Maak kennis met Zendesk Outcome AI™: betere resultaten, ongeacht waar service begint

Toen AI binnen service nog voornamelijk werd beoordeeld op het aantal gesprekken die AI zelf kon afhandelen, vonden wij dat het moest gaan om daadwerkelijke probleemoplossingen. Dat werd de nieuwe standaard. Vorig jaar loste Zendesk meer dan 4,5 miljard serviceproblemen op.

Oplossingen waren op dat moment de juiste maatstaf. Maar het was nooit bedoeld als einddoel.

Wij zitten middenin miljarden servicemomenten en zien daardoor hoe de verwachtingen blijven stijgen. Soms wordt een ticket gesloten terwijl de klant toch vertrekt of de werknemer toch nog niet verder kan met zijn werk. Klanten voelen dat gat: 83% vindt dat de klantervaring veel beter moet. Daarnaast zegt 88% dat de servicekwaliteit zwaar meeweegt in hun aankoopbeslissingen.

Leiders voelen het ook. 79% van de CX-leiders zegt dat traditionele metrics op zichzelf niet voldoende zijn om de volledige impact van AI-gedreven service in kaart te brengen. De vraag is niet meer af of AI het ticket heeft gesloten. Ze willen weten wat het heeft opgeleverd: of de klant is gebleven, de bestelling is gelukt en de nieuwe werknemer vanaf de eerste werkdag aan de slag kon.

Een betrouwbare ingang naar service, waar het werk ook begint

De manier waarop mensen werken verandert snel. Teams werken steeds vaker met AI-tools zoals ChatGPT, Claude en Copilot. Ook besteden mensen steeds vaker dagelijkse taken uit aan persoonlijke AI-assistenten. Bijna twee derde van de consumenten gebruikt AI nu vaker dan een jaar geleden. Het duurt niet lang meer voordat ze AI ook inschakelen om hun serviceproblemen op te lossen.

Dat wordt steeds meer de norm. Daarom moet service beschikbaar zijn waar het werk gebeurt. Teams moeten Zendesk kunnen gebruiken binnen de tools waarmee ze al werken. En de AI-assistenten van klanten hebben een betrouwbare manier nodig om het juiste bedrijf te vinden. 

“Bij Zendesk werken we al lang naar deze shift toe: service die zich aanpast aan waar mensen al zijn. Zo zorgen we ervoor dat het vertrouwen dat vroeger achter één voordeur bleef, meegaat naar elke deur die een klant kan gebruiken. Dit vinden wij de spannendste vernieuwing in onze sector van de afgelopen tien jaar.” — Ram Sangireddy, VP of Platform Product and Engineering

Zendesk Bridge maakt dit mogelijk. Zo kunnen bedrijven betere service bieden: Bridge brengt de gespecialiseerde tools, de context en de AI agents van Zendesk naar de agents, apps en tools die klanten en werknemers al gebruiken. Een support lead kan bijvoorbeeld een Zendesk-ticket gebruiken om een betalingsprobleem te onderzoeken in ChatGPT of Claude. Een klant kan hulp krijgen van een AI agent binnen een speciaal ontwikkelde app. En een werknemer kan via Microsoft Copilot antwoord krijgen op een vraag over het inwerkproces.

Bridge helpt bedrijven ook om het overzicht te houden. Beheerders kiezen welke agents kunnen verbinden, wie ze kunnen gebruiken en wat ze kunnen doen. Bestaande gebruikersmachtigingen blijven gelden en teams kunnen zien welke agent heeft gehandeld en wat er is gebeurd. 

De Open Service Directory breidt datzelfde vertrouwen uit naar de AI-assistenten van klanten. Hiermee kunnen compatibele persoonlijke AI-assistenten het geverifieerde supportkanaal van een merk vinden. Merken keuren hun eigen vermelding goed. Deelnemende AI-assistenten kunnen klanten met toestemming doorverbinden met de officiële klantenservice. Zo kunnen klanten op een betrouwbare manier in contact komen met het juiste bedrijf, zonder zelf zoekresultaten te hoeven ploegen en te raden wat de legitieme route is.

Agents die complexere taken kunnen uitvoeren

Toegang is pas het begin. De volgende test is of het werk ook echt wordt gedaan. Een antwoord is slechts een deel van het werk als iemand daarna nog achter goedkeuringen aan moet, tussen systemen moet schakelen of de vervolgstap moet afstemmen. Dat is het verschil tussen een oplossing en een resultaat.

Dat wordt vooral duidelijk in werknemersservice. Bij een aanvraag voor toegang tot software of een werkgeversverklaring komen beleid, goedkeuringen en gegevens kijken die verspreid liggen over IT, HR en Finance. Medewerkersservice AI Agents, aangedreven door Advanced Action Flows, kunnen deze stappen tussen verbonden systemen coördineren. Een werknemer kan bijvoorbeeld via Slack om toegang vragen. De agent kan het verzoek vervolgens ter goedkeuring doorsturen en de vervolgstappen uitvoeren. De werknemer hoeft dan niet zelf uit te zoeken met wie hij contact moet opnemen of waar hij terechtkan.

