Tien zorginnovaties die bijdragen aan productiviteitswinst zorgprofessional (1)

‘Zonder robots krijgen 300.000 ouderen straks geen zorg’, aldus een kop van Skipr, een toonaangevend medium voor de Nederlandse zorgsector. KPMG heeft berekend dat er in 2040 per jaar 180 miljoen uur zorg nodig is, terwijl er tegen die tijd – bij de huidige omstandigheden – maar 80 miljoen uur zorg geleverd kan worden. Omdat de overheid samen met de verzekeraars gaat over de vraag hoe arbeidsvoorwaarden van zorgprofessionals er uit moeten zien, zetten slimme zorginstellingen daarom in op innovatie, ook als het gaat om het contact met de cliënt. De grootste uitdaging voor de komende jaren is om tegemoet te komen aan de groeiende vraag naar zorg met een tekort aan zorgprofessionals. 

Sinds 2007, het jaar waarin de marktwerking in de thuiszorg werd ingevoerd, is het aantal thuiszorgaanbieders enorm toegenomen. Ondanks consolidatie aan de bovenkant van de markt door fusies, overnames en faillissementen is ook het aantal zzp’ers sinds die tijd meer dan verdubbeld. De zorgsector is in Nederland nu goed voor 16 procent van de banen.

Maar het aantal ouderen dat zorg nodig heeft stijgt sneller, met name door de daling van het aantal geboorten en door de toename van de levensverwachting. Volgens de prognose van het CBS zal rond 2040 26% van de Nederlandse bevolking bestaan uit 65- plussers. Daarnaast zal de omvang van de groep alleroudsten sterk in aantal toenemen. Op dit moment is 4% van de bevolking 80 jaar of ouder, in 2040 zal dit 9% zijn: meer dan een verdubbeling die uiteraard impact heeft op de vraag naar zorg.

Zorgvraag groeit harder dan aantal zorgprofessionals

Op dit moment zijn er zo’n 8.800 wijkverpleegkundigen aan het werk. Alleen al over twee jaar is er door de vergrijzing werk voor circa 12.000 zorgprofessionals. Het verschil, bijna 3.000 professionals, zit niet volledig in de ‘pijplijn’ van opleidingen of omscholingstrajecten. Om het tekort dat op ons afkomt zo veel mogelijk te verkleinen moeten zorginstellingen dus aan de slag met slimme technologieoplossingen. Dat kan bijdragen aan een hogere productiviteit – ofwel: met het schaarse aantal beschikbare zorgprofessionals kunnen we meer cliënten helpen. Als dat laatste de insteek is, moeten zorgprofessionals vooral taken uitvoeren waarmee zij de grootste toegevoegde waarde aan het zorgproces leveren. Die toegevoegde waarde van ‘mensen in de zorg’ zit hem vooral in persoonlijke aandacht, empathie en creativiteit. Andere processen – denk aan repeterende of standaardiseerbare taken – lenen zich voor automatisering (geheel of gedeeltelijk) en centralisatie. Daarbij kan technologische of sociale innovatie (anders organiseren en werken) helpen.

Tien innovaties die bijdragen aan productiviteit

Toii ging op zoek naar tien concrete en succesvolle innovaties in de zorg: voor cure en care, voor zowel de intra- als extramurale zorg, en voor verschillende doelgroepen. Criterium: de toegevoegde waarde zit in het vergroten van de productiviteit van de zorgprofessional. In deel 1 van een tweeluik de eerste vijf zorginnovaties.

 

1. Hartfilmpjes laten controleren via Livv

Het Zwolse bedrijf Livv heeft deze zomer een app gelanceerd waarmee iedereen met een hartritmestoornis – buiten een medische verwijzing om – zijn of haar hartfilmpjes door een medisch specialist kan laten beoordelen. Die zogenoemde ECG’s zijn overal te maken en zijn binnen 30 seconden klaar. De filmpjes (metingen) kunnen worden doorgestuurd naar het medisch callcenter, dat bemand wordt door cardiologen en verplegend personeel; indien gewenst kan er direct een advies aangevraagd worden van medisch specialist. Voor de beoordeling van de filmpjes werkt Livv samen met cardiologen van het Isala ziekenhuis in Zwolle. Livv zet de dienst in de markt volgens een abonnementsmodel, aldus dagblad De Stentor.

innovatiesInmiddels zijn er 75 particulieren die van de dienst gebruik maken, en daarnaast zijn er ook 25 huisartsen en drie ziekenhuizen in de regio die Livv inschakelen voor hun patiënten. Livv wil de service binnenkort uitbreiden met controle van het gewicht, bloeddruk, het zuurstofgehalte in het bloed en de bloedsuikerspiegel. Dit initiatief dringt het aantal ziekenhuisbezoeken terug, maar hoogfrequente monitoring op afstand reduceert ook het aantal consulten van specialisten. Volgens Dorien Breukelman van Isala past de ontwikkeling helemaal in de tijd van e-health. De Nederlandse Vereniging voor Cardiologie reageert terughoudend op het Zwolse initiatief: de methode zou onvoldoende betrouwbaar zijn.

 

2. E-health voor patiënten met diabetes type 2

Wereldwijd lijden ruim 400 miljoen mensen aan de chronische ziekte diabetes. Met de inzet van een app en een ‘connected’ weegschaal worden verschillende functionaliteiten gecombineerd bij de zorg voor diabetespatiënten. Bloedwaarden en gewicht worden automatisch doorgegeven aan het ziekenhuis. Hierdoor kunnen kwartaalcontroles, die nu nog plaatsvinden in de vorm van een fysiek bezoek aan het ziekenhuis, worden vervangen door een consult op afstand door de chatfunctie in de app. De patiënt krijgt bovendien meer regie over de eigen gezondheid door de app, die veel informatie geeft vanuit de Philips HealthSuite. Daardoor zijn er ook minder contactmomenten nodig met zorgprofessionals. Patiënten kiezen zelf via de app met wie ze hun dossier willen delen – ze kunnen bijvoorbeeld ook ervaringen delen met andere patiënten. De oplossing is in 2015 ontwikkeld bij ReShape en wordt nu concreet toegepast bij Zorgnetwerk Midden-Brabant.

 

3. Slingeland ziekenhuis werkt met sensortechnologie

innovatiesNeem een perifeer ziekenhuis in een vergrijzende krimpregio en zet daar stijgende kostendruk tegenover. Meer vraag naar zorg, maar minder aanbod van personeel: ook hier dwingt die combinatie tot innovatie. Verpleegkundig personeel is relatief veel tijd kwijt aan het uitvoeren en registreren van metingen bij patiënten en het reageren op  signalen van systemen: bij patiënten op vervolgafdelingen worden metingen zoals temperatuur en bloeddruk vooral handmatig verricht. In samenwerking met Fujitsu kijkt het Slingeland ziekenhuis in Doetinchem daarom naar hoe deze werkdruk op de verpleging kan worden verlaagd door gebruik te maken van sensortechnologie. In de zogenaamde Sensing Clinic – een samenwerkingsverband van het ziekenhuis met meerdere partijen – wordt geëxperimenteerd met drie sensoren, die in totaal zeven vitale functies kunnen monitoren. Het gaat om onder andere de slimme pleister, die meerdere vitale functies meet en een draadloze bloeddrukmeter. Daarnaast wordt een matrassensor ingezet die slaappatronen en beweging meet.

 

4. Cliënt- en patiëntlogistiek centraal

Een van de zaken waar zorgprofessionals relatief geringe waarde aan toevoegen, is het organiseren van de logistieke kant van het zorgproces. Het inplannen van zorg (behandelafspraken, routes, consulten) is daar een goed voorbeeld van. Hoewel lange tijd hoog is opgegeven van het fenomeen zelfsturende teams, wordt nu steeds beter ingezien dat zelfsturing impliceert dat zorgprofessionals managementtaken op zich moeten nemen. wDe financiering van de thuiszorg is bovendien ingericht op productiviteit in de zorgverlening: indirecte uren en overhead worden niet vergoed. Die moeten dus zo efficiënt mogelijk worden georganiseerd. De vraag daarbij is welke onderdelen van de planning van personeel (inzet medewerkers en toewijzen van routes) centraal of juist lokaal moeten worden georganiseerd. Zorgorganisatie Omring biedt wijkverpleging aan in de kop van Noord-Holland en West-Friesland en koos voor centrale planning in combinatie met een goede tool. Binnen de teams van Omring is na de overstap op centraal plannen het aantal plan-uren met gemiddeld 40 procent afgenomen. Ook zijn de routes efficiënter dankzij minder reistijd en kilometers. De vrijgekomen uren worden aan zorg besteed, wat tot een hogere productiviteit leidt.

innovatiesEen vergelijkbaar vraagstuk – centraal of decentraal organiseren – bestaat bij het inrichten van de afsprakenplanning. Een middelgroot ziekenhuis ontvangt jaarlijks 500.000 tot 750.000 telefoontjes, voor grotere instellingen kan dit oplopen tot het dubbele. Het grootste deel daarvan komt terecht bij de afsprakenbureaus van poliklinieken. Die afsprakenbureaus krijgen de komende jaren te maken met patiënten die niet alleen bellen, maar ook mailen, appen en twitteren. Daarnaast is te verwachten dat daar informatiestromen van e-health devices bijkomen zoals wearables die de hartfunctie of bloedsuikerspiegel monitoren. Het centraliseren van klantcontact van poliklinieken in een contactcenter ontlast de poliklinieken, die zich daarmee meer op zorginhoud kunnen richten. Het Isala Ziekenhuis in Zwolle heeft voor deze oplossing gekozen. Ook de meest voorkomende medische vragen kunnen door zo’n centraal contactcenter worden beantwoord.

 

5. DigiContact bij Philadelphia

Philadelphia, een landelijke aanbieder van verschillende vormen van begeleiding aan geestelijk gehandicapten, heeft de afgelopen twee jaar geïnvesteerd in beeldbellen. DigiContact is een onderdeel van het nieuwe zorgconcept ‘MijnNetwerk’, het nieuwe zorgmodel van Philadelphia. MijnNetwerk is een mix van zorgdiensten: traditionele begeleiding bij de cliënt thuis, een ontmoetingscentrum in de buurt waar de cliënt binnen kan lopen of op afspraak terecht kan, cursussen die de cliënt zelfstandiger maken en het DigiContact-contactcenter waar cliënten 24×7 terecht kunnen. DigiContact wordt ingezet bij alle zorgvragen waarbij fysieke aanwezigheid van zorgprofessionals niet noodzakelijk is. Bij DigiContact wordt speciale technologie ingezet die er voor zorgt dat er letterlijk oogcontact is. Philadelphia voert ongeveer 5.000 gesprekken per maand, waarvan een deel ingepland en een deel ongepland. De toegevoegde waarde is dat binnen het beschikbaar gestelde zorgbudget meer contactmomenten ontstaan tussen Philadelphia en de cliënt – met als bijkomend resultaat een beter zicht op de cliënt – en dat het aantal cliënten dat de begeleider thuis kan opzoeken toeneemt.

