De stand van conversational AI in support

Stripe staat synoniem voor uitstekende support en doet vaak net dat beetje extra om klanten te verrassen en blij te maken. Toch is goede support meer dan alleen de handgeschreven briefjes en 3D-geprinte totems die we op Twitter zien. Dankzij meer dan tien jaar menselijke expertise en software-engineering kon Stripe een klantenservice opbouwen die jaarlijks miljoenen bedrijven ondersteunt. Ik ging in 2015 bij Stripe werken, toen het bedrijf net de grens van 200 medewerkers had bereikt en het supportteam rond één vergadertafel paste.

Ik was een van de eerste medewerkers in Dublin, een vroege uitvalsbasis voor Stripe's wereldwijde supportdekking. In mijn vijf jaar daar organiseerde Stripe het supportteam opnieuw in specialisaties, introduceerde het externe leveranciers voor Tier 1-support, breidde het kanalen uit, voegde het talen toe en uiteindelijk ook betaalde supportabonnementen. Doordat ik heb geholpen deze zich ontwikkelende supportprogramma's te ontwerpen en testen, heb ik zelf gezien hoe complex het is om klantenservice op te schalen—complexiteit die conversational AI had kunnen stroomlijnen.

Conversational AI

Conversational AI has three elements. These three elements work together seamlessly: Speech-to-Text captures the user’s intent, Language Models interpret and generate intelligent responses, and Text-to-Speech transforms those responses into natural conversation.

• Speech to Text: The AI ears convert a user’s spoken natural language into text, with high accuracy.
• Language Models: The AI brain processes this text and understands the context to generate intelligent responses.
• Text to Speech: The voice transforms text responses into natural-sounding speech.
• Turn Taking:A dedicated service monitors for interuptions and ensures the conversation is natural and feels human.

Toen ik bij Stripe begon, was het mijn taak om zo veel mogelijk van het product in me op te nemen. Als onderdeel van mijn training liep ik mee met meer ervaren agents en leerde ik van een groot aantal eerdere supportinteracties—een aanpak die vergelijkbaar is met hoe een AI-agent zou leren.

AI is sterk in patroonherkenning, en een groot deel van support draait om patroonherkenning. Het begint ermee dat een gebruiker een probleem uitlegt. De supportagent verwerkt die informatie, probeert die te koppelen aan bestaande kennis en geeft de gebruiker een antwoord. Maar support is meer dan alleen het opdreunen van een kennisbank; goede klantenservice vraagt om empathie, creativiteit en samenwerking met een gebruiker om het probleem op te lossen. Helaas schieten de meeste supportinteracties daarin tekort.

De huidige staat van support

Support is een belangrijk contactmoment, maar vaak ook pijnlijk. Denk aan de laatste keer dat je een luchtvaartmaatschappij moest bellen. Je staat uren in de wacht en — wanneer je eindelijk iemand te spreken krijgt — hoor je dat je probleem bij een andere afdeling hoort, waarna de sisyfuscyclus doorgaat.

De pijn ligt niet alleen bij de klant. Een goede supportervaring bieden is lastig, en op grote schaal nog lastiger. In onze softwaregerichte wereld van bits wordt support grotendeels beperkt door atomen. Stel je voor dat je van de ene op de andere dag een grote toestroom aan klanten krijgt: je kunt eenvoudig een AWS-instance opstarten om je site online te houden; support kun je niet zomaar met één druk op de knop inschakelen.

Het kost tijd en geld om een supportfunctie op te schalen. In Noord-Amerika kost het vinden, trainen en inwerken van een supportagent ongeveer $12,000. Inclusief die initiële investering bedragen de gemiddelde kosten voor een supportagent ongeveer $30-$40 per uur. Sommige bedrijven kiezen ervoor hun supportagents uit te besteden, tegen een uurtarief van $8-30. Op het eerste gezicht aantrekkelijk, maar die lage prijs gaat gepaard met minder grip op verantwoordelijkheid, processen en supportkwaliteit.

