Als AI het roer overneemt: wie blijft er over en welke taken zullen zij dan uitvoeren?

De wereldwijde werkgelegenheidscijfers in callcenters dalen voor het eerst. Het valt nog te bezien of dit tot een blijvende herstructurering zal leiden. Maar het is de moeite waard om eens goed over deze trend na te denken: hoe zou een contactcenter er in 2031 uitzien als bedrijven in de loop der jaren minder medewerkers zouden aannemen en AI steeds meer processen zelfstandig zou afhandelen?

De trend heeft een wending genomen

Automatisering maakt al jaren deel uit van het dagelijks leven in contactcentra. Het is inmiddels een gangbare verwachting dat bots routinetaken overnemen, terwijl complexere interacties voorbehouden blijven aan menselijke medewerkers. De meest recente werkgelegenheidscijfers bieden echter concrete aanleiding voor deze discussie.

Volgens Revelio Labs ligt de wereldwijde werkgelegenheid in callcenters 5,3 procent onder het hoogtepunt van december 2023. Acht opeenvolgende cijfers aan het einde van het kwartaal lagen onder de respectieve cijfers op jaarbasis – de enige acht van de 70 cijfers aan het einde van het kwartaal die sinds 2009 zijn geanalyseerd. Dit duidt niet op een consistente daling ten opzichte van het vorige kwartaal, maar het laat wel een opvallende verandering zien.

Uit de analyse kunnen we niet afleiden in hoeverre dit aan AI te wijten is. Revelio noemt verschillende mogelijke oorzaken. Bovendien gaat het hier om een analyse van gegevens uit professionele profielen, en niet om een uitgebreid wereldwijd onderzoek.

Het is veelzeggend om te kijken naar de twaalf onderzochte middeninkomenslanden: in deze landen daalden zowel de instroom- als de uitstroomcijfers. Omdat het instroomcijfer sterker daalde en uiteindelijk onder het uitstroomcijfer kwam te liggen, krimpt de werkgelegenheid voornamelijk als gevolg van een afname van het aantal nieuwkomers.

Dit heeft gevolgen voor de personeelsplanning. Een bedrijf hoeft geen grootschalige ontslaggolf aan te kondigen om zijn personele capaciteit over een periode van meerdere jaren aanzienlijk te verminderen.

Vandaag minder nieuwe aanwervingen. Morgen minder banen?

Laten we aannemen dat deze trend zich voortzet tot 2031. Bedrijven zullen vertrekkende medewerkers slechts gedeeltelijk vervangen. Tegelijkertijd kunnen AI-systemen een toenemend aantal vragen afhandelen, inclusief de benodigde stappen in de gekoppelde systemen.

Niemand weet op dit moment hoeveel mensen er dan nodig zullen zijn. In maart 2025 voorspelde Gartner dat Agentic AI tegen 2029 80 procent van de veelvoorkomende servicevragen zonder menselijke tussenkomst zou afhandelen, wat zou leiden tot een daling van de operationele kosten met 30 procent. Deze prognose heeft geen betrekking op alle klantcontacten, en er kan ook geen overeenkomstige daling van het personeelsbestand uit worden afgeleid.

Voor ons gedachte-experiment is het exacte cijfer sowieso van ondergeschikt belang. Laten we eens bekijken hoe zo’n contactcentrum in de dagelijkse praktijk zou moeten functioneren.

Tegen de tijd dat een mens het overneemt, heeft de AI haar werk al gedaan

Een klant wil zijn contract wijzigen. De AI heeft het proces al in gang gezet, maar tijdens het gesprek doet zich een specifiek probleem voor waarvoor een menselijke beslissing nodig is. Een medewerker neemt een lopend proces over waarin de informatie al is gecontroleerd en de afzonderlijke stappen al zijn doorlopen.

Ze moeten kunnen begrijpen op basis waarvan de AI heeft gehandeld en wat er nog moet gebeuren. Een samenvatting van het gesprek is hiervoor niet per se voldoende. Ze hebben inzicht nodig in de uitgevoerde stappen en toegang tot het lopende proces.

Als ze hiervoor vijf systemen moeten doorzoeken, verliezen ze tijd terwijl de klant moet wachten. Agent Assist en automatische documentatie kunnen hun werklast verlichten. Voorwaarde blijft wel dat de relevante informatie wordt verzameld en dat ze de zaak daadwerkelijk verder kunnen afhandelen.

Dan komt het moment van de beslissing. Als de medewerker een uitzondering wil toestaan of een kant-en-klare oplossing wil aanpassen, heeft hij of zij daarvoor de juiste bevoegdheid nodig. Meerdere goedkeuringsrondes zouden de gewonnen tijd al snel tenietdoen.

Wie de afhandeling van uitzonderingen grotendeels aan mensen overlaat, moet hen voldoende beslissingsruimte geven.

Hoe ziet een volledige werkdag er in dit verband uit?

Onze medewerker lost het contractprobleem op. Daarna wacht hem echter geen eenvoudige standaardprocedure, maar wellicht een klacht die speciale aandacht vereist.

Zo’n functie kan professioneel gezien stimulerend zijn. Het kan echter ook stressvol zijn als moeilijke beslissingen en emotioneel geladen gesprekken zich in de loop van de dag opstapelen. Immers, naarmate de routinematige contacten verdwijnen, verdwijnen ook de minder veeleisende aspecten van het werk.

