Verzorgt Google Assistant straks de eerstelijns customer service?

Ieder jaar organiseert de Klantenservice Federatie, de branchevereniging voor bedrijven die zich bezighouden met klantcontact en e-commerce, haar jaarcongres. Silovorming en denken in profielen, kanalen, segmenten en andere hokjes staat een soepele dienstverlening aan klanten vaak in de weg. Aegon liet zien hoe een onderbouwde customer experience strategie een eind kan maken aan de nutteloze discussie over kosten en baten van klantcontact. En: de snelle ontwikkeling van spraakplatformen zoals Google Assistant heeft mogelijk ingrijpende gevolgen voor het contactcenter. Is het straks de Google Assistant die bepaalt of klanten nog in jouw contactcenter binnenkomen? 

Kom op een congres of seminar dat een raakvlak heeft met klantcontact en KIRC staat op het podium. Dat podium wordt dan op drie manieren gebruikt: het promoten van KIRC als kenniscentrum (wat weer een marketingvehikel is van een rijtje dienstverleners), het verzamelen van kengetallen en het presenteren van trends. Meestal stort KIRC in sneltreinvaart een reeks aan cijfers, grafieken en tabellen uit over het publiek.

De gegevens die KIRC presenteert, zijn afkomstig uit eigen onderzoek, maar ook uit onderzoek van derden zoals KCM, Genesys, Dimension Data, Verint en Teleperformance. Door de veelheid aan (verschillende soorten) informatie is het uiteindelijk lastig de hoofdtrends te onderscheiden. Zo worden meningen en opvattingen over trends en patronen afgewisseld met kwantitatieve inschattingen van respondenten over volumes, behaalde doelstellingen en klantfeedback. Soms zijn cijfers wel te vergelijken met voorgaande jaren, soms niet. En soms wordt in vragen een combinatie van containerbegrippen gepresenteerd: ‘is customer experience verankerd in het DNA van de organisatie?’ Die vraag is extra ingewikkeld omdat het contactcenter zelden nog de enige partij is die de customer experience of customer journey bepaalt of beïnvloedt: de rol van ketenpartners wordt steeds belangrijker. Denk aan e-commerce waar de kwaliteit van logistieke dienstverleners en wederverkopers een stempel op de totale beleving drukt.

Direct contact versus selfservice

Gelukkig heeft KIRC alle cijfers in een boekje gebundeld, waarbij Geeske te Gussinklo de hoofdlijnen kort samenvat; daarnaast is er een goede management summary. Direct contact (in plaats van selfservice) scoort nog altijd het hoogst – komt dat door een absolute voorkeur bij consumenten of de hoogste doeltreffendheid? Selfservice is en blijft een zorgenkindje: ruwweg vier van de tien interacties verloopt niet goed. Ook chatbots presteren nog ondermaats: ook hier is de succesratio net geen 60%. De doorlopende zoektocht naar manieren om meer met data te doen leidt tot meer applicaties en dus wordt systeemintegratie een een ander zorgpunt. Een andere belangrijke constatering kwam van SAMR. Uit onderzoek uitgevoerd in samenwerking met de Rijksuniversiteit Groningen blijkt dat bedrijven baat kunnen hebben bij scherp afgebakende doelstellingen op het vlak van klanttevredenheid. De grootste meeropbrengst in termen van retentie en herhaalaankopen kan gerealiseerd worden als bedrijven hun klanttevredenheid van een zeven naar een acht weten te brengen. Maar hogere ‘rapportcijfers’ leveren nauwelijks iets op. Of dat aan de terughoudendheid van Nederlanders om een hoger cijfer te geven of dat ‘goede dienstverlening’ net wordt zo gewaardeerd als ‘excellente’ dienstverlening, werd niet toegelicht.

Digitalisering van klantcontact

Digitalisering leidt tot minder live contact. Althans, dat is de opzet, de grootste krimp in contactcenters lijkt gerealiseerd te zijn met de opkomst van selfservice. Maar volgens de cijfers worden klanten daar niet echt blijer van. Geen enkele consument heeft ‘bellen met bedrijf A, B of C als hobby. Daarnaast kan op dit moment nog niet worden gezegd dat invoering van de chatbot banen kost. Het gebruik van chat en whatsapp neemt toe, maar de volumes aan e-mail en telefoontjes nemen niet echt af.

