AI en de toekomst van klantcontact

Kunstmatige intelligentie: we vinden het allemaal leuk, maar het moet natuurlijk niet onze baan inpikken. Laat staan de wereld overnemen. Hoe we in klantcontact kunnen profiteren van kunstmatige intelligentie stond centraal tijdens de laatste editie van het Content Guru kennisevent op 11 oktober.

De mix van meer data, snellere en goedkopere hardware en betere software zorgt ervoor dat ondernemingen steeds meer gaan concurreren op ‘intelligentie’. Door slim gebruik te maken van data kan je je onderneming meer vraag- in plaats van aanbodgestuurd maken, aldus dagvoorzitter Ben van der Burg. Daarmee kan je activiteiten zoals productie, marketing en sales gerichter uitvoeren, wat leidt tot meer omzet tegen lagere kosten. Denk aan het vullen van vliegtuigstoelen: een vliegtuig dat stil staat of maar halfgevuld vertrekt, kost geld of levert te weinig op. Vraaggestuurd werken betekent dat je luistert naar en inspeelt op de behoeften van de markt zodat je organisatie flexibel kan opereren. En dat is waar klantcontact om de hoek komt.

Megatrends in klantcontact

“Er zijn twee megatrends in klantcontact”, aldus Martine Ferment van KIRC, “Digitalisering en automatisering en de empathy economy. Volgens Deloitte is automatisering de tweede prioriteit na bedrijfscontinuïteit.” Stichting KIRC ziet uitgelezen mogelijkheden voor de inzet van AI: 24×7 dienstverlening door middel van chatbots, het slimmer verwerken van piekvolumes en het gemakkelijker op- en afschalen van operaties. Maar omdat de roadmap van de IT-afdeling meestal een periode van drie tot vijf jaar bestrijkt, staat AI vaak nog niet op de agenda, stelt Ferment. Initiatieven krijgen dan meer een ad hoc karakter. Uit een korte poll van KIRC onder het publiek blijkt dat AI vooral geassocieerd wordt met chatbots en met slim routeren (herkennen van de klantvraag, doorzetten naar de juiste medewerker).

‘Check je re-mail’

Ferment wijst er op dat begrip van de context de belangrijkste succesfactor is bij de inzet van AI. Ze geeft als voorbeeld de vraag die luchtvaartondernemingen vaak krijgen: ‘ik wil mijn ticket wijzigen’. De behandeling van die vraag leidt maar in ruwweg een kwart van de gevallen tot een gewijzigd ticket, bij het grootste deel van de verzoeken wordt na goed doorvragen duidelijk dat een andere oplossing dan wijzigen beter is. Een vergelijkbaar probleem speelt bij de afhandeling van e-mail. Ferment raadt aan om het percentage ‘re-mail’ te gaan meten: vaak is één antwoord niet afdoende. Geen wonder dat het kanaal weinig bijdraagt aan de klanttevredenheid. Hier liggen uitdagingen voor kunstmatige intelligentie. Andere toepassingsmogelijkheden die Ferment noemt zijn realtime gespreksanalyse waarbij de agent aanwijzingen krijgt voor het gesprek op basis van de inhoud van wat de klant zegt of de manier waarop de klant communiceert.

Wordt AI onze beste vriend?

kunstmatige intelligentieDeborah Nas, hoogleraar strategisch design bij TUDelft en ondernemer, legt uit waarom AI naast veel enthousiasme ook de nodige weerstanden oproept. Ons beperkte referentiekader zit regelmatig in de weg. Zo zou de introductie van het schrift ervoor zorgen dat mensen zich niets meer hoefden te herinneren, zouden kranten mensen in een isolement plaatsen omdat er geen weetjes meer zijn uit te wisselen en zou internet ons dom maken. Angst voor het onbekende is een sterkere emotie dan vreugde, aldus Nas en ze meldt dat ook journalisten daaraan bijdragen door vooral negatieve dingen over technologie op te pikken. Soms houden fabrikanten moedwillig rekening met onze gekke vooroordelen en voorkeuren: zo had de eerste Tesla nog een grille in de neus, terwijl een elektrische auto geen koeling nodig heeft.