Binnenkort de tweede serie van vijf innovatievoorbeelden, die een direct positief effect hebben op de productiviteit van zorgprofessionals. Suggesties welkom, ook via Twitter: @ToiiNL.

Een robot met gevoel

kunstmatige emotionele intelligentieHet wordt ook wel de vierde industriële revolutie genoemd: de totale digitalisering van de samenleving. In de digitale economie doen mensen steeds vaker zaken met systemen, software en algoritmen in plaats van met andere mensen. Kunstmatige intelligentie staat daarbij centraal. Binnenkort staan we voor de vraag of we accepteren dat een robot beschikt over kunstmatige emotionele intelligentie. 

Na de efficiencyslag van de derde industriële revolutie (de opkomst van de eerste automatiseringsgolf) brengt ook de vierde industriële revolutie veel kansen met zich mee. Met data als grondstof en software als machine kunnen we informatie veel beter benutten. De keerzijde is dat hardware en software zich zo snel hebben ontwikkeld, dat computers ook veel taken kunnen overnemen die voorheen exclusief aan mensen waren voorbehouden. Optimisten stellen dat iedere technologische revolutie voor het verdwijnen van banen heeft gezorgd, maar ook nieuwe werkgelegenheid heeft gecreëerd. Sommigen hebben het bij die vierde revolutie over nieuwe banen zoals ‘head of humanity’ – want ook voor de verdere ontwikkeling van kunstmatige intelligentie zijn mensen nodig.

Van hulpmiddel naar vervanger

In zijn boek ‘The Rise of the Robots’ legt Martin Ford haarfijn uit waarom de vierde industriële revolutie anders is dan de voorgaande drie revoluties. De computer verandert de komende jaren van een ‘complementair hulpmiddel’ in een ‘vervanger’ van de mens. Het ontstaan van nieuwe technologiebanen kan niet compenseren dat grote groepen op de arbeidsmarkt – inclusief hoogopgeleide kenniswerkers – hun voorsprong op de computer zullen verliezen. Ford is relatief behoudend: hij voorspelt dat kunstmatige intelligentie over tien tot twintig jaar tot maatschappelijke ontwrichting zal leiden door grootschalig verlies van werkgelegenheid. Hij zegt er meteen bij dat veel Silicon Valley-ondernemers denken dat die toekomstscenario’s al over vijf tot tien jaar aan de orde zijn.

We doen al jaren zaken met systemen

Het grote onderscheid tussen mensen en kunstmatige intelligentie is dat de laatste variant nog niet beschikt over empathisch vermogen en evenmin in staat is creatief te denken. Daarom lijkt de computer vooralsnog geen bedreiging voor beroepen waar intensieve interactie met mensen centraal staat – iets wat ook Ford in zijn boek betoogt. Maar hoe belangrijk ze ook mogen zijn, de interacties tussen mensen (klant en leverancier, patiënt en arts, student en docent) bevatten ook altijd eenvoudiger, repeterende en routinematige elementen. Veel daarvan is in de afgelopen jaren al geautomatiseerd: denk aan het zelf inchecken van passagiers en bagage bij luchthavens, de ontwikkeling van online selfservice bij klantenservice, de opkomst van e-learning en het zelf regelen van bankzaken via apps en websites. Ook het ingewikkelde werk aan de ‘achterkant’ van die interactie – zoals het verwerken van schadeclaims of het opstellen van analyses en adviezen – wordt in toenemende mate geautomatiseerd. Wat overblijft, zijn de interacties tussen mensen waar onvoorspelbaarheid, creativiteit en empathie een rol spelen. Je kunt het ook omdraaien: waar de huisarts nu nog zelf een diagnose stelt, kan hij straks terugvallen op een systeem en wordt zijn taak beperkt tot het tonen van empathie. Totdat kunstmatige emotionele intelligentie zijn intrede doet.

De computer begrijpt wat ik bedoel

Of we het als mens accepteren dat ‘systemen’ onze emoties en intenties gaan begrijpen, is de vraag, maar er wordt in ieder geval aan gewerkt. Watson Engagement Advisor – ja, een telg uit de IBM Watson kwekerij – is in staat in natuurlijke taal te communiceren. Watson heeft daarvoor 300 miljoen Engelse woorden gelezen en begrijpt natuurlijke taal inclusief de nuances. Watson gebruikt bovendien deep learning. IBM stelt dat dit alles voldoende is voor het herkennen van de achterliggende intentie van een vraag, ongeacht hoe die vraag wordt gesteld.

 

kunstmatige emotionele intelligentie

 

In bovenstaand voorbeeld – can I change my flight? – is het de intentie dat de vlucht wordt gecancelled. Watson kan uiteraard veel aanvullende vragen stellen om dichter bij de juiste beslissing te komen – ben je een trouwe klant? Zijn er nog andere zaken om rekening mee te houden? Wat moet Watson bijvoorbeeld doen als de klant meldt dat hij een fervent blogger is? Wanneer Watson tot het inzicht komt dat hij niet alle informatie met voldoende zekerheid kan verwerken, zet hij de vraag door naar een menselijke collega. Watson kan rationeel gezien dus een heel eind komen, maar mist nog wel dat wat hem onderscheidt van mensen: emotionele intelligentie.

De computer begrijpt wat ik voel

Juist in intensieve interacties tussen mensen is empathie een van de belangrijkste zaken om tot het juiste begrip van de ander te komen. Wanneer systemen in staat zijn de juiste ‘emotionele’ informatie te verzamelen – denk bijvoorbeeld aan de ooguitdrukking, spraaksnelheid en volume, lichaamshouding – kunnen ook zij tot een beter begrip komen. Deze tweede tak van sport wordt affective computing genoemd – of kunstmatige emotionele intelligentie. Analistenbureau Markets and Markets voorspelt dat de markt voor affective computing over drie jaar (in 2020) 42 miljard dollar zal omvatten. De belangrijkste toepassingsgebieden: retail, zorg, overheid en defensie; met name op die plaatsen waar informatie moet worden verzameld, waar wordt samengewerkt en waar informatie wordt verstrekt. Tien jaar geleden verschenen de eerste houterige chatbots op het toneel. Virtuele assistenten of chatbots zijn tegenwoordig in staat om op basis van tekst het sentiment in een dialoog met een mens te beoordelen.

Kunstmatige emotionele intelligentie

kunstmatige emotionele intelligentieOp dit moment wordt op Carnegie Mellon University hard gewerkt aan de eerste ‘chatbot met sociaal inzicht’, genaamd SARA. Die naam staat voor Socially-Aware Robot Assistant en SARA is in staat om sociaal gedrag te herkennen in conversaties. SARA verwerkt realtime visuele informatie (lichaamstaal, gelaatsuitdrukking), intonatie, volume en snelheid van de spraak en verbale informatie (spraakherkenning) van de gesprekspartner. Bij het bepalen van de respons wordt er zowel rationeel als sociaal geanalyseerd. Wat is de beste oplossing voor het vraagstuk dat is voorgelegd? En wat is de beste manier om de respons te geven: met welke gelaatsuitdrukking, lichaamstaal en stemgebruik? Daarna wordt de respons via een Natural Language Generation module uitgesproken op een manier die aansluit bij de gesprekspartner.

Software is eating the world

Gaan mensen accepteren dat een robot invoelend gedrag vertoont? De attitude ten aanzien van nieuwe technologie kan snel veranderen zoals dit beroemde filmpje uit 1999 laat zien. De acceptatie van ‘kunstmatige intelligentie met gevoel’ zal afhangen van kwaliteit, geloofwaardigheid en vertrouwen. We zijn de afgelopen jaren al een heel eind opgeschoven van mensen naar machines: denk aan bankzaken (van kasmedewerker tot mobiele app), informatie verzamelen (van bibliothecaris of encyclopedie-redacteur naar internet) en het nemen van aankoopbeslissingen (van letterlijke mond-tot-mondreclame naar klantbeoordeling op een webpagina). We vertrouwen op gegevens op ons scherm in plaats van op het oordeel of vermogen van een levend medemens. En in plaats van ervaringen met echte mensen te delen, delen we data via systemen. Software is eating the world.

Pikant detail is dat de conversaties die nu worden gevoerd in customer service het ideale leermateriaal zijn voor de invoelende robot. Veel van deze gesprekken worden digitaal vastgelegd, inclusief schermhandelingen. Daarnaast wordt vaak aan klanten gevraagd een oordeel te geven over de interactie in de vorm van een klanttevredenheidscijfer. Op deze manier lijken contactcentermedewerkers mee te werken aan de automatisering van hun eigen werk. Wellicht geldt dat straks voor meer beroepen.

De toekomst van facilitaire contactcenters

facilitaire contactcenters
parking bot

Bedrijven maken zich op voor een nieuwe golf aan automatisering. De inzet van virtual reality, kunstmatige intelligentie en chatbots staan daarbij bovenaan de verlanglijstjes, aldus een nieuwsbericht van Oracle. Ook klantcontact gaat de komende tijd opnieuw ingrijpend veranderen. De rol van de live agent wordt niet minder belangrijk, in tegendeel. Maar het volume aan live contacten zal afnemen. Dat zet de businesscase voor outsourcing van klantcontact naar facilitaire contactcenters – de dienstverleners waar bedrijven hun klantcontact kunnen onderbrengen – in een ander perspectief.

Volgens klantcontactexpert Hans Bach ligt de belangrijkste uitdaging van facilitaire contactcenters in het focussen op toegevoegde waarde. Om hun onderscheidend vermogen op peil te houden zullen ze meer moeten doen dan het leveren van betere operationele resultaten. Ook het leveren van innovatieve kracht beschouwt Bach als opdracht. In een analyse in CustomerFirst schrijft hij bovendien dat medewerkers binnen nu en vijf jaar ‘andere dingen gaan doen’ – zoals het goedkeuren van beslissingen die genomen zijn door geautomatiseerde systemen. ICT wordt door Bach vooral gezien als middel ter ondersteuning van agents – bijvoorbeeld in de vorm van realtime monitoring en gespreksanalyse. Hij relativeert dan ook de opkomst van automatisering van klantcontact. Het argument: kunstmatige intelligentie is nog niet in staat is de vraag achter de vraag (de intentie) van de klant te begrijpen.