Beide onderwerpen kwamen terug in twee andere bijdragen tijdens het KSF-congres. Aegon liet zien hoe The Experience Economy van Joe Pine het bedrijf hielp bij het verbeteren van de servicestrategie. En een presentatie van Google zou alle klantcontactprofessionals moeten wakker schudden. Het is niet je eigen chatbot die voor een verandering gaat zorgen, het wordt een van de drie technologiereuzen die de eerstelijns customer service van je gaat afpakken (of overnemen).

Cost center of value center?

customer experienceIn de wereld van klantcontact speelt de discussie over kosten en opbrengsten van het contactcenter al jaren. Is het contactcenter een costcenter of een value center? Nu kost een afdeling bestaand uit assets en resources per definitie geld, dus in veel bedrijven begint het contactcenter al op achterstand. Rien Brus, Global VP of Customer Strategy bij verzekeraar Aegon heeft zijn organisatie geholpen om scherpere keuzes te maken: allereerst van productgericht naar klantgericht denken en daarna van kosten naar waarde. Impliciet gaat daarachter een afwijkend paradigma schuil: omzet en winst zijn geen doel op zich, maar een resultaat van het hebben van klanten (die blijkbaar bereid zijn om bij jou diensten of producten in te kopen).

Brus haalt daarbij Joseph Pine aan, auteur van The Experience Economy, over hoe economische waardecreatie zich ontwikkelt. Pierre Spaninks geeft daarvan een bondige samenvatting: “In de grondstoffeneconomie werd er nog gewoon geld verdiend aan meel en eieren. In de productie-economie aan de taarten die je daarmee kon bakken. In de diensteneconomie aan het bezorgen van die taarten. En in de beleveniseconomie aan workshops waar culi’s zich even een heuse banketbakker konden wanen. De volgende fase voorspelden Pine en Gilmore ook alvast: de transformatie-economie. Dan betalen mensen goud geld om te leren hoe ze weer van die taarten af kunnen blijven.”

customer experience

Klantcontact is een activiteit die zich afspeelt op het niveau van service en experience. Wat Brus betreft is het gemakkelijk om te zien wat het verschil is tussen commodities en producten, maar hoe kan klantcontact nu waarde toevoegen? Gaat het om noodzakelijke transacties (eenvoudigweg omdat het product of de dienst nu eenmaal tot vragen leidt: service als bijproduct van het product zelf) of om iets ‘hogers’ dat bijdraagt aan omzet en winst? Het antwoord op die vraag is belangrijk om te weten waar je wel en niet in moet investeren: kostenminimalisatie of opbrengsten-optimalisatie.

Volgens Brus ligt het antwoord besloten in het fenomeen ‘tijd’. Tijd is schaars, niet alleen voor mensen die in bedrijven werken, maar ook voor consumenten. Ze kunnen kiezen waar ze die tijd het liefst aan besteden en ook het besparen van tijd (door snelheid en gemak) kunnen aantrekkelijk zijn voor klanten. Het leveren van commodities, producten en services is gericht op het bieden van gemak en het besparen van tijd (‘time well saved’). Zodra je van ‘services’ naar ‘experiences’ en ‘transformations’ gaat, draait het voor consumenten om iets anders, namelijk ‘time well spent’.

‘Time well spent’ in een contactcenter?

In contactcenters bestaat de neiging verwachtingen van klanten ‘te overtreffen’ met ‘excellente service’. Maar is ‘time well spent’  haalbaar als klantcontact is ingericht op doelstellingen die te maken hebben met snel, eenvoudig en gemakkelijk – door managers vaak vertaald in standaardisatie en automatisering? Je kunt pas spreken van ‘time well spent’ als een interactie blijft hangen in de herinnering van een klant, als de interactie relevant en persoonlijk is. Hoe zwaarder deze eigenschappen aanwezig zijn, hoe meer ze bijdragen aan tevredenheid, retentie en uiteindelijk omzet, aldus Brus. Contacten die het minst bijdragen, moet je elimineren (of reduceren).

Design thinking?

Het model van Pine bestaat al sinds eind jaren negentig, maar biedt nog steeds concrete houvast bij de vraag hoe bedrijven afwegingen kunnen maken bij investeringsbeslissingen in klantcontact. De kunst is daarbij om niet zelf te bepalen wat waarde toevoegt of slechts ‘tijd bespaart’, maar de klant dit te laten doen. Het betrekken van de klant in het ontwerpen van dienstverlening kwam echter niet naar voren: niet bij Aegon, niet bij een andere presentatie van zorgverzekeraar CZ en evenmin bij het KSF Jaarcongres als geheel. Ofwel: klantcontactexperts praten liever over de klant dan met de klant. Dat is vreemd, want de klantcontactsector is nu juist op zoek naar wat bepalend is voor ‘relevantie’. Het is nog vreemder als je ziet dat de sector op basis van cijfers weet hoe klanten bepaalde oplossingen (zoals de eerste generatie chatbots waar veel bedrijven nu in investeren) waarderen.

