Op een hoop websites is het geen ongewoon gezicht: een chatbot popt op en nodigt je uit voor een vraag. Uit onderzoek van de Consumentenbond blijkt mensen die klantenservice-chatbots helemaal niet zo positief ervaren. Zo geven deze chatbots volgens de respondenten repeterende standaardantwoorden en begrijpen ze vragen vaak niet. Bijna 90 procent gaf aan vaak vast te lopen in een digitale lus en geen toegang te krijgen tot een medewerker van vlees en bloed.
Dat is niet alleen frustrerend, maar ook tegen de regels. Sinds 2022 is het verplicht om contactinformatie op een logische, vindbare plek op je website te vermelden. Marlene ten Ham, directeur van Thuiswinkel.org, legt uit: „Je moet altijd iemand kunnen mailen of bellen via een e-mailadres of telefoonnummer op de site. Ik hoor zeker over de lus-ervaringen, maar ik ken ook veel goede voorbeelden, waarbij je tegen de bot zegt: ‘ik wil doorgestuurd worden naar een medewerker’, en dat gebeurt.”
“Met een goed systeem kom je nooit in een lus terecht”
Niek Hogenboom Minimal AI
Chatbots als poortwachter
Toch lijkt de chatbot steeds vaker te worden ingezet als (strenge) poortwachter voor de klantenserviceafdeling. „Dat doen bedrijven zelf”, zegt Niek Hogenboom, medeoprichter van Minimal AI. Zijn bedrijf bouwt AI-gedreven klantenserviceagents voor webshops als XXL Nutrition, CloudPillo en Matt Sleeps. „Je bepaalt als organisatie hoeveel stappen een klant moet doorlopen voordat die met een medewerker wordt doorverbonden. Met een goed systeem komt een klant nooit in een lus terecht.”
Niek legt uit dat veel bedrijven traditionele systemen gebruiken die werken op basis van vraag-antwoordcombinaties. Alle antwoorden zijn vastgelegd in scripts. Deze chatbots functioneren goed bij standaardvragen. Bij niet-standaard of contextgevoelige vragen lopen ze vast. „De bot denkt dan: dit is geen pad dat ik ken, ik leg mijn opties nog een keer voor, misschien dat de klant dan wél meegaat in mijn script!” Volgens Niek moeten sommige chatbots voorkomen dat klanten bij medewerkers terechtkomen, zogeheten ticketdeflectie. De klant belandt dan sneller in een herhalende lus en komt daardoor niet bij een echte medewerker van de klantenservice terecht.
Lees ook: Minimal AI bouwt aan een unicorn door Y Combinator
‘Gewone’ vraag-antwoordcombinaties
Informatiestrateeg Wiep Hamstra onderzoekt al jaren klantenservice-chatbots en ziet hetzelfde patroon. „Vaak werken AI-chatbots ‘gewoon’ met vraag-antwoordcombinaties. Alle antwoorden zijn gescript en vooraf vastgesteld, terwijl klantvragen vaak genuanceerd zijn. Wanneer je als consument in zo’n gescript domein terechtkomt, voelt dat alsof je in een mal geduwd wordt. Een mens zou dat nooit doen.”
“Je hoort aan een stem of iemand ouder is of kinderen om zich heen heeft. Een mens past zich aan, maar een chatbot kan dat niet.”
Wiep Hamsta Informatiestrateeg
Chatbot mist finesse
Onderzoeker Wiep komt met nog een opvallende oorzaak van het probleem rond chatbots: „Veel veelal mannelijke developers die de chatbots bouwen, hebben onvoldoende kennis over het domein waarvoor ze bouwen, zoals badkamers, beddengoed of kinderspeelgoed. Deze mannen zijn wel technisch, maar putten voor de antwoorden uit beperkte bronnen. Klantenservicemedewerkers hebben jarenlange ervaring én zijn vaak vrouwen met veel finesse en inlevingsvermogen.” Daarnaast is volgens haar een menselijk gesprek extreem moeilijk te imiteren. „Aan de telefoon hoor je aan iemands stem of deze persoon ouder is, gestrest of kinderen om zich heen heeft. Een mens past zich direct aan. Een chatbot kan dat niet.”
Uit de Nationale Voice Monitor 2026, een jaarlijks grootschalig onderzoek naar hoe Nederlandse consumenten geautomatiseerd klantcontact ervaren, blijkt dat 90 procent van de consumenten het vooral belangrijk vindt om goed begrepen te worden. Wanneer dat niet gebeurt en de chatbot blijft hangen in een lus, ontstaat grote frustratie. Wiep: „Dat gebeurt bij niet-standaardvragen zoals ‘Is er een kinderspeelhoek in jullie winkel?’ of ‘Mag mijn blindengeleidehond mee naar binnen?’”
In deze gevallen houd je dan wel tickets weg bij je klantenservicemedewerkers, maar heb je juist ook een ontevreden klant. Niek: „In dat geval heb je als bedrijf een groter probleem. Dan gaan mensen heel gefrustreerd op andere manieren contact zoeken. Je krijgt ze alsnog aan de lijn, maar dan superboos.”
Lees ook: Je chatbot is de stille omzetkiller van je website: ‘Hij spreekt wel, maar luistert niet’
Van oneindige beslisbomen naar slimmer systeem
Kun je die frustratie als bedrijf vóór zijn? Wiep: „Uit mijn onderzoeken weet ik dat bedrijven zelden monitoren en analyseren welke vragen aan chatbots worden gesteld. Dat is stap één.” Door simpelweg bij te houden welke vragen binnenkomen, kun je volgens haar bepalen welke antwoorden ontbreken, welke uitzonderingen moeten worden toegevoegd en welke situaties een mens moet afhandelen, zoals het opsturen van een nieuw product bij schade. „Het is het minste dat je als bedrijf kunt doen om digitale lus-ervaringen te voorkomen.”
Niek beaamt dat, maar volgens hem is dat in de praktijk niet werkbaar: „Als je met vraag-antwoordcombinaties werkt, moet je oneindig veel vertakkingen coderen, inclusief alle uitzonderingen. Dan heb je dus iemand nodig die alle scenario’s schetst en bouwt. En zodra je bedrijf verandert, moet je die hele beslisboom weer aanpassen. Geen enkel mkb-bedrijf heeft daar de tijd, het geld of de mensen voor.” Volgens hem is er een betere oplossing: „Sinds een paar maanden kun je naast de AI-chatbot met een tweede AI-agent werken. Een AI-manager noemen wij dat. Die analyseert alle vragen die binnenkomen in de chatbot en traint, samen met een echte medewerker, de AI-chatbot.”
Zo ontstaat een complex AI-systeem zonder dat medewerkers zelf alle uitzonderingen hoeven aan te leren. Niek: „Het is veel goedkoper dan een medewerker gebruiken om de AI-agent te trainen. Die medewerker heeft nu alleen nog een controlerende rol.” Zelfs het opsturen van een nieuw product kan een chatbot uiteindelijk helemaal zelf regelen, zonder tussenkomst van een medewerker: „Als die maar goed genoeg is getraind door de AI-manager in samenwerking met de controlerende medewerker.”
