Garther zegt dat de kosten van generatieve AI in klantenservice stijgen — dit is wat het betekent

Onze huidige boodschap kan degenen afschrikken die in de afgelopen twee jaar een AI-platformcontract hebben getekend, maar volgens Gartner, tegen 2030 zullen de kosten van generatieve AI in de klantenservice meer dan $3 per resolutie bedragen.

‍

Waarom is dat zo'n groot nieuws? Nou, gewoon omdat de industrie de afgelopen jaren heeft gewed dat AI de ondersteuningskosten zou verlagen. Nou, niet meer. Hieronder gaan we wat dieper in op de bevindingen van Gartner en zien we:

‍

• Wat is eigenlijk de drijvende kracht achter de kostengroei van AI
• Waarom de framing van de kosten per uur altijd misleidend was
• En hoe een slimmer ondersteuningsmodel eruitziet dat klaar is voor de toekomst in 2026 en daarna.

‍

Wat Gartner eigenlijk heeft ontdekt over de toekomst van klantenondersteuning

‍

Je zou kunnen denken dat de kosten van generatieve AI stijgen omdat de technologie slecht is, maar dat komt omdat de economie van de infrastructuur een inhaalslag maakt op de realiteit. Hier zijn De inzichten van Gartner die dat ondersteunen.

1. De kosten van GenAI per resolutie zullen in 2030 meer dan $3 bedragen

Het bedrag van $3 heeft betrekking op de kosten per opgelost ticket — niet per interactie en niet per zitplaats. Een probleem met één klant kan meerdere AI-interacties omvatten voordat het wordt opgelost, en elk probleem verbruikt tokens voor de berekening. Ter context: medewerkers van de offshore B2C lossen tickets al op voor 2 tot $4 per stuk, afhankelijk van de complexiteit en het kanaal.

‍

Als we dus de voorspelling van Gartner volgen, is de AI-ondersteuning binnen de komende 4 jaar misschien niet eens gunstig, vooral als we rekening houden met alle operationele kosten die nodig zijn om een AI-ecosysteem te beheren, te onderhouden en te verbeteren.

2. Vier structurele kostenfactoren achter de stijging

Maar waarom veranderde het beeld zo snel? De belangrijkste reden is dat bedrijven nu veel meer weten over de AI-activiteiten, waardoor ze de werkelijke prijs van het werken met de technologie nauwkeuriger kunnen inschatten. Dit zijn slechts enkele factoren die momenteel opnieuw worden beoordeeld door de AI-industrie:

‍

• Normalisatie van de prijzen van LLM-leveranciers.
  Volgens CX Today subsidiëren grote aanbieders van taalmodellen hun diensten momenteel met wel 90% als marktaandeelstrategie. Zodra ze zijn overgestapt op winstgevendheid — en dat zullen ze ook doen — zullen de prijzen veranderen om aan dat traject te voldoen.
  
  
• Schaling van rekenkracht en infrastructuur.
  LLM's hebben krachtige rekenomgevingen nodig om op bedrijfsschaal te kunnen werken, en de vraag naar inferentiecapaciteit blijft stijgen, met name voor systemen die complexe redeneringen, lange contextvensters of multimodale inputs verwerken.”
  
  
• Totale eigendomskosten van de onderneming.
  Orkestratielagen, governancecontroles, RAG-pipelines, compliance-tools en bewakingsinfrastructuur zijn voorwaarden voor AI-implementatie op bedrijfsniveau. En elk van deze aspecten verhoogt de kosten van AI-operaties.
  ‍
• ‍De complexiteit van het model kruipt.
  Frontier-modellen verbruiken drie tot tien keer zoveel tokens per interactie als hun voorgangers. Naarmate gebruiksscenario's ingewikkelder worden, neemt het aantal tokens dat nodig is om ze te verwerken toe, waardoor uiteindelijk de totale rekening stijgt.

3. Betekenis voor de toekomstige AI-implementaties

Het is niet verwonderlijk dat naarmate de kosten van GenAI stijgen, Gartner voorspelt dat de meeste organisaties hun inspanningen om kosten te besparen door volledige automatisering zullen opgeven en in plaats daarvan zullen neigen naar het gebruik van AI om waarde te creëren tijdens het hele klanttraject.

‍

Een deel van de markt zal echter verdubbelen: tegen 2030, 10% van de Fortune 500-bedrijven wil hun uitgaven voor klantenservice verdubbelen om AI te gebruiken voor hypergepersonaliseerde, proactieve ervaringen.