kunstmatige intelligentie

Nas bracht ook even orde aan in de chaos van de verzamelterm AI. Machine learning is een vorm van kunstmatige intelligentie – daarbij train je vooraf geprogrammeerde software aan de hand van data – en deep learning is een subvorm van machine learning waarbij de structuur van de software zoveel mogelijk op onze hersenen lijkt. Deze laatste vorm is beter in staat verschillende processen naast elkaar uit te voeren en bijvoorbeeld rekening te houden met context. Je kunt je voorstellen dat een e-mail over printerbenodigdheden spam is wanneer je niets nodig hebt; maar als je printer aangeeft bijna leeg te zijn, ligt dat anders. Inzicht in de context is cruciaal voor AI. De Chiwawa muffin challenge is hiervan een goed voorbeeld.

kunstmatige intelligentie

Kunstmatige intelligentie nog in kinderschoenen

Nas schetst grote en ingrijpende ontwikkelingen voor de komende tien jaar. Voorbeelden: een Shazam voor kleding, dynamic pricing op basis van een veelheid aan variabelen zoals voorraad en conversie, een magazijn waarin geen mensen meer werken, het volledig geautomatiseerd testen van nieuwe software. Daarbij vraagt zij zich af: wie gaat over vijf of tien jaar nog bellen met het contactcenter: mensen of voice assistants? Haar tip: de ontwikkelingen op het vlak van AI gaan erg snel. Als je nu niet instapt, heb je straks een achterstand die moeilijk in te halen is.

Wat kan je nu al toepassen?

Welke AI-technologie kan je vandaag al inzetten in klantcontact? Bram Lenten van Conversationals laat zien dat onze contactcenters de afgelopen jaren zijn veranderd in complexe organisaties, samengesteld uit allerlei eilandjes van kanalen, processen en skills. Vermoedelijk komen er nog meer kanalen aan in de toekomst en tegelijkertijd zijn de chatbots van nu nog niet goed in staat te doen wat we zeggen of te begrijpen wat we bedoelen. Lenten pleit ervoor nog eens goed te kijken naar je online servicepagina. Kan je klant daar direct vragen stellen, zelf dingen regelen en gemakkelijk zijn weg vinden? De grootste uitdaging zit in het herkennen van de klantvraag, zodat je die informatie kunt gebruiken: voor routering naar het juiste antwoord of de juiste agent of voor het ondersteunen van die agent. Een andere uitdaging is om de klant zoveel mogelijk te helpen binnen één platform – dus voorkom een overstap van bijvoorbeeld web naar smartphone. De overstap van bellen naar chat (beiden op je smartphone) kan bijvoorbeeld prima geregeld worden en vraagherkenning kan hierbij helpen, zoals hij via een voorbeeld laat zien. Zijn tip: kies voor high impact, low effort (ook wel bekend als laaghangend fruit).

Hoe een chatbot je uit de puree kan helpen

Paul de Vries liet zien wat er kan gebeuren als je je traditioneel ingerichte klantenservice (telefoon en e-mail) uitbreidt met een nieuw kanaal zoals WhatsApp. De Vries is social media manager bij Decathlon, een (online) retailer met 1.420 winkels in 46 landen, waarvan 13 winkels in ons land. In een paar maanden tijd was WhatsApp goed voor 85 procent van alle klantcontacten. Dat klinkt fijn, maar hoe ga je er mee om als het verkeer in korte tijd explodeert van 4.000 naar 30.000 berichten per maand? Decathlon moest kiezen tussen extra mensen of investeren in het automatiseren van de meest gestelde vragen. Gezien de groeiambities van het bedrijf werd het laatste als meest structurele oplossing gezien. Na drie maanden ontwikkeltijd kon de nieuwe chatbot zo’n 20 procent van de vragen afwikkelen.

De tips van De Vries: onderschat de inzet van WhatsApp niet, klant verwachten dat je net zo snel reageert als hun beste vriend. Het ontwikkelen van een chatbot kost tijd en ook onderhoud is nodig. Decathlon kijkt dagelijks naar de missers van de chatbot en voegt correcte informatie toe. En als laatste: zorg er oor dat de klant weet dat er een chatbot is en laat de communicatie aansluiten op de tone of voice die je voor ogen hebt. Alexander de Ruijter van OBI4wan voegde daar als tip aan toe: ‘don’t try to boil the ocean’: ofwel zet bots alleen dáár in, waar ze echt iets kunnen toevoegen.

