Wat zegt een AI-chatbot als hij het antwoord niet weet?
Stijn Mouris, juni 2026
- AI
Een goede AI-chatbot wordt vaak beoordeeld op de kwaliteit van zijn antwoorden. Maar in de praktijk bepaalt iets anders vaak het succes van een implementatie: wat gebeurt er als de chatbot het antwoord niet weet?
Dat klinkt als een detail. Toch is het vaak het moment waarop gebruikers besluiten of ze de AI-chatbot nog een keer gebruiken of afhaken.
Een klant stelt buiten kantoortijden een vraag, opent de chatbot op je website en krijgt als antwoord:
"Dat weet ik helaas niet. Neem contact op met onze klantenservice."
Technisch gezien is dat geen fout antwoord.
Vanuit gebruikersperspectief vaak wel.
De gebruiker koos juist voor de chatbot omdat hij op dat moment geen medewerker wilde of kon bereiken. Een standaard verwijzing naar een telefoonnummer lost zijn probleem niet op. Het creëert een nieuwe stap in de klantreis.
Waarom is fallback-gedrag van een AI-chatbot zo belangrijk?
Veel organisaties besteden veel aandacht aan kennisbronnen, prompts en trainingsdata. Logisch, want een AI-chatbot moet correcte antwoorden kunnen geven.
Wat we minder vaak zien, is aandacht voor het fallback-scenario: de situatie waarin de chatbot geen antwoord heeft.
Juist daar ontstaat vertrouwen.
Gebruikers verwachten niet dat een AI-assistent alles weet. Ze verwachten wel dat hij hen helpt verder te komen.
Een chatbot die vastloopt zonder vervolgactie voelt als een blokkade. Een chatbot die de gebruiker actief begeleidt naar een oplossing voelt als ondersteuning.
Dat verschil bepaalt uiteindelijk de gebruikerservaring.
Wat moet een AI-chatbot doen als hij het antwoord niet weet?
In de praktijk zien we drie veelvoorkomende situaties.
1. Het antwoord bestaat, maar valt buiten de kennis van de chatbot
Soms beschikt de organisatie wel over het antwoord, maar heeft de chatbot geen toegang tot die informatie.
In dat geval is een gerichte doorverwijzing de beste oplossing.
Niet naar een algemene klantenservicepagina, maar naar de specifieke informatiebron die de gebruiker nodig heeft.
Denk aan:
- een relevante webpagina
- een aanvraagformulier
- een kennisbankartikel
- een specifieke afdeling
Hoe minder stappen een gebruiker hoeft te zetten, hoe groter de kans dat zijn vraag daadwerkelijk wordt opgelost.
2. De vraag vraagt om een medewerker
Niet iedere vraag is geschikt voor AI.
Sommige situaties vereisen context, beoordeling of maatwerk. Dan is een medewerker de beste route.
De fout die veel organisaties maken, is gebruikers terugsturen naar een algemeen contactkanaal.
Een betere aanpak is een warme overdracht.
De medewerker ontvangt direct de inhoud van het gesprek, zodat de gebruiker zijn verhaal niet opnieuw hoeft uit te leggen.
Dat zorgt voor minder frustratie en een betere klantbeleving.
3. De vraag is onduidelijk
Regelmatig beschikt de chatbot over voldoende informatie, maar ontbreekt er context in de vraag.
Veel AI-chatbots reageren dan met:
"Kunt u uw vraag anders formuleren?"
Dat helpt de gebruiker nauwelijks verder.
Een betere aanpak is actief verduidelijken.
Bijvoorbeeld:
"Bedoelt u de status van uw aanvraag of wilt u weten hoe u een aanvraag kunt indienen?"
De chatbot denkt mee en helpt de gebruiker richting een antwoord.
Onbeantwoorde vragen zijn waardevolle klantinzichten
Bij vrijwel iedere AI-implementatie die we begeleiden, passen we het fallback-gedrag na livegang verder aan.
Niet omdat het oorspronkelijke ontwerp verkeerd was.
Maar omdat echte gebruikers vragen stellen die je vooraf niet kunt voorspellen.
Ze vragen naar oude regelingen, uitzonderingssituaties, persoonlijke omstandigheden of onderwerpen die nooit in de oorspronkelijke use cases zijn meegenomen.
Juist deze vragen leveren waardevolle inzichten op.
Ze laten zien:
- welke informatie moeilijk vindbaar is
- waar processen onduidelijk zijn
- welke onderwerpen leven bij klanten, leden of inwoners
- waar aanvullende content nodig is
Een AI-chatbot kan daardoor meer worden dan een servicekanaal. Het wordt een bron van klantinzichten.
Hoe beïnvloedt de tekst van een fallback de gebruikerservaring?
Ook de formulering maakt een groot verschil.
Vergelijk deze reacties:
"Dat weet ik helaas niet."
of:
"Hier kan ik je niet direct mee helpen, maar ik kan je wel naar de juiste informatie verwijzen."
De technologie achter beide antwoorden is identiek.
De ervaring niet.
De tweede reactie biedt perspectief en een vervolgstap.
Daarom adviseren wij organisaties om fallback-teksten te schrijven alsof een ervaren medewerker antwoord geeft. Iemand die de gebruiker serieus neemt, ook wanneer hij zelf het antwoord niet heeft.
De belangrijkste les voor organisaties
Een succesvolle AI-chatbot herken je niet aan de vragen die hij perfect beantwoordt.
Die worden al snel vanzelfsprekend.
De echte test zit in de momenten waarop hij geen antwoord heeft.
Organisaties die deze situaties actief ontwerpen, monitoren en verbeteren, bouwen sneller vertrouwen op bij gebruikers. Organisaties die dat niet doen, lopen het risico dat hun chatbot wordt gezien als een extra obstakel in plaats van een hulpmiddel.
En uiteindelijk is dat wat gebruikers onthouden: niet wanneer alles goed ging, maar hoe de AI-assistent hielp op het moment dat het even niet lukte.