Maar wat als je binnen enkele minuten support zou kunnen opzetten en oneindig zou kunnen opschalen? Wat als je hoogwaardige support tegen lage kosten zou kunnen bieden? Dat is de belofte van Conversational AI, en na jarenlang in support te hebben gewerkt, geloof ik dat het een echte doorbraak is.

Alexis is een voorbeeld van een AI-agent van ElevenLabs. Deze is gebouwd als supportagent in de documentatie van ElevenLabs en verwerkt nu meer dan honderd gesprekken per dag.

Stel je voor dat Alexis een mens was. Om te beginnen geloof ik niet dat veel menselijke supportagents 100 gesprekken per dag zouden kunnen afhandelen. Met een zeer efficiënte agent en eenvoudige gesprekken zou dat er ongeveer 60 kunnen zijn, en waarschijnlijk eerder 40 bij een minder ervaren agent of complexere vragen. Je zou dus minstens twee agents moeten aannemen en waarschijnlijk overwerk moeten betalen.

Als de agents in Noord-Amerika zouden werken, zouden de kosten om 100 gesprekken af te handelen minimaal $700 bedragen, gemiddeld ongeveer $1719, en mogelijk oplopen tot $4094. Dat is veel, dus misschien besluit je uit te besteden. Dat zou ergens tussen $128 en $480 kosten, gemiddeld $288 — op het eerste gezicht een stuk goedkoper, maar er zijn verborgen kosten voor het inwerken en begeleiden van deze outsourcingbedrijven, naast merk- en reputatierisico als ze niet aan je standaarden voldoen.

De kosten voor het inzetten van een AI-supportagent kunnen voor het audiocomponent slechts $0.015 per minuut bedragen. De LLM kan minder dan een cent tot enkele centen per minuut kosten, afhankelijk van je modelkeuze en de omvang van je kennisbank. Voor honderd gesprekken zou dat dus ongeveer $13-18 zijn. Dat is meer dan 110x goedkoper dan de gemiddelde interne agent en 18x goedkoper dan de gemiddelde uitbestede agent. Als objectieve supportervaring vind ik Alexis erg goed. Voor die prijs is hij indrukwekkend.

Conversational AI in actie

In de grotendeels analoge wereld van de supply chain is Traba een technologische brug voor talent die industriële bedrijven helpt werknemers te werven en te beheren. Hoewel Traba apps en dashboards biedt, blijft telefonische communicatie een cruciale schakel voor een personeelsbestand dat gewend is aan papieren urenstaten en prikborden van kurk. 

Traba onderzocht aan welke telefoongesprekken het operationele team de meeste tijd besteedde en vond twee hoofdgebieden: supportvragen beantwoorden of planningschecklists doorlopen. Voor CTO Akshay Buddiga was automatisering het voor de hand liggende antwoord, maar ook timing is belangrijk. “Wanneer we een proces identificeren dat we efficiënter willen maken, integreren we automatisering liever vroeg dan dat we later oplossingen moeten toevoegen.”

Traba is sterk gericht op unit economics en voorop blijven lopen in technologische innovatie, dus het verplaatsen van deze gesprekken naar conversational AI was om meerdere redenen aantrekkelijk. Met snelheid en kosten in gedachten ging het team op zoek naar oplossingen. Maar ook de gebruikerservaring was essentieel. Zoals software engineer Joseph Besgen opmerkte: “We wilden dat het klonk als een gesprek, niet alsof je alleen naar een opname luisterde.” De demo van ElevenLabs klonk zo echt dat de vader van een Traba-medewerker tijdens het testen niet kon onderscheiden of het AI was of iemand uit het team van zijn zoon. 

