KPN experimenteert met Agentic AI om onderdelen van klantprocessen uit te voeren
KPN wil in 2027 tussen de 10 en 20 procent van de klantenservicegesprekken met Agentic AI afhandelen. Het telecombedrijf werkt daarvoor aan AI-agents die niet alleen vragen beantwoorden, maar ook zelfstandig onderdelen van klantprocessen kunnen uitvoeren. Met circa vijf miljoen klantgesprekken per jaar kan dat een aanzienlijke impact hebben op de operatie van de klantenservice.
KPN experimenteert al langer met AI, onder meer met kennisbots, een toepassing die facturen uitlegt en een algemene Q&A-agent voor klanten. Met Agentic AI verschuift de aandacht naar complexere interacties. Een belangrijk onderdeel daarvan is voice: klanten moeten een gesprek kunnen voeren met een AI-agent die informatie uit systemen kan gebruiken en daadwerkelijk acties kan uitvoeren. Dat blijkt uit een recente klantcase op de website van internationaal managementadviesbureau McKinsey.
Niet iedere klantvraag is geschikt voor AI
Interessant aan de aanpak van KPN is dat niet de technologie, maar het klantcontact als vertrekpunt is genomen. Grote hoeveelheden geanonimiseerde transcripties van gesprekken en chats zijn geanalyseerd om vast te stellen waarom klanten contact opnemen en hoe vaak bepaalde vragen voorkomen.
Vervolgens is gekeken welke klantreizen zich lenen voor automatisering. Daarbij spelen onder meer de potentiële impact, technische complexiteit en haalbaarheid een rol. Ook wordt bewust gekeken naar momenten waarop menselijk contact wenselijk blijft. Een verhuizing is daar een voorbeeld van: een verhuizing kan commercieel en emotioneel gevoeliger liggen en het risico op klantverlies is groter.
KPN selecteerde onder meer klantverificatie, vragen over de status van bestellingen, het beheren van monteursafspraken en ondersteuning bij internetproblemen, als geschikte toepassingen.
“We zien AI als een manier om natuurlijkere interacties met klanten mogelijk te maken, terwijl we ervoor zorgen dat menselijke ondersteuning beschikbaar blijft wanneer die het hardst nodig is”, zegt Jörg Kramer, Chief of Customer and Commercial Operations bij KPN.
Voice stelt andere eisen aan automatisering
Een AI-agent laten praten is één ding; ervoor zorgen dat het ook als een natuurlijk gesprek voelt, blijkt een stuk ingewikkelder. KPN stuurt bijvoorbeeld op responstijden van minder dan twee seconden. Langere stiltes maken een gesprek al snel onnatuurlijk.
Ook moet een klant de AI-agent tijdens het spreken kunnen onderbreken. Die zogenoemde ‘barge-in’ stelt het systeem voor een extra uitdaging: de agent moet stoppen met praten, begrijpen wat de klant zegt én tegelijkertijd de context van het gesprek vasthouden.
Minstens zo belangrijk is de controle op wat een AI-agent doet. KPN werkt daarom met guardrails die grenzen stellen aan de antwoorden en acties van agents. Daarnaast worden gesprekken gemonitord en geëvalueerd op kwaliteit, consistentie en veiligheid.
Dagelijks leren van echte klantgesprekken
De ontwikkeling stopt niet zodra een AI-agent live staat. KPN koos voor korte cycli van bouwen, testen, uitbrengen en verbeteren. Daarbij werden dagelijks transcripties van maximaal honderd echte klantgesprekken beoordeeld.
Dat levert informatie op die tijdens reguliere tests moeilijk te voorspellen is: onverwachte formuleringen van klanten, uitzonderingssituaties en antwoorden die in de praktijk toch anders uitpakken. Op basis daarvan konden prompts worden aangepast en verbeteringen snel worden doorgevoerd.
De schaal waarop KPN dit uiteindelijk wil toepassen, maakt die controle belangrijk. CIO Paul Bosch spreekt over agents die met meer dan 100.000 klanten per week te maken krijgen. Dat roept volgens hem een essentiële vraag op: “Hoe trainen en instrueren we deze agents zodat ze binnen de gestelde grenzen handelen en zich in gesprekken met onze klanten gedragen in overeenstemming met onze bedrijfswaarden?”
De medewerker verdwijnt niet uit beeld
Ook interessant is wat de technologie betekent voor het werk van medewerkers. KPN verwacht dat AI-agents steeds meer routinematige onderdelen van gesprekken kunnen uitvoeren, zoals klantverificatie en eerste probleemanalyses. Medewerkers kunnen zich daardoor meer richten op complexe situaties waarin beoordeling, ervaring en empathie nodig zijn.
Die verandering wordt niet alleen als technisch project aangepakt. KPN heeft een taskforce opgezet voor het aanpassen van werkprocessen, trainingen en begeleiding. Klantadviseurs zijn bovendien betrokken bij ontwikkeling en tests. Volgens Kramer heeft deze veranderaanpak een adoptiesucces van meer dan 86 procent opgeleverd.
De KPN-case laat zien dat Agentic AI in klantcontact een stap verder gaat dan een betere chatbot. De technologie raakt klantreizen, processen, IT-systemen, kwaliteitsmanagement én het werk van medewerkers. De uitdaging zit uiteindelijk niet alleen in het bouwen van een slimme AI-agent, maar vooral in het gecontroleerd opschalen ervan binnen een bestaande klantcontactorganisatie.
Bosch vat die uitdaging treffend samen: “Het gaat niet alleen om de technologie. Het gaat erom hoe we de mindset van mensen en de organisatie op grote schaal veranderen om zoiets mogelijk te maken.”
Bron: McKinsey & Company – How KPN is building an agentic AI engine for customer care