‍

„Leiders op het gebied van klantenservice zullen gebruik maken van AI om de klantervaring te verbeteren. Ze kijken niet alleen naar kostenoptimalisatie, maar ook naar andere voordelen, waaronder een hogere klantwaarde, een terugkooppercentage en merkloyaliteit. Om succesvol te zijn, moeten organisaties investeren in data, technologie en talent. Nu proactieve en gepersonaliseerde service een klantverwachting wordt, zullen early adopters een concurrentievoordeel behalen.”
— Patrick Quinlan, Senior Director Analyst in de klantenservice- en ondersteuningspraktijk van Gartner

‍

De verborgen belasting waar niemand het over heeft: lage kosten per uur, hoge kosten per resolutie

‍

Dit is een vraag die de moeite waard is om te stellen voordat je volgende leverancier wordt verlengd: toen je volgens dat uurtarief werkte, wat heb je precies bespaard?

‍

De kosten per uur zijn het favoriete getal in de branche, omdat het perfect in een inkoopspreadsheet past. Maar het verbergt een web van tweede-ordekosten:

‍

• Herhaalde contacten met een lage resolutie bij het eerste contact
• Escalaties die de tijd van een senior agent kosten
• Herbewerking van verkeerd afgehandelde dossiers
• En de voortdurende kosten om elke zes maanden gekarnde agenten te vervangen.

‍

Volgens Harvard Business Review, het werven van een nieuwe klant kost tussen de 5 en 25 keer zoveel als het behouden van een klant. Dus als een gefrustreerde klant annuleert na een slechte ondersteuningservaring, heeft dat goedkope uurtarief geen geld bespaard, maar in feite bijgedragen aan het verhogen van uw acquisitie-inspanningen.

De echte rekenkunde van goedkope ondersteuning

Laten we eens kijken naar het voorbeeld van twee agenten die met verschillende uitkomsten werken:

‍

• Agent A:
  → $10/uur, 60% oplossingspercentage bij eerste contact, verwerkt 8 tickets/uur.
  → Kosten per opgelost ticket: ~$2,08.
  
  
• Agent B:
  → $18/uur, 85% FCR, verwerkt 8 tickets/uur.
  → Kosten per opgelost ticket: ~$2,65

‍

Wat maakt agent B anders? Het feit dat, dankzij hun hogere resoluties bij het eerste contact, 25-30% minder tickets opnieuw moeten worden geopend, geëscaleerd of opnieuw moeten worden uitgelegd.

‍

Houd rekening met de afhandeling van het opnieuw contact, de escalatietijd en het risico van klantverloop bij de onopgeloste zaken, en agent A wordt binnen enkele weken de duurdere optie. van EverHelp model voor uitbesteding van klantenservice is gebouwd om te voorkomen dat u met de volgende problemen wordt geconfronteerd:

‍

• Onze kwaliteitsborging inspanningen dragen bij aan het handhaven van een kwaliteitsscore van 96%
• En een goede en voortdurende training van agenten draagt bij aan de stabiele CSAT van 83% +.

‍

Als we de hierboven beschreven resolutie-economie volgen, wordt het handhaven van deze statistieken een betere keuze dan alleen te vertrouwen op minimumwaarden per uur.

‍

Waarom heeft AI altijd ondersteuning van een mens nodig?

‍

Op 19 juli 2024 veroorzaakte een defecte CrowdStrike-software-update een van de grootste IT-storingen in de geschiedenis. Volgens Cirium van de 411.009 wereldwijd geplande passagiersvluchten in de 72 uur die volgden, werden ongeveer 16.896 geannuleerd — meer dan het dubbele van het annuleringspercentage van de vorige week. Alleen Delta Air Lines heeft 1.326 vluchten aan de grond gehouden.

‍

Wat gebeurde er toen die passagiers naar de chatbot van de luchtvaartmaatschappij reikten?
De AI kon ze niet opnieuw boeken, omdat dezelfde systemen waarop ze vertrouwde offline waren. Geautomatiseerde omboekingen worden uitgevoerd op dezelfde infrastructuur die zojuist was mislukt. Een menselijke agent, die vanuit een andere workflow zou werken en uitgerust was met override-mogelijkheden, zou hetzelfde probleem binnen enkele minuten hebben opgelost.

‍

Dit is geen hoes met een niche-rand. Systeemstoringen, massale verstoringen, beleidsuitzonderingen, fraudebeoordelingen, emotioneel bedroefde klanten — dit zijn precies de scenario's waarin de beperkingen van AI het duurst zijn, en ze komen meestal precies naar boven wanneer het volume het hoogst is. En aangezien het waardevolle deel van het proces de oplossing is, hebben complexe interacties waar veel op het spel staat nog steeds een mens nodig om tot een oplossing te komen.

AI-gebruiksscenario's: waar het daadwerkelijk oplevert

‍

Wij geloven dat AI niet de vijand is van kwaliteitsondersteuning. Het kan krachtig zijn, vooral als het opzettelijk als co-feature wordt gebruikt.

