Welke AI-technologieën liggen ten grondslag aan deze nieuwe KPI’s voor contactcentra? 

KPI’s behoren al sinds jaar en dag tot de belangrijkste managementinstrumenten in het contactcenter. Ze helpen organisaties om de kwaliteit van de dienstverlening te beoordelen, processen te optimaliseren en weloverwogen beslissingen te nemen over de bedrijfsvoering en de voortdurende ontwikkeling van de klantenservice. 

U bent ongetwijfeld bekend met indicatoren zoals First Contact Resolution (FCR), Average Handle Time (AHT) en klanttevredenheid (CSAT). 

Naarmate kunstmatige intelligentie echter steeds meer wordt geïntegreerd in de klantenservice, verandert de manier waarop vragen van klanten worden afgehandeld. Hoewel ‘First Contact Resolution’ een van de belangrijkste prestatie-indicatoren blijft, verliest de ‘Average Handle Time’ geleidelijk aan relevantie. Wanneer AI-agenten gesprekssamenvattingen genereren, informatie in realtime verstrekken of routinematige vragen volledig automatiseren, zegt de duur van een gesprek steeds minder over de daadwerkelijke kwaliteit van de dienstverlening. 

In plaats daarvan zijn er nieuwe meetcriteria ontstaan die specifiek zijn ontworpen om het succes van AI-toepassingen in de klantenservice te meten. Organisaties die al gebruikmaken van AI in het contactcenter, of van plan zijn dit te gaan doen, moeten inzicht hebben in deze KPI’s en weten hoe deze bijdragen aan de bedrijfsresultaten. 

Tot de belangrijkste behoren: 

• AI-oplossingspercentage
  Hoeveel vragen van klanten worden volledig door AI opgelost? 

• Gebruiksgraad van Agent Assist
  Hoe vaak maken agenten daadwerkelijk gebruik van de AI-tools die tot hun beschikking staan? 

• Acceptatiegraad van AI
  Hoe vaak volgen medewerkers de aanbevelingen en suggesties van AI op? 

• Vermindering van het werk na afloop van een gesprek
  In hoeverre vermindert AI de inspanning die nodig is voor documentatie en administratie na afloop van een oproep? 

Deze KPI’s laten niet alleen de waarde van AI zien. Ze bieden ook belangrijke inzichten in de vraag of AI-oplossingen door zowel klanten als medewerkers worden geaccepteerd, en in hoeverre ze bijdragen aan de efficiëntie en de kwaliteit van de dienstverlening. 

De onderstaande tabel biedt een gestructureerd overzicht van de KPI’s die momenteel kunnen worden gebruikt om het succes van AI in het contactcenter te meten. Hierin wordt niet alleen uitgelegd wat elke KPI meet, maar ook hoe deze kan worden ingezet om de servicekwaliteit en de operationele efficiëntie te verbeteren. 

 

KPI	AI-beheersingspercentage	Adoptiegraad van Agent Assist	AI-acceptatiegraad	Vermindering van het werk na afloop van een gesprek (ACWR)
Wat wordt er gemeten?	Percentage van de klantvragen dat volledig door AI is opgelost zonder tussenkomst van een medewerker.	Percentage interacties waarbij medewerkers actief gebruikmaken van AI-ondersteuning.	Percentage van de AI-aanbevelingen dat medewerkers daadwerkelijk accepteren en gebruiken.	Minder tijd besteden aan documentatie, vervolgwerkzaamheden en het bijwerken van het CRM-systeem na contactmomenten met klanten.
Welke inzichten levert het op?	Geeft aan hoe effectief selfservice- en automatiseringsoplossingen presteren. Stijgende percentages duiden op succesvolle automatisering. Dalende percentages kunnen wijzen op kennislacunes, procesproblemen of een lage acceptatie door klanten.	Meet de acceptatie en het gebruik van AI-tools in de dagelijkse bedrijfsvoering. Lage percentages duiden vaak op opleidingsbehoeften, slechte bruikbaarheid of een beperkte waargenomen waarde.	Geeft aan in hoeverre medewerkers vertrouwen hebben in door AI gegenereerde aanbevelingen. Hoge acceptatiegraad duidt op relevante en hoogwaardige adviezen. Een dalende acceptatiegraad is vaak een vroeg waarschuwingssignaal voor kwaliteitsproblemen.	Toont de directe productiviteitswinst aan die AI oplevert. Biedt vaak het duidelijkste bewijs van het rendement op AI-investeringen in het contactcenter.
Aanbevolen controlefrequentie	Wekelijks, of dagelijks in omgevingen met grote volumes. Segmenteer ook op onderwerp, kanaal en gebruiksscenario.	Maandelijks en na grote uitrolacties of functie-updates.	Wekelijks. Voor kritieke processen wordt continue monitoring aanbevolen.	Dagelijks of wekelijks, bij voorkeur in combinatie met kwaliteitsgerelateerde KPI's.
Verbeteringspunten	De kennisbank uitbreiden, gespreksverloop optimaliseren, backend-processen integreren, nieuwe intenties trainen, redenen voor escalatie analyseren.	Zorg voor opleidingen, verbeter de gebruiksvriendelijkheid, integreer AI beter in de werkprocessen en breng de voordelen beter onder de aandacht.	De kennisbasis verbeteren, modellen optimaliseren, feedback van agenten verwerken, afgewezen aanbevelingen analyseren en de AI regelmatig opnieuw trainen.	Gebruik geautomatiseerde gesprekssamenvattingen, automatiseer CRM-processen, automatiseer het aanmaken van tickets en voer functies voor ondersteuning door medewerkers in.
Typisch zakelijk voordeel	Kostenbesparing door automatisering	Een betere benutting van investeringen in AI	Meer vertrouwen in AI en een betere dienstverlening	Hogere productiviteit en een snellere terugverdientijd

 

Welke AI-technologieën liggen ten grondslag aan deze nieuwe KPI’s voor contactcentra? 