1.500 chatbot-applicaties

Klantcontact ontkomt niet aan innovatie en AI hoort daarbij, aldus Peter Jongeneel (Business Development manager, Content Guru). Bedrijven dienen te beseffen dat kinderen technologie veel sneller omarmen dan hun ouders. De voorspelling van Gartner dat in 2020 circa 85% van de contacten tussen bedrijven en hun klanten straks geautomatiseerd verloopt via digitale kanalen is dus meer dan alleen toekomstmuziek. De kunst is om op het juiste moment in te stappen in nieuwe technologie, maar met 1.500 chatbot-applicaties is dat niet eenvoudig. Een goed contactcenterplatform stelt je in staat gemakkelijk te integreren met allerlei nieuwe software, waaronder applicaties die nodig zijn om data te verwerken. Zijn tips: houd een helder doel voor ogen, neem de tijd voor het selectieproces van de beste oplossing en betrek medewerkers bij het proces.

Moet je kunnen lachen om een chatbot?

Aan het eind van de dag gingen Geeske te Gussinklo (Directeur Klantenservice Federatie), Celeste Kettler (data scientist KPN) en Henry van Veldhuizen (product manager Kamer van Koophandel) de discussie aan. We hebben op dit moment 8.000 vacatures in klantcontact; maakt dat de chatbot tot een welkome oplossing, vroeg Te Gussinklo zich af. En moet je een chatbot trainen op het gebied van humor? Ja, omdat klanten een chatbot altijd testen met grappig bedoelde vragen over huwelijkse staat, geslacht, de zin van het leven en voorspellingen over voetbaluitslagen. Nee, omdat die kunstjes geen waarde toe voegen, zo was ook te horen. Het vermogen om grappig uit de hoek te komen kan wel bijdragen aan een hogere funfactor en daarmee verhoog je wellicht de NPS. Om over na te denken.

Contactcentermanager, haak aan

De KSF zou graag zien dat de contactcentermanager zich (nog) meer met de toepassing van technologie gaat bezighouden. Dat is bevorderlijk voor het innovatietempo, want Te Gussinklo hoort in de markt veel juichende verhalen maar als ze doorvraagt blijkt de concrete toepassing van bijvoorbeeld AI tegen te vallen. Aanhaken is ook om een andere reden belangrijk. De tendens is dat de overheid steeds verder gaat in het beschermen van de consument. Zo zijn er bijvoorbeeld wetten in voorbereiding op het gebied van het internet of things. Opletten dus, en zorgen dat je zelf aan de knoppen van de technologie zit zodat het geen ‘natuurverschijnsel’ is dat je overkomt.

Een verkorte versie van dit artikel verscheen eerder op Klantcontact.nl

Digitale transformatie debunked (2)

Digitale disruptie wordt veelal geassocieerd met het ontstaan van nieuwe verdienmodellen, die een ontwrichtend effect hebben op bestaande verdienmodellen van gevestigde bedrijven. Maar de echte disruptie moet nog komen, en die ligt in de combinatie big tech, platforms en data. Dat is alles wat nodig is om in één keer nieuwe monopolies te lanceren. Met een onvoorspelbaar eindproduct: AI.

De klassieke voorbeelden van disruptie zijn Airbnb (zelf geen hotelbed of andere assets op de balans, zou het voortbestaan van de hotels bedreigen) en Uber (zelf geen auto op de balans of een chauffeur op de loonlijst, zou het voortbestaan van de taxi-industrie bedreigen). Bedrijven zijn bang om de volgende Kodak of Nokia te worden. Maar de hotelsector floreert, taxibedrijven rijden rustig door, en Kodak is allesbehalve failliet.

Maatschappelijke disruptie

De echte disruptie vindt plaats in de samenleving, niet in de verdienmodellen van gevestigde bedrijven. Het zijn niet nieuwkomers die de energietransitie veroorzaken, maar het is de omschakeling naar duurzame energie die de samenleving geleidelijk inzet. De financiele sector wordt niet ontwricht door nieuwkomers zoals fintechs, het is het geleidelijk afscheid nemen van grootbanken door consumenten.

Big tech spelers zoals Airbnb, Uber, Apple, Amazon en Google hebben wel een enorme economische slagkracht. Ze hebben in hooguit enkele decennia complete ecosystemen opgetuigd of naar hun hand weten te zetten. De grootste verschuivingen vinden daarbij plaats in de verhoudingen tussen stakeholders. Aan de ene kant hebben deze platformbedrijven in een hoog tempo grote groepen trouwe fans opgebouwd (consumenten). De snelle groei leidt echter niet tot een vergelijkbare toenemen van hoogwaardige werkgelegenheid, bijvoorbeeld in de vorm van eigen productie.

