Gabriëlla Martijn: De chatbot begrijpt de klant vaak nét verkeerd
Iedereen heeft het weleens meegemaakt. Je stelt een vraag aan een chatbot en krijgt een antwoord dat nergens op slaat. Je probeert het opnieuw, formuleert je vraag anders, maar opnieuw volgt een reactie die weinig met het oorspronkelijke probleem te maken heeft. Na enkele pogingen geef je het op en vraag je om een medewerker.
Veel organisaties zien dit soort situaties als een technisch probleem. De chatbot heeft de intentie van de klant simpelweg niet goed herkend. Maar volgens het promotieonderzoek Customer Service Chatbots: From Automation to Collaboration van Gabriëlla Martijn ligt de werkelijkheid genuanceerder. Het succes van een chatbot hangt niet alleen af van het herkennen van een vraag, maar vooral van de manier waarop de chatbot omgaat met misverstanden tijdens het gesprek. Juist daar gaat het volgens haar onderzoek vaak mis.
Twee soorten misverstanden
Een van de meest interessante inzichten uit het proefschrift is het onderscheid tussen twee verschillende soorten fouten.
- De eerste is een non-understanding. Daarbij begrijpt de chatbot de vraag niet en geeft dat ook eerlijk toe. Denk aan een reactie als: “Ik begrijp uw vraag niet” of “Kunt u uw vraag anders formuleren?”
- De tweede is een misunderstanding. Daarbij denkt de chatbot juist wél dat hij de klant begrijpt, terwijl dat niet zo is. Vervolgens geeft hij een antwoord dat niet aansluit op de werkelijke vraag van de klant.
Dat verschil lijkt klein, maar heeft grote gevolgen voor de klantbeleving.
Wanneer een chatbot aangeeft iets niet te begrijpen, weet de klant waar hij aan toe is. De communicatie loopt weliswaar vast, maar de oorzaak is duidelijk. Bij een misunderstanding ontstaat juist verwarring. De chatbot presenteert een antwoord alsof het relevant is, terwijl het probleem feitelijk niet wordt begrepen.
Volgens het onderzoek zijn deze misunderstandings vaak schadelijker dan non-understandings.
Waarom verkeerde antwoorden zo frustrerend zijn
Klanten nemen doorgaans aan dat een chatbot weet waar hij het over heeft. Wanneer een systeem een zelfverzekerd antwoord geeft, ontstaat al snel de indruk dat de vraag correct is geïnterpreteerd. Juist daarom kan een verkeerd antwoord veel frustratie oproepen.
De klant moet niet alleen constateren dat het probleem niet is opgelost, maar ook ontdekken dat de chatbot een verkeerde aanname heeft gemaakt. Vervolgens wordt de verantwoording om het gesprek weer terug te brengen naar het oorspronkelijke onderwerp bij de klant gelegd. Dat kost tijd en energie.
Gabriëlla Martijn laat zien dat succesvolle samenwerking tussen klant en chatbot niet alleen draait om correcte intentherkenning aan het begin van een gesprek. Minstens zo belangrijk is het vermogen om gedurende de interactie te controleren of beide partijen elkaar nog steeds begrijpen. Met andere woorden: begrip is geen eenmalige gebeurtenis, maar een continu proces.
Informatieve vragen versus complexe verzoeken
Het onderzoek maakt daarnaast onderscheid tussen verschillende soorten klantvragen. Informatieve vragen blijken relatief eenvoudig voor chatbots. Vragen over openingstijden, vertrektijden of procedures kunnen vaak succesvol worden afgehandeld. Complexer wordt het bij transactionele verzoeken. Denk aan een dubbele factuur, een wijziging in een abonnement, een administratieve fout of een verzoek dat toegang tot klantgegevens vereist. Juist bij dit soort vragen ontstaan veel problemen.
Volgens het onderzoek lopen transactionele verzoeken aanzienlijk vaker vast dan informatieve vragen. Dat heeft onder meer te maken met de context die nodig is om dergelijke situaties te begrijpen. Vaak moet informatie uit meerdere systemen worden gecombineerd of moet rekening worden gehouden met persoonlijke omstandigheden van de klant. Voor veel chatbots vormt dat nog steeds een uitdaging.
