AI-agent opschalen: zo kom je van pilot naar productie

Je AI-pilot werkt, maar dan? Zo krijg je AI-agents van test naar productie

Waarom een geslaagde AI-pilot nog geen productie is

Een pilot is een beschermde omgeving. Dat is ook de bedoeling. In productie valt die bescherming weg, en dat merk je op vijf punten:

• Vragen: in de pilot test je één onderwerp, zoals orderstatus of retouren. In productie stellen klanten drie vragen in één bericht.
• Kanalen en talen: de pilot draait op één kanaal. Echte klanten schrijven in het Duits, sturen een foto mee of mailen later nog na.
• Volume: op maandagochtend komt er in een uur meer binnen dan in een hele pilotweek.
• Toon: klanten zijn boos, omdat hun pakket al twee keer niet kwam.
• Toezicht: in de pilot leest iemand uit je team elk gesprek mee. In productie niet meer.

Een geslaagde pilot laat dus vooral zien dat het kán, niet dat het blijft werken. De stap van AI-pilot naar productie vraagt om andere vragen dan de pilot zelf.

In de praktijk zien we drie redenen waarom die stap uitblijft:

• Niemand is eigenaar van de beslissing. De pilot was het project van één enthousiaste teamlead of IT’er. Opschalen raakt planning, budget en processen, en daar voelt niemand zich verantwoordelijk voor.
• De pilot mat het verkeerde. Er is gekeken naar aantallen gesprekken, niet naar opgeloste vragen. Dan heb je geen onderbouwing voor je directie.
• Het lastige deel zat niet in de pilot. Antwoorden geven uit je kennisbank is iets anders dan een adres wijzigen of een retour aanmaken. Bleef dat buiten de pilot, dan begint het echte werk pas bij het opschalen.

AI-agent opschalen begint met een go/no-go-moment

Het belangrijkste werk gebeurt eigenlijk vóórdat de pilot eindigt: spreek af wanneer je beslist en waarop. Een pilot zonder einddatum wordt een permanent experiment. Hij kost tijd en levert nooit het rendement op dat je directie ervan verwacht.

Zet daarom een vaste datum in de agenda. Leg vooraf vast welke vier vragen je op dat moment beantwoordt:

1. Lost hij de pilotvragen echt op? Kijk naar automatische resolutie per onderwerp en naar herhaalcontact, niet naar volume. Welke cijfers je daarvoor gebruikt, lees je in onze blog over het meten van je AI-agent.
2. Weet hij wanneer hij moet stoppen? Bekijk de gesprekken die hij overdroeg. Gebeurde dat op de juiste momenten, en kreeg je medewerker genoeg context mee? Hoe een goede overdracht eruitziet, lees je in onze blog over de balans tussen mens en machine.
3. Heeft de kennis een eigenaar? De antwoorden komen uit je helpcenter en andere bronnen. Houdt niemand die bij, dan veroudert je AI-agent ongemerkt mee.
4. Is duidelijk wat hij mag? Grenzen, toezeggingen en acties liggen vast voordat je het volume opvoert. Hoe je dat praktisch regelt, lees je in onze blog over AI-governance.

Is het antwoord op een van die vragen nee? Dat is geen mislukking, maar een concreet werkpunt. Verleng de pilot met een helder doel en een nieuwe datum, bijvoorbeeld: “over vier weken lost hij factuurvragen op zonder overdracht”. Wat je wilt voorkomen, is dat de pilot gewoon doorloopt omdat niemand een besluit neemt.

Een tip uit de praktijk: laat het go/no-go-besluit nemen door iemand met mandaat over de hele klantenservice, niet door degene die de pilot bouwde. Dat voelt misschien formeel. Maar het dwingt een eerlijke blik af, en het zorgt dat de volgende stap ook budget en capaciteit krijgt.

Gefaseerd uitrollen: drie knoppen om aan te draaien

Een go-besluit betekent niet dat je de AI-agent maandag op alle kanalen voor alle klanten aanzet. Bij het AI-agent opschalen draai je aan drie knoppen. Draai er steeds één tegelijk aan. Anders weet je bij een dip niet waar die vandaan komt.

Knop 1: volume

Begin met een deel van je klanten, bijvoorbeeld:

• één land of één taal
• één klantgroep
• één merk, als je met meerdere merken in Zendesk werkt

Blijven de resultaten overeind bij meer volume? Dan schuif je door.

Knop 2: kanalen

Elk kanaal vraagt iets anders van je AI-agent:

• Chat of messaging: hier starten de meeste pilots, en dat is logisch. Het gaat om korte vragen en direct contact.
• E-mail: klanten schrijven langer, stellen meerdere vragen tegelijk en verwachten geen gesprek. Test dit apart voordat je de AI-agent hier inzet.
• Telefonie: dit is nog een stap verder, met eigen eisen. In onze blog over voice AI lees je wat daarbij komt kijken.