Degenen die de kas van deze bedrijven vullen, zijn nergens van of voor verzekerd, bouwen geen pensioen op en hebben weinig tot geen rechten. Met de keuze voor deze platformen levert de consument de eigenlijke producent uit aan machtige dealmakers: de boekhandel levert voortaan via Amazon, de popgroep of het orkest via Apple iTunes of Spotify, de taxichauffeur kan straks alleen nog ritjes krijgen via Uber.

Big tech = big money
Marktwaarde grote bedrijven – klik voor grotere versie

Niet alleen bij Amazon maar ook bij Uber en Airbnb wordt de machine aangedreven door de gig economy. Dat is geen natuurverschijnsel, maar een bewuste keuze. Airbnb realiseerde over 2017 een winst van 100 miljoen dollar bij een omzet van 3,5 miljard. Thuiswinkel en clouddienstverlener Amazon realiseerde een winst van 1,6 miljard dollar. Uber draait voorlopig met 20 miljard taxiritjes, goed voor een omzet van 2,8 miljard dollar, nog met verlies (891 miljoen dollar over 2e kwartaal 2018). De gig economy houdt de loonkosten voor deze bedrijven extreem laag. De winsten komen vervolgens niet terug in de maatschappij waar werknemers met koopkracht de economie draaiend houden, maar belanden bij aandeelhouders en beleggers. Ook China kent ‘big tech’: Alibaba realiseert een jaaromzet van bijna 40 miljard en een winst van bijna 10 miljard dollar; voor Tencent zijn die cijfers respectievelijk 34 miljard en 11 miljard dollar.

De businessmodellen van Airbnb en Uber zijn ook op een andere manier maatschappelijk ontwrichtend. Ze zijn gebaseerd op het platformconcept en daarmee grotendeels ongrijpbaar.  Platformen treden op als marktplaats, maar als de marktplaats digitaal wordt, is de marktmeester een algoritme in plaats van een mens meg waarden en normen. Dat zorgt er bij Airbnb bijvoorbeeld voor dat de onderneming niet aanspreekbaar is op transparante bedrijfsvoering. Data is de brandstof waarmee de business wordt aangedreven. Iedere transactie is een data-transactie (er worden geen fysieke goederen geleverd, het bedrijf heeft evenmin mensen in dienst die diensten leveren). En voor iedere data-transactie ontvangt het bedrijf een percentage van de transactiewaarde.

Impact op steden
motie voor regulering Airbnb in Amsterdam- klik voor vergroting

Er zijn honderden platforms zoals Airbnb, want het businessmodel is gemakkelijk te kopiëren. Dat zorgt voor een enorme impact op steden. Niet omdat hotels verdwijnen, maar omdat schaarse woonruimte wordt omgezet in toeristenverhuur, omdat een gevarieerd winkelaanbod plaats maakt voor aan eenzijdig aanbod gericht op toeristen; en omdat steden het aantal low budget bezoekers snel zien groeien – mede het gevolg van goedkope vliegtickets. Vrijwel alle steden die met deze verandering te maken krijgen, bezinnen zich op tegenmaatregelen. In Amsterdam wordt ingezet op een lokaal verbod voor vakantieverhuur en halvering van de toegestane verhuurperiode. Marktleider Airbnb is zich bewust van de negatieve impact op dewoonomgeving, maar verdedigt zich met campagnes die meer hoon dan begrip opleveren.

Risico’s van big tech

Deze virtuele business waarbij data het verdienmodel bepalen, heeft zo zijn risico’s. In een digitaliserende samenleving is concentratie van data een probleem. Data is de grondstof voor informatie, maar ook het fundament voor nieuwe businessmodellen. Apple heeft als dominante hardwareleverancier toegang tot veel data en met 250 miljard dollar in kas alle mogelijkheden om een bank of ziektekostenverzekering aan te bieden tegen bodemtarieven. Facebook heeft met 44 miljard in kas en 1,3 miljard dagelijks actieve Facebookgebruikers, 700 miljoen Instagrammers een uitstekende positie. Ook Microsoft en Google zijn rijk aan data en aan cash met respectievelijk 124 en 92 miljard dollar.

Een belangrijk verschil met bestaande banken of ziektekostenverzekeraars is dat zij bij hun start nog geen klantgegevens in bezit hadden en daarnaast een datacollectie opbouwden aan de hand van feitelijke klanten. Dat is ook de reden waarom grootbanken zich weinig zorgen lijken te maken over de potentie van fintechs: die nieuwkomers hebben wellicht een geweldig businessmodel maar vooralsnog geen massa.

