Waarom steeds meer grote organisaties hun AI-agents van de klantenservice afhalen

Waarom halen grote organisaties AI-agents uit de klantenservice? Onderzoek laat zien waar AI customer service in de praktijk tegenaan loopt.

AI-agents moesten klantenservice sneller, schaalbaarder en uiteindelijk goedkoper maken. Veel grote organisaties zijn inmiddels voorbij de experimentele fase en hebben AI (Kunstmatige Intelligentie) daadwerkelijk ingezet in klantcommunicatie. Toch blijkt juist na de implementatie een nieuwe uitdaging te ontstaan.

Uit onderzoek van Sinch onder 2.527 beslissers bij grote organisaties blijkt dat 74% al eens een live AI-agent heeft moeten terugdraaien of uitschakelen na een governanceprobleem. Alle onderzochte organisaties hebben minimaal 1.000 medewerkers. Tegelijkertijd heeft 62% al AI-agents actief in klantcommunicatie en verhoogt 98% de AI-investeringen in 2026. Bedrijven nemen dus geen afscheid van AI, maar ontdekken wel dat betrouwbare AI customer service ingewikkelder is dan een succesvolle pilot doet vermoeden.

In één minuut

De belangrijkste uitkomsten uit het onderzoek:

• 62% heeft al AI-agents actief in klantcommunicatie.
• 74% heeft een geïmplementeerde agent al eens teruggedraaid of uitgezet.
• Bij organisaties met volwassen controlemechanismen loopt dat percentage zelfs op tot 81%.
• 84% van de AI-engineeringteams besteedt minimaal de helft van zijn tijd aan infrastructuur voor veiligheid.
• 55% bouwt zelf infrastructuur om context tussen verschillende communicatiekanalen te behouden.
• Toch verhoogt 98% de investeringen in AI gedurende 2026.

Het probleem is dus niet langer alleen om AI-agents daadwerkelijk bij klanten te krijgen. De uitdaging begint juist wanneer duizenden echte gesprekken, klantgegevens en uitzonderingen door het systeem gaan.

Waarom halen grote organisaties hun AI-agents van de klantenservice af?

Volgens Sinch ontstaan problemen vooral wanneer een AI-agent eenmaal in productie draait. Een testomgeving is relatief gecontroleerd. In echte klantinteracties krijgt een agent te maken met afwijkende vragen, verschillende communicatiekanalen, gevoelige gegevens en situaties waarvoor vooraf geen standaardscenario is bedacht.

De term ‘van de klantenservice afhalen’ betekent daarbij niet noodzakelijk dat een organisatie de technologie definitief opgeeft. Sinch spreekt over agents die worden teruggedraaid of uitgeschakeld na een governanceprobleem. Juist organisaties met uitgebreide controles ontdekken volgens het onderzoek vaker dat iets misgaat en grijpen daardoor eerder in.

Wat zijn de grootste tekortkomingen van AI-agents in klantenservice?

De problemen met AI-klantenservice zitten niet alleen in het geven van een verkeerd antwoord. Een agent moet snel reageren, actuele informatie gebruiken, eerdere context onthouden en veilig omgaan met klantgegevens.

Sinch noemt drie gevolgen wanneer een AI-interactie technisch misgaat. 35% van de ondervraagden ziet een sterke stijging van de werkdruk bij menselijke supportmedewerkers als belangrijkste gevolg. Bij 34% staat reputatieschade en verlies van klantvertrouwen bovenaan. Nog eens 18% noemt verslechterende klanttevredenheidsscores als grootste impact.

Dat sluit aan bij eerder onderzoek waarover wij schreven. Zo bleek dat 75% van consumenten zich weleens ergert aan AI in klantenservice, vooral wanneer systemen vragen niet begrijpen of het moeilijk is om alsnog een medewerker te bereiken.

Meer controle voorkomt problemen niet automatisch

Opvallend is dat het hoogste rollbackpercentage juist voorkomt bij organisaties die hun governance als volwassen beschouwen. Daar heeft 81% een AI-agent al eens moeten terugdraaien, tegenover 74% gemiddeld.

Sinch ziet dat niet als bewijs dat uitgebreide controle nutteloos is. Een mogelijke verklaring uit het onderzoek is juist dat volwassen organisaties problemen sneller herkennen. Goede monitoring maakt zichtbaar wanneer een agent verkeerde informatie geeft, context kwijtraakt of buiten afgesproken grenzen handelt.

Voor organisaties betekent dit dat AI klantenservice nadelen niet volledig kunnen worden opgelost door simpelweg meer regels rond een model te zetten. De systemen waarop de AI draait, de beschikbare data en de technische koppelingen moeten eveneens betrouwbaar zijn.

De infrastructuur achter AI customer support wordt belangrijker

Uit het onderzoek komt de tevredenheid over communicatie-infrastructuur naar voren als de sterkste voorspeller van vertrouwen in een AI-implementatie. Dat verband bleek sterker dan het beschikbare budget, de volwassenheid van de organisatie of de hoeveelheid ingestelde guardrails.

