AI in klantcontact: vooruitlopen niet doorslaan

De één ziet AI als een magische toverstok, de ander vooral als bedreiging. Bij 2Contact zien we vooral de praktijk. Want hier wordt niet alleen gepraat over AI, maar ook écht gebouwd, getest en toegepast. Prompt engineer Sander Elferink laat dagelijks zien hoe je met slimme inzet van AI tijd wint, kwaliteit bewaakt en medewerkers ondersteunt. En dat zonder het menselijke aspect uit het oog te verliezen. Van gespreksbeoordeling tot training, van sentimentanalyse tot whisper coaching: in dit artikel lees je hoe het werkt, waar de haken en ogen zitten, en waar de ontwikkelingen bij 2Contact naartoe gaan.

Slimme AI begint met strakke prompting

Prompting is de basis. Zonder een heldere opdracht weet AI niet wat jij bedoelt — en krijg je dus ook niet wat je verwacht. Gooi een onduidelijke opdracht in een prompt en de kans is groot dat de AI er iets heel anders van maakt dan je bedoelde. Volgens Sander is prompting dan ook geen bijzaak, maar juist de kern van alle succesvolle AI-toepassingen. “Als je een prompt niet logisch opbouwt, dan geeft de AI ineens veel minder waarde aan iets wat eigenlijk heel belangrijk is.”

Daarom werkt hij altijd met een vaste structuur: eerst het doel, dan hoe de output eruit moet zien, daarna pas de regels en context. Die volgorde is essentieel, merkte hij toen hij verschillende modellen testte met hetzelfde doel. “Ik heb heel bewust geprobeerd om te achterhalen: wat maakt nou dat je bij de ene prompt wel het juiste antwoord geeft, en bij de andere totaal niet?”

De conclusie? Zonder strakke opbouw begint de AI zelf te interpreteren wat jij waarschijnlijk bedoelt. En dat is precies wat je wil voorkomen als je werkt aan schaalbare, betrouwbare toepassingen. “Dan zie je dus dat hoe je je prompt opbouwt — eerst het doel, dan de output, dan pas de regels — echt het verschil maakt.”

Automatisch beoordelen zonder kwaliteit te verliezen

Kwaliteitscontrole met AI kan verrassend betrouwbaar zijn. Mits je het slim aanpakt. Waar AI vaak als vaag of onvoorspelbaar wordt gezien, wist Sander samen met zijn team juist een ijzersterk model te bouwen dat klantgesprekken controleert op meetbare kwaliteit. Denk aan het stellen van open vragen of het doorvragen per product. In plaats van één grote analyse kiest hij voor een "salami-aanpak": kleine, losse prompts die elk een concreet stukje van het gesprek beoordelen.

“Als ik AI drie vragen laat checken en er eentje ontbreekt, stopt hij meteen. Dat scheelt output en dus kosten,” legt hij uit. Die zuinige opzet is niet alleen efficiënt, maar ook goed meetbaar. Voor de liefhebber: de output is gestructureerd in JSON, met duidelijke ja/nee-scores per enkel feedbackpunt. Zo houd je grip op consistentie, nogal belangrijk als je AI serieus inzet voor kwaliteitscontrole.

Om die consistentie te toetsen, ontwikkelde Sander ook een geautomatiseerde testomgeving. “Ik heb nu een omgeving gebouwd die zelf testcases genereert, inclusief edgecases. Dan zie je meteen waar het mogelijk misgaat,” vertelt hij. Die tests vormen de ruggengraat van zijn aanpak: alleen als de AI-toepassing bij iedere variant hetzelfde oordeel velt, is de prompt klaar voor livegang.

“Op het moment dat er inconsistentie zit in de beoordeling, begint het echte werk pas: uitzoeken waarom en hoe je dat oplost,” zegt Sander. Het is dat perfectionisme dat het verschil maakt tussen een geinige, soms raak schietende, feature en een betrouwbare kwaliteitsassistent.

Wat voelt je klant? De belofte én valkuil van sentimentanalyse

Sentimentanalyse klinkt als een droomoplossing. Maar in de praktijk zitten daar nog de nodige haken en ogen aan. Ook bij sentimentanalyse speelt structuur een sleutelrol, maar de toepassing is totaal anders dan bij kwaliteitscontrole. Waar het daar draait om duidelijke gedragscriteria, moet sentimentherkenning kunnen omgaan met nuance en emotie. 