Google wil ons naar ‘the age of assistance’ brengen

Dan naar Google. Karlijn Pels en Petra Stojanovic lieten zien hoe personalisatie (bijvoorbeeld op basis van persoonlijke gegevens en locatie) doordringt in het gebruik van Google. Consumenten zoeken steeds vaker met aanvullende vragen zoals ‘beste’, ‘in de buurt’ en ‘op dezelfde dag bezorgd’. Wat Google betreft zijn we de afgelopen tien jaar bezig geweest met mobile first en breekt nu een tijdperk aan: de ‘age of assistance’. Pels en Stojanovic wijzen er op dat veel klantvragen – voordat ze bij de website met selfservice of een contactcenter van een bedrijf uitkomen – beginnen met een zoekvraag bij een zoekmachine.

Google laat zien hoe bol.com, KLM, Albert Heijn, PostNL en zelfs Andrelon al zijn aangehaakt op het spraakplatform van Google. Het Unilever-shampoomerk werkt daarbij samen met Kruidvat en omvat ook een besteloptie. De boodschap van Google is duidelijk: haak nu aan, want dan kan je leren van hoe de consument met deze nieuwe technologie omgaat. Om die boodschap kracht bij te zetten gaf developer Lee Boonstra een live demo hoe je eenvoudig met een drag-and-drop-achtige aanpak een chatbotdialoog kunt inrichten. Nodig: data als trainingsmateriaal (denk aan voorbeeldzinnen), Actions on Google en het dialogenbouwpakket Dialog, beiden uit de stal van Google. De reacties van de gebruiker tijdens de dialoog worden niet alleen gebruikt om de dialoog te sturen; met behulp van sentiment monitoring wordt gekeken welke onderdelen van de dialoog tot (on)tevredenheid of broodnodige escalatie leiden.

Heeft Google straks als eerste contact met jouw klant?

Machine learning zorgt ervoor dat er momenteel in hoog tempo enorme stappen worden gemaakt in geautomatiseerde dialogen – “We zijn nog maar een paar maanden bezig”, aldus Google.
Het is de vraag of contactcentermanagers en marketeers al door hebben dat een spraakplatform dé manier is om consumentenvragen die buiten de organisatie bestaan, naar binnen te halen. Google en Amazon zijn beiden op hun eigen manier al diep doorgedrongen in e-commerce. Nu beide bedrijven ook een spraakplatform hebben opgetuigd, ligt het binnen handbereik dat zij ook de eerstelijns customer service geautomatiseerd gaan verzorgen: transacties, eenvoudige interacties, standaardvragen. Dan krijgt het ‘wegautomatiseren’ van eenvoudige klantvragen plotseling een heel andere betekenis: is het straks de Google Assistant die bepaalt of klanten wel of niet worden doorverbonden met jouw organisatie?

Wie heeft straks het beste spraakgestuurde platform?

Chatbots zijn dom, maar gelukkig is er de virtuele assistent. De komende tijd zal duidelijk worden welke spraakgestuurde diensten van Google, Microsoft, Apple en Amazon zich het snelst ontwikkelen tot het beste spraakgestuurde platform voor interacties en transacties. Die race is ook van belang voor zowel de ontwikkelaars als de gebruikers van chatbots: op welke ecosystemen haak je aan? 

Sinds de introductie van de computer zijn we ingesteld op tekst-gebaseerde interactie met die apparaten. Het meeste werk doen we nog steeds met een toetsenbord en een beeldscherm. Fans van spraaktechnologie blijven er op wijzen op dat spraak, ook bij systemen, de meest natuurlijke vorm van interactie is. Het herkennen van spraak is voor systemen inderdaad geen enkel probleem meer. Maar het verwerken van spraak, zodat een systeem de juiste dingen gaat doen, is nog altijd een uitdaging: begrip van context blijft een bottleneck. Met de opkomst van machine learning worden op dit vlak de eerste stappen gezet en dat leidt tot ‘slimmere’ toepassingen. Daardoor is spraakbesturing bezig met een stevige opmars, met name in China en in Angelsaksische landen.

