Een klant die een storing meldt, een onderdeel nabestelt of vraagt naar onderhoud, vergelijkt op dat moment niet uw product met dat van een concurrent. Hij vergelijkt de ervaring van geholpen worden. Hoe snel er iemand reageert, hoe goed die persoon de installatie kent, of het probleem in een keer wordt opgelost. Die ervaring is voor veel klanten zwaarder gaan wegen dan de aanschaf zelf, omdat de aanschaf eenmalig is en de service de hele levensduur van het product beslaat.
Tot voor kort was dit vooral een bezettingsvraagstuk. Wie meer servicemedewerkers had, met meer ervaring, kon meer vragen sneller beantwoorden. Wachttijd en kennis liepen grotendeels parallel aan headcount. Dat verband staat onder druk.
Achter elke servicecontact zit een reeks handelingen. Het eerste is triage: wat is het probleem, hoe urgent is het, wie moet het oppakken. Het tweede is opzoeken: welke informatie over dit product, deze klant, deze installatiegeschiedenis is relevant. Het derde is diagnose: is dit een bekend patroon of iets nieuws. Het vierde is de oplossing zelf, en het vijfde is vastleggen wat er is gebeurd zodat de volgende keer sneller gaat.
Van die vijf stappen is triage vaak al te automatiseren: een systeem dat binnenkomende meldingen categoriseert en routeert, doet dat consistent en zonder wachttijd. Opzoeken is een taak waar AI met menselijk toezicht steeds meer werk uit handen neemt: het doorzoeken van handleidingen, eerdere tickets en onderhoudslogs kan een systeem sneller dan een mens, maar de vertaling naar wat er in dit specifieke geval moet gebeuren wordt nog beoordeeld door iemand die goedkeurt of afkeurt. Diagnose bij bekende patronen verschuift dezelfde richting op. De oplossing uitvoeren, zeker als die fysiek is, en de klant geruststellen in een lastig gesprek, blijft mensenwerk.
Als opzoeken en een deel van de diagnose door een systeem worden gedaan, verandert wat onderscheidend is. Reactietijd was een functie van hoeveel mensen er op de lijn stonden; als een systeem meldingen direct categoriseert en de juiste informatie al klaarzet voor de medewerker die het gesprek voert, wordt reactietijd minder afhankelijk van bezetting en meer van hoe goed dat systeem is ingericht. Een bedrijf met minder mensen aan de telefoon kan zo sneller antwoorden dan een bedrijf met meer mensen maar geen ondersteunend systeem.
Ook kennis verschuift van iets dat in hoofden zit naar iets dat vindbaar is. Vroeger was een ervaren monteur die alle installaties bij naam kende een niet te evenaren voordeel. Dat voordeel blijft bestaan voor de gevallen die uitzonderlijk zijn, maar voor de herkenbare, terugkerende problemen — het grootste deel van de meldingen bij de meeste bedrijven — is de vraag niet meer wie de meeste jaren ervaring heeft, maar wie de eerdere gevallen het beste heeft vastgelegd en doorzoekbaar gemaakt. Een leverancier die pas twee jaar bestaat maar zijn servicehistorie goed heeft gestructureerd, kan op dit punt sneller zijn dan een leverancier met dertig jaar ervaring en ongestructureerde dossiers.
Deze verschuiving gaat niet overal even snel, en dat komt niet primair door de grootte van het bedrijf. Het komt door de staat van de onderliggende data. Een bedrijf waarvan onderhoudslogs, ticketgeschiedenis en klantcommunicatie in aparte systemen staan die niet met elkaar praten, kan een AI-systeem niet voeden met wat het nodig heeft, hoe geavanceerd dat systeem ook is. Een bedrijf dat dat wel op orde heeft, ziet triage en opzoeken sneller verschuiven, terwijl een vergelijkbaar bedrijf in dezelfde sector op dat punt nog vrijwel volledig van mensen afhankelijk is. Dat verschil is meetbaar in wachttijd, in oplostijd bij het eerste contact, en in of een klant bij herhaalde vragen telkens opnieuw zijn verhaal moet doen.
Deze dimensie werkt niet los van de andere assen waarop bedrijven zich onderscheiden. Hoe breed een leverancier zijn dienstverlening kan uitbreiden zonder evenredig meer mensen aan te nemen hangt samen met wat er hier gebeurt, net als bij hoe AI de concurrentie op productbreedte verandert. Ook de vraag hoe diep de technische kennis is die een klant aan de telefoon krijgt, raakt aan wat hier speelt, zoals te lezen is in hoe AI de concurrentie op technische kennis verandert. En bereikbaarheid — of een klant op elk moment iemand of iets bruikbaars aan de lijn krijgt — is in feite de andere kant van dezelfde medaille, uitgewerkt in hoe AI de concurrentie op bereikbaarheid verandert.
Dit is geen pleidooi om servicemedewerkers te vervangen. Welke rol AI in de serviceorganisatie krijgt en wat dat voor het personeelsbestand betekent, is een besluit van de werkgever, waarvoor eigen wettelijke vereisten gelden. Wat hier beschreven staat, is een verschuiving in wat een klant ervaart en waarop leveranciers zich onderscheiden, niet een uitspraak over wie welk werk zou moeten blijven doen.
Als uw service na verkoop trager of minder consistent is dan die van een concurrent, is de eerste vraag niet hoeveel mensen erbij moeten, maar welk deel van het werk vastloopt op ontbrekende of versnipperde informatie. Hoe die achterstand aan te pakken is, hangt af van waar in het proces het probleem zit, wat wordt behandeld in wat te doen bij een achterstand op een dimensie.
Als u claimt sneller of beter te reageren dan uw concurrenten, is de vraag of die claim standhoudt bij toetsing, iets om eerst voor uzelf scherp te krijgen, zoals uitgewerkt in hoe u een claim over uw eigen kwaliteit onderbouwt. De gratis dimensiecheck helpt daarbij: u benoemt waarop u denkt te winnen op service na verkoop, en ziet welke van die claims met bewijs te verdedigen zijn. De volledige benchmark, met uw positie en die van uw peer group op alle dimensies, is in aanbouw.
De onderliggende vraag — welk deel van het werk achter uw service na verkoop vandaag al door AI is over te nemen, en welk deel mensenwerk blijft — wordt per taak beantwoord met de werkscan van FTE TO AI.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.