Een AI-model dat automatisch het sentiment van alle klantgesprekken analyseert klinkt als de droom van elke klantcontactmanager. Geen steekproeven meer, maar realtime inzicht in wat er speelt. Toch blijkt die droom in de praktijk weerbarstig, vertelt Sander. Sommige AI-oplossingen zijn razendsnel en efficiënt, maar missen de subtiliteit om emoties goed te interpreteren. “Die blijven zich echt strak aan de prompt vasthouden, zonder ruimte voor nuance,” merkt Sander op. Andere oplossingen zijn intelligenter en kunnen meer context meenemen, maar vragen om complexere instructies en meer rekenkracht. “Dan ben je zo vijf prompts verder, en werk je met meerdere stappen tegelijk. Dat tikt aan qua kosten,” legt hij uit. Het blijft dus balanceren: hoeveel nuance heb je nodig, en hoeveel middelen wil je daarvoor vrijmaken?

Toch blijft Sander enthousiast over de potentie. “Het werkt. Maar óf het kost te veel, óf je moet nog veel uitzoeken voordat het efficiënt staat.” Met andere woorden: sentimentanalyse is geen kant-en-klare oplossing, maar een richting waarin nog veel te winnen valt, mits je bereid bent te investeren in de juiste infrastructuur, prompts en validatie.

Snel terugverdiend: AI die trainingen voor je bouwt

Trainingen ontwikkelen kost tijd. Maar met de juiste AI-tools win je die tijd makkelijk terug. Naast analyse zet 2Contact AI ook in voor een heel ander domein: training. En ook hier geldt, net als bij gespreksbeoordeling, dat structuur en schaalbaarheid belangrijk zijn, toch ligt de grootste uitdaging hier op een ander vlak. 

In veel organisaties is het ontwikkelen van een training een tijdrovende puzzel, waarbij je telkens opnieuw moet beginnen. Sander besloot het anders aan te pakken. Hij ontwikkelde drie custom GPT's die samen in staat zijn om op basis van input een volledig trainingsprogramma uit te rollen: van programma-opzet tot slides en zelfs een trainershandleiding. “Mijn custom GPT stelt een compleet traject op, maakt er een slide-structuur van met speaker notes en kan daar ook een trainershandleiding bij maken,” vertelt hij.

Wat deze aanpak uniek maakt, is de koppeling met eerder materiaal. Door oude trainingen als referentie mee te geven, hergebruikt de AI automatisch opdrachten die eerder goed hebben gewerkt. Dat leidt soms tot verrassende vondsten. “Ik kreeg een opdracht terug die ik twee jaar geleden zelf had verzonnen. Helemaal vergeten. Maar hij werkte nog steeds top,” zegt Sander lachend.

Natuurlijk is het systeem nog niet foutloos. Soms is de volgorde van onderdelen niet helemaal logisch, of wordt een accent net verkeerd gelegd. Maar bijsturen is minimaal. “Voor nu hoef ik nog maar zo’n tien procent aan te passen. Meestal gaat dat over volgorde of accenten. Met andere woorden: 90% is gewoon op orde. Met de trainingsinzet op klantcontact, is dat natuurlijk gigantisch. ”

De AI-collega die live meeluistert en helpt tijdens gesprekken

Live AI-assistentie futuristisch? Bij 2Contact worden de stappen gezet. Stel je voor: een AI die tijdens klantgesprekken meeluistert, de vraag analyseert, direct het juiste antwoord ophaalt én je medewerker helpt met de bijbehorende handeling in het systeem. Volgens Sander is dat niet zomaar een innovatie, maar eentje die het speelveld van klantcontact kan veranderen. “Dit zou echt de reputatie van een hele sector kunnen verbeteren. Geen natte vingerwerk meer, maar realtime scherpte. Fouten voorkomen, klanten binnenboord houden, noem het maar op.”

Wat de toepassing krachtig maakt, is de combinatie van snelheid en inhoudelijke ondersteuning. “Het mooie is dat je daarmee niet alleen antwoorden geeft, maar ook direct de juiste systeemhandeling meegeeft,” zegt hij. Alsof er een collega naast je zit die fluistert: klik hier, zeg dit. Zo helpt AI om niet alleen de juiste antwoorden te geven, maar ze ook meteen in daden om te zetten.