De chatbot is een domme bureaucraat

Er is ook veel aandacht voor de opkomst van chatbots in Nederland. De meeste chatbots komen echter niet verder dan een vooraf geprogrammeerd vraag- en antwoordspel: als ze al goed bruikbaar zijn, heeft dat betrekking op een specifieke taak. Het probleem is dat die taak niet altijd vooraf duidelijk is. Een consument zal zo’n chatbot met duidelijke verwachtingen gebruiken (ik wil dat mijn probleem wordt opgelost) en als die niet worden ingelost, is de kans op frustratie groot. Bij virtuele assistenten speelt die concrete verwachting een minder grote rol: daar zijn de verwachtingen nauwelijks vooraf ingekaderd en zal de gebruiker doorlopend zoeken naar nieuwe gebruiksmogelijkheden. Door dat exploratieve karakter lijkt de opbouw van een relatie met een virtuele assistent het meest op hoe we menselijke relaties opbouwen: stap voor stap leer je elkaar kennen. De chatbot lijkt vanuit dit perspectief het meest op een bureaucraat die niet vanuit de klant denkt en doet. De best presterende virtuele assistent maakt echter kans om onze nieuwe huisgenoot te worden.

Wie wordt onze nieuwe huisgenoot?

Die rol als nieuwe huisgenoot is interessant voor de leverancier van de virtuele assistent. Interacties leiden tot een nieuwe datastroom, tot een mogelijkheid om informatie te verstrekken (en dus ook gekleurde informatie, zodat beslissingen kunnen worden beïnvloed) en tot het faciliteren van transacties. Kortom, spraakbesturing brengt consumenten naar een platform waar vragen en antwoorden tot allerlei soorten business kunnen leiden. Twee jaar geleden stelde Wired nog dat spraak het platform van de toekomst is en dat Alexa deze slag zal winnen. Het is de vraag of de voorsprong van Amazon op dit moment groot genoeg is.

De strijd lijkt vooral te gaan om Siri, Alexa en Google Home Assistant. Er zijn nog meer initiatieven, maar die lijken op dit moment weinig kansrijk. Microsoft kiest naar alle waarschijnlijkheid voor integratie met Alexa in plaats van het verder ontwikkelen van de eigen assistent Cortana, die niet beschikt over eigen hardware en ook nog niet in het Nederlands beschikbaar is. Samsung heeft tegelijk met de introductie van het S8-toestel een intelligent hulpje gelanceerd (Bixby), dat ook overweg kan met beeldherkenning. Bixby heeft een eigen aan/uit-knop die niet iedereen weet te waarderen. En tot slot is er nog Amelia, de bot van IPsoft, maar zij wordt overwegend ingezet in maatwerkoplossingen voor specifieke opdrachtgevers.

Van het drietal Siri, Alexa en Google is Alexa de enige die nog geen Nederlands begrijpt. Siri was weliswaar de eerste Nederlandstalige virtuele assistent en op ieder Apple device aanwezig, maar alleen met je stem te activeren als het apparaat aan een oplader ligt. Sinds juni is Siri ook aanspreekbaar via de eigen hardware, de HomePod. En sinds oktober begrijpt ook Google Home Assistant de Nederlandse taal.

Siri, Google en Alexa: vrienden onder elkaar

De drie lijken zich in ieder geval behoorlijk bewust van hun onderlinge aanwezigheid. Sterker nog, vraag aan Google Home Assistant iets over Alexa, Siri of Cortana (de virtuele assistent van Microsoft) en er komen gevatte antwoorden. Google Home over Cortana: “Cortana is slim en grappig en ik weet dat ze in Seatlle woont. Het is daar erg mooi.” Vraag of Google Home Assistant contact kan leggen met Alexa: “Die kan je wel om een boodschapje sturen”. Ook Alexa is gevat: ze kent zowel Siri als Google Home, maar “only by reputation”. Siri lijkt het meest contactgestoord. Op de vraag “Ken jij Cortana?” is het antwoord: “Oké, dit heb ik op het web gevonden over ‘Ken jij Cortana’”, gevolgd door een overzicht van websites op je scherm.

