AI-agents in klantcontact: 60% autonome afhandeling en toch meer klanttevredenheid
Pandora handelt 60% van klantcontact autonoom af — met 10 NPS-punten meer tevredenheid. De les: instrueer een agent als een nieuwe medewerker, niet als een chatbot-regelset.
De overgang van chatbot naar AI-agent is groter dan hij lijkt. Een traditionele chatbot werkt op regels: als klant dit zegt, zeg dan dat. Een AI-agent werkt op begrip: hij krijgt hoog-niveau instructies, begrijpt context en redeneert zelfstandig naar een antwoord.
Dat verschil bepaalt of je klanten tevreden zijn of gefrustreerd. Reinier van Leuken beschrijft in S08E33 hoe Pandora's agent op Salesforce AgentForce maar liefst 60% van alle klantcontact autonoom afhandelt — en hoe de NPS na invoering met 10 punten steeg. Het geheim: behandel een agent als een nieuwe medewerker, niet als een scriptje.
Geef hem merkwaarden, stijlgids en denkprincipes — en laat hem zelf uitvinden wat hij wel en niet zegt. Erik Klein Nagelvoort laat in S08E31 zien hoe diezelfde aanpak werkt bij kleinere bedrijven: een WhatsApp-agent die na elk zakelijk gesprek automatisch het CRM bijwerkt, of een systeem dat callcenterpieken voorkomt door data-gedreven campagneplanning. Niet elk klantcontact-probleem vraagt om een enterprise-platform — de methodiek is de kern, niet de tool.
Veelgestelde vragen over AI-agents in klantcontact
Kan een AI-agent klantcontact autonoom afhandelen zonder tevredenheid te schaden?
Ja. Reinier van Leuken beschrijft in S08E33 hoe Pandora's agent op Salesforce AgentForce 60% van alle klantcontact autonoom afhandelt, terwijl de NPS na invoering met tien punten steeg. De sleutel: instrueer de agent als een nieuwe medewerker met hoog-niveau doelen, niet als een chatbot met een starre regelset.
Waarom werkt een AI-agent beter dan een traditionele chatbot in klantenservice?
Een chatbot werkt op regels ('als klant dit zegt, zeg dan dat'); een agent werkt op begrip. Hij krijgt hoog-niveau instructies, begrijpt context en redeneert zelfstandig naar een antwoord. Reinier van Leuken benadrukt in S08E33 dat succesvolle bedrijven een agent behandelen als een nieuwe medewerker en hem ook zo aansturen — dat verschil bepaalt of klanten tevreden of gefrustreerd zijn.
Hoe instrueer je een AI-agent voor klantcontact het beste?
Als een nieuwe medewerker, niet als een chatbot. Reinier van Leuken ziet in S08E33 dat succesvolle organisaties nadenken over de agent als iemand die je inwerkt: je geeft doelen, context en grenzen in plaats van een uitputtende beslisboom. Zo kan de agent zelfstandig redeneren binnen duidelijke kaders.
Citaten uit onze afleveringen
“In algemene zin zie ik dat bedrijven die succesvol zijn met agents, echt nadenken over een agent als een nieuwe medewerker. En het ook op die manier aanvliegen. Ga nou niet tegen die agent zeggen van je mag nooit praten over. Of als de klant dit zegt, dan moet jij dat zeggen. Want dan zijn we eigenlijk weer terug bij traditionele chatbots. In plaats daarvan moet je veel hoger niveau instructies geven. Precies zoals je een mens ook zou instrueren.
Reinier van Leuken, Productontwikkeling AgentForce bij Salesforce — S08E33
“Een hele succesvolle agent bijvoorbeeld is op Agent Force gebouwd door het Deens sieradenmerk Pandora. Een van is zo'n service agent, die maar liefst 60% van al het klantcontact al afhandelt. Wat heel interessant daarbij is, is dat de NPS, de Net Promoter Score, die is na de invoering van die agent toegenomen met 10 punten.
