Chatbots lossen slechts één op de acht vragen van klanten correct op, blijkt uit onderzoek. Dit lage slagingspercentage van 12% leidt tot groeiende ergernis, terwijl de bereidheid om AI te accepteren groot is. Voor ondernemers betekent dit dat een standaard chatbot implementeren niet genoeg is; de focus moet liggen op kwaliteit en een naadloze overgang naar menselijke hulp.

Wat er aan de hand is

Uit de Nationale Voice Monitor 2026, een onderzoek onder ruim duizend Nederlandse respondenten, blijkt dat reguliere chatbots en spraakassistenten slechts twaalf procent van de vragen correct beantwoorden. De helft van de consumenten staat open voor AI-gestuurde klantenservice, maar alleen als die daadwerkelijk problemen oplost. De ergernis over geautomatiseerd klantcontact is toegenomen van 38% in 2025 naar 42% in 2026. Telefoon blijft met zestig procent het dominante voorkeurskanaal. Een groot knelpunt is de overgang naar een menselijke medewerker: ruim vier op de tien consumenten ervaart het als een nadeel dat dit niet eenvoudig kan. Roel Masselink van de Klantenservice Federatie benadrukt in het rapport de noodzaak van een robuust AI-framework dat verder gaat dan oppervlakkige antwoorden.

Wat dit betekent

Voor ondernemers, vooral in het MKB, betekent dit dat een slecht functionerende chatbot meer kwaad dan goed doet. Het ondermijnt het vertrouwen en verhoogt de druk op je menselijke servicemedewerkers, omdat gefrustreerde klanten alsnog contact zoeken. De kern van het probleem ligt volgens het onderzoek niet in de technologie an sich, maar in de toepassing: chatbots zijn vaak alleen getraind op standaardvragen en falen bij afwijkende, emotionele of complexe situaties—precies het terrein van veel klantvragen. De consumentenvraag is helder: 90% wil zich begrepen voelen en 62% wil vooral snelheid. Een chatbot die dit niet kan leveren, kost je klanttevredenheid.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van het robuust testen en slim inrichten van je AI-klantenservice, met de nadruk op de menselijke overgang. Hier zijn concrete scenario’s om boven het magere slagingspercentage uit te komen.

Als je een webshop runt en veel vragen over bezorging en retouren krijgt, richt je chatbot dan niet alleen in op veelgestelde vragen. Train hem ook op scenario’s zoals gemiste bezorgingen of beschadigde producten, en zorg dat bij de eerste tekenen van frustratie of complexiteit een duidelijke knop verschijnt om direct met een medewerker te chatten of te bellen. Test dit zelf door als ‘boze klant’ vragen te stellen.

Als je een dienst verleent met contractuele afspraken, zoals in de zakelijke dienstverlening of zorg, beperk de chatbot tot het plannen van afspraken en het beantwoorden van algemene openingstijden. Voor vragen over specifieke contracten, declaraties of klachten zou je kunnen instellen dat de bot direct doorverwijst naar een gespecialiseerd e-mailadres of telefoonnummer, zonder de klant eerst in cirkels te laten draaien.

Als je een klein team aanstuurt en de telefoon druk is, gebruik een spraakassistent of chatbot dan als intelligente receptionist. Laat hem de naam en het kernprobleem van de beller vastleggen en direct in de wachtrij voor een medewerker plaatsen. Dit verkort de wachttijd (een grote ergernis) en geeft je team context voordat ze opnemen, waardoor de klant zich sneller begrepen voelt.

Als je overweegt voor het eerst een chatbot te implementeren, begin dan klein en meetbaar. Implementeer hem niet voor alle vragen, maar voor één specifiek, veelvoorkomend proces (zoals wachtwoordreset of orderstatus). Monitor nauwkeurig hoeveel vragen hij correct afhandelt versus hoe vaak hij moet doorverwijzen. Stel een slagingspercentage van bijvoorbeeld 80% voor die ene taak als doel, in plaats van te streven naar een algemene oplossing.

Bron: Emerce