Daar zit bij veel bedrijven nog een gat. 42% noemt onvoldoende betrouwbaarheid van de huidige infrastructuur, 37% mist goede mogelijkheden voor meerdere communicatiekanalen en 32% ervaart onvoldoende integratiemogelijkheden met AI-platforms.

Juist voor AI customer support is dat belangrijk. Een klant kan een gesprek via WhatsApp beginnen, later mailen en uiteindelijk bellen. Wanneer de AI-agent die eerdere interacties niet kent, ontstaat een gefragmenteerde ervaring.

Hier wordt de koppeling met CRM belangrijk

Daarom past dit onderwerp ook bij CRM (Customer Relationship Management). Een AI-agent kan alleen relevante service leveren wanneer hij toegang heeft tot betrouwbare klantinformatie. Denk aan contactgegevens, eerdere gesprekken, aankopen, openstaande cases en afspraken die al met de klant zijn gemaakt.

Een goed ingericht CRM-systeem kan die centrale context leveren. CRM is daarmee niet automatisch de oplossing voor alle problemen rond AI-agents, maar kan wel voorkomen dat iedere chatbot of supporttool vanuit zijn eigen losse klantbeeld werkt. Sinch meldt dat 55% van de onderzochte bedrijven zelf infrastructuur heeft moeten bouwen om context tussen verschillende kanalen te behouden.

Voor klantenservice betekent dit dat integraties steeds belangrijker worden. Een AI-agent moet niet alleen met het CRM kunnen communiceren, maar een gesprek bij escalatie ook mét relevante context aan een medewerker kunnen overdragen. In ons artikel over hoe klantenservice profiteert van CRM-software lees je waarom een centraal klantbeeld daarbij zo belangrijk is.

Welk CRM-systeem past bij jouw bedrijf?

Beantwoord een paar korte vragen en ontdek welke CRM-pakketten het beste aansluiten op jouw processen en wensen. Gratis en vrijblijvend.

→ Start de gratis CRM-selectie

Wanneer is menselijke klantenservice beter dan AI-automatisering?

Voor eenvoudige, voorspelbare vragen kan automatisering juist veel waarde bieden. Een AI-agent kan bijvoorbeeld openingstijden doorgeven, een orderstatus controleren of standaardinformatie uit een kennisbank ophalen zonder dat daar telkens een medewerker voor nodig is.

Het wordt anders zodra een klant vastloopt, een uitzondering heeft of wanneer vertrouwen belangrijk wordt. Zoals we eerder schreven, praat twee derde van de consument nog steeds liever met een mens. Het vertrouwen in AI neemt bovendien duidelijk toe wanneer klanten weten dat zij eenvoudig kunnen overstappen naar een medewerker.

De discussie over menselijke klantenservice vs, AI. hoeft daarom geen keuze tussen twee uitersten te zijn. Een realistischer model is dat AI eenvoudige en repetitieve contacten opvangt, terwijl een medewerker het overneemt wanneer context, empathie of beoordelingsvermogen belangrijk wordt.

Toch verdwijnen AI-agents voorlopig niet

De cijfers van Sinch zijn stevig, maar wijzen niet op het einde van AI-agents in customer service. Integendeel: 88% van de onderzochte organisaties verwacht binnen twaalf maanden AI-agents in productie te hebben en vrijwel alle bedrijven verhogen hun investeringen. De belangrijkste doelstelling is bovendien niet kostenbesparing. 36% noemt hogere klanttevredenheid en loyaliteit als belangrijkste doel, tegenover 16% dat vooral kosten wil verlagen.

Dat maakt de huidige terugdraaiingen eerder een correctiefase dan een aftocht. Organisaties leren welke processen geschikt zijn voor autonomie en waar menselijke controle noodzakelijk blijft. Dat sluit ook aan bij de ontwikkeling die we zien bij leveranciers: terwijl bedrijven tegen problemen aanlopen, investeren partijen als Salesforce juist miljarden in gespecialiseerde AI voor klantenservice.

AI-klantenservice wordt volwassen

De eerste fase van AI in klantenservice draaide vooral om de vraag wat er technisch mogelijk was. De volgende fase draait om betrouwbaarheid. Kan een agent dezelfde klant over meerdere kanalen herkennen? Heeft hij toegang tot actuele CRM-data? Is duidelijk wanneer een medewerker moet overnemen? En wordt achteraf vastgelegd welke acties de AI heeft uitgevoerd?

De problemen met AI-agents in klantenservice betekenen daarom niet dat de technologie mislukt. Ze laten vooral zien dat succesvolle automatisering meer nodig heeft dan een goed taalmodel. CRM-data, communicatie-infrastructuur, beveiliging en menselijke escalatie moeten als één geheel functioneren.

Voor bedrijven die AI customer service inzetten, verschuift de vraag daarmee van “kunnen we dit automatiseren?” naar “welke onderdelen kunnen we betrouwbaar automatiseren zonder de klantervaring uit het oog te verliezen?”

Bron

Sinch - Sinch research reveals 74% of enterprises have rolled back live AI customer communications agents (mei 2026)