Platforms: kwestie van koppelen en aanhaken

Terug naar de platforms. De potentie van de virtuele assistenten wordt (naast de taal, voor Nederland niet vanzelfsprekend) primair bepaald door de koppelingen met aanvullende diensten.
De koppelingen met aanvullende diensten zijn er in twee soorten: configureerbare koppelingen met functies en services die de gebruiker zelf tot stand brengt (denk aan smart home functies zoals Philips Hue of services zoals Spotify) en standaard aanwezige koppelingen die op de achtergrond gemaakt zijn door de leverancier van de assistent (zoals Alexa met Amazon, of Google met de zoekmachine). Deze standaardkoppelingen kunnen betrekking hebben op relaties met externe partijen en op specifieke datasets. Soms ontbreken ogenschijnlijk vanzelfsprekend koppelingen (de assistenten vertellen je niet wat je geboortedatum is of je woonplaats als je ernaar vraagt) terwijl ze bij bepaalde vragen wel rekening houden met je locatie.

Een goed voorbeeld van de verschillen: “Wanneer is mijn verjaardag” leidt bij Alexa tot “currently this agenda query is not supported”, bij Google tot “ik kan voor je zingen als je me dat vraagt” en bij Siri tot “Dit heb ik op het web gevonden over ‘verjaardag’.”

Een tweede voorbeeld: de vraag aan Google “vertel eens iets” leidt tot de presentatie van willekeurige wetenswaardigheden (zoals: het eerste homohuwelijk werd in Nederland gesloten); “vertel eens iets over Mozart” levert echter geen reactie op. Omdat mijn Home Assistant gekoppeld is aan Spotify, levert het woord “Mozart” wel op dat er (zonder dat te vragen) een symfonie wordt afgespeeld. En het laatste voorbeeld: wanneer je aan Google Home vraagt ‘wat voor geluid maakt een hond’, kondigt Google aan “zo klinkt een hond” waarna geblaf klinkt. Alexa reageert niet op de vraag, maar laat wel het geluid van een blaffende hond horen. Siri is nog steeds tot niets anders in staat dan het presenteren van een webpagina.

Drie verschillende ontwikkelpaden

Maakt de virtuele assistent die het best presteert op het vlak van deze ogenschijnlijk vanzelfsprekende achtergrondkoppelingen de beste kansen? Hoe intelligenter die koppelingen, hoe meer dat toevoegt aan (basale) herkenning van de context. Hoe belangrijk die koppelingen zijn is duidelijk geworden door Siri. Hoewel met veel bombarie geïntroduceerd in 2011 (en pas in 2015 voor Nederlands), blijkt Siri tot op de dag van vandaag nog steeds primair neer te komen op een spraakgestuurde zoekmachine. Daarnaast kwam Apple pas deze zomer op de markt met de HomePod, die met een prijs van 349 dollar aanzienlijk duurder is dan de hardware van de andere assistenten en die meer bedoeld lijkt als ‘speaker’ dan als ‘slimme speaker’ – Siri is zoals gezegd nog relatief dom en biedt een zeer beperkt ecosysteem van services en functies.

virtuele assistent

Ook Cortana van Microsoft heeft op alle fronten nog flinke inhaalslagen te maken. Naar verluidt wordt door Microsoft wel geïnvesteerd in spraaktechnologie en in een eigen slimme speaker. Ook is Cortana beschikbaar gemaakt voor iOS, maar het ontbreekt aan een uitgebreid ecosysteem zoals bij Apple (met iTunes en een zeer uitgebreide app store). Microsoft beschikt evenmin over een zee aan data (zoals Google met de zoekmachine) of over een koppeling met een online retailer zoals bij Alexa. Alexa daarentegen is in eerste instantie als open ecosysteem gepresenteerd: iedere developer kan skills toevoegen. Daarnaast stelt Amazon de spraakbesturingstechnologie beschikbaar aan andere producenten van bijvoorbeeld huishoudelijke en industriële apparatuur of auto’s. En uiteraard is Alexa gekoppeld aan Amazon, een van de grootste webwinkels ter wereld.

virtuele assistent

De beste assistent komt zelf met suggesties

Zijn die voordelen voldoende om van Alexa het dominante platform te maken? Dat is de vraag, want het ontsluiten en herkennen van de skills die Alexa in huis heeft (tot nu toe duizenden) is nog een uitdaging. Alexa wijst de gebruiker niet uit zichzelf op nieuwe skills of services. Hoe kom je erachter dat je assistent goed kan samenwerken met je bank-app? Wanneer is je assistent in staat om proactief een voorstel aan je doen om een financieel probleem voor je oplossen – bijvoorbeeld je huishoudrekening aanvullen vanuit je spaarrekening? Dit hangt ook af van het vermogen van assistenten om een langere dialoog te voeren en uit die dialoog bijvoorbeeld nieuwe behoeften te destilleren, zodat de assistent zelf – dus in een dialoog met de gebruiker – met suggesties kan komen: gebruik deze skills eens, of zal ik een koppeling maken met deze dienst? Precies dit is waar zowel Amazon als de bedrijven die op het platform willen aanhaken, mee aan de slag moeten.

