Waarom 80% van de AI-pilots bij klantenservice strandt

Barbara Keurntjes, juni 2026
- AI
Er is geen tekort aan ambitie. Bijna elke organisatie die wij spreken heeft plannen voor AI in het klantcontact. Sommige zijn er al mee bezig. En toch horen we steeds vaker dezelfde verzuchting: "We hebben een pilot gedaan, maar het is nooit verder gekomen."
Dat is geen toeval. Het is een patroon. En het heeft een paar heel herkenbare oorzaken.
De pilot die nooit een product wordt
De meeste AI-trajecten beginnen goed. Er is enthousiasme, een helder probleemstatement, een leverancier die belooft dat het binnen drie maanden staat. Dan volgt een aanbestedingstraject, een stuurgroep, een projectplan van twintig pagina's. En ergens in die periode verliest het zijn urgentie.
Wat overblijft is een pilot die draait op een testomgeving, beoordeeld wordt door een klein groepje interne gebruikers, en uiteindelijk vastloopt op de vraag: wat nu?
Het probleem is niet de technologie. Het probleem is dat de pilot nooit is ontworpen om te groeien.
Fout 1: technologie als startpunt
"We willen een chatbot." Dat is vaak de briefing die we krijgen. Maar een chatbot is een oplossing, geen vraagstelling. De vraag die eraan vooraf moet gaan: waar loopt het nu mis in het contact tussen onze organisatie en de mensen die we bedienen?
Bij een gemeente kan dat zijn: te veel herhaalverkeer over dezelfde statusvragen. Bij een zorginstelling: medewerkers die te veel tijd kwijt zijn aan administratie in plaats van patiëntcontact. Bij een ledenorganisatie: leden die vertrekken omdat ze zich niet gezien voelen.
Pas als je dat scherp hebt, kun je beoordelen of AI de juiste oplossing is. En welke vorm van AI dan past.
Organisaties die beginnen bij de technologie, bouwen iets wat technisch werkt maar operationeel niets oplost. Organisaties die beginnen bij het knelpunt, bouwen iets wat mensen dagelijks gebruiken.
Fout 2: de eindgebruiker komt te laat in beeld
Een AI-assistent voor klantenservice wordt gebouwd door een IT-afdeling, beoordeeld door een projectteam, en uiteindelijk gebruikt door klanten die er nooit naar gevraagd zijn. Het resultaat: de taal klopt niet, de vragen die de AI begrijpt sluiten niet aan op wat klanten echt vragen, en de fallback ("dat weet ik niet, bel ons op") voelt onbevredigend.
Design thinking lost dit op. Niet als buzzword, maar als werkwijze: je begint bij de gebruiker, bouwt kleine prototypes, test die snel, en past aan op basis van wat je ziet. Niet wat je denkt dat klanten willen. Wat ze daadwerkelijk doen en vragen.
In onze praktijk bij klanten zagen we steeds hetzelfde: de meest waardevolle inzichten kwamen niet uit de briefing, maar uit de eerste twintig gesprekken die de AI voerde met echte gebruikers.
Fout 3: te lang wachten op "af"
Er bestaat geen moment waarop AI klaar is. Een AI-assistent leert van gesprekken, verbetert met feedback, en past zich aan als je dienstverlening verandert. Wie wacht tot het systeem perfect is, wacht voor altijd.
De organisaties die het meest succesvol zijn met AI in het klantcontact, starten smal en snel. Niet alles tegelijk, maar één use case, één kanaal, één moment in de klantreis. En dat goed. Na vier weken evalueer je, na acht weken schaal je op.
Implementatie is ons startpunt, niet ons eindpunt. Dat klinkt logisch, maar het vraagt om een andere mindset dan de meeste organisaties gewend zijn.
Fout 4: mensen niet meekrijgen
De meest onderschatte factor in een geslaagde AI-implementatie is niet de technologie. Het zijn de medewerkers. Klantenservicemedewerkers die bang zijn voor hun baan. Managers die het systeem niet vertrouwen. Teamleiders die niet weten hoe ze de output moeten interpreteren.
AI die geïmplementeerd wordt zónder de mensen die ermee werken, wordt gesaboteerd. Niet bewust, maar vanzelf: het systeem wordt omzeild, de feedback die nodig is om het te verbeteren blijft achterwege, en na zes maanden is de conclusie dat "het toch niet zo goed werkte."
De oplossing is investeren in begrip, niet in acceptatie. Uitleggen hoe het werkt, laten zien wat het doet, en mensen actief betrekken bij de verbetering. Dat is wat wij bedoelen met AI die écht werkt: niet alleen technisch, maar ook organisatorisch.
Hoe het dan wél gaat
Een pilot die wél een product wordt, begint bij een concreet knelpunt in de klantreis. Hij is ontworpen met input van eindgebruikers. Hij gaat live in een beperkte scope, binnen weken in plaats van maanden. En hij wordt bewaakt door mensen die begrijpen wat ze zien.
De technologie is daarin een middel. Het ontwerp is het verschil.
Dat is geen garantie op succes. Maar het is wel het verschil tussen een pilot die in een la verdwijnt en één die over twee jaar onmisbaar is.