‍

Daarom integreren we bij EverHelp AI als copiloot binnen onze ondersteuningsworkflows, waarbij ervoor wordt gezorgd dat automatisering wordt gebruikt voor schaalvergroting en snelheid van de ondersteuning, terwijl getrainde medewerkers de randgevallen afhandelen die extra aandacht en kritisch denken vereisen om ervoor te zorgen dat klanten niet overlopen.

‍

De AI-keuze is niet of-of, maar veel bedrijven kiezen de verkeerde kant

‍

Wat ons is opgevallen is dat de markt schijnbaar is opgesplitst in twee faalwijzen, en beide worden nu gevalideerd door gegevens.

‍

• Dead end #1: Legacy BPO met een zware GenAI-overlay. 

Grote, traditionele outsourcers hebben meestal besloten om AI-platforms bovenop de bestaande infrastructuur te leggen, in de hoop hun weg naar marge te automatiseren. Als gevolg hiervan worden ze geconfronteerd met:

‍

• Hogere totale eigendomskosten
• Lock-in voor leveranciers
• Complexiteit van bestuur
• En stijgende automatiseringskosten.

‍

• Doodlopende weg #2: uiterst goedkope offshore-arbeidsarbitrage. 

Het ultragoedkope offshore-model heeft een ander probleem: te veel omzet. In sommige offshore-markten, jaarlijks het verloop van agenten bedraagt 30-40%. Dat betekent dat je ongeveer elke 12 maanden een nieuw team vanaf nul moet trainen. Dit leidt tot:

‍

• Lagere servicekwaliteit, omdat agenten nog steeds aan het leren zijn.
• Toename van het aantal verkeerd behandelde tickets
• Langere verwerkingstijden en meer gefrustreerde klanten.

‍

Tel daar de hiaten in de regelgeving bij op die goedkope winkels vaak hebben (een reëel probleem als uw bedrijf te maken heeft met betalingen, gezondheidsgegevens of klanten in de EU), en die besparingen lijken niet meer zo aantrekkelijk, toch?

‍

Als zodanig zullen 50% bedrijven die hun klantenservicepersoneel hebben verminderd als gevolg van AI, tegen 2028 uiteindelijk opnieuw mensen aannemen voor vergelijkbare functies (Gartner, 2025). En ondanks jaren van krantenkoppen over AI die agenten vervangt, slechts 20% van de klantenserviceleiders had vanwege AI zelfs minder personeel nodig — de meesten behielden hun teams even groot, zelfs toen ze automatiseringstools toevoegden.

Dus, hoe ziet de middenweg eruit?

Geen van de twee dominante modellen werkt — en de gegevens bevestigen dit. Maar de vraag is: als volledige automatisering te duur is en ultragoedkope offshore te kwetsbaar is, welk alternatief is dan eigenlijk geldig?

‍

Het korte antwoord is een ondersteuningsoperatie die is ontwikkeld om vanaf het begin een hoge resolutie te garanderen. En zo'n model omvat het gebruik van AI waar nodig en het behouden van mensen voor taken die ze nog nodig hebben.

‍

Dat is precies wat we bij EverHelp oefenen door:

‍

• AI-ondersteunde menselijke workflows →Evly, onze AI-ondersteuningsmedewerker die getraind is op meer dan 100.000 ondersteuningstickets, behandelt routinematige vragen en triage. Menselijke agenten behandelen de vooraf gedefinieerde randgevallen en nemen meestal de laatste beslissing bij het sluiten van tickets.
• EEN 28 dagen durende lancering tijdlijn → stelt bedrijven in staat om de nodige klantenservice te bieden zonder grote onderbrekingen.
• Toegewijde QA-infrastructuur → ontworpen om te voldoen aan de specifieke kenmerken van elk project en continu geleverd in een vooraf bepaald tempo.
• Compliance-certificeringen → we zijn in het bezit van ISO 27001-, GDPR- en PCI Merchant Level 3-certificeringen, wat betekent dat u er zeker van kunt zijn dat de gegevens van u en die van uw klanten met de nodige zorg en bescherming worden behandeld.
• Consistente kwaliteit op grote schaal → we bespreken vooraf alle gewenste prestatie-KPI's, zoals resolutiekwaliteit, FCR en CSAT, en kalibreren vervolgens onze service om aan die SLA's te voldoen via voortdurende procesoptimalisatie.

Hoe het hybride model werkt in een echte ondersteuningsoperatie

Wat ons helpt dit systeem te onderhouden, is een goed georkestreerde Human + AI-ondersteuning die op verschillende niveaus functioneert:

‍

1. Niveau 0/1 — AI-laag: Volledig geautomatiseerde AI-ondersteuning voor routering, triage, veelgestelde vragen en samenvattingen. Werkt 24/7 tegen bijna nul marginale kosten per extra aanvraag. Kan eenvoudig worden geschaald zonder personeelsvertraging.
   
