Je pakt het goed aan door te veranderen wat de AI mag doen. Hij antwoordt alleen vanuit je eigen goedgekeurde documenten, laat bij elk antwoord zien uit welk document het komt, stelt antwoorden op die een medewerker goedkeurt voordat ze worden verzonden, en stuurt terugbetalingen, klachten en randgevallen naar mensen. De meeste foute antwoorden komen voort uit rommelige kennis en ontbrekende regels, niet uit het model.
#Belangrijkste punten
- Chatbots geven foute antwoorden als de documentatie verspreid, verouderd of tegenstrijdig is.
- De gevaarlijke foute antwoorden zijn verzonnen beleidsregels: terugbetalingen, uitzonderingen en toezeggingen die je bedrijf nooit heeft gedaan.
- Zoeken in je eigen documenten, met een bronvermelding bij elk antwoord, maakt fouten zichtbaar en te herstellen.
- Opstellen en goedkeuren houdt een persoon tussen de AI en de klant zolang het vertrouwen wordt opgebouwd.
- Je bedrijf is verantwoordelijk voor wat zijn chatbot zegt, dus de regels moeten van jou zijn.
#Waarom gaf onze chatbot klanten foute antwoorden?
Meestal om drie redenen. De kennis was rommelig: antwoorden zaten in oude PDF's, gedeelde schijven en de hoofden van ervaren medewerkers, en sommige spraken elkaar tegen. Randgevallen waren nooit opgeschreven, dus de bot gokte. En niets hield hem tegen om zelfverzekerd te klinken terwijl hij helemaal geen bron had.
Een verzonnen beleidsregel heeft echte gevolgen. Skift, februari 2024 meldde dat een Canadees tribunaal Air Canada opdroeg een rouwkorting terug te betalen die de chatbot verkeerd had beschreven, en het argument verwierp dat de chatbot zelf verantwoordelijk was voor zijn woorden. De les voor elke supportmanager: wat de bot zegt, heeft je bedrijf gezegd.
#Hoe ziet goed ingerichte AI-klantenservice eruit?
- Eén opgeschoonde kennisbron: de antwoorden waar je team achter staat, met een eigenaar die ze actueel houdt.
- Zoeken met bronvermelding: de AI vindt de relevante passage in je documenten en elk antwoord laat zien waar het vandaan komt.
- Geen bron, geen antwoord: dekt niets in je documenten de vraag, dan gaat de case naar een persoon.
- Opstellen en goedkeuren: de AI stelt op, een medewerker controleert het concept en de bron, en verstuurt.
- Harde grenzen: over terugbetalingen, compensatie en uitzonderingen op beleid beslist de AI nooit.
Stennir bouwt dit in de helpdesk die je team al gebruikt, zoals Zendesk of HubSpot, zodat medewerkers niet van tool wisselen. Elk concept, elke bewerking en elke goedkeuring wordt gelogd, wat laat zien waar de kennis dun is en welke antwoorden aanpassing nodig hebben.
#Kan AI de afhandeltijd in het callcenter verkorten zonder nieuwe foute antwoorden?
Ja, als het medewerkers helpt in plaats van hen tegenover klanten te vervangen. De tijd gaat zitten in het zoeken naar het juiste antwoord, het lezen van de geschiedenis en het schrijven van de reactie. Een AI die de case samenvat, de geciteerde passage erbij haalt en een antwoord opstelt, laat de medewerker controleren in plaats van zoeken.
Stennir heeft over elk onderdeel geschreven: tickettriage die routeert en labelt, antwoorden opstellen die medewerkers bewerken en versturen en een supportkennisbank waarin medewerkers niet meer hoeven te zoeken.
We are
Stennir bouwt AI-supportworkflows die antwoorden vanuit je eigen documenten met bronvermelding, een medewerker antwoorden laten goedkeuren en draaien in je bestaande helpdesk.
We aren't
Stennir is niet de zoveelste chatbotleverancier en zet geen AI voor klanten die mag beslissen over terugbetalingen of beleid.
#Welke opties zijn er voor Arabischtalige AI-klantenservice, naast een chatbotleverancier?
Grofweg drie. Een kant-en-klare chatbot staat snel aan, maar antwoordt vanuit wat hij maar krijgt en is moeilijk te sturen. Agent assist houdt mensen tegenover de klant en gebruikt AI voor zoeken, samenvattingen en concepten. Een klantgerichte agent met strikte overdrachtsregels past bij smalle, steeds terugkerende vragen. Wees op je hoede voor producten met een nieuw etiket: Gartner, juni 2025 schatte dat slechts zo'n 130 van de duizenden leveranciers van agentic AI echt zijn.
Test voor het Arabisch elke optie op je eigen eerdere tickets, inclusief Golfdialect en gemengd Arabisch en Engels, voordat je beslist.
#Wat doet een supportmanager nu?
Verzamel twintig tickets waarin de oude chatbot het fout had en zoek bij elk antwoord het brondocument dat gebruikt had moeten worden. Ontbreekt de bron of is die tegenstrijdig, dan is dat de eerste reparatie. Bespreek daarna met Stennir AI-implementatie en bekijk AI voor klantenservice. Je kunt de gratis gereedheidsscan doen of een gesprek van 30 minuten boeken.
#Veelgestelde vragen
Moeten we eerst al onze documentatie opschonen?
Nee. Begin met de documenten achter de meest voorkomende tickettypes, benoem er een eigenaar voor en los tegenstrijdigheden op zodra je ze vindt. De bronvermelding bij elk concept laat zien op welke documenten medewerkers het meest leunen, zodat het opschonen het echte gebruik volgt in plaats van een apart project te worden dat nooit eindigt.
Werkt het in het Arabisch?
Ja. De AI kan in Engelstalige documenten zoeken en in het Arabisch antwoorden, of andersom, en toch de bron vermelden. Stennir test op je eigen eerdere tickets, inclusief Golfdialect en berichten die beide talen mengen, en medewerkers keuren elk concept goed tot de resultaten rechtvaardigen dat te versoepelen.
Wat blijft bij ons?
De helpdesk, de kennisbron, de logs van elk concept en elke goedkeuring, en de uitknop. Je team is eigenaar van de regels over wat de AI wel en niet mag beantwoorden. Stennir bouwt en bewaakt de workflow, maar de accounts en de data staan op je naam.
Wat als de AI toch iets fout doet?
Een medewerker ziet het concept en de bron voordat er iets wordt verzonden, dus de meeste fouten stoppen daar. Elke correctie wordt gelogd en wijst naar het document dat aanpassing nodig heeft of de regel die moet worden toegevoegd. Bij terugbetalingen en uitzonderingen op beleid beslist de AI nooit; hij stuurt de case naar een persoon.