Hij gaat echter voorbij aan het feit dat veel interacties weldegelijk verder te automatiseren zijn. Met die doorlopende automatisering als een van de leidende trends verwacht ik dat de komende drie jaar zichtbaar gaat worden dat het verdienmodel van facilitairen begint af te brokkelen. Er zijn verschillende trends die duidelijk maken wat de effecten zijn van de digitalisering van interacties op outsourcing.

 

Technologieleveranciers krijgen andere rol

Om te beginnen een uitstapje naar de IT-industrie, waar outsourcing zo ongeveer is uitgevonden. Tot enkele jaren geleden zetten de grote IT-dienstverleners volop in op langdurige en grootschalige contracten met waarden oplopend tot honderden miljoenen dollars. Klassieke outsourcing kwam neer op leveren van diensten voor het beheer van software, werkplekken of infrastructuur, gebaseerd op schaalvoordeel en standaardisatie: ‘your mess for less’. In veel gevallen werd daarbij personeel van de opdrachtgever of vorige dienstverlener overgenomen.

Die tijden zijn echter aan het veranderen. De grote IT-dienstverleners staan voor een grote transformatie. Steeds meer onderdelen van het klassieke portfolio van IT-dienstverleners worden geautomatiseerd: de automatisering van IT. IT-outsourcingcontracten worden steeds korter, meer flexibel en komen vaker in handen van kleinere niche-spelers. Het is niet ondenkbaar dat IBM of Accenture (nu beiden nog circa 375.000 medewerkers) over een paar jaar in omvang gehalveerd zijn. Deze bedrijven zijn dan ook hard bezig met zowel reorganiseren als het opbouwen van nieuwe business, bijvoorbeeld in kunstmatige intelligentie en customer experience.

 

Klantinteractie blijft vatbaar voor automatisering

Die doorlopende automatisering is ook zichtbaar in klantcontact. In de jaren negentig viel de rol van de telefoniste weg door de opkomst van automatische routering (ACD, IVR); daarna kwam online selfservice op, gevolgd door e-commerce. Met de inzet van bots en spraakherkenning wordt opnieuw een deel van de interactie tussen klant en bedrijf geautomatiseerd, wat leidt tot inzet van minder mensen.

Vergelijkbare veranderingen zijn zichtbaar in de retail, waar nu vooral online modellen voor de groei zorgen. In combinatie met fintech ontstaan toepassingen voor frictieloos betalen (geen kassa meer nodig). De digitalisering van klantcontact en transacties schuift steeds meer op in de richting van mobiele, geïntegreerde app-platforms (Facebook Messenger, LINE en WeChat). Binnen WeChat draaien al meer dan 500 bots voor bestellingen, reserveringen, transacties, communicatie, nieuwsvoorziening en entertainment.

facilitaire contactcenters

Kostenbesparing is een van de drivers van verdere digitalisering, maar ook om een andere reden zijn bedrijven gebaat bij uitbreiding van digitale interacties. Ze zijn relatief gemakkelijk te sturen en leveren data op. Dat geldt ook voor live interactie, maar de slag van spraak naar bruikbare business intelligence is voorlopig nog een stuk ingewikkelder.

 

Effecten digitalisering al jaren zichtbaar op arbeidsmarkt

Dat digitalisering in BtC-dienstverlening doorzet, is ook te zien aan de ontwikkeling van werkgelegenheid. In de financiële sector zouden tussen 2014 en 2019 15.000 banen verdwijnen, aldus een analyse van UWV uit 2014. We kennen inmiddels de krantenkoppen over ontslagen bij ABN AMRO en ING. In april 2016 concludeerde werving- en selectiebureau Hays dat van de professionals in de financiële sector 60 procent verwacht dat de werkgelegenheid in de sector verder afneemt. 40 procent van hen denkt zelfs dat in 2030 zijn of haar functie niet meer bestaat. Cloudsoftware en kunstmatige intelligentie worden door 80 procent van de financiële professionals als bedreiging voor de werkgelegenheid gezien.

Ook de reissector is een goed voorbeeld van digitalisering. Tussen 2007 en 2013 daalde het aantal banen in de reissector van 18.740 tot 14.100. Sinds de laatste twee jaar stijgt het aantal banen weer, maar is het accent verschoven naar online marketeers en e-commerce managers. Kortom: het draait ook daar niet om menselijke customer service, maar om IT.

 

Gedrag van consumenten

De tweede trend gaat over het gedrag van consumenten. Volgens KIRC is (wereldwijd) het volume aan live contacten sinds 2014 afgenomen, ten gunste van de volumes aan online selfservice: beide volumes zijn nu even groot. Het gebruik van e-mail (waar medewerkers de afwikkeling verzorgen) daalt geleidelijk; het aantal bedrijven dat het e-mailkanaal ‘sluit’ neemt toe, terwijl app care groeit. 2016 was het jaar waarin (in de VS) het aantal Millennials het aantal babyboomers oversteeg. In ons land ligt de piek van de vergrijzing in 2035; halverwege de jaren 20 van deze eeuw zal het relatieve aandeel babyboomers voor het eerst gaan dalen. Hoewel de kanaalvoorkeuren van consumenten uiteindelijk vooral afhangen van de situatie (en in mindere mate van de leeftijd), zullen jongere generaties zoals Millennials en generatie Z wel steeds zwaarder hun stempel drukken op online interactie.

Ondertussen neemt het aantal mobiele abonnementen toe, net als het aantal interacties. In 2017 zullen er 8,3 biljoen mobiele messages worden verstuurd, waarvan 90 procent gelezen kan worden in minder dan 3 minuten. De helft van de consumenten verwacht tegenwoordig dat bedrijven 24×7 klaar moeten staan om vragen van klanten te beantwoorden. Meer dan de helft (bijna 64 procent) vindt daarbij dat bedrijven bereikbaar zouden moeten zijn via messaging apps. Die tekstgebaseerde online communicatie is het perfecte vertrekpunt voor automatisering.

 

Kosten van klantinteractie

De mogelijkheid om onderscheidend vermogen te realiseren op prijs of product neemt al jaren af. In sectoren als energie, telecom en e-commerce hebben enorme consolidatieslagen plaatsgevonden. Als spelers zoals Amazon of Alibaba de Europese markt voluit gaan bewerken, neemt de concurrentie in e-commerce nog verder toe. Bedrijven kunnen dus vooral het verschil maken in toegevoegde waarde zoals snelheid en kwaliteit van customer service. Omdat in customer service de complexiteit van het live contact doorlopend stijgt (en daarmee de duur en de kosten), blijft de noodzaak om verdere kostenbesparingen door te voeren belangrijk. Dat wat geautomatiseerd kan worden, zal geautomatiseerd worden.

Na IVR’s, online selfservice en e-commerce websites zijn bedrijven nu bezig met de volgende stap in automatisering. De Zweedse bank Swedbank is er in geslaagd 80 procent van alle standaardvragen af te handelen via chatbot Nina, goed voor 30.000 contacten per maand. Omgerekend is dat – afhankelijk van de gemiddelde gespreksduur – 20 tot 30 FTE op maandbasis. TacoBot van Taco Bell is in staat bestellingen volledig zelfstandig af te handelen.

 

Wanneer komt de omslag in facilitair klantcontact?

De totale Nederlandse markt omvat nu ruwweg 87.000 werkplekken; het aantal werkzame personen in de sector is ongeveer het dubbele. Uit het rapport van Hans Bach komt naar voren dat de facilitaire markt nog groeit van 642 miljoen euro in 2016 naar 691 miljoen euro in 2017. De grote vraag is wanneer die groei gaat omslaan als gevolg van veranderende keuzes van hun opdrachtgevers, waarbij technologie – naast medewerkers – een tweede ‘productiefactor’ wordt bij het afwikkelen van contacten. Dat sommige spelers anticiperen, blijkt uit het partnership dat Webhelp recent aanging met Recast.AI.

Mijn indruk is dat alle seinen op groen staan: de consument heeft geen bezwaren tegen chatbots, de technologie is beschikbaar. Het volume aan live contacten zal afnemen, en het verwerken van minder calls met een hogere complexiteit vraagt om een hoger opleidingsniveau en meer training. Dat staat haaks op het businessmodel van facilitairen – schaalvoordeel gebaseerd op standaardisatie. Tel daarbij op het streven van bedrijven naar innovatie, versnelling, customer centricity en een betere aansluiting op interne IT- en dataprocessen. Al deze ontwikkelingen zullen elkaar de komende tijd gaan versterken. De snelheid waarmee bedrijven op deze ontwikkelingen inspelen, zal bepalend zijn voor de toekomst van de klassieke, grootschalige facilitaire contactcenters. Dat ze in omvang zullen afnemen en door een transformatie heen moeten, staat vast.

Een goed gesprek van mens tot robot

dsc00040We praten wat af in ons leven. Een van de belangrijkste (en ook meest ingewikkelde) dingen die een mens kan, is communiceren. We hebben hiervoor de beschikking over sociale vaardigheden, verbale uitdrukkingsvaardigheid (woordenschat, grammaticale kennis) en invoelend vermogen (om taal van een ander, maar ook de non-verbale communicatie te begrijpen). We herkennen ook gezichten, zodat we iemand als persoon kunnen plaatsen: onze leidinggevende, ons kind, onze vrienden. Er is voor mensen weinig reden om die communicatie te automatiseren, al zijn er ouders die hun kinderen toevertrouwen aan ‘connected‘ speelgoed waarmee ze interactie kunnen aangaan.

Voor bedrijven ligt dat anders. Zij automatiseren graag zo een zo groot mogelijk deel van de interactie met klanten. Verschillende wetenschappers en softwareontwikkelaars zijn met bezig om de afzonderlijke bouwstenen van menselijke communicatie te vatten in algoritmen en geautomatiseerde systemen. Wat heb je nodig om een goed gesprek te voeren met een computer of robot?

Spraakherkenning

Allereerst moet de computer menselijke, natuurlijke taal kunnen herkennen. Deze technologie is inmiddels goed doorontwikkeld. Computers kunnen gesproken tekst vrijwel net zo goed omzetten in geschreven tekst als professionele transcribeerders. Dat spraakherkenning goed werkt, kan je testen met Siri of Google’s assistent op je eigen smartphone of de demo van Google’s Deepmind. De ‘last mile’ is echter nog lastig. Het gaat daarbij om het begrijpen van context, maar ook om het correct plaatsen van punten en komma’s. Spraakherkenning zou wellicht verbeterd kunnen worden als het gecombineerd wordt met systemen die liplezen.