Ecosysteem met naadloze integraties

virtuele assistentOok Google werkt aan het opbouwen van een ecosysteem. Daarbij lijkt extra aandacht uit te gaan naar de gebruiker van de assistent door de integratie van chatbots. Met het commando ‘hey google, ik wil met KLM praten’ wordt de conversatie die je met Google Home Assistant voert, overgenomen door Blue Bot. Blue Bot is de virtuele assistent van KLM die je kan helpen bij het boeken van een reis en het inpakken van je koffer. Vertel Blue Bot waar je naar toegaat (New York) en de assistent vertelt je onder meer dat je een visum nodig hebt. Maar als je wil weten hoe je dat visum kunt krijgen, wordt het stil. Ook is Blue Bot niet in staat die vraag weer ‘terug te geven’ aan Google Home Assistant, waarvan je zou verwachten dat die wel een advies heeft. En tot slot klinkt de stem van Blue Bot een stuk ‘mechanischer’ dan Google Home Assistant. Blijkbaar heeft KLM gekozen voor verouderde natural speech generator-software.

virtuele assistent
click to play video
Een soepele conversatie

Op vergelijkbare wijze kan de Google Home Assistant je in contact brengen met de bot van bol.com of de bot van Albert Heijn (‘Appie’): ‘Hey Google, ik wil graag praten met…’. Bij Appie kan je wel bestellingen op je lijstje toevoegen, maar nog niet shoppen zoals Amazon via Alexa. De bot van bol.com ‘kent de catalogus nog niet uit het hoofd’. Dat zal vast niet lang meer duren, de hardware van Google is in ieder geval al wel verkrijgbaar bij Albert Heijn.

Kortom, ontwikkelaars van chatbots (én hun klanten) doen er goed aan, na te denken over de vraag met welke ecosysteem zij gaan koppelen. Het lijkt er op dat zowel Apple als Microsoft last hebben van hun eigen besturingssysteem, terwijl Google en Amazon op dit vlak ‘agnostisch’ zijn. Daarnaast is van belang op welke manier ontwikkelaars aanhaken op een ecosysteem: via skills en services of via de meer intuïtieve handover waarbij de gesproken dialoog van de ene naar de andere bot wordt ‘overgedragen’ zoals bij KLM? Want vermoedelijk gaat ook in de spraakbesturing de kwaliteit van de customer journey van grote invloed zijn op het succes van chatbots en virtuele assistenten. En last nut not least levert aanhaken op een spraakgestuurd platform weer nieuwe vraagstukken op voor bedrijven: wat gaan ze regelen op het vlak van privacy en security?

Algoritme controleert algoritme

Door digitalisering worden in veel bedrijven processen steeds complexer. Dat maakt de rol van toezichthouders – commissarissen, accountants, auditors – lastiger. De toepassing van algoritmen die op basis van machine learning werken, vergroot deze uitdaging. Ook auditors maken tegenwoordig gebruik van slimme systemen om andere slimme systemen te controleren. Wie controleert wat?

algoritmenYuval Harari, auteur van 21 Lessons for the 21st Century, is ervan overtuigd dat in de toekomst ons brein wordt gehacked door kunstmatige intelligentie. Hij verwacht dat biotechnologie en kunstmatige intelligentie naar elkaar toe zullen groeien en vraagt zich af wie deze ontwikkeling aanstuurt en bepaalt. Zijn dat burgers, overheden of juist de grote bedrijven? Het antwoord laat zich raden.  Overheden zullen ontwikkelingen op dit snijvlak vooral aangrijpen voor nationale belangen zoals defensie en daarnaast liggen de mogelijkheden bij bedrijven, niet bij burgers.

Dat hacken van ons brein is een goed voorbeeld van de tegenstrijdige wereld waar we naar toe gaan: technologie kan problemen oplossen en onze levens verbeteren, maar per saldo krijgen we steeds minder vat op ons leven. Hoe groter de rol van kunstmatige intelligentie wordt, hoe minder onze eigen hersenen een bepalende rol blijven spelen.

