Deze AI Customer Agent beantwoordt repeat-vragen in je klant-portal en chat, gegrond op je kennisbank. Een classifier triageert tickets in Breeze en regelt ticket deflection op de top-vragen. Sentiment-detectie escaleert naar mens zodra het buiten scope valt. Deflection-rate omhoog, CSAT op hetzelfde niveau of beter.
De Customer Agent is geen losse chatbot en geen sentiment-tool waarvan niemand weet hoe je hem gebruikt. Het is een werk-eenheid die altijd-aan draait op je kennisbank, repeat-vragen afvangt en weet wanneer hij iemand moet doorzetten naar een mens.
Service-teams worden overspoeld door AI-demo's: een classifier in 60 procent correct, een chatbot die zelfvertrouwen heeft maar geen kennis. Wij doen het andersom. Eerst je kennisbank op orde, dan een agent met strakke grounding, dan een escalation-pad en pas dan ga je live. CSAT en deflection als KPI's, geen tokens.
Een Customer Agent is zo goed als zijn kennisbank. Vier dingen die je wilt weten voor je hem live zet: welke kennis hij gebruikt, met welke tools, hoe escalatie loopt en wat we meten.
Grounding
De agent draait op je HubSpot Knowledge Base, aangevuld met productdocumentatie, FAQ-pagina's en interne procedures als die relevant zijn. Voor we starten doen we een kennisbank-audit: welke articles zijn actueel, welke moeten samengevoegd worden, waar zitten gaten. Een goede agent op een halve kennisbank levert frustratie op, dus dit is geen optionele stap.
Stack
Default-stack: HubSpot Service Hub als systeem-van-record voor tickets en conversaties. Breeze Ticket Triage voor classificatie en routing. Breeze Customer Agent of een custom Claude- of OpenAI-flow voor chat-antwoorden, afhankelijk van complexiteit en data-volume. Voor klant-portal kunnen we native HubSpot of een custom front-end gebruiken. Voor sentiment-detectie een lichte classifier-pipeline.
Escalation
Drie triggers default: out-of-scope (de vraag valt buiten kennisbank), negatief sentiment (frustratie of urgentie gedetecteerd) en expliciete vraag naar mens. Bij elke trigger wordt het ticket aangemaakt of geroute naar de juiste service-medewerker, met de conversatie-context als note erop. De klant krijgt een melding dat een mens overneemt, geen stille hand-off. Je service-lead bepaalt per categorie wanneer escalatie aan moet.
KPI's
Vier standaard-KPI's: deflection-rate (welk percentage vragen afgevangen door de agent), CSAT-vergelijking AI-conversatie versus mens, escalation-rate (hoe vaak de agent moet doorzetten) en gap-rapport (welke vragen kon de agent niet goed beantwoorden). Maand-review met service-lead om de top-10 gaps op te lossen door kennisbank-bijwerk of prompt-tuning.
Een SaaS-organisatie had een service-team van vier dat elke ochtend met 80 tickets begon. Een groot deel waren repeat-vragen die in de kennisbank stonden, maar klanten zochten liever even snel via chat. We hebben eerst de kennisbank doorgelicht en geherstructureerd. Daarna een Customer Agent op Breeze met escalation-pad naar mens.
Na zes weken vingt de agent 40 tot 50 tickets per ochtend af. De service-mensen kunnen zich richten op tickets waar het echt om gaat: integratie-problemen, custom-vragen, klanten die opzeggen. CSAT op AI-conversaties zit binnen 5 procent van CSAT op menselijke conversaties.
Op een Customer Agent-traject zit je met Carel als architect en Kim voor service-procesontwerp. Carsten haakt aan voor data-integratie en grounding-onderhoud.
Service-procesontwerp
Werkt aan kennisbank-structuur, escalation-paden en de samenwerking tussen agent en service-team. Zorgt dat de adoptie aan jouw kant landt.
Vragen die elk service-team stelt voordat ze AI dichtbij hun klanten zetten.
Nee. De agent vangt repeat-vragen af zodat je service-mensen tijd hebben voor de tickets waar het ertoe doet: integratie-problemen, custom-vragen, klanten die wegglijden. Een service-mens bij ons doet uitsluitend werk dat een mens nodig heeft. De rest landt bij de agent met escalation-pad terug naar mens als het buiten scope valt.
Twee borgen. Eerst: de agent is gegrond op je kennisbank en geinstructueerd om 'weet ik niet' te zeggen als de vraag buiten zijn scope valt. Liever doorzetten naar mens dan gokken. Tweede: elke conversatie wordt gelogd als activiteit op de Contact-record, je service-lead kan steekproeven doen en in de maand-review de gaps oplossen. Niet feilloos, wel een audit-trail en een verbeter-loop.
Een werkende HubSpot Service Hub (of bereidheid om hem op te tuigen), een kennisbank met minimaal 30 tot 50 articles (we doen daarna een audit en herstructurering), een service-lead die eigenaar wordt en bereid is in de eerste maand wekelijks 2 uur te investeren in review. Een Breeze-licentie hebben we ook nodig, daar adviseren we over in de scope.
Default zegt de agent dat aan het begin: "Ik ben de Customer Agent van [bedrijf]. Ik kan een groot deel van de vragen direct beantwoorden. Voor complexer werk zet ik je door naar een collega." Transparantie boven illusie van mens. Klanten waarderen dat in onze ervaring, ze willen weten waar ze aan toe zijn. EU AI Act-compliance is ook scherper geworden op dit punt.
Nee. De use-case past op elke B2B-organisatie met een kennisbank en een service-team dat repeat-vragen krijgt. We hebben het gedaan voor SaaS, voor industriele B2B en voor professional services. Wat verschilt is de complexiteit van de kennisbank en het escalation-pad. De architectuur is hetzelfde.
Een Customer Agent valt in de meeste configuraties onder beperkt-risico onder de AI Act, mits er transparantie is naar de klant (zie hierboven) en escalatie naar mens beschikbaar is. We classificeren per use-case en documenteren de data-flow, zodat je compliance-team het kan beoordelen. Voor zwaardere beslissingen (financieel of juridisch) houden we mens-in-de-loop default aan.
Plan een strategie-gesprek. We kijken naar je huidige service-werk, kennisbank en HubSpot-setup en geven een eerlijke scope. Geen verkoopgesprek.