Heb je nog chatbots nodig nu er ChatGPT is?
Die vraag lijkt simpel. Toch raakt die vraag de kern van een veel grotere discussie over digitalisering, AI en de rol van klantcontact. Volgens Jeroen Marttin, Partner bij Studio Winegum, is het antwoord allesbehalve zwart-wit. “De soep wordt niet zo heet gegeten als hij wordt opgediend,” zegt hij nuchter. De echte vraag is niet óf organisaties nog chatbots nodig hebben, maar waar ze zelf autoriteit willen houden en waar generieke AI juist waarde toevoegt.
Van callcenter naar automatisering
Marttin belandde zo’n twintig jaar geleden “per ongeluk” in een callcenter, maar raakte sindsdien niet meer los van het vak. Altijd met dezelfde onderliggende vraag: waarom komt dit klantcontact eigenlijk nog bij ons binnen? Die vraag is door de jaren heen steeds relevanter geworden.
We zijn al vaker door technologische golven gegaan. Eerst zoekmachines, daarna prijsvergelijkers, social media, selfservice-omgevingen en apps. Elke keer werd voorspeld dat websites, callcenters of medewerkers overbodig zouden worden. “En dan blijkt dat toch altijd niet zo te zijn” zegt Jeroen Marttin. Organisaties blijven zoeken naar het punt waar zij zelf waarde toevoegen en waar niet.
Digitalisering als stille revolutie
Veel klantvragen die vroeger hele afdelingen bezighielden, zijn inmiddels volledig verdwenen. Het klassieke voorbeeld: “wat is mijn beltegoed?” of “Wat is mijn banksaldo?” Dat soort vragen wordt nu moeiteloos afgehandeld via apps en online omgevingen.
Die ontwikkeling is geen hype, maar structurele digitalisering. Volgens Marttin krimpt vooral het deel klantcontact waar niemand echt op zit te wachten: niet de klant, en niet de organisatie. Dat ‘waste’-contact verdwijnt steeds verder naar de achtergrond. Tegelijk blijven er altijd situaties bestaan waarin menselijk contact nodig of gewenst is.
De evolutie van chatbots
Chatbots passen in diezelfde lijn van automatisering, maar hebben zelf ook meerdere fases doorgemaakt. Marttin onderscheidt grofweg drie generaties.
Van klikboom tot taalmodel
De eerste generatie chatbots bestond uit simpele beslisbomen: klikken, doorklikken en uiteindelijk een artikel of antwoord. “Dat werkte misschien best goed, want het pretendeerde niks,” zegt Marttin. Je volgde feitelijk een digitale gebruiksaanwijzing.
Daarna kwam de tweede generatie: chatbots die met NLP (Natural Language Processing) probeerden de vraag van de klant te vertalen naar een intent. Dat is het type bot dat nu nog bij veel organisaties live staat. Effectief, maar intensief in onderhoud. Alles, van antwoorden tot empathie, moet worden gescript en continu worden bijgewerkt.
De derde golf: AI-gedreven interactie
Met de komst van large language models (LLM’s) zoals ChatGPT is dat fundamenteel veranderd. “Die hebben dat basis-menselijk contact al in zich,” zegt Marttin. Het voeren van ‘natuurlijke’ interactie hoeft niet meer volledig vooraf ontworpen te worden.
Daarmee worden kennis, dialoog en toon los van elkaar gekoppeld. De generieke interactievaardigheden komen uit het taalmodel, terwijl organisaties zich kunnen focussen op waar zij echt waarde toevoegen: hun eigen vakinhoudelijke kennis, processen en keuzes.
ChatGPT is geen chatbot
En precies daar zit het verschil tussen ChatGPT en een chatbot. ChatGPT is uitstekend in conversatie, context en nuance. Maar het is niet verantwoordelijk.
“Je kan niet zeker weten dat dat large language model alleen maar op jouw kennis zit,” stelt Marttin. Service draait juist om uitzonderingen. Klanten nemen contact op omdat er iets misgaat. Dan is een ‘meest waarschijnlijke antwoord’ niet altijd het juiste antwoord.
Controle over kennis is cruciaal
Daarom blijft een chatbot, als schil, laag of interface, noodzakelijk voor de communicatie tussen een organisatie en haar doelgroep. Die laag bepaalt welke kennis gebruikt mag worden en welke uitkomst acceptabel is. Garantietermijnen, procedures en uitzonderingen wil je niet overlaten aan het gemiddelde internetantwoord.