Reinier van Leuken, Productontwikkeling AgentForce bij Salesforce — S08E33
“Ik zit in de auto, ik roep tegen mijn agent. Het is gewoon een WhatsApp integratie. En die stelt aan mij vragen van Erik, wat was het idee? Wat was de klant? Wat is de doorlooptijd? Wat is ongeveer de dealwaarde. Deal zit erin. Eind van de week hoef ik dat saaie werk.
Erik Klein Nagelvoort, Managing Partner bij Blue Field Agency — S08E31
Bewijsafleveringen
Van chatbot naar AI-agent: lessen uit de praktijk
Reinier van Leuken beschrijft hoe Pandora's agent 60% van klantcontact autonoom afhandelt met NPS+10, en waarom je een agent moet instrueren als een nieuwe medewerker — niet als een regelset.
Praktische AI voor bedrijven en sport: van CRM-automatisering tot hockeyanalyse
Erik Klein Nagelvoort laat zien hoe een WhatsApp-agent CRM-updates automatiseert na zakelijke gesprekken, en hoe data-gedreven campagneplanning callcenterpieken bij Transavia voorkomt.
Zo implementeer je AI Governance in code
AI Governance en controle zijn kritiek bij implementatie van AI-agents in bedrijven. Deze aflevering toont hoe organisaties agents veilig en gecontroleerd kunnen inzetten via governance frameworks—essentieel voor verantwoorde autonome afha…
Wat écht verandert bij AI-agents — en wat niet
Concrete verwachtingen bijstellen over AI-agents in klantgerichte omgevingen: wat ze echt overnemen en wat menselijke aansturing blijft vereisen.
Waarom wantrouwen de sleutel is tot vertrouwen in AI-agents
Vertrouwen in AI-agents in klantcontact opbouwen begint met gezond wantrouwen: structurele verificatie en menselijke vangnet blijven noodzakelijk.
Niet onze AI: waarom regie pakken belangrijker is dan voor of tegen AI zijn
De aflevering leert hoe je bij AI-implementatie in klantcontact strategisch regie pakt: welke vragen je moet stellen voordat je technologie inzet, om uiteindelijk beter resultaten te bereiken dan voor/tegen-debatten.
"Hallucineer niet" zeggen lost niets op. Dit wel!
RAG en verificatietechnieken voorkomen hallucinaties in AI-agents, wat cruciaal is voor betrouwbare klantcontact-automatisering. Deze methodes vormen de technische basis voor de 60% autonome afhandeling met hogere NPS.
"Werken op papier is zo uit!"
AI-agents worden effectiever ingezet wanneer je eerst de workflow op papier ontwerpt met canvas-methodes. Dit verhoogt de kans op succesvolle autonome afhandeling en betere integratie in bestaande klantenserviceprocessen.
Human-in-the-loop: een handtekening garandeert geen menselijke controle
Human-in-the-loop kontrole in AI-agentimplementaties faalt vaak doordat handtekeningen geen werkelijke menselijke toetsing garanderen. De aflevering leert vier praktische aanpassingen om controle effectief in te richten bij autonome afhande
AI-agents bij PostNL: proces, techniek en adoptie
PostNL's praktijkervaringen tonen aan hoe AI-agents in klachtenverwerking schaalbaar kunnen worden ingezet (1,2M pakketten/dag) met concrete lessons learned over implementatie-risico's en succesfactoren voor adoptie.
AI-projecten falen door budgetproblemen: zo los je dat op
AI-agents voor klantcontact mislukken vaak niet door technische tekortkomingen, maar door budgetstructuren die innovatie, productie en beheer scheiden. Organisaties moeten drie aparte budgets coördineren om autonomous agents succesvol in pr
Verder lezen over AI-agents in klantcontact
Dit thema valt onder
AI in de praktijk: concrete cases van Nederlandse organisaties →