Wie controleert de werking van software

Wat ons mogelijk te wachten staat, laat het meest recente debacle van ING zien: de witwas-affaire. Bij banken is uitgebreide monitoring van transacties verplicht volgens de wet ter voorkoming van witwassen en financieren van terrorisme. Voor een grootbank is dat monitoren een proces dat ingericht en uitgevoerd wordt met behulp van software, die doorlopend grote hoeveelheden data moet analyseren. Deze software programmeer je in eerste instantie natuurlijk om het proces dat de wet voorschrijft, uit te voeren. Hierbij worden zowel medewerkers als beslissers voorzien van feedback uit systemen: beslissingen op bestuursniveau worden genomen op basis van data. Of die systemen integer zijn ontwikkeld en doelmatig functioneren (doen waarvoor ze zijn ontworpen) is niet gemakkelijk te zien, laat staan doorlopend zichtbaar. Toetsing door middel van interne en externe audits moet aantonen dat de software zijn werk goed doet en dat de software ook goed wordt ingezet. Bij ING was ergens in dit monitoringproces besloten om de software aan te passen. “Het systeem om transacties te monitoren was – mede vanwege de beperkte personele capaciteit – door de bank zo ingesteld dat slechts een beperkt aantal witwassignalen werd gegenereerd”, aldus het Openbaar Ministerie.

In dit verhaal valt op dat het besluit dat ING nam om een systeem aan te passen, intern niet werd afgekeurd (zowel het nemen van het besluit als het aanpassen van het systeem was mensenwerk). Ook is bijzonder dat de auditors die processen en systemen moeten controleren, de aangepaste instellingen van een cruciaal systeem niet hebben gezien – of gemeld.

Wat zijn de intenties van de bedenkers van algoritmen

De processen en systemen die auditors moeten controleren worden steeds ingewikkelder. Die systemen gaan steeds vaker gebruik maken van algoritmen – uitgebreide instructies voor software om een bepaald doel te bereiken, zoals het herkennen van verdachte financiële transacties. In dit soort complexe processen moeten zowel de instructies als de uitkomsten en de benodigde grondstof (data) aan allerlei eisen voldoen. De data moeten betrouwbaar zijn (niet vooraf gemanipuleerd), de instructies moeten voldoende uitputtend en effectief zijn.

Daarnaast moet helder zijn op basis van welke uitgangspunten de algoritmen zijn opgesteld (kostenreductie, risicominimalisatie, wantrouwen, voldoen aan regels). Zo kan een verzekeraar voor de acceptatie van nieuw klanten een algoritme ontwikkelen dat bepaalde klanten uitsluit, omdat ze een te groot risico vormen. Het uitsluiten van een nieuwe klant gebeurt echter niet op basis van feitelijke kenmerken van de klant, maar van een profiel waarbij niet gecontroleerd wordt of die klant ook voldoet aan het profiel. Kortom, wie bewaakt dat uitzonderingen ook als uitzonderingen worden behandeld?

Systemen die op basis van algoritmen draaien, nemen hoe dan ook beslissingen, waarbij de bestuurder en de toezichthouder ‘toekijken’; het is aan de auditor om het geheel met enige regelmaat door te lichten om na te gaan of alles werkt zoals het zou moeten werken.

Controle en audit

Interne controles worden in bedrijven uitgevoerd om te voorkomen dat door onvolledige of incorrecte gegevens een onjuist beeld ontstaat, waardoor verkeerde beslissingen genomen zouden kunnen worden. In eerste instantie is die controle erop gericht om te zorgen dat het management op basis van juiste gegevens beslissingen neemt. In tweede instantie worden zo ook de gegevens gecontroleerd die een bedrijf naar buiten brengt. Omdat – onder meer door het Enron-schandaal – duidelijk werd dat ook doorlopend onderzoek naar de beheersing van de ICT onderdeel moet uitmaken van de controle van de verantwoording door de directie van de onderneming, zijn de regels voor verantwoording uitgebreid met Sarbanes-Oxley (SOX) en Basel II. SOX schrijft bijvoorbeeld voor dat met bewijs onder meer wordt verantwoord welke software is aangepast, waarom en door wie.

Software wordt dynamisch

Auditors controleren onder meer software, al jarenlang. Die software was tot nu toe redelijk statisch van aard, veranderingen of ‘changes’ worden in de wereld van IT bovendien zorgvuldig afgewogen, ontworpen, getest en gedocumenteerd. Met de komst van kunstmatige intelligentie verandert dit. Want bij machine learning, de meest impactvolle vorm van kunstmatige intelligentie, evolueert software zonder menselijke tussenkomst. De software heeft een eigen feedback-loop en leert doorlopend van nieuwe data. “Hoe weet je dan nog of de algoritmes doen wat ze horen te doen? Hoe kun je vertrouwen hebben in zo’n zelflerend systeem?”, aldus Mona de Boer, expert op het gebied van data-analyse en digitale assurance bij PwC Nederland.