Hoe goede chatbots zichzelf controleren
Een opvallende conclusie uit het proefschrift is dat succesvolle chatbots niet noodzakelijk de slimste chatbots zijn. Veel belangrijker is hoe zij omgaan met onzekerheid. In de onderzochte gesprekken bleek een zogenaamde bevestigingsstrategie bijzonder effectief. Daarbij controleert de chatbot expliciet of zijn interpretatie klopt voordat hij verdergaat.
Een chatbot kan bijvoorbeeld reageren met: “Als ik het goed begrijp, gaat uw vraag over een factuur. Klopt dat?” Zo’n controlemechanisme lijkt misschien een kleine stap, maar het helpt om misverstanden vroegtijdig te signaleren. Op die manier geeft de chatbot namelijk aan wat er wél begrepen is, en hoewel dat misschien niet overeenkomt met wat de klant voor ogen had, is dat een moment om het gesprek weer bij te sturen. Daardoor ontstaat meer wederzijds begrip en blijft het gesprek beter op koers.
Het onderzoek laat zien dat dergelijke bevestigingsstrategieën een belangrijke rol spelen in succesvolle samenwerking tussen klant en chatbot.
Het verschil tussen mens en machine
Interessant is dat Gabriëlla Martijn ook keek naar de manier waarop medewerkers omgaan met misverstanden. Daaruit blijkt een fundamenteel verschil tussen mensen en chatbots. Wanneer een medewerker iets niet begrijpt, formuleert hij vaak heel specifiek wat onduidelijk is. Een medewerker vraagt bijvoorbeeld: “Wat bedoelt u precies met het verhogen van uw spaarsaldo?” Een chatbot blijft meestal algemener en zegt simpelweg dat hij iets niet begrijpt.
Dat verschil lijkt klein, maar heeft invloed op de voortgang van het gesprek. Hoe specifieker een probleem wordt benoemd, hoe makkelijker het voor een klant wordt om aanvullende uitleg te geven.
Begrip is belangrijker dan intelligentie
De populariteit van AI zorgt ervoor dat veel organisaties vooral kijken naar de intelligentie van hun chatbot. Hoe beter het systeem vragen kan herkennen, hoe succesvoller het project lijkt. Het onderzoek van Gabriëlla Martijn laat zien dat die benadering te beperkt is.
Succesvolle klantinteracties ontstaan niet doordat een chatbot alles begrijpt, maar doordat hij actief werkt aan wederzijds begrip. Dat betekent onzekerheid erkennen, interpretaties controleren en klanten helpen wanneer een gesprek dreigt vast te lopen.
De belangrijkste vraag is daarom niet of een chatbot slim genoeg is. De belangrijkste vraag is of hij in staat is om samen met de klant tot begrip te komen en dit begrip gedurende het gesprek vast te houden. Juist daar wordt het verschil gemaakt tussen een chatbot die gesprekken voert en een chatbot die klanten daadwerkelijk helpt.
Gabriëlla Martijn promoveerde in mei 2026 aan de Universiteit Utrecht op het proefschrift Customer Service Chatbots: From Automation to Collaboration. In haar onderzoek stond de vraag centraal hoe organisaties, klantenservicemedewerkers en chatbots effectief kunnen samenwerken.
Gabriëlla’s interesse in conversational AI ontstond tijdens een studentenbijbaan. Daar was Gabriëlla betrokken bij de implementatie van een eenvoudige chatbot, bedoeld om veelgestelde vragen af te handelen en de druk op medewerkers te verlagen. Juist die praktijkervaring liet haar zien hoe complex chatbotimplementaties in werkelijkheid zijn en hoeveel samenwerking daarbij nodig is tussen developers, designers en klantcontactmedewerkers op de werkvloer.
Inmiddels werkt Gabriëlla als Digital Marketing Strategy Consultant bij Deloitte Digital.
Om de vertaalslag te maken van de wetenschap naar de dagelijkse operationele praktijk, maakte Klantcontact.nl in samenwerking met Gabriëlla een serie van artikelen naar aanleiding van haar proefschrift. Gabriëlla’s volledige proefschrift is te downloaden via deze link.