Liplezen is voor mensen een flinke uitdaging. Een geoefende professional komt niet verder dan 60 procent correcte herkenning. LipNet, een systeem ontwikkeld door wetenschappers van Oxford University, haalt 93 procent accuratesse. De ontwikkelaars zien onder andere mogelijkheden op het vlak van ‘stil dicteren’, maar stellen ook dat spraakherkenning er verder mee verbeterd kan worden. LipNet werd getraind met bijna 29.000 video’s, gecombineerd met de juiste tekst. Het algoritme kan analyseren tot op losse letters. LipNet werd onder meer gefinancierd door DeepMind, de kunstmatige intelligentie-tak van Google.

Met wie spreek ik? Gezichtsherkenning

Gezichtsherkenning bestaat al geruime tijd. Het wordt bijvoorbeeld toegepast bij de douane van Schiphol voor identificatiedoeleinden. In de selfserviceomgeving van de luchthaven wordt nu al de scan van het paspoort vergeleken met het portretbeeld van de passagier, maar Schiphol wil nog een stap verder gaan en gezichtsherkenning uitbreiden over het gehele traject van vertrekhal tot in het vliegtuig.

Het herkennen van emoties
Robot Han van Hanson Robotics
Robot Han van Hanson Robotics

Emoties spelen een belangrijke rol in beslisprocessen van mensen. Interessant dus voor bedrijven die iets willen verkopen. Dat begint al bij marketing, wat probeert in te spelen op ons gevoel. Bij het beslissen over een aankoop worden moties en rationele afwegingen tegen elkaar afgezet. Wanneer een systeem de emotie van een klant kan herkennen, ben je al halverwege de portemonnee van die klant. In 2012 werden de eerste veelbelovende resultaten geboekt met een algoritme waarmee de computer de vorm van de mond van een computergebruiker kan koppelen aan de emoties (geluk, verdriet, angst, woede, walging en verbazing) die de gebruiker voelt. Het algoritme was zelflerend: het werd beter naarmate er meer voorbeelden werden aangereikt.

Volgens de analisten van MarketsandMarkets wordt er ook nu nog steeds veel geld in technologie voor emotiedetectie gepompt: 22 miljard dollar tot 2020. Bedrijven doen hun best om systemen te ontwikkelen die emoties kunnen aflezen van gezichten. Emotient werd begin dit jaar overgenomen door Apple – het zou zo maar kunnen dat je iPhone over een tijdje naar je gezicht kijkt en dat Siri bij het beantwoorden van je vragen rekening houdt met je gemoedstoestand.

Microsoft biedt een emotie-API aan, waarbij de API boosheid, zorgen, afgrijzen, angst, blijdschap, verdriet en verrassing gewogen kan beoordelen. Deze API kan je zelf testen door een foto te uploaden. Het idee achter de API is dat de uitkomst (de waarschijnlijkheid dat een bepaalde emotie aan de orde is) als input voor een ander systeem kan worden gebruikt. Er zijn nog tientallen andere oplossingen ontwikkeld voor emotie-detectie. Een daarvan is Affectiva, een oplossing die aan de hand van camerabeelden van oogopslag en wenkbrauwen op basis van machine learning real time emoties kan benoemen. De software wordt onder andere gebruikt door game developers en filmmakers om de beleving van de gebruiker verder te personaliseren.

Informatie uit emoties kan ook via spraakherkenning worden geanalyseerd. Spraaktechnologie kan behoorlijk goed overweg met de vier basis-emoties (boos, blij, bang en bedroefd) door te kijken naar een groot aantal eigenschappen van de spraak, waaronder toonhoogte, intonatie, tempo en volume.

Het kunnen vertonen van empathisch gedrag is met al deze technologie nog niet gerealiseerd. Daarvoor is empathie te complex: een systeem kan bijvoorbeeld nog geen onderscheid maken tussen een grapje, sarcasme of cynisme. Empathie is voor een groot deel ook cultureel bepaald. Het staat onder invloed van religie, land en taal.

Impliciete kennis en begrip van de context

Waag het niet een persoonlijke vraag aan Siri of een andere assistent te stellen – ‘Wat vind je dat mij beter staat, een hoed of een pet?’ of ‘Waarom ben ik altijd te laat voor mijn afspraken?’. De virtuele assistenten kunnen alleen overweg met de informatie die door de ontwikkelaars wordt aangeboden of ontsloten. Toen Watson de kennisquiz Jeopardy won, beschikte dat systeem over een extreem uitgebreide dataset. Zo’n dataset blijft echter expliciete kennis (denk aan het internet of een gesloten database zoals alle medisch-wetenschappelijke literatuur) die bovendien actueel moet worden gehouden.

Voor zinvolle persoonlijke interacties is ook impliciete kennis nodig. Die categorie kennis zit alleen in hoofden van mensen. Ook hebben kunstmatige intelligentie-systemen veel moeite met ambigue informatie. Het voorbeeld dat Arjan van Hessen aangeeft (Jan ziet Marie met een verrekijker) is een mooi voorbeeld. Een systeem zal ambigue zinnen moeten herkennen en in staat moeten zijn de juiste contextuele informatie te vinden (of op te vragen aan de gebruiker).

De sprekende computer: text-to-speech

Tot slot: een computer die je verbaal wilt laten communiceren met mensen, zal zelf ook tekst naar spraak moeten kunnen omzetten. Ook deze spraaksynthese-technologie is enorm verbeterd. Waar voorheen met blokjes spraak werd gewerkt (waardoor een sprekende computer nogal kunstmatig en houterig over kwam) worden nu veel kleinere eenheden geanalyseerd, gecodeerd en gebruikt om spraak te produceren.

Op weg naar de uncanny valley

De oplossing die alle bovenstaande technologieën weet te combineren in bijvoorbeeld een robot met een levensecht uiterlijk, een goede motoriek en realistische gelaatsuitdrukkingen, komt dicht in de buurt van Westworld. Het is niet ondenkbaar dat over een paar jaar het onderscheid tussen mensen en robots – bijvoorbeeld bij toepassing van videoconversaties – op het eerste oog moeilijk te maken is. Naarmate het verschil tussen robots en mensen kleiner wordt, komt de ‘uncanny valley‘ steeds meer op de voorgrond: een afkeer van robots, omdat ze te veel menselijke trekjes krijgen.

Big data in customer service (2): wat kan customer service met big data?

Is de NPS lager als het buiten regent en er een griepgolf heerst? Zijn vrouwen meer empathisch aan de telefoon dan mannen? Kopen hondenbezitters eerder iets van agents die ook een hond hebben? Data genoeg op het doorsnee contactcenter. De ACD-rapportages, verkeersrapporten, het CRM-systeem, quality monitoring-informatie, WFM- en HR-systemen, ERP-systemen…. En dan hebben we het nog niet eens gehad over alle externe bronnen: van social media tot en met webbezoek.
Iedere bron heeft zo zijn eigen gebruiksdoel, het geheim van big data is het combineren van verschillende datasets. Het aantal voorbeelden van zinvol gebruik van big data in customer service is nu nog beperkt, maar er gloort licht aan de horizon.

Big data is vooralsnog een marketingfeestje

Marketing en service hangen nauw met elkaar samen en in veel gevallen gaat de inzet van big data in een customer service omgeving dan ook vooral over marketing. Eerder schreef ik op Toii over de inzet van big data bij bol.com. Deze online winkel werkt (tot nu toe) uitsluitend met bedrijfsgegevens en laat ongestructureerde data (zoals social media en bezoek aan andere sites dan die van bol.com) bewust links liggen. Voor bedrijven die wel externe data mee willen nemen, liggen er kansen om aan de hand van verschillende variabelen bijvoorbeeld bezoekersaantallen of aankoopgedrag te voorspellen. Denk aan informatie over weersomstandigheden, tijd van het jaar, persoonskenmerken en -voorkeuren en feitelijk gedrag van concurrenten. Zo kunnen analytics worden ingezet voor het bepalen van bijvoorbeeld openingstijden van webshops, maar ook voor inkoop. Dat laatste doet Albert Heijn met bevoorrading (mooi weer opkomst? Extra hamburgers in de schappen) of met gepersonaliseerde marketing via relevante, individuele aanbiedingen aan klanten.

Wat zijn interessante vragen voor customer service?

Het heeft geen zin in een bak met data te gaan zoeken naar zinvolle informatie als je niet weet wat je zoekt. Ook voor customer service geldt: het begint bij een relevante vraag. Voor grootschalige customer service operaties kan het interessant zijn meer vat te krijgen op forecasting en planning. Nog niet zo lang geleden had de Amerikaanse luchtvaartonderneming Delta te kampen met een wereldwijde computerstoring. Herhaling van zo’n drama is niet uit te sluiten en ik denk dat veel concullega’s wel zouden willen weten volgens welke patronen het verkeer in zo’n situatie zich opbouwt. Een vergelijkbare vraag kan je stellen over de impact van grootschalige storingen op NPS, winst en omzet.

Voorspellen van verkeer en gedrag

Ook voor grotere virtuele contactcenters, ook in uitbestede varianten, kan het interessant zijn te weten welke krachten het volume aan interacties opjagen. Persoonlijk zou ik wel willen weten wanneer de routers van internetserviceproviders technisch gesproken hun end-of-life bereiken en welke factoren dit proces versnellen. Dat soort vragen zijn interessant voor alle technische producten die op grote schaal verkocht worden, want ze beïnvloeden de gehele customer experience keten van contactcenter tot logistiek. Denk aan automotoren, computers of smartphones van een bepaald type.

En als grotere ziektekostenverzekeraars slim zijn, hebben ze al lang uitgezocht welke variabelen er voor zorgen dat klanten (tegen het einde van het jaar) gaan bellen. Ik denk dat customer service managers als ze een beetje hun best doen, ze ook nog wel andere interessante vragen kunnen formuleren – waarvan een deel waarschijnlijk tegen marketing aanleunt.

Big data is… de juiste vragen stellen
big data
Thai Young Kim

Data is geen informatie en zelfs analytics levert alleen informatie op als er goede vragen worden gesteld. Samsung is overtuigd van de kracht van data. Sterker nog, alle beslissingen bij Samsung moeten op data zijn gebaseerd, aldus Thai Young Kim, Senior manager of Logistic Innovation bij Samsung. De elektronicagigant is steeds meer afhankelijk van e-commerce. In 2014 kocht 15 procent van de inwoners van de EU (28 landen) online producten geleverd door aanbieders uit het buitenland. Het bedrijf wilde daarom weten van welke factoren de acceptatie van tarieven voor express delivery afhangt in de (grensoverschrijdende) Europese markt voor e-commerce. Die tarieven zijn (vanuit kostenperspectief) uiteraard van invloed op de marge van Samsung, maar ook van invloed op de conversie en dus op de omzet.

