Daarnaast groeide dit project uit tot een proof-of-concept voor toekomstige ontwikkeltrajecten bij Infodation: met hulp van AI wisten we de tijd tussen idee en een demo-bare eerste versie van het product terug te brengen tot slechts twee weken.
Oude aannames
Klantenservicegesprekken zijn meer dan het uitwisselen van informatie; het zijn emotionele trajecten. Klanten beginnen een gesprek met verwachtingen, frustratie of urgentie. Agents werken ondertussen onder constante tijdsdruk en schakelen vaak tussen meerdere systemen tegelijk. Sentiment wordt traditioneel pas ná het gesprek gemeten.
De onderzoeksvraag
We wilden onderzoeken of AI de onderliggende signalen tijdens een klantinteractie kan blootleggen, en hoe die inzichten kunnen worden ingezet voor betere service. De kernvraag achter ons AI-onderzoek was eenvoudig maar ambitieus: kunnen we de kwaliteit van deze interacties begrijpen terwijl ze plaatsvinden, in plaats van achteraf?
Het experiment
Om deze vraag te beantwoorden, bouwden we een proof of concept dat callcenters effectiever maakt door agents real-time te ondersteunen. Voor het Smart Calling Center kozen we voor een no-code/low-code aanpak: de backend werd gebouwd met n8n en Azure Communication Services (ACS) API’s, terwijl de frontend werd ontwikkeld met Lovable en Cursor AI, ondersteund door Vite.
De POC combineerde meerdere AI-gedreven functionaliteiten, waaronder:
- live transcripties van gesprekken
- een real-time klantinformatiepanel
- herkenning en extractie van telefoonnummers
- door AI gegenereerde casesamenvattingen
Samen boden deze functies agents direct context, overzicht en ondersteuning — zonder hun workflow te verstoren.
Wat AI liet zien
Drie inzichten sprongen er duidelijk uit.
- Real-time sentimentanalyse Analyse van sentiment tijdens live gesprekken liet zien dat emoties van zowel klant als agent snel kunnen veranderen. Door deze verschuivingen zichtbaar te maken, kunnen agents hun toon en aanpak direct aanpassen, in plaats van pas achteraf te reageren.
- Scheiding van spraak en chat Door spraaktranscriptie los te analyseren van chatberichten ontstaat een nauwkeuriger beeld. Spraak legt toon, emotie en urgentie vast, terwijl chat zorgt voor precieze inhoud. Samen geven ze een rijker en betrouwbaarder beeld van de interactie.
- Automatisch gegenereerde samenvattingen AI kan hoogwaardige samenvattingen genereren op basis van volledige gesprekken. Dit bespaart aanzienlijk veel tijd op documentatie en verhoogt tegelijkertijd de consistentie en nauwkeurigheid.
Wat dit betekent voor ons werk
DDeze inzichten laten zien hoe AI zowel de servicekwaliteit als de operationele efficiëntie kan verbeteren:
- Betere servicekwaliteit: real-time sentimentanalyse helpt agents om ontevredenheid vroegtijdig te herkennen en effectief te reageren.
- Hogere efficiëntie: automatisch gegenereerde samenvattingen nemen administratief werk weg, waardoor agents zich kunnen richten op de klant.
- Datagedreven inzichten: de combinatie van spraak, chat en sentiment levert waardevolle data op voor training en continue verbetering.
- Naadloze integratie: koppelingen met CRM-systemen zoals HubSpot of Salesforce zorgen dat informatie automatisch wordt bijgewerkt en handmatig werk afneemt.
Nieuwe aannames
Dit experiment daagt onze manier van denken over AI in klantenservice uit. Technologie kan empathie versterken. AI vervangt menselijke callcenter-agensts niet, maar helpt hen klanten beter te begrijpen en effectiever te reageren. Real-time inzicht blijkt waardevoller dan analyse achteraf, omdat het directe actie mogelijk maakt op het moment dat het ertoe doet.
Het zet ook vertrouwde aannames op scherp:
- Samenvattingen kunnen alleen handmatig worden geschreven.
AI kan op schaal hoogwaardige samenvattingen genereren. - Spraak en chat zijn gescheiden kanalen.
Samen geven ze een vollediger beeld. - Sentiment kan pas na het gesprek worden gemeten.
Real-time analyse maakt tijdig ingrijpen mogelijk.
Meer horen dan wat er wordt gezegd
Dit experiment laat zien hoe een pragmatische, experiment-gedreven AI-strategie leidt tot tastbare resultaten. Door AI in te zetten ter ondersteuning van callcenter-agent in real time, hebben we zowel snelheid (van idee naar POC in twee weken) als impact gerealiseerd. AI helpt supportmedewerkers sneller te werken, focus te houden en betere klantervaringen te leveren.
