Klantenserviceteams: Gebruiken klanten AI voordat ze contact opnemen? We zien een grote verschuiving in supportvragen

Jennifer, dit gebeurt in de hele sector. We hebben het onderzocht.

De nieuwe klantreis:

Oud: Probleem → Google → Bedrijfs-helpcenter → Contact opnemen met support Nieuw: Probleem → ChatGPT → (Misschien) Bedrijfs-helpcenter → Contact opnemen met support

Wat dit verandert:

1. Simpele vragen worden afgevangen – AI beantwoordt het makkelijke werk
2. Complexe vragen blijven over – AI kan geen uitzonderingen aan
3. Vooraf geïnformeerde klanten – Ze hebben al dingen geprobeerd
4. Verkeerd geïnformeerde klanten – AI gaf foute info

De cijfers uit onze support:

Minder tickets, maar elk ticket duurt langer omdat de makkelijke eruit zijn.

Kennismanagementperspectief op de AI-klantenserviceverschuiving:

Je helpcontent traint nu AI.

Wat in je helpcenter, documentatie en FAQ’s staat, is wat AI leert over je product. Als je content:

• Onvolledig is → AI vult gaten op met gokwerk
• Verouderd is → AI geeft oude informatie
• Onduidelijk is → AI interpreteert verkeerd

De oplossing:

Behandel je helpcontent als AI-trainingsdata. Het moet:

1. Compleet zijn (alle functies dekken)
2. Actueel zijn (regelmatig updaten)
3. Duidelijk zijn (ondubbelzinnige taal)
4. Correct zijn (feitelijk juist)
5. Expliciet over beperkingen (wat je NIET doet)

Wat wij hebben veranderd:

We hebben secties toegevoegd zoals:

• “Wat [Product] NIET doet”
• “Veelvoorkomende misvattingen over [Product]”
• “Verschillen tussen [Product] en [Concurrent]”

Dit helpt AI om juiste informatie te geven VOORDAT klanten contact opnemen met support.

Operationeel perspectief op de verschuiving:

Gevolgen voor personeelsbezetting:

Als simpele tickets afnemen en complexe toenemen, heb je nodig:

• Minder tier 1 agents
• Meer tier 2/3 specialisten
• Andere training (complex probleemoplossen ipv proces volgen)
• Andere verwachtingen qua afhandeltijd

Hoe wij ons hebben aangepast:

1. Tier 1 team met 20% verminderd
2. Beste medewerkers gepromoveerd naar tier 2
3. Succesmetingen aangepast (afhandeltijd → oplossingskwaliteit)
4. “AI-escalatie”-workflow gemaakt voor misinformatiegevallen

De kosteneffectiviteit:

Lager volume maar hogere complexiteit = ongeveer dezelfde totale kosten MAAR klanttevredenheid steeg omdat minder simpele vragen zorgen voor kortere wachttijden bij complexe issues.

Contentstrategie om AI-misinformatie te verminderen:

Het probleem: AI is een black box – je kunt het niet direct corrigeren. Maar je KUNT wel beïnvloeden wat het leert.

Wat wij doen:

1. Uitgebreide FAQ – Elke veelgestelde vraag helder beantwoord
2. Expliciete beperkingen – Wat we NIET doen, duidelijk vermeld
3. Prijsinformatie in gestructureerde data – Actuele prijzen in schema markup
4. Functiebeschrijvingen – Heldere, onmiskenbare taal
5. Vergelijkende content – Hoe we verschillen van concurrenten

Monitoring:

We gebruiken Am I Cited om te volgen wat AI gebruikers over ons vertelt. Als we misinformatie zien:

1. Content maken/bijwerken die het adresseren
2. Toevoegen aan FAQ als het een veelvoorkomende vraag is
3. 4-8 weken wachten tot AI de correctie heeft opgepikt
4. Blijven monitoren

Het is niet instant, maar je kunt systematisch AI’s begrip van je product corrigeren.

Wij hebben AI daadwerkelijk geïntegreerd in onze supportworkflow. Dit is het effect:

AI-ondersteund supportmodel:

1. Klant start chat
2. AI-bot handelt het eerste contact af
3. Als AI het niet oplost, escaleert naar mens
4. Mens ziet de door AI voorgestelde oplossingen

Resultaten:

Het belangrijkste inzicht:

Tegen de tijd dat een klant een mens bereikt, heeft die al:

• Het probleem aan AI beschreven
• AI oplossingen laten proberen
• Bevestigd wat niet werkt

Menselijke agents starten met volledige context. Complexer, maar efficiënter.

Klantonderzoeksperspectief:

We ondervroegen 500 klanten over hun AI-gebruik vóór contact met support:

Het “AI-first” klantsegment:

Zij zijn meestal:

• Tech-savvy
• Voorkeur voor zelfservice
• Meer gefrustreerd als ze WEL contact opnemen (omdat “simpele” oplossingen faalden)
• Specifieker in hun probleemomschrijving

Implicatie:

Wanneer ze je bereiken, zijn ze vaak verder in hun frustratie maar ook beter in het beschrijven van het probleem.

Trainingsperspectief op omgaan met AI-beïnvloede klanten:

Nieuwe vaardigheden die onze agents nodig hebben:

1. AI-bewustzijn – Weten wat AI wel/niet kan
2. Omgaan met misvattingen – Corrigeren zonder te beschamen
3. Context ophalen – “Wat heb je al geprobeerd?”
4. Documentatievaardigheden – AI-gerelateerde issues loggen
5. Escalatie-inschatting – Weten wanneer AI-misinformatie contentupdate vereist

Trainingsmodules die we hebben toegevoegd:

• “De AI-first klant begrijpen”
• “Omgaan met AI-misinformatie op een nette manier”
• “Wat AI klanten over ons product vertelt” (gebaseerd op Am I Cited monitoring)
• “Patronen loggen voor contentverbetering”

De culturele verschuiving:

Agents zien zichzelf nu als onderdeel van een feedbackloop. Hun observaties over AI-misinformatie gaan naar het contentteam, dat docs bijwerkt en zo AI-nauwkeurigheid verbetert.

Deze thread bevestigde wat ik vermoedde en gaf me uitvoerbare strategieën. Belangrijkste inzichten:

De realiteit:

• AI vangt simpele vragen af (15% minder tickets)
• Complexe vragen nemen toe (+50%)
• Afhandeltijd neemt toe (simpele zaken zijn weg)
• Misinformatie zorgt voor nieuwe uitdagingen

Te implementeren strategieën:

Korte termijn:

1. “AI-misvattingenlogboek” maken voor agents
2. Team trainen in omgaan met AI-beïnvloede klanten
3. Succesmetingen aanpassen, minder focus op afhandeltijd
4. Beginnen met monitoren wat AI over ons zegt

Middellange termijn:

1. Helpcontent updaten zodat het “AI-trainingsvriendelijk” is
2. Expliciete content toevoegen over wat we NIET doen
3. Feedbackloop creëren van support naar contentteam
4. Overwegen van AI-ondersteund supportmodel

Lange termijn:

1. Team herstructureren voor complexe vraagafhandeling
2. Werving verschuiven naar probleemoplossende vaardigheden
3. Systematisch AI-informatiemonitoring opzetten

De onderzoeksdata dat 62% eerst AI gebruikt is significant. Dit is geen trend – dit is het nieuwe normaal.

Bedankt allemaal voor de operationele en strategische inzichten.