40.000 transacties analyseren

Samsung betrok in samenwerking met de Erasmus Universiteit in een big data analyse van 40.000 transacties allerlei variabelen: orderfrequentie, orderomvang, frequentie van herhaalaankopen en zaken die van invloed zijn op de vraag naar express levering, zoals besteedbaar inkomen en logistieke kosten. Verderaf gelegen leveradressen gaan gepaard met hogere kosten voor een express-levering en het is interessant om te weten waar het kantelpunt ligt, maar ook wat de vervolgeffecten zijn als je als leverancier (via de tarifering) investeert in express delivery. De uitkomsten lieten zien dat express delivery een gunstige invloed heeft op de financiële performance van Samsung. Express delivery leidt tot meer orders, een grotere orderomvang en meer herhaalaankopen, zo kon op basis van alle verschillende data worden aangetoond. Naarmate het besteedbaar inkomen van de klant hoger was, nam de kans op het bestellen met express delivery toe.

E-learning optimaliseren met big data

Een andere toepassing van big data in customer service ligt in e-learning. Daarbij worden data-analyses ingezet om te bepalen wat de trainee in de toekomst nodig heeft op basis van huidige performance en gebruik van een e-learning omgeving. Er wordt dan gebruik gemaakt van de gebruiksduur van modules, oefeningen en geboekte resultaten, maar ook van commentaren van docenten. Dit maakt het mogelijk e-learning verder te personaliseren. Met predictive analytics kan het programma worden afgestemd op individuele leerstijlen en tijdschema’s. Hiermee ontstaan intelligente educatieve programma’s met een maximale impact op de organisatie en de medewerker.

Er komen nieuwe databronnen op het contactcenter af

big dataDe komende tijd zal customer service steeds vaker te maken krijgen met data van connected apparaten – denk aan de connected koelkast van Samsung of de connected tandenborstel van Philips. Naast elektronica gaat het ook om sensoren in auto’s en huizen (zoals de smart energiemeter, de connected car of de connected autoverzekering) die verschijnselen waarnemen in de omgeving. Deze data geven inzicht in feitelijk gedrag (en dat is iets anders dan uitbreid klanttevredenheidsonderzoek, waarin je naar meningen vraagt) en in dat opzicht is de informatie vergelijkbaar met bijvoorbeeld verbruiksgegevens. Dat vergroot de mogelijkheden van customer service om klanten gericht te helpen en te up- en cross sellen.

Bedrijven kunnen deze informatie zelf combineren met andere bedrijfsdata – denk aan gegevens uit enterprise software systemen voor financiële transacties, aankoopgedrag, websitegedrag, logistieke processen, klant- en onderzoeksgegevens, respons op campagnes en productinformatie. En bedrijven kunnen aanhaken op datasets van onderzoeksinstellingen zoals het CBS en SCP. En tot slot zijn er de user generated data – gegevens afkomstig van klanten (social media posts, sociale connecties, ratings, geo-locatie, communicatie, meningen en voorkeuren en activiteiten). De organisatie die als eerste creatief met big data weet om te gaan en bruikbare informatie weet te destilleren uit combinaties van datasets, kan een voorsprong creëren door bijzondere kennis over klanten en consumenten op te bouwen.

big data

 

Dit is deel 2 van een tweeluik over big data in customer service. Lees hier deel 1 over big data. Beide blogs werden eerder gepubliceerd op Klantcontact.nl.

Callcenter in de zorg: hub voor verdere vernieuwing

Bereikbaarheid van ziekenhuizen? Dat gaat vooral over hoe je er per auto of OV kunt komen. Bellen, mailen, Twitteren of WhatsAppen, dat is een ander verhaal. Het verbeteren en vernieuwen van de dienstverlening aan patiënten staat nog in de kinderschoenen. Oorzaken: gebrek aan kennis over dienstverleningsconcepten, weerstanden bij zorgverleners om het werk anders (en slimmer) te organiseren. Het is toch veel leuker om onder vakgenoten de show te stelen met nieuwe medische technologie?

zorgkostenHet betaalbaar houden van ons zorgstelsel is een grote uitdaging. De zorguitgaven  in de jaren 2013, 2014 en 2015 zijn volgens het CBS minder sterk toegenomen dan in de vijftien jaar daarvoor en dat is goed nieuws. Innovatie in de zorg is een van de manieren om de kosten te beheersen. Zorginnovatie is tot nu toe echter vooral gericht op de medische kant. Er wordt veel geïnvesteerd in medische technologie (gericht op de behandeling van patiënten) en in toenemende mate in e-health – denk aan wearables, zorg op afstand en de toepassing van big data.

Anders organiseren is uitdaging

Anders werken en dus anders inrichten van processen rondom de patiënt – de sociale kant van innovatie – blijft dan ook onderbelicht. Daarbij kan je denken aan de zorglogistiek (inplannen van medisch personeel, organiseren van ondersteunende processen zoals bedden en catering), maar ook aan patiënten-logistiek: het informeren van patiënten, het inplannen van behandelingen, en het integreren van (self)service en zelfzorg. Vernieuwing op dat vlak leidt vaak tot het veranderen en verschuiven van taken en dat is een heet hangijzer in de zorg. Toch is deze sociale kant van zorginnovatie onvermijdelijk. Zorginstellingen krijgen te maken met schaalvergroting (als gevolg van het overheidsbeleid dat gericht is op centralisatie), met een mondiger patiënt (onder meer door toenemende transparantie als het gaat om de kwaliteit van zorg), met meer marktwerking en een grotere data-intensiteit (door de inzet van e-health en selfservice).

Inzetten op customer experience

In de huidige zorgmarkt is het van groot belang dat ziekenhuizen een goede marktpositie weten te bemachtigen. Ziekenhuizen moeten daarvoor goed presteren op kwaliteit, doelmatigheid en efficiëntie. Tegelijkertijd moeten ziekenhuizen ervoor zorgen dat ze patiënten aantrekken, door te zorgen voor uitstekende patiëntervaringen, een positief imago en een uitmuntende reputatie.

Bij patiëntgerichte ziekenhuizen is de kwaliteit van de zorg hoger en wordt er doelmatiger en kosteneffectiever gewerkt. Bovendien kunnen patiëntgerichte ziekenhuizen beter concurreren dan minder patiëntgerichte ziekenhuizen, aldusonderzoek- en adviesbureau DVJ Insights. Het ene ziekenhuis is echter veel klantvriendelijker dan het andere, zo blijkt uit onderzoek van DJV Insights onder 2600 patiënten van 28 grote ziekenhuizen. “We zijn het jaarlijkse onderzoek gestart (2016 is een nulmeting) omdat de meeste bestaande onderzoeken, naar patiëntervaringen, met uitzondering van de CQI-ziekenhuizen, zich voornamelijk richten op de medische processen en behandelingen. Bovendien wilden we weten in hoeverre de patiëntgerichtheid van ziekenhuizen afwijkt van de klantgerichtheid in andere bedrijfstakken.” DVJ Insights heeft naast de bijna 3.000 patiënten-ervaringen meer dan 20.000 klantervaringen verzameld in andere bedrijfstakken. Hieruit blijkt dat ziekenhuizen op een 4e plek staan ten opzichte van andere bedrijfstakken. Hiermee laten ziekenhuizen onder anderen banken, verzekeraars, energiebedrijven en netbeheerders achter zich, maar kunnen ziekenhuizen nog veel leren van de klantgerichtheid bij reisorganisaties, autodealers en webwinkels.

Innovatie in dienstverlening

In een artikel over innovatie in de dienstensector in de digitale wereld stelt McKinsey dat de customer service processen van bedrijven onder toenemende druk komen te staan. Digitale disruptie wordt genoemd als een van de oorzaken: nieuwe spelers bieden innovatieve, klantvriendelijke alternatieven voor de dienstverlening die de gevestigde bedrijven bieden. Voorbeelden van deze nieuwe spelers zijn Uber en Zipcar in het transport en Airbnb in hotels en horeca. Voor veel gevestigde partijen is verandering erg lastig, als gevolg van legacy in zowel systemen als in de cultuur. Het resultaat is vaak dat bestaande bedrijven zich tevreden moeten stellen met incrementele stappen, ook als het gaat om het verbeteren van de service. In het McKinsey artikel “Service innovation in a digital world” worden drie succesfactoren aangewezen als voorwaarde voor een winnende aanpak:

  1. een focus op service innovatie die gelijkwaardig is met de aandacht voor product R&D
  2. aandacht voor personalisatie en selfservice
  3. aandacht voor het vereenvoudigen (en/of het automatiseren) van (service)processen.

Bedrijven die hun serviceprocessen willen vernieuwen, moeten rekening houden met vier opkomende trends: hogere verwachtingen van de klant, mobiel internet, big data analytics en The Internet of Things.

dsc_1461De patiënt verandert

Ziekenhuizen zullen moeten voorsorteren op veranderende voorkeuren van patiënten. Hoewel de grootste groep patiënten nog graag de telefoon pakt, zullen online kanalen de komende jaren in belang toenemen. Instellingen die hun klantcontact niet centraliseren, krijgen straks bij ieder afsprakenbureau te maken met multichannel klantcontact. Of in termen van patiëntenzorg: de patiënt mailt, belt, appt en twittert. De komende jaren komt daar wellicht informatie van e-health devices bij, zoals wearables die de hartfunctie of bloedsuikerspiegel monitoren. Daarnaast neemt de concurrentie geleidelijk toe. In de zorgsector zijn het met name de huisartsen die een beslissende stem hebben bij het doorverwijzen naar een instelling of ziekenhuis. Wanneer zij de ervaring hebben dat ze niet gemakkelijk met specialisten in contact kunnen komen, zullen ze een patiënt eerder naar een beter presterende instelling doorverwijzen, aldus adviesbureau BRW.

Hoe gaan ziekenhuizen om met klantcontact?

Nederland telt acht universitaire medische centra, 83 algemene en 22 categorale ziekenhuizen, volgens Stichting Dutch Hospital Data. In een flink deel van deze 113 ziekenhuizen is een KCC nog geen vanzelfsprekendheid, vertelt Emile Elsbeek in een interview met vakblad CustomerFirst. Er zijn in de regel evenveel telefoonnummers in de roulatie als poli’s. Assistenten van poliklinieken doen aan multitasking: ze bedienen medici, balie, telefoon, handelen de afspraken af en maken tot slot vervolgafspraken. Klantcontact is doorgaans decentraal ingericht, aldus Elsbeek. Daardoor gaat niet alleen veel efficiency verloren, maar wordt ook naar schatting 15-30 procent van de calls gemist.

vumc-polikliniek-heelkunde
VUMC polikliniek heelkunde (2007)

Het adviesrapport dat VUMC heelkunde in 2007 liet opstellen, laat zien hoe groot de chaos en achterstanden in dienstverlening ooit waren. Hoewel deze gegevens bijna tien jaar oud zijn, laten ze zien dat een aanzienlijk deel van de telefoontjes van patiënten niet werd aangenomen. De opstellers van het rapport kwamen met deeloplossingen die de situatie moesten verbeteren, maar er werd niet gepleit voor centralisatie van het telefonisch patiëntencontact.