Het werk van auditors gaat dus steeds meer bestaan uit het analyseren en controleren van algoritmen. Tegelijkertijd maken auditors zelf ook in toenemende mate gebruik van algoritmen. GL.ai is een robot, ontwikkeld en ingezet door PwC, die met kunstmatige intelligentie in staat is miljarden verschillende gegevenspunten in seconden te analyseren bij het beoordelen van afwijkingen in grootboektransacties. Hoe langer GL.ai aan het werk is, hoe slimmer deze robot wordt. We gaan dus toe naar een situatie waarbij algoritmen hun collega-algoritmen gaan controleren. Dat plaatst het toezicht in een bijzonder perspectief. Toezicht was tot nu toe gericht op verantwoordingsdocumentatie: kan een bedrijf aan de hand van vastgelegde afspraken (wie doet wat, wie heeft wat gedaan) uitleggen hoe resultaten tot stand zijn gekomen?

Uitlegbaarheid algoritme

De Boer waarschuwt dan ook voor de ontwikkeling dat systemen steeds slimmer, maar gelijktijdig ook steeds minder goed uitlegbaar worden – want los van de ontwerpbeginselen zijn de systemen zelf veranderlijk. Mensen hebben de neiging om beslissingen die door een computer worden genomen, te beschouwen als beter en meer betrouwbaar dan beslissingen die door mensen worden genomen. Ook algoritmen worden, net als technologie, al snel beschouwd als ‘neutraal’. Maar technologie en software zijn niet neutraal – de werking moet beslist niet in het nadeel, maar in het voordeel van de bedenker werken. Daarnaast maakt het vermogen van kunstmatige intelligentie om zichzelf verder te kunnen ontwikkelen de controleerbaarheid erg lastig. De Boer pleit dan ook voor ‘uitlegbaarheid’ als ontwerpprincipe van AI.

De keerzijden van machinelearning

Die uitlegbaarheid gaat bijvoorbeeld over welke datasets worden gebruikt en welke criteria worden gebruikt. Evert Haasdijk (AI-specialist en senior manager Financial Advisory bij Deloitte) geeft een goed voorbeeld. Uit databaseonderzoek blijkt dat de meeste schade wordt veroorzaakt door bestuurders van rode auto’s. Met datamining kun je dus op kleur van auto’s premies differentiëren. Haasdijk wijst op de vraag of bij het ontwikkelen van het algoritme een juiste dataset is gebruikt: “Zitten er bij die rode auto’s niet een paar Ferrari’s die de schadelast enorm hebben opgeschroefd? Heel veel modellen kloppen gewoon niet. Het is natuurlijk onzin dat mensen in rode auto’s slechtere bestuurders zijn.”

Belangrijke eigenschap van machine learning is dat nieuwe afwijkingen of uitzonderingen niet direct leiden tot andere uitkomsten. Machine learning is een geleidelijk leerproces. Net als bij het menselijk brein levert ieder nieuw voorbeeld een kleine bijdrage aan nieuwe logische verbindingen.

algoritmenEn tot slot is het interessant dat we al sinds de opkomst van het sociale web de basis leggen voor een toekomst waarin machine learning alle ruimte krijgt. Onze digitale samenleving bestaat inmiddels voor een groot deel uit het produceren en afstaan van data, iets waar de Chinese president Xi Jinping handig gebruik van wil maken. Vervang ‘China’ door ‘een bedrijf’ en het is duidelijk dat kunstmatige intelligentie straks voor onuitlegbare verschillen kan gaan zorgen tussen mensen. Vrijwel alle bedrijven zitten al op een berg aan data en dat volume neemt alleen maar toe. Die data zijn in het verleden ‘afgestaan’ volgens wetten en regels uit dat verleden, maar ook met de technologische mogelijkheden uit die tijd. Werk aan de winkel dus voor bestuurders en toezichthouders om zicht en grip te houden op hoe hun organisatie op basis van nieuwe technologie met zowel reeds eerder verzamelde als nieuwe data omgaat. Een mooie, maar wellicht wat romantische houvast komt van journalist en Wall Street Journal R&D chief Francesco Marconi: “Algorithms are rules, and those should be fair.”

Dit artikel is ook doorgeplaatst op iBestuur

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) – big tech

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'