Aanleiding: AI en waardecreatie in klantcontact
Onlangs ben ik door Göran van Hese gevraagd om een expertview te schrijven voor zijn boek* "The Next Level CSM: Get ready to do what you do best - just better." In mijn bijdrage heb ik stilgestaan bij de inzet van AI in klantcontact en hoe dit impact heeft op de verdeling van taken, met name in termen van waardecreatie en de benodigde inspanning.
In mijn werk als adviseur en verbeteraar in klantcontact zie ik vaak dat taken grofweg te verdelen zijn in vier categorieën, gebaseerd op hun potentie voor waardecreatie en de effort die ze kosten. AI speelt hierin een sleutelrol, vooral omdat het vaak de eenvoudige, lage-effort taken automatiseert—met alle gevolgen van dien.
(*Wil je meer weten? Lees vooral Görans boek voor praktische inzichten en instrumenten om meer waarde te halen uit je rol als customer success manager (of welke klantgerichte rol je ook hebt). Mijn expertview vind je vanaf bladzijde 166.)
1. AI en de Uitdaging van Leren-door-Te-Doen
In de wereld van klantcontact automatiseren we met AI steeds vaker de eenvoudige, repetitieve taken. Op het eerste gezicht lijkt dat fantastisch: minder routinewerk en meer tijd voor complexe uitdagingen.
Maar het probleem waar ik nu even de aandacht op wil richten, is het idee van ‘leren-door-te-doen’. Juist die simpele, routinematige taken spelen een cruciale rol in de ontwikkeling van vaardigheden en expertise. Als we deze taken volledig automatiseren, lopen we het risico dat we medewerkers beroven van een essentiële leerervaring—met mogelijk verregaande gevolgen voor hun ontwikkeling en motivatie.
2. Waarom deze leereffecten zo belangrijk zijn
De eenvoudige taken die AI tegenwoordig zo goed kan overnemen, zijn niet zomaar ‘klusjes’. Ze vervullen een cruciale rol in de persoonlijke en professionele groei van medewerkers. Hier zijn drie redenen waarom:
2.1. Opbouw van vaardigheden
Herhaling is de sleutel tot meesterschap. Door eenvoudige taken vaak te herhalen, leren nieuwe medewerkers belangrijke basisvaardigheden:
- Klantgericht communiceren.
- Empathisch luisteren en situaties inschatten.
- Creatief en oplossingsgericht denken.
Zonder deze oefening kunnen medewerkers zich minder zeker voelen in hun rol.
2.2. Kennis van de context
Deze taken zijn niet alleen een kans om vaardigheden op te bouwen, maar ook om de bredere context van klantvragen en interne processen te begrijpen. Simpele handelingen zijn vaak de toegangspoort tot inzicht in de complexiteit van een organisatie:
- Welke vragen spelen er bij klanten?
- Hoe verlopen de processen?
- Waar ontstaan vaak knelpunten?
Nieuwe medewerkers missen deze cruciale stap als AI deze taken volledig overneemt.
2.3. Het risico op vervlakking
Automatisering brengt ook het risico van de ‘Comfort Paradox’: door AI alle eenvoudige taken te laten uitvoeren, kan het werk voor medewerkers te eenzijdig en oppervlakkig worden. Dit leidt niet alleen tot minder leermogelijkheden, maar ook tot demotivatie. Werk dat geen uitdaging biedt, voelt vaak minder bevredigend.
3. Voorbeeld: Wat verliezen we als we alles automatiseren?
Een beginnende klantenservicemedewerker leert vaak door simpele vragen te beantwoorden, zoals:
- “Waar kan ik mijn factuur vinden?”
- “Wat is de status van mijn bestelling?”
- “Hoe pas ik mijn gegevens aan?”
Deze ogenschijnlijk eenvoudige vragen helpen een medewerker om zich te ontwikkelen. Ze leren om met klanten te communiceren, problemen te analyseren en oplossingen te bieden. Als een chatbot al deze vragen afhandelt, missen medewerkers deze essentiële oefening.
Daarnaast speelt ervaring een rol in het benutten van AI. Ironisch genoeg zijn het juist de meest ervaren medewerkers die de waarde van AI-tooling kunnen maximaliseren. Door hun diepere begrip van de context en de klant kunnen ze AI effectiever inzetten. Maar hoe ontwikkel je die ervaring als je vanaf het begin belangrijke leermomenten mist?
4. Naar een mogelijke oplossing: AI als aanvulling, niet als vervanging
Om de voordelen van AI te benutten zonder de leereffecten te verliezen, moeten we AI niet zien als een vervanger, maar als een aanvulling. Denk bijvoorbeeld aan:
- Hybride modellen: Laat AI eenvoudige taken ondersteunen, maar geef medewerkers de ruimte om ze af en toe zelf op te pakken als leerervaring.
- Simulaties en training: Gebruik AI om trainingsomgevingen te creëren waarin medewerkers eenvoudige taken kunnen oefenen.
- Feedback loops: Zorg dat AI data genereert die medewerkers helpt om meer inzicht te krijgen in klantvragen en verbeterpunten.
5. Conclusie: De balans tussen efficiëntie en ontwikkeling
Automatisering in klantcontact heeft enorme voordelen, maar we moeten waakzaam blijven voor onbedoelde bijwerkingen. Door eenvoudige taken te automatiseren, kunnen we tijd en kosten besparen, maar dit mag niet ten koste gaan van de groei en motivatie van medewerkers.
De sleutel ligt in balans: AI inzetten waar het kan, maar medewerkers blijven uitdagen en kansen bieden om te leren. Zoals de uitspraak gaat: zonder wrijving geen glans. Juist die kleine, simpele taken bieden de glans van ervaring, en die moeten we koesteren in plaats van volledig elimineren.
-- dit bericht is eerder gepubliceerd op LinkedIn