Klantcontact in de zorg: stand van zaken

Is tien jaar later dit beeld veranderd? Verschillende instellingen, waaronder het Groene Hart Ziekenhuis, het Vlietland Ziekenhuis, Bergman clinics en het Spijkenisse Medisch Centrum van Loek Winter zijn met een KC gaan werken. Het Zaans Medisch Centrum was een van de voorlopers op het vlak van vernieuwing van het klantcontact. Het ZMC opereert al enkele jaren met een klantcontactcenter, in nauwe samenwerking met de verschillende poli’s die sinds 2011 allemaal zijn aangesloten. Voor die periode lag de telefonische bereikbaarheid rond de 70 procent. Tegenwoordig scoort het ZMC 96 procent op telefonische bereikbaarheid, en zijn de wachttijden geslonken tot minder dan een halve minuut. 80 procent van de gesprekken (ten tijde van de implementatie gemiddeld 6000 per week) wordt binnen 40 seconden afgehandeld.

dsc_2200Het Ommelander ziekenhuis werkt sinds 2012 met een algemeen en een medisch KCC. Medewerkers die nu in het Klant Contact Centrum Medisch werken, waren eerder werkzaam bij de poliklinieken en de medewerkers die nu in het Klant Contact Centrum Algemeen werken, werkten voorheen bij de receptie. Voorheen kreeg de patiënt als hij het ziekenhuis probeerde te bereiken, vaak te maken met een in-gesprek toon en moest de patiënt zelf opnieuw bellen. De bereikbaarheid van het ziekenhuis is flink verbeterd. Doordat de medewerkers intern aangenomen zijn, is heel veel kennis behouden gebleven. Daarnaast hebben de medewerkers van de poliklinieken meer tijd voor de patiënten die in het ziekenhuis aanwezig zijn. Ook Isala boekte goede resultaten: betere bereikbaarheid tegen lagere kosten.

Het Flevoziekenhuis in Almere startte in 2011 met een pilot-telefooncentrum voor twee poli’s, die op dat moment een bereikbaarheid hadden van circa 60 procent. Enkele jaren later was die verbeterd en werden de andere (in totaal 20) poliklinieken aangesloten. Het Gemini-ziekenhuis in Den Helder worstelde tot 2009 met een gebrek aan managementinformatie over de bereikbaarheid, maar het gevoel daarover in 2009 was ‘slecht’. Het ging in 2010 van start met een KCC. En tot slot heeft Rijnstate in 2012 via een pilot een begin gemaakt met het opzetten van een KCC. In 2015 was het operationeel.

KCC is geen doel, maar een middel

Instellingen die het klantcontact willen verbeteren, kiezen steeds voor het centraliseren van het klantcontact: het wordt weggehaald bij de poliklinieken en gebundeld in een nieuwe omgeving die wordt bezet door herplaatste medewerkers met de juiste domeinkennis. De aanleiding is steevast het verbeteren van de bereikbaarheid. Dat is een goede stap, maar het komt wel neer op klantcontact 1.0 ofwel het opzetten van een belfabriek. Geen wonder dat KCC-projectteams op weerstanden bij artsen en paramedisch personeel stuiten. Ook Pieter Paul van Oerle (Accenture) herkent dit probleem: “In andere sectoren zie je dat radicale verandering volledig doordringt. Kijk maar naar Uber en Airbnb. Zij zijn zowel goedkoper als kwalitatief beter. In de zorg zien we veel minder disruptieve innovatie. Verzekeraars, ziekenhuizen en patiëntengroepen oefenen allemaal invloed uit en dat werkt vertragend.”

Het optuigen van een KCC moet dan ook niet worden gezien als een eindstation, maar als het oprichten van een hub waar straks alle communicatie tussen patiënten, instelling, medisch personeel en andere ketenpartners tezamen komt. Een KCC is, net als in het bedrijfsleven, de plek waar de customer journey wordt begeleid: waar interactie (dialoog, overleg, communicatie), transacties en data (afspraken, informatieverzoeken, monitoring en zorg op afstand) bijeenkomen. Kortom, het is een noodzakelijk platform voor verdere innovatie in de zorg.

Big data in customer service (1): veel data, weinig informatie

Net als andere technologiehypes (cloud, internet of things, robots en kunstmatige intelligentie) wordt big data vaak gepresenteerd als een soort wondermiddel. Begrijpelijk, want de hoeveelheid data die bedrijven opslaan, neemt exponentieel toe en dat leidt vanzelf tot de vraag wat ze er mee kunnen. De komende decennia worden data het nieuwe kapitaal. Zinvol en effectief gebruik van big data is een heel ander verhaal. Deel 1 van een tweeluik.

Uit het laatste Big Data Survey-onderzoek van GoDataDriven en Big Data Expo blijkt dat de inzet van big data in Nederlandse bedrijven in de praktijk nog tegenvalt. Het is niet dat het ontbreekt aan data: bedrijven met klantcontact beschikken over bijvoorbeeld CRM, web-statistieken en marketingdata vanuit e-mails en afrekensystemen. Data uit andere bronnen, zoals tekst, beeld en geluid, worden echter nog maar weinig ingezet. En als bedrijven al iets doen met hun gegevensberg, blijft het hoofdzakelijk beperkt tot analyse achteraf. De brede inzet van realtime en predictive toepassingen laat nog op zich wachten, aldus de onderzoekers. Ook Michel van de Velden (Universitair hoofddocent aan het Econometrisch Instituut van de Erasmus School of Economics) constateerde tijdens een seminar over big data toepassingen dat wanneer zijn studenten voor een data-gerelateerde stage in een bedrijf rondlopen, zij zien dat er maar weinig met big data wordt gedaan.

Databerg groeit snel, toepassing groeit langzaam

De meeste bedrijven hebben er moeite mee om van big data meer te maken dan ‘klassiek marktonderzoek’. Boston Consulting Group (BCG) stelt vast dat big data in customer service en marketing zeer geleidelijk zijn intrede doet. Bedrijven doorlopen volgens BCG vier stadia in het werken met ‘customer insights’ – het gebruik van big data om klantgedrag te sturen en te voorspellen.

big data

De benchmarkstudie van BCG uit 2015 laat zien dat maar 20 procent van de onderzochte bedrijven in fase 3 en 4 verkeert. Zelfs als bedrijven veranderingen doorvoeren, zoals het introduceren van nieuwe functies en competenties die bij fase 3 horen (advanced analytics, digital- en social media monitoring) lopen ze in een valkuil: ze houden de klassieke benadering van marktonderzoek aan. Dat betekent volgens BCG in de praktijk dat er gebrek aan support vanuit de top is, dat er beperkt mandaat en budget is en dat er weinig met de business wordt samengewerkt. Bovendien worden de data-analisten zelden afgerekend op ROI. Wel ziet BCG dat big data vraagstukken meer en meer op het bordje van de CMO komen te liggen en weg worden gehaald bij de CEO.

Big data is nutteloos zonder goede vraag

Data is het nieuwe goud, maar met alleen data kom je er niet. De inzet van big data begint bij een goede dataset en het formuleren van een goede vraag. Het idee dat big data bij uitstek geschikt is om patronen of correlaties op te sporen (die je vervolgens kunt monetariseren) roept vaak ergernis op bij wetenschappers, aldus Michel van der Velden. Basale fout: correlaties worden vaak verward met causale verbanden. Zo is er een hoge correlatie (98 procent) tussen het uitkomen van films waarin Nicolas Cage speelt en het aantal verdrinkingen in zwembaden, maar een oorzakelijk verband is nooit aangetoond.

big data

Zelfs als je een causaal verband vindt (waarbij de ene variabele veranderingen in de andere variabele veroorzaakt), is het de vraag of een (significant) bewijs voldoende praktische waarde heeft. Het komt vaak voor dat onderzoeksresultaten significant zijn, maar dat allerlei onderliggende aannames discutabel zijn. Een dataset levert niet altijd bruikbare informatie op.

Meer data is beter?

Op de tweede plaats wordt big data vaak geassocieerd met ‘meer data is beter’. Meer data wekt de suggestie dat beslissingen betrouwbaarder worden. Je kunt met meer data onder andere kleinere verbanden aantonen, maar ook hier geldt de vraag of ze altijd nuttig zijn. Bedrijven staan weinig stil bij de vragen welke data relevant zijn en wat de beperkingen zijn omdat analisten bepaalde data juist niet bezitten.

Toch is ‘meer data’ een van de kerneigenschappen van big data. Je spreekt van big data als de dataset(s) te groot zijn om met normale databaseprogramma’s te verwerken. Bij big data speelt ook mee dat er met verschillende soorten data tegelijk wordt gewerkt: verschillend qua bron, soort, kwaliteit en complexiteit. Ook de snelheid waarmee de data binnenkomen of verwerkt worden, bepaalt of je te maken hebt met big data.

Klassieke valkuilen

Big data wordt zoals gezegd snel verward met klassieke analyse van datasets. Vliegmaatschappij Southwest gebruikt bijvoorbeeld spraakanalyse van klantgesprekken om op customer service verbeteringen door te voeren. Die dataset – alle realtime conversaties met alle klanten – klinkt natuurlijk als een goudmijn, maar als het alleen gaat om de conversaties en daar geen andere context (andere datasets) aan wordt toegevoegd, blijven de echte gebruiksmogelijkheden beperkt.

Bankbedrijf RBS wil graag weer een situatie creëren waarin de bank – net als in de jaren 70 – een goede relatie heeft met haar klanten. Er werd 100 miljoen pond geïnvesteerd in een programma waarin 800 analisten werkzaam zijn. Eerdere pogingen van de bank om aan datadriven marketing en service te doen kwamen neer op segmenteren en push marketing – daarbij de wensen van de klant over het hoofd ziend. De analisten hebben nu op basis van data-analyses onder meer dubbelingen in het verzekeringsportfolio in kaart gebracht. Verder vertelt de bank trots dat ze nu kunnen acteren op de verjaardag van de klant. De bank erkent dat er nog de nodige stappen moeten worden gezet in de uitrol van haar big data strategie.

herzOok autoverhuurder Herz wordt opgevoerd als een big data succesverhaal. Het bedrijf is actief in 140 landen en zit op een berg aan data van e-mails, tekstberichten en online vragenlijsten. Met die data zou Hertz beter in staat zijn te weten wat de klanten willen en beweert het bedrijf bovendien de relatie tussen manager en klant te kunnen verbeteren. De resultaten die Hertz boekte, waren primair gericht op het verbeteren van processen gericht op managementinformatie. Voor de customer journey heeft de inzet van big data nog niets opgeleverd: boek online een auto bij Hertz, en haal daarna de auto op. Het eerste wat je dan moet doen is wachten tot dat de medewerker alle informatie opnieuw heeft ingevoerd; daarna moet je wachten totdat iemand de auto klaarzet. Er wordt geen rekening gehouden met eerdere transacties of voorkeuren. Het bestellen van een ouderwets boek bij bol.com gaat slimmer en sneller.

