Voor teams met een volle gedeelde mailbox
Dezelfde vragen, elke dag opnieuw.
Nu ligt er al een concept klaar
De servicedesk is dezelfde chat op je eigen data, maar dan in een harnas rond je mailbox. Wat binnenkomt wordt gelezen, er wordt gezocht in je eigen handleidingen en eerdere antwoorden, en er ligt een concept klaar. Een mens verstuurt, en bij elk voorstel zie je waar het vandaan komt.
Waar de tijd in gaat zitten, en wat de agent daarvan overneemt.
De agent doet het opzoekwerk. Jouw mensen beslissen wat de deur uit gaat.
Bezetting
Eén iemand ziek en de wachtrij loopt op. Wat 's avonds of in het weekend binnenkomt heeft de volgende ochtend al een voorstel, dus je begint de dag niet met een achterstand.
Opzoekwerk
Het zoeken kost meer tijd dan het typen. De agent zoekt in je handleidingen, procedures en eerdere antwoorden, en zet bij elk voorstel de bron erbij.
Je eigen systemen
Wat via MCP of een API bereikbaar is sluiten we aan: je ordersysteem, je CRM, je voorraad. Dan gaat het voorstel over deze klant en niet alleen over de documentatie.
Controle
Er ligt een concept, geen verzonden mail. Een mens leest na en verstuurt. Omdat de bron erbij staat, kun je nagaan of het antwoord klopt voordat het weggaat.
Lastige bezetting op de servicedesk
De vragen zijn meestal niet moeilijk. Ze zijn er alleen elke dag, en ze komen niet gelijkmatig binnen. Eén iemand ziek, een maandag na een storing, of de week na een productlancering: dan loopt de wachtrij op en schuift het werk dat er echt toe doet naar achteren.
Wat de agent overneemt
Niet het beslissen, wel het opzoeken. De agent leest wat binnenkomt, zoekt in je eigen handleidingen, procedures en eerdere antwoorden, en legt een concept klaar met de bron erbij. Je medewerker leest na, past aan waar nodig, en verstuurt.
Wat het je oplevert
De ochtend begint niet met een achterstand, want wat er buiten kantooruren binnenkwam heeft al een voorstel.
Het uitzoekwerk in documentatie ligt bij de agent, dus je mensen houden tijd over voor de vragen die om een echt oordeel vragen.
Een nieuwe collega ziet bij elk voorstel waar het antwoord vandaan komt, en leert zo hoe een goed antwoord is opgebouwd.
Van binnenkomende mail
naar een antwoord dat klopt
Zeven stappen. De eerste vier gaan over de mailbox, de laatste drie over kwaliteit.
-
De mailbox erbij
We koppelen de plek waar het binnenkomt. Je handleidingen, procedures en eerdere antwoorden gaan mee als bron, want daar staat het antwoord meestal al in. Systemen die MCP ondersteunen sluiten we generiek aan.
-
Elke mail krijgt een voorstel
De agent leest wat er binnenkomt, zoekt in jouw materiaal en schrijft een concept. Geen standaardantwoord, maar een antwoord op deze vraag.
-
Een mens drukt op verzenden
Je ziet het voorstel naast de vraag, past aan wat je wilt en verstuurt. Wat je aanpast is meteen de correctie.
-
Bij elk voorstel staat de bron
Uit welke handleiding of welk eerder antwoord het komt. Daarmee kan je servicedesk controleren voordat er iets de deur uitgaat.
-
Het model en de embedding zijn een keuze
Er zijn vijf aanbieders van embeddings beschikbaar, waaronder modellen die specifiek getraind zijn op juridische teksten, op financiele stukken of op code. Je kiest er een voor je hele omgeving, dus die keuze aan het begin telt, en wij helpen je hem maken.
-
En we meten of het beter kan
We draaien dezelfde vragen langs meerdere modellen en herhalen dat, zodat je ziet welk model het beste presteert en welk model dat consistent doet. Kwaliteit, snelheid en tokenverbruik komen uit dezelfde meting.
Waar de grenzen liggen
Wat hieronder staat hoort in het gesprek thuis en niet in de kleine letters.
-
Een mens verstuurt
Er gaat niets automatisch de deur uit. Het voorstel ligt klaar, jij bepaalt of het klopt.
-
Ze bedenkt geen beleid
Staat het antwoord nergens in je materiaal, dan komt het er ook niet uit. Dan is de vraag wie het antwoord moet opschrijven.
-
Een embedding per omgeving
Je kiest er een voor het geheel en niet per kennisbank. Wil je later een andere, dan wordt alles opnieuw gevectoriseerd.
-
Ze is zo goed als je data
Rommelige mappen leveren rommelige uitkomsten. Het opruimen doen we samen, en dat is meestal het meeste werk.
-
Zij stopt niet, wij wel
De agent draait door en is ook in het weekend te bekijken, dus je kunt in je eigen tijd doorwerken. Wat een van onze mensen moet beoordelen, wacht tot de volgende werkdag.
We trainen de AI met al je data en zorgen dat hij je klant herkent.