En dat blijft niet zonder effect. Door realtime te signaleren wanneer er iets fout dreigt te gaan in het gesprek, kunnen klachten worden voorkomen nog voordat de klant er een hoeft in te dienen. “Als je het goed inricht, kun je zelfs klachten voorkomen omdat je live ziet of er iets verkeerds wordt gezegd,” aldus Sander. Het is precies dat soort vooruitdenken dat van AI niet alleen een hulpmiddel maakt, maar óók een waarborg voor kwaliteit.

Geen robotrevolutie, wel een versneller

Wendbaarheid is in deze fase van groot belang. “2Contact is groot genoeg om over inhouse developers te beschikken die de kennis en kunde hebben om AI toepassingen te realiseren. Tegelijkertijd is het team van betrokkenen ook klein genoeg om heel snel van concept naar praktijk te kunnen. Zo ervaren we snel of iets werkt.” schetst Sander enthousiast. “Met duizenden klantgesprekken per dag en 25+ jaar ervaring kunnen we al die kennis over het werkveld, razendsnel inzetten om slimmer én inhoudelijker klantcontact te realiseren. Die wendbaarheid maakt het heel fijn werken. Geen saaie dag te bekennen hier!”

AI vervangt dan ook geen mensen, het versterkt ze. Mits je zelf aan het stuur blijft. Dat klinkt mooi, maar roept meteen de vraag op: wat blijft er dan over van de menselijke rol in klantcontact? Voor Sander is het antwoord glashelder. Hij ziet AI als een enorme kans om slimmer en efficiënter te werken, maar dat lukt alleen als je de touwtjes in handen houdt. “Als je een half jaar lang alles uitbesteedt aan AI en je controleert niks, dan is je eigen kennis straks ook verdampt,” zegt hij.

Juist daarom is menselijke regie volgens hem geen luxe, maar noodzaak. Niet alleen om fouten te voorkomen, maar ook om het vakmanschap binnen de organisatie levend te houden. AI mag dan wel het werk versnellen, het denken moet je zelf blijven doen. “We gaan richting een fase waarin mensen AI steeds meer gedachteloos gaan inzetten. En dat is best risicovol,” waarschuwt hij.

Het is daarmee geen pleidooi tegen automatisering, maar voor bewust gebruik. Zie AI als een waardevolle collega die goed werk levert — zolang jij de kaders blijft stellen en scherp blijft op het resultaat. “Je moet het blijven controleren. Niet omdat het niet werkt, maar omdat jij als gebruiker scherp moet blijven.”

Zelf AI succesvol inzetten?

AI werkt pas écht als je organisatie meewerkt. En dat vraagt meer dan een tool installeren. AI klinkt al snel slim, snel en efficiënt. Maar het werkt alleen als de organisatie er klaar voor is. Daar is Sander heel helder over. Wie denkt dat je AI 'even aanzet', onderschat de impact. “Als alles geautomatiseerd wordt en het doet het een keer niet, en je hebt dan niet de kennis in huis, dan ben je snel klaar,” waarschuwt hij.

Daarom draait AI bij 2Contact niet alleen om tooling, maar ook om adoptie en borging. Medewerkers moeten begrijpen wat de AI doet én wanneer ze het beter zelf kunnen oplossen. Net zo belangrijk: je moet blijven controleren. “Je wordt toch minder betrokken, en daarom ben ik mezelf ook altijd aan het verplichten: ik wil het zelf lezen, ik wil het nagaan, ik moet het goed weten,” vertelt hij.

Kortom: AI inzetten vraagt om duidelijke afspraken, betrokken medewerkers en een cultuur waarin het normaal is om te testen, bij te sturen en steeds scherper te worden. Niet als extra werk, maar als randvoorwaarde om er echt iets aan te hebben.

Zoveel is duidelijk: AI verandert klantcontact. Niet morgen, maar vandaag al. Bij 2Contact passen we dat toe zonder de menselijke maat te verliezen. Dankzij mensen als Sander komt die toekomst niet alleen dichterbij: op de werkvloer is in toenemende mate de realiteit. Meer weten over wat AI kan betekenen voor het contact met jouw klanten? 👇