In het volgende deel van dit tweeluik ga ik in op big data kansen voor customer service.

Dit artikel is eerder gepubliceerd op Klantcontact.nl

Praten met slimme spullen

Wanneer we zaken doen met bedrijven, nemen systemen een steeds groter deel van de interactie voor hun rekening. Met het Internet of Things worden daar ‘de dingen’ aan toegevoegd. Gaan slimme spullen naar ons luisteren?

Mijn koelkast geeft een piepje als de deur te lang open staat. Maar hij heeft geen idee of ik te lang sta te turen (wat moet er in huis komen?) of dat ik de deur niet goed sluit. Het cliché van de connected koelkast is dat hij zelf proviand bestelt tegen de tijd dat voorraden dreigen op te raken. Maar wie zet de spullen in de koelkast? En houdt de koelkast ook rekening met mijn agenda, namelijk of ik met vakantie ga, of dat ik komende week bezoek krijg dat blijft eten? De afgelopen decennia heeft de koelkast zich niet echt ontwikkeld. Hij luistert niet naar mensen en hij begrijpt ze evenmin.

Slimme spullen zijn er in drie smaken.

Systemen gericht op transacties, zonder intelligentie. Denk aan de geldautomaat, de parkeerautomaat, de OV-chiplezer. Ze maken geen verbinding met het web met het doel daar informatie te selecteren en deze vervolgens aan te bieden. Ze doen dus ook niets met actuele informatie. De OV-chipkaartlezer verwerkt je check-in ook als er door een staking geen treinen rijden. Ze gaan geen interactie aan.

Software die vragen kan afwikkelen met behulp van het internet. De vraag is te zien als een transactie (bel Piet, bestel een pizza, wat is het weer in Amsterdam): de beantwoording komt neer op het combineren van gegevens. Het meest armoedige voorbeeld is de assistent op je smartphone (Siri, Cortana, Google Now, Hound) die je als antwoord op je vraag verwijst naar een website van Google, of naar een contact uit je contactenlijst. De meest bekende virtuele assistenten zijn Siri en GoogleNow. Siri (Apple) luistert sinds een jaar ook naar de Nederlandse taal, maar reageert alleen op de uitspraak “Hey Siri” als het Apple-apparaat aan het opladen is of als je de ‘home’-knop indrukt. Google Now reageert altijd op het commando “OK Google”. Beide assistenten kunnen nog weinig regelen, ze zijn vooral goed in opzoeken. Bij wat ingewikkelder zoekopdrachten gaat spreken een stuk sneller dan intikken; dat lijkt veelbelovend voor online shopping.

Spraak is de meest natuurlijke vorm van communiceren; praten is echter zowel voor mensen als systemen een stuk gemakkelijker dan luisteren. De personal assistent Amazon Echo is een ‘slimme’ luidspreker die onderdak biedt aan Alexa, een assistent die met je meeluistert. Alexa, die verder geen gezicht heeft, gaat een stuk verder dan de Dash button van Amazon, waarbij je via een druk op een knop op je wasmachine wasmiddel kan aankopen – een fysieke shortcut naar de juiste plek in een webshop. Alexa gaat de interactie aan met informatie en indien nodig met de omgeving: ze somt de headlines voor je op, dimt het licht als je daarom vraagt, zet een timer als je een pizza in de oven zet. Maar ze leert niet van je gewoonten: eigen patronen (elke dag de headlines bij je ontbijt) zal je moeten herhalen of programmeren. Ook andere slimme systemen proberen aan te haken op (onderdelen van) het internet of things. iOS zet in op Home Kit, waarbij verschillende soorten hardware en software samenwerken. Zo zijn er verschillende ecosystemen en daarbovenop bouwen ontwikkelaars apps die platformen koppelen (zoals IFTTT).

 

siri askspohie googlenow ameliacortana

Van links naar rechts: Siri, Sophie, Ask Google, Amelia en Cortana.

Software die proactief tegen jou praat en daarbij alles uit jouw leven in de communicatie betrekt. De smartphone is hiervoor uiteraard de beste basis, want die weet meer van je dan je partner. De smartphone heeft informatie over waar je op welk moment bent – en in veel gevallen ook wat je doet, zoals met wie je communiceert en waarover – en heeft inzicht in je data- en softwaregebruik. Wanneer je smartphone actief naar jou en je omgeving zou luisteren en proactief zou kunnen interacteren, dan ontstaan mogelijkheden die richting uncanny valley gaan. Je smartphone zou je kunnen waarschuwen bij te grote uitgaven, zou je wijzen op interessante en relevante aanbiedingen van winkels waar je fysiek langs loopt, zou al je gesprekken kunnen volgen en kunnen refereren aan iets wat je een week geleden tegen je partner hebt gezegd: je had je voorgenomen je moeder te bellen, hoe zit dat? Deze software zou uit je aankoopgedrag kunnen afleiden wanneer nieuwe hardware het huis in komt en al vast met instructies of een tutor kunnen komen. Luisterend naar sensoren en RFID-chips zou zo’n systeem kunnen vragen of bepaalde levensmiddelen moeten worden besteld, en het onthouden als je altijd ‘ja’ zegt; maar wel rekening houden met je agenda: staan er nog vakanties gepland? Deze software beperkt zich niet tot communiceren, maar acteert ook en neemt dus zelfstandig beslissingen met financiële en fysieke gevolgen: voor bestellingen (op tijd een bosje bloemen laten bezorgen) of voor het gedrag van voorwerpen (op tijd de verwarming opstoken, omdat duidelijk is dat je onderweg naar huis bent). Net als bij de zelfsturende auto zullen we in complexe situaties rekening moeten houden met fouten of vertragingen in de besluitvorming.

Techneuten hopen de interactie met onze omgeving slimmer te maken door lerend vermogen aan de software toe te voegen. X.ai blijft IMG_0283daarbij op de achtergrond, maar kan wel het beheer van je agenda regelen; met Viv willen de uitvinders van Siri een stap verder gaan en MindMeld wil het mogelijk maken om het internet met spraak te besturen. De ontwikkelaars van ID Avatars hopen samen met IBM’s Watson empathische chatbots te kunnen realiseren; in de appstore kan je AskSophie downloaden en installeren, maar de registratieprocedure belooft niet veel goeds. EasilyDo zoekt naar relevante zaken in je agenda, je e-mail en je social media maar biedt naast enig gemak geen zekerheden.

Er is nog een lange weg te gaan om intelligente conversaties aan te gaan met of namens voorwerpen. Virtuele assistenten zouden hiervoor ‘the man in the middle’ kunnen zijn. Het enthousiasme voor spraakbesturing groeit echter wel. Watson (IBM) en Amelia (IPsoft) zijn nog steeds primair rekenwonders. Ze maken wel nieuwe combinaties van bestaande informatie, maar zullen nooit een fluitconcert voor vogels componeren zonder dat iemand daar de opdracht toe geeft – een kenmerk van creativiteit. Ze zullen bij hun beslissingen ook geen rekening houden met hoe jij of jouw partner zich voelt – een kenmerk van empathie.
Zelfs het omgaan met opdrachten is al een hele uitdaging bij het ontwerpen van lerende systemen. Tay.ai, een geautomatiseerde chatbot van Microsoft, werd na een paar dagen offline gezet omdat gebruikers het digitale wezen hadden getraind op het doen van racistische uitspraken. Lerend vermogen is te ontwikkelen, ook voor kunstmatige systemen. Empathie – gevoel voor de context – is een stuk lastiger.

Nee, het einde van contactcenters is niet in zicht

Als het aan de futuristen ligt, kan je elk jaar een artikel schrijven met als titel ‘het einde van contactcenters’. Zelfs de Economist stelt dat robots op termijn het callcenter overbodig zullen maken. “At best, jobs will be created more slowly in the Philippines and India; at worst they will vanish. And it is likely that nowhere else will be able to talk its way out of poverty as they have done”, aldus het artikel. De Economist verwacht dat door de inzet van technologie de grootschalige werkgelegenheid zal verdwijnen. Klinkt aannemelijk, maar de technofans zien één ding over het hoofd. Het is juist de voortschrijdende technologie zelf die ‘menselijke’ contactcenters onmisbaar maakt.

Veel bedrijven beschouwen klantcontact als kostenpost; meer doen met minder staat vaak hoog op de agenda. Outsourcing van klantcontact levert een kostenvoordeel op: facilitaire dienstverleners kunnen het vaak beter en goedkoper. Nog goedkoper is het om klantcontact te automatiseren. Dat betekent wel dat klanten met al hun vragen en problemen uit de voeten moeten kunnen met geautomatiseerde systemen. Dus dat geautomatiseerde customer service permanent meebeweegt met alle bedrijfsprocessen en producten waar klanten mee te maken hebben.

Die automatisering van customer service staat nog in de kinderschoenen. Tot nu toe zijn we redelijk in staat standaardprocessen te automatiseren. Het elimineren van eenvoudige vragen door middel FAQ’s, chatbots en spraakherkenning is twintig jaar geleden al ingezet. Maar het tempo waarmee nieuwe diensten en producten worden gelanceerd ligt een stuk hoger. Het gros van die nieuwe producten en diensten bevat zelf tot nu toe weinig tot geen enkele intelligentie. Onze modems en routers zijn – als ze vastlopen – nog niet zelf-herstellend. De Tesla checkt niet zelf iStock_000014909942XSmallof de app met laadpalen correcte informatie geeft. Het grootste deel van de organisaties waarmee we zaken doen, heeft geen idee wie we zijn als we bellen – ze volgen ons niet. Als we als klant vastlopen in ‘intelligente’ selfservice, zijn we alsnog afhankelijk van een customer service agent. Die agent heeft vervolgens ons, de klant, nodig om het probleem opgelost te krijgen. Bijvoorbeeld om informatie te geven over variabelen die alleen wij kunnen waarnemen: de context. Denk aan het gedrag van andere onderdelen uit een keten of aan invloeden van buitenaf. Een goed voorbeeld is de zorgketen. Omdat verzekeraar A een administratieve achterstand heeft, kan verzekeraar B de nieuwe overstappende klant nog niet verwerken. In dat geval is de klant de intermediair tussen ‘dom’ product en leverancier. Wil je een geautomatiseerd systeem leren omgaan met de doorlopend veranderende context, dan ben je eigenlijk op zoek naar een systeem dat real time en intelligent met de buitenwereld kan omgaan.