Begint een klant in de chat en mailt hij later na? Dan wil je dat beide gesprekken bij dezelfde klant terechtkomen. Dat vraagt om een goed ingerichte omnichannel klantenservice.

Knop 3: use cases

Dit is de knop met de meeste waarde, en het meeste risico. Meestal bouw je op in drie niveaus:

1. Kennis: de AI-agent beantwoordt vragen uit je kennisbank.
2. Procedures: de AI-agent volgt vaste stappen, bijvoorbeeld voor een retour of het verzetten van een afspraak.
3. Acties: de AI-agent doet via een koppeling iets in je ordersysteem of CRM.

Elke nieuwe actie test je eerst buiten je live omgeving, met koppelingen die precies de rechten hebben die nodig zijn. Hoe je dat inricht met de testfunctie in Zendesk en een Zendesk Sandbox, lees je in onze blog over AI-governance.

Let ook op je timing. Een grote stap vlak voor Black Friday of de feestdagen is spannend. Wil je je AI-agent juist inzetten om een piek op te vangen, zoals Fairphone deed rond de lancering van de Fairphone 6? Zet de stap dan ruim van tevoren. Hoe je je verder voorbereidt op drukke weken, lees je in onze blog over piekdrukte. Bouw je in dezelfde periode ook je bots om naar de dialogue builder? Plan die twee stappen dan niet tegelijk. In ons stappenplan voor de dialogue builder lees je hoe je die overstap aanpakt.

AI-agent opschalen verandert het werk van je team

Hier gaat het vaak mis, juist omdat het niet technisch is. Neemt je AI-agent de eenvoudige vragen over, dan verandert er voor je team op drie punten iets:

• De werkmix: je medewerkers houden de lastige gesprekken over, zoals klachten, uitzonderingen en klanten die al gefrustreerd zijn.
• De afhandeltijd: die stijgt daardoor bijna altijd. Dat betekent niet dat je team slechter werkt, maar dat je AI-agent zijn werk doet. Leg dat vooraf uit aan je directie. Anders lijkt het in het eerste maandrapport alsof je klantenservice achteruitgaat.
• De planning: minder volume betekent niet automatisch minder mensen op elk moment. Pieken verschuiven en het werk dat overblijft, kost per ticket meer tijd. Met Workforce Management reken je met die nieuwe mix, in plaats van met de cijfers van vorig jaar.

Daarnaast ontstaan er nieuwe taken. Dat zijn geen klusjes voor de vrijdagmiddag, dus beleg ze bij vaste mensen:

• Kennis en instructies bijhouden: iemand zorgt dat de bronnen en instructies van de AI-agent actueel blijven. Heb je die capaciteit zelf niet, laat dan een partner het functioneel beheer van je Zendesk-omgeving doen.
• Gesprekken beoordelen: iemand leest AI-gesprekken terug en toetst ze. Dat kun je meenemen in je bestaande quality assurance voor klantenservice.
• Signalen uit het team verzamelen: je medewerkers zien als eerste wanneer de AI-agent een verkeerd antwoord gaf. Een korte training in AI-gebruik helpt ze om die signalen te herkennen en door te geven.

En vergeet het gesprek met je team niet. Medewerkers vragen zich af wat AI in klantenservice voor hun eigen baan betekent. Wees daar eerlijk over, en betrek ze bij het verbeteren. Zo wordt de AI-agent iets waar ze aan bijdragen, in plaats van iets dat over hen wordt beslist.

Van pilot naar vaste kracht in je klantenservice

Een geslaagde pilot is waardevol, maar hij levert pas iets op als je hem doorzet. De organisaties die dat goed doen, zijn niet per se technisch verder. Ze maken eerder keuzes: wie beslist, wanneer en op basis waarvan. Ze schalen op met één knop tegelijk. En ze behandelen hun AI-agent als een nieuwe collega, met een eigenaar, een inwerkperiode en vaste momenten voor feedback. Dat klinkt minder spannend dan een nieuwe AI-functie, maar het maakt wel het verschil.

Wat levert dat op? Een AI-agent die niet na drie maanden stilletjes wordt uitgezet. In plaats daarvan leert hij elk kwartaal een onderwerp, kanaal of actie bij. Je krijgt een team dat weet waar het aan toe is. En je directie hoort geen pilotverhaal meer, maar ziet resultaten die ze kan uitleggen.

Het eerlijke antwoord op de vraag “werkt onze pilot?” is dus vaak: ja, en nu begint het eigenlijke werk. Dat werk hoef je niet alleen te doen.

Wil je weten wat er nodig is om jouw AI-agent van pilot naar productie te brengen? Bekijk hoe we Zendesk AI Agents inrichten en opschalen, of neem direct contact op met Ralph. Hij denkt graag met je mee.