   
2. Niveau 1/2 — Menselijke agenten met AI copiloot: Onze mensen behandelen complexe, emotionele, beleidsgevoelige, regelgevende of VIP-interacties. In de tussentijd helpt AI relevante kennis aan het licht te brengen, sentimentverschuivingen te signaleren en voorgestelde reacties op te stellen. De agent heeft nog steeds controle over de situatie.
   
   
3. Overdracht van escalatie: De menselijke agent ontvangt de volledige context die door de AI is verzameld op basis van eerdere interacties, wat helpt om het aantal herhaalde verzoeken te verminderen en voorkomt dat klanten de situatie opnieuw kunnen uitleggen.

‍

Regelgevers zijn al bezig om klanten het recht te geven om met een mens te spreken, en Gartner verwacht dat deze veranderingen zullen leiden tot een toename van 30% in het aantal ondersteunde diensten tegen 2028. Dat is goed nieuws voor bedrijven die een sterke menselijke ondersteuningslaag hebben behouden. Voor degenen die hun teams hebben uitgedaagd om op korte termijn automatiseringsbesparingen na te streven, betekent dit dat ze onder druk opnieuw moeten opbouwen.

‍

Sommige klanten van EverHelp gebruiken dit gemengde model al. En wat we hebben gemerkt is dat hun oplossingskosten voorspelbaarder zijn en dat hun klanten langer blijven. Wanneer deze voorschriften volledig zijn ingevoerd, zullen ze al naar behoefte functioneren, met mensen op de hoogte.

‍

‍

Naleving en kwaliteit als basis voor succesvolle AI-ondersteunde ondersteuningsoperaties

‍

Zoals we eerder hebben vermeld, aanvaarding en governance-tooling is een van de vier belangrijkste kostenfactoren voor de totale eigendomskosten van GeNai. Organisaties die AI bouwen op fundamenten die niet aan de regels voldoen, lopen het risico twee keer te betalen voor hun beslissingen.

‍

De EU-AI-wet, GDPR en PCI DSS zijn de huidige operationele vereisten voor elke organisatie die Europese klanten bedient of kaartgegevens verwerkt. En naarmate AI-gegenereerde resultaten steeds vaker voorkomen in klantinteracties, groeit ook de behoefte aan strikte nalevingsmaatregelen.

‍

We hebben er dus voor gezorgd dat EverHelp in het bezit is van certificeringen zoals:

‍

• ISO 27001 → wat betekent dat uw klantgegevens (namen, bestelgeschiedenis, accountgegevens, gesprekslogboeken) worden opgeslagen, geopend en beheerd volgens een formeel gecontroleerd informatiebeveiligingskader. En als er een inbreuk is of een klantenaudit is, is er een gedocumenteerd systeem om naar te verwijzen.
  
  
• GDPR → elke interactie met een klant uit de EU wordt afgehandeld volgens de regels die uw juridische team sowieso al moet volgen. Dataminimalisatie, verzoeken om recht op verwijdering en toestemmingsrecords zijn allemaal ingebouwd in de activiteiten van onze agenten.
  
  
• DSS PCI Merchant niveau 3 → betekent dat agenten die vragen over betalingen behandelen, werken in een omgeving die voldoet aan de beveiligingsvereisten van de kaartindustrie voor transactiegegevens. Kaarthouderinformatie wordt niet via onbeveiligde kanalen verzonden of in onbeveiligde logboeken opgeslagen.

‍

Voor elk bedrijf dat onder strikte regelgeving werkt, betekent dit dat je EverHelp aan boord kunt nemen zonder een afzonderlijke evaluatie van onze datapraktijken op het gebied van beveiliging en naleving, omdat een derde partij de audit al heeft uitgevoerd.

‍

De echte winnaars: wie worden ze?

‍

Volgens Patrick Quinlan, degenen die AI zullen gebruiken om de klantenondersteuning en -ervaring te verbeteren, en niet om menselijke agenten te vervangen. Het zullen bedrijven zijn die het potentieel van AI kunnen zien dat verder gaat dan eenvoudige kostenbesparingen, en het uiteindelijk zullen gaan gebruiken om de levenslange waarde van klanten, het terugkooppercentage en de merkloyaliteit te verhogen.

‍

En dat is wat we bij EverHelp doen sinds het begin van de hele AI-razernij. We hebben de manier gevonden om onze Evly-AI te combineren met menselijke expertise om bedrijven te helpen de meest repetitieve en tijdrovende taken op te lossen, terwijl de klanttevredenheid op meer dan 83% blijft. Wil je zien of ons model past bij jouw zakelijke agenda? Boek een gesprek en laten we erachter komen.