Hoewel het plannen van duizenden werknemers in de lichte industrie inherent complex is, zou het plannen van één (1) doktersafspraak niet zo moeilijk moeten zijn. Maar heb je onlangs nog geprobeerd je huisarts te bellen? Het is frustrerend voor patiënten en een inefficiënt gebruik van de tijd van zorgpersoneel. In samenwerking met ElevenLabs vullen de assistenten van EliseAI de leemte in de zorgadministratie op en regelen ze alles, van het plannen van afspraken tot facturering. In één ziekenhuis wordt inmiddels 86% van de gesprekken volledig afgehandeld door AI-agents. Dit leidt niet alleen tot een daling van 66% in de kosten per gesprek, maar ook tot efficiëntiewinst voor het administratieve personeel. EliseAI heeft de toegang tot zorg ook verbeterd voor gemeenschappen die geen Engels spreken. 

De toekomst

Als we kijken naar de groei van conversational AI per sector, zien we enkele interessante trends. EdTech was de eerste sector die conversational AI omarmde — doordat bedrijven eindelijk gepersonaliseerde individuele begeleiding en taalonderwijs tegen een betaalbare prijs konden bieden. Toepassingen voor klantenservice volgden snel, omdat supportinteracties hier bijzonder geschikt voor zijn: het zijn oefeningen in patroonherkenning. Het antwoord staat in een kennisbank en de AI-agent probeert dat te koppelen aan de vraag van de gebruiker. We zien ook een toename van verticale end-to-endtoepassingen, vooral in sectoren zoals logistiek en zorg — bijvoorbeeld Traba en EliseAI. Ook dit zijn gebieden die repetitief en voorspelbaar zijn en daardoor eenvoudig door een AI-agent kunnen worden afgehandeld.

Conversational AI brengt support vanuit het rijk van de atomen naar de wereld van bits. Daardoor kan support een betere ervaring worden voor bedrijven en hun klanten. Net als je cloudprovider kan je AI-supportteam op- en afschalen. Je klanten hoeven nooit meer in de wacht te staan en je bespaart jezelf de operationele hoofdpijn van het opzetten van supportcentra over de hele wereld.

Het afgelopen jaar zijn stemagents goed geworden in gesprekken voeren en kennis ophalen, maar volgens mij is dat pas het begin. In 2025 zullen AI-stemagents volgens mij het standaardprotocol zijn voor inkomende afsprakenplanning en supportvragen van het type ‘productspecialist’. Hoewel ze misschien beperkt blijven tot gesprekken waarin kennis wordt opgehaald, zal dit het supportvolume flink verminderen en menselijke teams vrijmaken voor werk met meer waarde.

In 2026 zijn we volgens mij overgestapt van kennis ophalen naar acties uitvoeren. De standaard AI-stemagent doet API-calls en maakt verbinding met apps van derden. Deze voert routinematig acties uit, zoals afspraken inplannen en terugbetalingen doen.

In 2027 zie ik AI-stemagents zich ontwikkelen van support naar customer success. Volgens mij worden volledige verkoopdeals dan door een AI-agent afgehandeld, mogelijk zowel aan de kopers- als aan de verkoperskant. Voor velen lijkt dit de laatste grens, maar ik denk dat het pas het begin is. Sterk contextafhankelijke en creatieve taken, waarvan we ooit dachten dat ze uitsluitend menselijk waren, zullen steeds vaker tot het domein van AI behoren.

Support verandert van een kostenpost: eerst door kosten te neutraliseren en uiteindelijk door een winstbron voor het bedrijf te worden. AI-stemagents nemen proactief contact op met klanten, waardoor churn afneemt en customer LTV stijgt. Conversational AI biedt veel van de voordelen van menselijke support, maar beschikt ook over perfect geheugen, tientallen talen en is 24/7 beschikbaar. De toekomst komt eraan en is in veel opzichten al hier. Stel je directe, empathische en effectieve support voor — elke keer weer. Binnenkort wil je bijna een luchtvaartmaatschappij bellen, gewoon voor de lol.