Er is een tweede reden waarom technologie het automatiseren van customer service processen in de weg zit. Bedrijven kunnen voordeel boeken als ze de time-to-market van nieuwe diensten en producten weten te bekorten. Nieuwe diensten worden daarom vaak ‘bovenop’ het bestaande IT-landschap geplakt, zodat ze aanhaken op alleen de noodzakelijke processen. Dat gaat sneller en goedkoper dan steeds het IT-landschap opnieuw uitvinden. Betalen via je smartphone is een flinke stap voorwaarts, maar het achterliggende serviceproces blijft meestal ongewijzigd. Ook al is de smartphone via een app connected met de bank (en dus intelligenter dan bijvoorbeeld een bankpas), als er iets mis gaat, moet je nog steeds contact zoeken met een bankmedewerker. IT-adepten die roepen dat ze dat nu juist willen automatiseren, begrijpen niet dat service-automatisering altijd achterloopt op productontwikkeling. Het is gemakkelijker iets toe te voegen aan de voorkant van een bedrijfsproces dan al het achterliggende te veranderen. Dat stapelen zie je terug in IT: slechts een paar grote bedrijven zijn bezig met het terugdringen van het aantal systemen – het reduceren van legacy. De kosten van het wegwerken van achterstallig onderhoud in IT, aangeduid als IT Debt, werden in 2010 door Gartner geschat op 500 miljard dollar; de verwachting voor 2015 was dat het zou zijn opgelopen tot 1.000 miljard dollar.

supercharger_2Een derde reden is dat innovatie van diensten en producten in veel gevallen precies beperkt blijft tot die diensten en producten. De Tesla is een geweldige auto, maar hij is nog niet in staat het opladen zo te organiseren dat de gebruiker er geen last van heeft. Bij banken is het allemaal nog lastiger: we kunnen bijvoorbeeld niet geautomatiseerd van bank veranderen of een hypotheek- of pensioenproduct overhevelen naar een andere aanbieder. “Dat gebeurt toch weinig?’ hoor ik u zeggen. Ja, hoe zou dat komen? Bij zorgverzekeringen en mobiele abonnementen is veranderen een stuk eenvoudiger. En voor wat betreft dat modem: als het defect is of dreigt te gaan, waarom belt het dan niet zelf een monteur die een vervangend apparaat komt afleveren? Of is dat onwenselijk als het modem in een brandend huis staat? Er liggen dus enorme kansen om hardware en software intelligenter te maken. In de IT is dat proces – de automatisering van de automatisering – al volop aan de gang. Ook het internet of things, met connected voorwerpen, biedt veel mogelijkheden om processen te automatiseren, maar daar waar innovaties leiden tot nieuwe vragen of problemen, stokt dat proces.

Ja, automatisering van eenvoudige interacties zal inderdaad leiden tot krimp in de contactcentersector. Yuri van Geest gaat een stuk verder: hij voorziet een toekomst “waarin goederen niet meer kapot gaan. En als er al een defect is, zullen producten vaker in staat zijn zichzelf te repareren. Zonder dat een klant er hinder van ondervindt.”
In dat voorwaardelijke – steeds vaker – zit ‘m de kneep. Daarbij wordt er vanuit gegaan dat slimme, lerende systemen geen vragen meer oproepen, fouten maken of problemen veroorzaken. En dat systemen goed weten om te gaan met de emotie van klagende, boze klanten die zelfstandig beslissen om jouw bedrijf de rug toe te keren. Of dat systemen zelf hun fouten herstellen, of zelfs voorkomen. Een systeem dat hiermee dagelijks worstelt, hebben we gelukkig al en het heet ‘medewerker’.

Dit blog verscheen eerder op Klantcontact.nl

De innovatieparadox bij de overheid

philips p2000 systeem uit 1981Consumenten omarmen innovaties steeds gemakkelijker en sneller. Zodra ze veranderen in burgers, lopen ze echter tegen de gevestigde orde aan. De overheid is weliswaar gek op innovatie, maar innovatie moet niet te veel impact hebben op de overheid zelf.

Innovatie begint met creativiteit: het op een nieuwe of andere manier omgaan met vragen; het bestaande los laten, de buitenwereld naar binnen halen. Vaak spelen toeval en experimenten (proberen en falen) een grote rol. Innovatie kan pas slagen als de omstandigheden passend zijn. Soms duurt het jaren voordat een goed idee ook werkelijk impact kan hebben; soms stellen bedrijven dat ze niet kunnen innoveren omdat de overheid niet meewerkt. Een goed voorbeeld daarvan is Uber, dat klaagde over verouderde wet- en regelgeving. Soms ontbreekt het aan kapitaal, waardoor kansrijke innovaties niet van de grond komen. En soms zorgt dat zelfde kapitaal er voor dat een innovatie veilig op de plank komt te liggen – bijvoorbeeld om de bestaande markt te beschermen. Dat laatste, het beschermen van de status quo, is een interessante tegenstander van innovatie. Want innovatie heeft alles te maken met anders denken en doen.

Niet de private sector, maar ‘de staat’ is de echte motor achter vernieuwende technologieën, stelt Mariana Mazzucato in haar boek De ondernemende staat. Volgens Mazzucato is de overheid niet afwachtend, laat staan belemmerend als het gaat om innovatie. Vindingen als GPS, microprocessors en draadloze technologie zijn ontwikkeld in laboratoria en wetenschappelijke instituten die zijn opgericht en gefinancierd door de Amerikaanse overheid, aldus Mazzucato. Ze stelt ook dat 75 procent van de innovatieve medicijnen in de VS afkomstig van laboratoria die zijn gefinancierd door het Amerikaanse National Institute of Health, dat tussen 1976 en 2010 624 miljard euro in de farma- en biotechsector heeft geïnvesteerd. Dat lijkt veel, maar die periode van 34 jaar komt neer op ruim 18 miljard euro per jaar; de belangrijkste Amerikaanse farmaceuten bij elkaar zijn goed voor circa 50 miljard dollar per jaar.

Mazzucato vindt dat de betekenis van de overheid als aanjager wordt miskend en dat er te veel waarde wordt gehecht aan de rol van venture capitalists. Die verschijnen pas op het toneel als de allergrootste risico’s zijn genomen, waardoor investeerders en bedrijven het risico van innovaties afwentelen op de belastingbetaler.

Misschien heeft ze gelijk en is de overheid een prima aanjager – echter, tot op zekere hoogte. Mazzucato gaat namelijk voorbij aan een belangrijke eigenschap van de overheid: die wil best geld uitgeven om de wereld te veranderen, maar is niet primair van plan om zelf te veranderen. De overheid kan prima ruimte bieden voor experimenten, bijvoorbeeld met beschikbare middelen – dus binnen het bestaande budget – of door het beschikbaar stellen van extra budget. Maar wat als innovaties het functioneren van de overheid zelf raken?

Is de overheid de aangewezen partij om veranderingen (innovaties, transformaties, migraties) door te voeren? Ja, maar tot op beperkte hoogte. Dat blijkt uit de snelheid waarmee de overheid de eigen processen moderniseert. Wordt de transformatie richting digitale overheid gehinderd door complexiteit, door rammelende IT of door weerstanden bij mensen? Jos Maessen, directeur dienstverlening Amsterdam, wijst in een interview over de digitale transformatie die de gemeente doormaakt op het verschil tussen ‘beschreven processen’ en de ‘werkelijke processen’. Mensen houden zich niet aan afspraken over het standaardiseren van taken en creëren olifantenpaadjes, zo is het argument. De uitvoerende diensten van Amsterdam (kolommen of silo’s) moeten wennen aan het nieuwe matrixmodel, waarin ze moeten samenwerken met bijvoorbeeld klantcontact-afdelingen (balies en callcenters die horizontaal over alle diensten heen opereren). Het is maar een voorbeeld, maar het maakt wel iets duidelijk: bij vernieuwing zijn het, naast IT en processen, vooral mensen die moeten veranderen. En dus gaat het langzamer, veel langzamer.

actiekaart MRAAmsterdam heeft wel ambities: de regio wil graag bij de top 3 van stedelijke regio’s van Europa horen. De zestig pagina’s tellende ruimtelijk-economische Actie-agenda 2016-2020 van de Metropoolregio Amsterdam (MRA)  staat vol met ronkende termen als wendbaarheid en innovatie. Maar als je kijkt naar de acties in die agenda, dan gaat het vooral om faciliteren en niet om zelf innoveren. Op het lijstje staan het aantrekken van kennis, het creëren van ruimte en gelegenheid en het laten aansluiten van onderwijs en arbeidsmarkt. Dat is minder praktisch dan het online ontsluiten van overheidsinformatie of het implementeren van selfservice voor burgers. Of het toevoegen van intelligentie aan mobiliteitsvraagstukken, zodat transporteurs hun capaciteit bundelen, afvalcontainers alleen worden geleegd als ze vol zijn en stoplichten op groen gaan als de verkeersstromen daarom vragen.

De vraag is tot op welke hoogte een stad als Amsterdam echt geïnteresseerd is in het inzetten van sensortechnologie, in big data en in analytics. Een slimme stad genereert informatie en inzichten, ook over je eigen functioneren. Niet al die inzichten kan je omzetten in geautomatiseerde DSC00731handelingen waarbij verder geen mens te pas komt. In tegendeel, in de meeste gevallen betekent het veranderende van processen dat mensen dingen anders moeten gaan doen, moeten stoppen of juist veel harder moeten werken. Innovatie heeft consequenties.

Daar staat tegenover: niet innoveren betekent bijvoorbeeld niet meten en dat maakt het gemakkelijker om niet in te grijpen, niet te handhaven en niet te veranderen. Denk aan de CO2-uitstoot van oude auto’s, touringcars en vrachtwagens, scooters en bootjes met tweetaktmotoren – waardoor de omvang van het probleem (en dus de urgentie) zichtbaar wordt en waardoor je wellicht impopulaire maatregelen zou moeten nemen. Of denk aan het aantal klachten ingediend door burgers, waardoor je eigen functioneren (bijvoorbeeld het gebrek aan vermogen om problemen structureel op te lossen) naar voren komt. Digitalisering maakt bijvoorbeeld ook doorlooptijden van complexe processen transparant voor bewoners. Tot voor kort bood alleen een onderzoek van de Rekenkamer dat inzicht, maar een digitale overheid geeft de burger een ‘real time view’. Later of langzamer innoveren en digitaliseren geeft je meer tijd om weerstanden te vermijden of de chaos te beteugelen. Of de verantwoordelijkheden door te geven aan je opvolgers.