Het zou dan ook twijfelachtig zijn om de vroegere werkbelasting gewoon ongewijzigd over te nemen. Bedrijven moeten bij het plannen van de personeelsinzet rekening houden met de nieuwe samenstelling van de zaken en nagaan in hoeverre Agent Assist daadwerkelijk verlichting biedt.

Ook de prestatiebeoordeling moet hierop worden aangepast. Iemand die een zaak uiteindelijk na verschillende mislukte pogingen afhandelt, kan daar best wat meer tijd voor nodig hebben. Een afhandelingstijd die op zichzelf wordt bekeken, zou een verkeerd beeld geven van deze prestatie.

Betere dienstverlening aan mensen komt dus niet alleen voort uit het feit dat AI routinetaken overneemt. Het bedrijf moet het resterende werk zo inrichten dat mensen het op de lange termijn goed kunnen uitvoeren.

Waar komen de mensen vandaan die dit kunnen?

Tot nu toe zijn we ervan uitgegaan dat er in 2031 voldoende ervaren medewerkers zullen zijn. Dit is echter geenszins vanzelfsprekend als bedrijven in de loop der jaren steeds minder mensen blijven aannemen.

Veel werknemers krijgen in eerste instantie zelfvertrouwen door eenvoudige taken uit te voeren. Ze raken vertrouwd met de producten en leren welke vragen steeds weer terugkomen. Als deze leercurve grotendeels wordt weggenomen, moeten bedrijven alternatieve manieren bedenken om beroepservaring op te doen.

Simulaties en begeleid werken aan praktijkgevallen kunnen hierbij helpen. Hiervoor is de tijd nodig van ervaren collega’s, die ook nodig zijn voor de dagelijkse gang van zaken. Een veeleisender functieprofiel is geen vervanging voor deze opleiding.

Voor ons contactcentrum van 2031 betekent dit dat het op gerichte wijze vaardigheden moet opbouwen, ook al heeft het in totaal minder personeel nodig. Wie uitsluitend volwaardige experts wil aannemen, is aangewezen op anderen om deze taak op zich te nemen.

Hoe flexibel zal de taakverdeling tussen mensen en AI blijven?

Laten we nu één voorwaarde van ons gedachte-experiment aanpassen. Het bedrijf introduceert een nieuw contractmodel en wil dat bepaalde aanvragen in eerste instantie persoonlijk worden afgehandeld, voordat ook deze processen worden geautomatiseerd. Of het kan besluiten om aan bepaalde klanten bewust meer persoonlijk contact te bieden.

In hoeverre kan het contactcentrum hier flexibel op reageren?

De technische aanpassing van de route is waarschijnlijk het makkelijkste deel. Voor de persoonlijke ondersteuning zijn echter ook mensen nodig die de nieuwe dienst kunnen uitleggen en de bijbehorende processen kunnen afhandelen. Deze capaciteit moet worden georganiseerd terwijl de bestaande dienst gewoon blijft draaien.

Dit maakt de taakverdeling tussen mensen en AI tot een voortdurend ontwerpvraagstuk. Wat vandaag zinvol is om te automatiseren, kan er morgen anders uitzien als gevolg van een nieuw aanbod of veranderende verwachtingen van klanten. Een bedrijf moet deze grens kunnen verleggen zonder dat het zijn gehele dienstverleningsorganisatie hoeft te herstructureren.

Dit is het praktische idee achter omkeerbaarheid: taken kunnen bewust opnieuw worden verdeeld. Niet elk proces hoeft altijd volledig door mensen te kunnen worden afgehandeld. Het komt erop aan te weten waar flexibiliteit nodig is en welke vaardigheden daarvoor vereist zijn.

Een bedrijf kan op grote schaal automatiseren en toch in staat blijven om actie te ondernemen. Daarvoor heeft het een realistisch beeld nodig van de beschikbare alternatieven – en van de mensen die deze alternatieven mogelijk maken.

Mensen vanaf het begin bij het denkproces betrekken

Wereldwijde werkgelegenheidscijfers kunnen niet worden gebruikt om personeelsprognoses op te stellen voor een verzekeraar of de klantenserviceafdeling van een lokale overheid. Ons gedachte-experiment laat echter zien hoe nauw technologische beslissingen verbonden zijn met de ontwikkeling van de organisatie.

Naarmate AI meer taken op zich neemt, ontstaan er nieuwe mogelijkheden: voor snellere processen en voor menselijke ondersteuning op gebieden waar ervaring en persoonlijke aandacht een bijzonder groot verschil maken. Hoe goed we deze mogelijkheden benutten, hangt ook af van hoe we medewerkers voorbereiden op hun toekomstige werk.

Daarom moet bij een AI-project al in een vroeg stadium worden nagedacht over de vraag hoe het werk van mensen zal veranderen. Wat moeten ze leren? Welke beslissingen mogen ze nemen? En welke ondersteuning hebben ze daarvoor nodig?

Laten we het potentieel van AI benutten en tegelijkertijd de mens vanaf het allereerste begin centraal stellen in het proces. We geven vandaag al vorm aan het werk in het contactcentrum van 2031.

Veelgestelde vragen: Belangrijke termen met betrekking tot AI en de contactcentermedewerker van de toekomst