Service na verkoop werd lange tijd gescoord op reactietijd en op de vraag of een klant iemand aan de lijn kreeg die het probleem kende. Dat was een bezettingsvraagstuk: meer capaciteit in de nazorg betekende meer klanten die snel geholpen werden. Die rekensom verandert wanneer een deel van de diagnose, de routering en de opvolging door AI wordt gedaan. Dan gaat het niet meer om hoeveel mensen er zitten, maar om hoe snel het systeem vaststelt wat er aan de hand is en wie het moet oplossen.
Dat verandert waarop u wint. Een concurrent die dezelfde bezetting heeft als u, maar wiens systeem een storing binnen minuten herkent en de juiste stap voorstelt, wint niet op vriendelijkheid of kennis. Die concurrent wint op snelheid van vaststellen, en dat is een ander soort voorsprong dan waar de meeste vergelijkingen tussen aanbieders nu nog op zijn ingericht.
Service na verkoop bestaat uit een aantal terugkerende stappen: de melding aannemen en classificeren, vaststellen wat de oorzaak is, bepalen wie het oplost, de klant informeren over de status, en de afhandeling vastleggen voor volgende keren. Elke stap heeft een andere relatie met AI.
Classificeren van een melding op basis van eerdere gevallen is voor een groot deel geautomatiseerd te doen; het patroon is vaak al bekend. Vaststellen van de oorzaak kan deels door AI gebeuren, met een medewerker die de conclusie goedkeurt of afkeurt voordat er een toezegging naar de klant gaat. Complexe, niet-eerder-gezien-problemen en de afweging of een uitzondering redelijk is, blijven mensenwerk, omdat daar een oordeel nodig is dat verder gaat dan patroonherkenning.
De volgorde waarin bedrijven dit invoeren, verschilt sterk. Sommige hebben alleen de eerste triage geautomatiseerd en laten de rest ongewijzigd. Andere hebben ook de statusupdates naar de klant en de dossiervorming laten overnemen, zodat een medewerker alleen nog optreedt bij een afwijking. Beide zijn vandaag naast elkaar in de markt te vinden; er is geen vaste volgorde die iedereen volgt.
De klant merkt drie dingen, ongeacht of hij weet dat er AI achter zit. Ten eerste de tijd tussen melden en een concreet antwoord over wat er gebeurt. Ten tweede de consistentie van dat antwoord: of twee klanten met hetzelfde probleem dezelfde uitleg en dezelfde oplossing krijgen. Ten derde of de organisatie het probleem al kent voordat de klant het volledig heeft moeten uitleggen.
Deze drie zijn precies de plekken waar bezetting vroeger het verschil maakte en waar nu de inrichting van het werk het verschil maakt. Een bedrijf met minder mensen in de nazorg kan op deze punten toch voorlopen, als de vaststelling en routering goed geautomatiseerd zijn. Dat is de verschuiving: de vergelijking gaat niet meer over hoeveel capaciteit een concurrent heeft, maar over welk deel van het traject al zonder wachttijd voor een mens verloopt.
Of een organisatie hier al ver in is, hangt niet samen met sector of omvang alleen. Het hangt af van hoeveel historische gevallen er zijn vastgelegd om patronen uit te herkennen, van hoe consistent de eerdere afhandeling is geregistreerd, en van of er een proces is waarin AI een voorstel doet en een medewerker dat met reden goedkeurt of afkeurt. Bedrijven die hun nazorg altijd al gestructureerd hebben vastgelegd, kunnen dat sneller automatiseren dan bedrijven waar dossiers verspreid zijn over mail, telefoonnotities en losse systemen.
Dit raakt niet aan de vraag of er in de nazorg minder mensen nodig zijn; dat is een beslissing van de werkgever en daarvoor gelden eigen wettelijke vereisten. Het gaat hier alleen om wat er met de vergelijking tussen aanbieders gebeurt wanneer het onderliggende werk verschuift.
Service na verkoop staat zelden alleen. Een aanbieder die hier voorloopt, moet dat ook combineren met andere dimensies om een deal te winnen: hoe breed het aanbod is en of dat vertrouwen geeft in de nazorg, of de technische kennis die nodig is om een storing te duiden nog bij mensen zit of al is vastgelegd, en hoe snel en op welk moment een klant iemand of iets te spreken krijgt. Wie wil weten welke van deze dimensies in de eigen markt daadwerkelijk de deal beslissen, en niet alleen aannemelijk klinken, komt terug bij de methode om vast te stellen waarop een bedrijf werkelijk wint.
Deze verschuiving gaat door, dus een score van vandaag is geen score voor volgend jaar; hoe vaak een concurrentieanalyse herhaald moet worden hangt af van hoe snel dit werk in uw markt verandert.
Een claim als "wij lossen het sneller op" is pas een voorsprong als die te herleiden is naar een verschil in doorlooptijd, in consistentie van antwoorden, of in het aandeel meldingen dat zonder wachttijd voor een mens is afgehandeld. Zonder die herleiding is het een indruk, en indrukken verliezen het van cijfers zodra een klant ze naast elkaar legt.
De onderliggende vraag is niet of AI service na verkoop verandert, maar welk deel van dat werk in uw bedrijf werkelijk over te nemen is; dat wordt met de werkscan van FTE TO AI per taak in kaart gebracht. Als eerste stap kunt u de gratis dimensiecheck doen: u benoemt waarop u denkt te winnen bij service na verkoop, en ziet welke van die claims met bewijs te verdedigen is. De volledige benchmark is in aanbouw.