Het ontwikkelen van een AI servicedesk automatisering is een spannende, maar serieuze onderneming. Wij nodigen je uit om samen te werken aan deze transitie. Laten we ontdekken hoe we jouw klantenservice kunnen verbeteren met AI! Wij helpen je persoonlijk gedurende het hele traject.
Je houdt zelf de sleutels
De servicedesk is dezelfde chat op je eigen data, maar dan rond je mailbox. Waar die data staat en welk model de antwoorden schrijft, zijn keuzes die je zelf maakt. Ze komen niet als vaste set met het abonnement mee.
Je eigen bronnen
We sluiten aan wat er al is: handleidingen, procedures en eerdere antwoorden, en waar dat past een SharePoint of een gedeelde schijf. Systemen die MCP of een API aanbieden kunnen er ook bij, zodat een voorstel over deze klant kan gaan en niet alleen over de documentatie.
Wat je zelf bepaalt
Welk model de antwoorden schrijft, en of dat een model van een leverancier is of een open source model dat in je eigen omgeving draait.
Welke embedding je documenten doorzoekbaar maakt. Eén per omgeving, zodat zoekresultaten onderling vergelijkbaar blijven.
Wie bij welke bron mag. De toegang volgt de rechten die je al hebt ingericht, en wordt hier niet opnieuw bedacht.
Een eerlijke afweging vooraf
Een lijst met alleen voordelen helpt je niet kiezen. Dit is waar een AI-servicedesk sterk in is, en waar je hem beter niet op zet.
Waar hij sterk in is
Vragen waarvan het antwoord ergens is opgeschreven. Daar zit de winst, want het opzoeken kost meer tijd dan het typen.
Pieken en gaten in de bezetting. Wat buiten kantooruren binnenkomt heeft de volgende ochtend al een voorstel.
Consistentie tussen collega's, omdat iedereen uit dezelfde bronnen put en de bron bij het antwoord staat.
Waar hij het laat afweten
Vragen waarop het antwoord nergens staat. Dan komt er geen voorstel, en dat is beter dan een verzonnen antwoord.
Zaken waar een oordeel of een uitzondering bij hoort. Een coulanceverzoek of een klacht hoort bij een mens.
Een mailbox waarin de documentatie verouderd is. Dan citeert de agent netjes wat er staat, en dat klopt dus niet.
Klein beginnen is hier geen advies maar de werkwijze
Je begint niet met de hele mailbox. Je begint met één soort vraag die vaak terugkomt, en je kijkt of de voorstellen kloppen voordat er meer bij komt.
De eerste weken
In het begin leest iemand elk voorstel na. Dat is niet alleen controle. Het is ook waar je ziet welke bronnen ontbreken, want een vraag waar de agent niets voor kan vinden valt meteen op.
Waar het meestal op vastloopt
Documentatie die niet meer klopt. De agent citeert wat er staat, dus verouderde procedures komen vanzelf boven water.
Antwoorden die nooit zijn opgeschreven maar in iemands hoofd zitten. Die moeten er eerst uit voordat er iets te zoeken valt.
De verwachting dat het nalezen meteen kan vervallen. Dat moment komt pas als je een tijd hebt gezien dat de voorstellen kloppen.
Veelgestelde vragen
Praktische antwoorden op de vragen die we het vaakst horen.
Wat zijn de belangrijkste voordelen van een AI email servicedesk?
De belangrijkste voordelen zijn efficiëntie, snelheid en gepersonaliseerde klantcommunicatie. AI kan ook grote hoeveelheden data analyseren en waardevolle inzichten opleveren die je kunt gebruiken om je service te verbeteren. 😊
Hoe kan ik de effectiviteit van mijn AI email servicedesk meten?
Dit kan door het monitoren van metrics zoals responstijd, klanttevredenheidsscores en de hoeveelheid emails die automatisch zijn afgehandeld zonder menselijke tussenkomst. 📊
Wat doe ik als mijn medewerkers moeite hebben met de AI?
Het is belangrijk om te blijven communiceren met je medewerkers. Zorg ervoor dat je hun feedback verzamelt en deze gebruikt om de AI te verbeteren. Het maakt hun werk juist leuker omdat er meer tijd over is voor complexere uitdagingen. 🤝
Wat zijn de kosten van het implementeren van een AI email servicedesk?
Investering en doorlooptijd hangen af van je pakket en de hoeveelheid gekoppelde data. Begin daarom klein en bouw de AI uit met steeds meer databronnen.
Hoe kan ik mijn medewerkers voorbereiden op deze verandering?
Training is essentieel. Creëer een programma waarbij medewerkers leren om effectief samen te werken met de AI, en verduidelijk wat hun nieuwe rol zal zijn. 🎓
Is er een risico verbonden aan het gebruik van AI in klantenservice?
Ja, zoals bij elke technologie zijn er risico's, zoals beperkte menselijke interactie en technologische fouten. Gelukkig past ons platform naadloos in je bestaande omgeving, waardoor deze altijd zonder AI door zal blijven draaien. 🔧