298
Hoe haalt AI de verborgen waarde uit klantenservice-interacties? Die vraag staat centraal in het promotieonderzoek van Bea Waelbers. Haar onderzoek laat zien dat klantenservicegesprekken veel meer informatie bevatten dan organisaties momenteel benutten, en dat AI kan helpen om die verborgen lagen zichtbaar te maken. Op vrijdag 19 december 2025 verdedigt ze bij de Open Universiteit haar proefschrift getiteld ‘Artificial Intelligence in Customer Service Interactions: From Multi-Layered Information to Organizational Insights’.
De data die organisaties laten liggen
Dagelijks vinden er miljoenen klantenservicegesprekken plaats. In deze gesprekken schuilen signalen zoals emoties, ontevredenheid en subtiele patronen in gesprekskwaliteit. Deze informatie is vaak te complex en te omvangrijk om handmatig te analyseren. Dankzij de recente doorbraken in AI is het mogelijk geworden om wél systematisch van deze gegevens te leren. Het onderzoek van Bea Waelbers richt zich op de vraag hoe verschillende AI-technieken deze signalen kunnen omzetten in bruikbare inzichten zodat organisaties hun dienstverlening kunnen verbeteren zonder het menselijke element te verliezen.
Uit de studies blijkt dat AI verschillende informatielagen binnen klantinteracties kan identificeren en interpreteren. Opvallend is dat relatief eenvoudige, domeinspecifieke modellen vaak even goed of zelfs beter presteren dan complexe, algemeen getrainde systemen. Daarnaast toont het onderzoek aan dat combinaties van tekst en audio doorgaans nauwkeuriger zijn dan methoden die slechts één modaliteit gebruiken. Tegelijkertijd blijkt dat AI vooral waardevol is als aanvulling op menselijke beoordeling, niet als vervanging: wanneer het gaat om het duiden van nuance en context blijft menselijk inzicht onmisbaar.
Voorbeeld uit de praktijk
Een van de deelstudies laat zien dat AI kan helpen bij het opsporen van mogelijke fouten in kwaliteitsbeoordelingen van callcenter-gesprekken. Wanneer een taalmodel een beoordeling van een menselijke kwaliteitsmedewerker ter discussie stelt, blijkt bij een tweede, onafhankelijke beoordeling vaak dat het signaal terecht was. Deze toepassing kan organisaties helpen om beoordelingen consistenter en betrouwbaarder te maken zonder extra werklast voor medewerkers.
Het onderzoek is multidisciplinair van aard en brengt inzichten uit kunstmatige intelligentie, servicemanagement en bedrijfswetenschappen samen. Daarmee sluit het aan bij bredere maatschappelijke vragen over de verantwoorde inzet van AI in werkprocessen, waarbij het aantoont dat AI de medewerker niet vervangt, maar organisaties helpt van elk gesprek te leren en hun klantenservice slimmer en zorgvuldiger in te richten.