In de woorden van Marttin: “Dat moet zijn wat jij zelf hebt bepaald als bedrijf.” De chatbot fungeert als bewaker van consistentie en verantwoordelijkheid.
Vorm en inhoud: wie doet wat?
Het onderscheid wordt daarmee helder. Large language models leveren de vorm: communicatieve vaardigheden, empathie, gesprekstempo. De organisatie levert de inhoud: kennis, processen, producten en beleidskeuzes.
Marttin vergelijkt het met een ongetrainde maar communicatief sterke medewerker. Die kan prima gesprekken voeren, maar heeft zonder vakinhoudelijke kennis, nauwelijks waarde. Pas wanneer je die kennis toevoegt, ontstaat echte kwaliteit in klantinteractie.
Eén model of meerdere?
Moeten organisaties dan kiezen voor één AI-model, of juist combineren? Volgens Marttin hangt dat sterk af van het reeds aanwezige IT-landschap.
In een Microsoft-omgeving ligt Copilot voor de hand. In een Google-omgeving, kies je al snel voor Gemini. In andere situaties kan het juist logisch zijn om per flow of use case een ander model te kiezen. Snelheid, nauwkeurigheid en zoekgedrag verschillen per model. “Maar ik zou niet zeggen: voor klantenservice is model X altijd beter dan Y.” Testen en blijven evalueren is essentieel.
Waar begin je als organisatie?
De introductie van een chatbot of AI-oplossing begint volgens Marttin niet bij technologie, maar bij observatie. Letterlijk op de werkvloer. Meeluisteren, meekijken en begrijpen waar klantcontact ontstaat.
Niet elke veelgestelde vraag is geschikt voor automatisering. Soms wil je juist bij het grootste volume menselijk contact behouden. Het gaat om de onderwerpen waar niemand beter van wordt als er een medewerker tussen zit. Wachtwoordresets zijn zo’n klassieke voorbeeld.
Van inventarisatie naar actie
De stappen zijn herkenbaar: inventariseren, kiezen, vastleggen van kennis, actueel houden en vervolgens ontsluiten via een chatbot. Cruciaal is dat die bot alleen die vastgestelde content mag gebruiken. Geen internet, geen aannames.
Pas daarna kun je taken automatiseren, bijvoorbeeld door agents die daadwerkelijk acties uitvoeren. Daarmee verschuift de bot van beantwoorden naar oplossen.
Mens en machine samen
AI kan helpen bij analyse, sentimentherkenning en volume-inzicht. Maar dat vervangt niet het perspectief van de medewerker. Frustraties, uitzonderingen en praktische kennis zitten vaak niet in systemen.
Daarom pleit Marttin voor een combinatie: analyse van data én gesprekken met ervaren medewerkers. “Klantadviseurs weten hoe gesprekken lopen. Marketing weet dat meestal niet.”
De cruciale rol van ervaren klantadviseurs
Senior klantadviseurs spelen volgens Marttin een sleutelrol bij succesvolle implementaties van digitalisering. Niet als vervanging, maar als fundament. Zij bepalen structuur, toon en realisme.
“Dat ChatGPT ooit zo specifiek wordt voor jouw bedrijf en jouw klanten? Dat geloof ik niet.” Die verantwoordelijkheid blijft bij de organisatie.
AI lost geen rommelige basis op
Tot slot plaatst Marttin een belangrijke kanttekening. AI is geen magische oplossing voor een gebrekkig fundament. Zonder goed CRM, kennismanagement en processen blijft het ‘garbage in, garbage out’.
Service blijft draaien om uitzonderingen. En juist daar blijft menselijk contact onmisbaar. Niet omdat AI tekortschiet, maar omdat de werkelijkheid rommelig is. “Dan verdien je als klant ook gewoon een mens.”
Conclusie
ChatGPT verandert de manier waarop we gesprekken automatiseren, maar maakt de chatbot niet overbodig. Integendeel. De chatbot wordt juist belangrijker als regielaag tussen generieke AI en bedrijfsspecifieke verantwoordelijkheid. Het verschil zit niet in technologie, maar in eigenaarschap. Jeroen Marttin adviseert: “Neem als bedrijf geen genoegen met GPT die een conversatie voor je voert met jouw klanten. Voer de regie over hoe je het voor je kan laten werken. Jij bent eigenaar van je eigen klantcontact.”