De hierboven besproken KPI’s kunnen alleen worden gemeten en beïnvloed als de juiste AI-technologieën aanwezig zijn. Moderne contactcentra maken gebruik van veel meer dan alleen traditionele chatbots. Tegenwoordig ondersteunt AI zowel het gehele klanttraject als de werkplek van de medewerker via een breed scala aan intelligente toepassingen. 

Enkele van de meest gangbare technologieën zijn onder meer: 

• Conversatie-AI 

Conversational AI maakt geautomatiseerde interacties met klanten mogelijk via spraak- en tekstkanalen. Voorbeelden hiervan zijn chatbots op websites, virtuele assistenten in berichtenapps en voicebots die in telefoonsystemen worden gebruikt. Met behulp van Natural Language Understanding (NLU) kunnen deze systemen de intentie van de klant herkennen, informatie verstrekken en in veel gevallen volledige processen afhandelen zonder menselijke tussenkomst. 

Deze technologieën vormen de basis voor statistieken zoals de AI-beheersingsgraad. 

• Agent Assist 

Agent Assist-oplossingen ondersteunen servicemedewerkers tijdens live interacties met klanten. AI analyseert gesprekken in realtime en biedt relevante kennisartikelen, antwoordvoorstellen, aanbevolen vervolgstappen en procesbegeleiding. Hierdoor kunnen medewerkers sneller reageren, een consistentere dienstverlening bieden en met minder moeite toegang krijgen tot relevante informatie. 

Kengetallen zoals het ‘Agent Assist Adoption Rate’ en het ‘AI Acceptance Rate’ zijn bedoeld om de effectiviteit van deze oplossingen te beoordelen. 

• Generatieve AI 

Generatieve AI kan inhoud creëren, samenvatten en structureren. In het contactcenter wordt deze technologie vaak gebruikt om automatisch gespreksnotities, gesprekssamenvattingen, e-mailconcepten en CRM-vermeldingen te genereren. 

Deze technologie zorgt voor aanzienlijke efficiëntieverbeteringen bij de afhandeling na het gesprek en heeft een directe invloed op indicatoren zoals de vermindering van de werkbelasting na het gesprek. 

• Spraakanalyse en conversatie-intelligentie 

Deze technologieën analyseren gesprekken automatisch en zetten gesproken interacties om in gestructureerde gegevens. Ze kunnen onderwerpen, sentiment, escalaties, overtredingen van de nalevingsvoorschriften en andere belangrijke indicatoren identificeren, waardoor ze waardevolle inzichten bieden in de kwaliteit van klantinteracties. 

Ze dienen ook vaak als gegevensbasis voor Agent Assist-functies en geautomatiseerde gesprekssamenvattingen. 

• Kennisbeheer- en opzoeksystemen 

Om betrouwbare antwoorden te kunnen geven, heeft AI toegang nodig tot nauwkeurige en actuele informatie. Moderne kennisbeheerplatforms centraliseren productinformatie, procesdocumentatie, beleidsregels en veelgestelde vragen, zodat zowel klanten als medewerkers toegang hebben tot de informatie die ze nodig hebben. 

De kwaliteit van deze kennisbank heeft een directe invloed op vrijwel alle AI-gerelateerde KPI’s. 

• Workflow- en procesautomatisering 

Veel AI-toepassingen leveren de grootste meerwaarde wanneer ze meer doen dan alleen informatie verstrekken en daadwerkelijk taken kunnen uitvoeren. Voorbeelden hiervan zijn het plannen van afspraken, het opvragen van de status, het opnieuw instellen van wachtwoorden, het aanpassen van contracten en het aanmaken van tickets.  

Door integratie met CRM-, ERP- en ticketsystemen kan AI volledige serviceprocessen automatiseren en de efficiëntie van de klantenservice aanzienlijk verbeteren. 

Conclusie: als je AI gebruikt, heb je nieuwe meetcriteria nodig 

Traditionele KPI’s voor contactcentra, zoals FCR, CSAT en Service Level, blijven essentiële instrumenten voor het beheer van de servicekwaliteit en de operationele prestaties. Nu AI echter een centraal onderdeel van de klantenservice wordt, volstaan deze maatstaven op zichzelf niet langer om het succes van moderne serviceorganisaties te beoordelen. 

Nieuwe KPI’s, zoals het AI-beheersingspercentage, het gebruik van agentondersteuning, het AI-acceptatiepercentage en de vermindering van het werk na het gesprek, bieden de nodige transparantie om de werkelijke bedrijfswaarde van AI-initiatieven te meten. Ze helpen organisaties om het rendement op investering (ROI) aan te tonen, uitdagingen bij de implementatie in een vroeg stadium te signaleren en mogelijkheden voor verdere optimalisatie te ontdekken. 

Voor leidinggevenden in contactcentra is het daarom de moeite waard om hun huidige KPI-raamwerk eens kritisch onder de loep te nemen. Meet u al of uw AI-oplossingen daadwerkelijk worden gebruikt? Weet u of medewerkers vertrouwen hebben in door AI gegenereerde aanbevelingen? Kunt u de impact van AI op de productiviteit en de servicekwaliteit duidelijk aantonen? 

Zo niet, dan is het misschien tijd om je meetstrategie te herzien. Wat gemeten wordt, kan immers ook verbeterd worden, en dat is de sleutel tot het benutten van het volledige potentieel van AI in de klantenservice.