Giftige cocktail: big tech, platform en data

Het echte risico van ontwrichting zit in een combinatie: big tech, platform en het bezit van grote hoeveelheden data over grote groepen potentiële klanten. Die combinatie plaatst ook de toepassing van GDPR – dat zich richt op de bestaande relatie tussen bedrijf en klant – in een ander daglicht. Want met de aanwezige data kunnen deze bedrijven beslissingen nemen over het toelaten van potentiële klanten tot hun nieuwe activiteiten, inclusief het beprijzen van diensten.

Toegepast op een ziektekostenverzekeraar zou Apple bijvoorbeeld gemakkelijk aan cherry picking doen. Of dat een waarschijnlijk scenario is, kan je afleiden uit de manier waarop big tech eenzijdig de tarieven voor legale downloads in de muziekindustrie heeft bepaald. Of dat een wenselijk scenario is, moet bezien worden in een context waarbij zorgverzekeringen geleidelijk onbetaalbaar worden en zorg steeds verder geprivatiseerd wordt.

Beheers het spel en bepaal de regels

Een tweede risico ligt in totale marktdominantie. Op een ‘gewone markt’ staan transacties op het vlak van vraag en aanbod centraal en speelt concurrentie een rol. In big tech kunnen bestaande spelers extreem eenvoudig worden overgenomen, zodat ze buiten spel komen te staan of zodat het marktaandeel wordt toegevoegd. Het opslokken van bol.com – marktleider zonder winsthistorie – is de meest snelle manier voor Amazon om voet aan de grond te krijgen in de Benelux. Ook hier speelt de dominante positie op het gebied van data een rol: bestaande spelers gebruiken data van markt A om met een voorsprong markt B te bewerken. Denk aan Google dat in vrijwel iedere markt actief is, aan Facebook dat dominant aanwezig is op de smartphone met de meest gebruikte mobiele apps en aan Amazon dat in de VS de totale e-commercemarkt heeft veranderd in een eigen infrastructuur.

Ongrijpbaar
big tech
Airbnb in Amsterdam, 2017

Een derde risico voor ontwrichting ligt in de beheersbaarheid van de combinatie big tech, platform en datavolumes. Normaal gesproken volgt vernieuwing van wet- en regelgeving op enige afstand van economische activiteit; de vertraging is nog wat groter als het gaat om nieuwe technologie. Nieuwe businessmodellen kunnen met de combinatie tech, platform en data vrijwel direct van start, waardoor overheden nog minder mogelijkheden hebben om te sturen. Dat verschijnsel doet zich voor bij Airbnb, dat in zeer korte tijd in omvang is gegroeid, waardoor de maatschappelijke effecten ook in korte tijd zijn ontstaan. Maar bedrijven die opereren op basis van een data-gebaseerd transactiemodel zijn nauwelijks te beheersen.

Het product van Airbnb is een ongrijpbare dienst – niet te vergelijken met bijvoorbeeld een zelfrijdende auto – en tot nu toe zijn overheden er nog niet in geslaagd het bedrijf tot transparantie te dwingen. Voor succesvolle big tech spelers is het opleggen van boetes kinderspel. Verder is het de vraag waar regulering betrekking op zou moeten hebben. “Een bedrijf als Google bestaat niet uit de optelsom van de losse onderdelen, maar uit alle data die het in de loop der jaren heeft verzameld en exploiteert. Labels als Search, Maps, Gmail en YouTube zijn slechts de verzamelaars en exploitanten daarvan”, aldus bedenker van de aggregatietheorie Ben Thompson.

Van data naar AI

Publicist Evgeny Morozov wijst erop dat de dataverzameling van elk van deze grote techbedrijven vele malen omvangrijker is dan die van nationale overheden. Die data heeft big tech nodig om de eigen kunstmatige intelligentie (AI) te trainen. Volgens Morozov is het wachten op het omslagpunt waarbij niet data, maar AI de nieuwe olie wordt. Die ontwikkeling is pas zorgwekkend, want we kunnen nu nog beslissen over hoe wij omgaan met onze data. Maar wat bedrijven straks met hun ontwikkelde AI gaan doen, ligt dan niet meer binnen de invloedssfeer van consumenten, laat staan die van overheden. Dat is pas een digitale transformatie.

In deel 3 van deze serie over digitale transformatie ga ik in op de impact van de digitale transformatie op leiderschap. Lees ook deel 1 over 'andere transformaties dan alleen de digitale'