Vervangbaar vs onvervangbaar

Welk deel van support kan AI wel, welk deel nooit

Stel je voor: het is dinsdagochtend, je koffie is nog warm, en je inbox heeft 47 nieuwe klantvragen. Drieëntwintig zijn variaties op "waar blijft mijn pakket?". Acht gaan over maten. Zes zijn boze mailtjes omdat iemand een verkeerd paar schoenen heeft gekregen. Eén komt van een moeder wiens zoon morgen zijn eerste wedstrijd heeft en het shirt nog niet binnen is. Welke zou een AI moeten beantwoorden, en welke absoluut niet?

De scheidslijn die je moet durven trekken

In elk supportkanaal zit een stille tweedeling. Aan de ene kant: vragen met een feitelijk antwoord. "Waar is mijn pakket?" "Past maat 42 hetzelfde als 42,5?" "Kan ik met iDEAL betalen?" Dit is werk dat een goed getrainde AI prima aankan — zolang hij toegang heeft tot je bestelgegevens, je productdatabase en je FAQ. Aan de andere kant: vragen met een mens erachter die iets voelt. Teleurstelling. Urgentie. Woede. Verwarring over iets wat hij niet goed kan formuleren. Dat is géén AI-werk.

De cijfers die grote supportorganisaties sinds 2024 publiceren draaien allemaal om ongeveer hetzelfde getal: 60 tot 70 procent van inkomende support is herhaalbaar en gestructureerd. De resterende 30 tot 40 procent is niet alleen lastiger — het is fundamenteel anders werk. Wie die twee stapels op één hoop gooit, bouwt óf een bot die zijn mond voorbij praat in situaties waar dat niet mag, óf een systeem waar mensen alles dubbel moeten doen.

Een werkbare taxonomie voor je eigen webshop

Kijk mee naar je laatste honderd supportberichten en sorteer ze in vier stapels. Niet drie, niet vijf — vier. Dit is de verdeling die in de praktijk steeds weer werkt.

Stapel één: feitelijke FAQ. "Hoe lang duurt verzending?" "Wat is jullie retourbeleid?" "Hebben jullie maat XL in voorraad?" Antwoord staat in je kennisbank of je database. AI mag dit zelfstandig afhandelen, mits hij bij de juiste bronnen kan. Typisch: 40-50% van het volume.

Stapel twee: transactioneel met status. "Waar is mijn bestelling 10432?" "Is mijn retourzending aangekomen?" AI mag antwoorden, mits hij de actuele status ophaalt uit je systeem (track & trace, je eigen orderdatabase, je boekhouding). Hier gaat het mis als je alleen maar generieke teksten uitspuugt — je klant wil zijn ordernummer herkend zien. Typisch: 15-20%.

Stapel drie: emotioneel of complex. "Mijn zoon heeft morgen een wedstrijd en jullie hebben het verkeerde shirt gestuurd." Hier zit géén feitelijk antwoord dat helpt. Hier zit een mens die iets nodig heeft wat verder gaat dan de feiten. AI mag hier hooguit triageren en doorzetten. Nooit zelf beantwoorden. Typisch: 20-25%.

Stapel vier: juridisch, refunds, escalaties. Klachten via de consumentenbond, boze juridische taal, verzoeken om terugbetaling buiten beleid, BTW-geschillen, data-verzoeken (AVG). AI komt hier niet aan. Punt. Typisch: 5-10%, maar met het hoogste risico per bericht.

Waar AI gegarandeerd de mist in gaat

Er zijn drie situaties waarin je AI laten antwoorden niet alleen dom is — het schaadt je merk direct en soms blijvend.

Refundverzoeken. Een LLM is getraind om behulpzaam te klinken. Vraag hem "kan ik geld terugkrijgen want ik ben ontevreden?" en hij wil instinctief "ja, natuurlijk, geen probleem" zeggen. In 2024 hebben meerdere grote retailers (waaronder Air Canada in een beroemd vonnis) geld moeten teruggeven omdat hun chatbot beloftes had gedaan die nooit ingelost mochten worden. De rechter oordeelde: wat je bot zegt, zeg jij. Zet refunds dus altijd in een escalatiepad, nooit in de AI zelf.

Medische, juridische of financiële advies-achtige vragen. "Is dit product veilig voor mijn dochter met een pinda-allergie?" "Kan ik deze factuur aftrekken?" Zelfs als je ergens een antwoord hebt liggen — laat dit door een mens gaan. De kosten van één fout antwoord zijn hier exponentieel hoger dan de kosten van een minuut wachten.

Emotionele escalatie. Als iemand schrijft "dit is de derde keer dat ik contact opneem", "ik overweeg juridische stappen", "ik ben echt klaar met jullie" — dan is élk AI-antwoord een misstap. Die persoon wil erkenning, geen snelheid. Een bot die vrolijk "hoi! leuk dat je contact opneemt!" terugstuurt, gooit olie op vuur.

Eerlijk blijven over wat je niet kan

De verleiding voor jou als solo-ondernemer is groot: "als ik 80% kan automatiseren, kan ik eindelijk schalen." Maar 80% is géén realistisch doel in support. 60-70% is het plafond waar grote, goed uitgeruste teams tegenaan lopen. Jij, zonder tien man achter je, zit dichter bij 50-55% — en dat is al fantastisch.

De echte winst zit niet in het percentage. De echte winst zit in welke vragen je afvangt. Als je de saaie 50% eruit filtert, heb je twee keer zoveel tijd voor de 30% waar een mens echt waarde toevoegt. Die klant die morgen een wedstrijd heeft? Die krijgt nu binnen vijf minuten een persoonlijk telefoontje van jou, in plaats van over drie uur een gemaild excuus. Dát is wat AI-support zou moeten opleveren: ruimte voor échte zorg, niet vervanging ervan.

Concreet: wat betekent dit maandag?

Pak je laatste 50 supportberichten. Maak vier stapels zoals hierboven. Tel. Als stapel 1 en 2 samen meer dan 50% zijn — en dat zijn ze bijna altijd — heb je een helder automatiseringsdoel. Start daar. Laat stapel 3 en 4 voorlopig onaangeroerd. Dat is geen falen, dat is wijsheid.

Drie dingen om mee te nemen

1. 60-70% van support is automatiseerbaar, niet meer. Wie hoger mikt, bouwt een bot die beloftes doet die jij moet waarmaken.
2. Vier stapels, niet één hoop. FAQ, transactioneel, emotioneel, juridisch. Alleen de eerste twee horen bij AI thuis.
3. De winst zit in vrije tijd voor échte zorg. Niet in minder personeel, maar in meer aandacht per klant die aandacht verdient.

In de volgende les duiken we in de chatwidget op je site — de plek waar AI het eerste contact maakt. Welke smaak kies je, hoe hang je er je kennisbank aan, en wat moet je bot vooral niet zeggen als hij het niet weet?

Tot dan. Sorteer die stapels alvast.