- je data zo gevoelig is dat je maximale controle wilt over verwerking en opslag.
Belangrijk: “buy” betekent niet “klaar”. Ook met een externe oplossing blijft de kernvraag:
welk probleem lossen we op, en hoe past dit in het proces?
Een praktisch startpunt: zo maak je AI een groeiversneller
Wil je dit vertalen naar actie, dan sluit deze volgorde goed aan op de rode draad uit de podcast:
- Kies één concreet probleem (niet: “we moeten iets met AI”).
- Ontleed de oorzaak (journey, taken, backoffice, kennis, systemen).
- Definieer de gewenste uitkomst (voor klant én medewerker).
- Herontwerp het proces zónder AI: hoe zou het idealiter lopen?
- Gebruik AI waar het frictie wegneemt (kennisontsluiting, samenvatten, assist, routing, taakafhandeling).
- Meet en verbeter doorlopend (kwaliteit, risico’s, doorlooptijd, herhaalcontact, werkgeluk).
Dit voorkomt “AI op een proces plakken” en brengt je naar procesdenken mét AI-mogelijkheden.
Tot slot
De conclusie uit het gesprek is tegelijk geruststellend en scherp: AI kan veel versnellen,
maar alleen als je het inzet als middel binnen een groter verhaal over klantwaarde, proceskwaliteit en schaalbaarheid.
Of zoals de opening stelt: AI vergroot wat er al is.
Wie AI als katalysator voor groei wil gebruiken, moet dus eerst zorgen dat er iets is om te vergroten:
duidelijke keuzes, sterke processen, goede kennis en een ontwerp dat klanten én medewerkers daadwerkelijk helpt.
De aflevering van de KSF-podcast met Serge Poppes is te beluisteren via de kanalen van de Klantenservice Federatie.