Werknemers zijn te veel tijd kwijt aan het regelen van goedkeuringen en het zoeken naar de juiste weg binnen interne systemen, in plaats van het werk te doen waarvoor ze zijn aangenomen. Dat is de belofte van een agentic werknemerservaring: minder gedoe voor werknemers en meer tijd voor het werk dat ertoe doet.” — Shashi Upadhyay, President of Product, Engineering, and AI

De eerste resultaten laten zien hoeveel handmatig werk Medewerkersservice AI agents kunnen overnemen. In de eerste twee maanden van gebruik door klanten voerden 300 klanten 9 miljoen werkprocessen uit. Volgens schattingen van Zendesk zou het handmatig uitvoeren van dit werk anders 750.000 uur hebben gekost.  

Hetzelfde principe geldt voor klantenservice, al verschillen de taken per bedrijf. Een retourzending, een zorgverzekeringsclaim en een vraag over een factuur vereisen elk andere beleidsregels en systemen. Branche-agents bieden gespecialiseerde kennis voor veelvoorkomende servicevragen. Met Agent Builder kunnen bedrijven agents op maat maken voor hun eigen werkprocessen en uitzonderingen.

En wanneer een gesprek van digitale kanalen naar een telefoongesprek overgaat, kunnen AI agenten met spraak ervoor zorgen dat de context behouden blijft. Dankzij realtime vertalingen en proactieve opvolging worden klanten verder geholpen zonder opnieuw te hoeven beginnen.

Het gaat er niet om hoeveel taken een agent kan overnemen. Het gaat erom of klanten en werknemers het gewenste resultaat bereiken, met minder wachttijd, minder overdrachten en minder moeite. 

Verhoog de kwaliteit van het werk, niet alleen de hoeveelheid

Een goed resultaat telt. Net zo belangrijk: het volgende resultaat makkelijker bereikbaar maken. Naarmate AI meer servicetaken overneemt, kunnen teams met behulp van patronen in die interacties zien waar het proces nog misgaat. Een herhaald contactmoment betekent wellicht dat het eerste antwoord geen oplossing bood. Onbeantwoorde vragen kunnen wijzen op ontbrekende kennis. Escalaties kunnen wijzen op beleid waarbij menselijk oordeel nodig is. Bij zowel klanten- als werknemersservice kunnen teams met behulp van deze signalen zien waar processen nog onnodig veel moeite kosten.

Met Zelfverbeterend Zendesk kunnen teams op basis van die inzichten hun service verbeteren. Met Agentic Analytics kunnen teams begrijpen wat ze moeten verbeteren en waarom. Met Admin Copilot kunnen teams hun inzichten omzetten in een voorgestelde aanpassing. MetAI Agent Launchpad kunnen teams eerdere gesprekken analyseren en ontdekken welke taken ze kunnen automatiseren. Ook kunnen ze kennis en processen opstellen en AI agents testen voordat ze livegaan. Simulaties laten zien wat agents goed doen en waar verbetering nodig is. Met A/B-tests kunnen teams verschillende versies vergelijken om te zien welke de beste resultaten oplevert.

Mensen controleren en keuren wijzigingen goed voordat ze live gaan. Achteraf kunnen teams met een kwaliteitsscore meten wat er is veranderd en bepalen wat ze vervolgens willen verbeteren. 

Het is een doorlopende cyclus: patronen herkennen, aanpassen, testen en kijken of het werkt. Teams kunnen meten of klanten minder vaak opnieuw contact opnemen, of problemen sneller worden opgelost en of de kwaliteit van de service op peil blijft.

Bepaal de prijs op basis van de waarde die het oplevert

Gaat het om resultaten, dan zouden bedrijven ook daarvoor moeten betalen. Dat wordt lastiger bij een model waarbij je per gebruiker betaalt. Vooral als een verzoek iemand van buiten het vaste serviceteam vereist.

Bijeen prijsmodel op basis van resultaten is de uitgave afhankelijk van het werk dat AI uitvoert, en niet van het aantal betrokken personen. Lucy Field, VP, Product, legt het zo uit: “We geven klanten meer vrijheid om taken met AI te automatiseren en meer mensen in te schakelen om klantproblemen op te lossen. Met een onbeperkt aantal gebruikers en een flexibel resultatenbudget kunnen teams problemen op hun eigen manier oplossen. Daarbij hebben ze voldoende inzicht en de juiste waarborgen om de controle te houden.”

De uitgaven zijn gekoppeld aan twee soorten resultaten: Gespreksresultaten, wanneer een probleem tijdens een klantgesprek succesvol wordt opgelost, en operationele AI-resultaten, wanneer een geautomatiseerd werkproces in verschillende bedrijfssystemen is afgerond.

Het model bouwt voort op twee jaar praktijkervaring bij grote bedrijven, honderden klanten die AI gebruiken en miljarden automatisch behaalde resultaten. Nu software steeds belangrijker werk overneemt, moeten de waarde ervan en de manier waarop organisaties ervoor betalen weerspiegelen wat er wordt bereikt.

Het resultaat is de ervaring

Het gaat er niet om hoe goed AI over het werk kan praten. Het gaat erom of mensen het resultaat krijgen dat ze zochten.

Daarvoor is het Outcome AI™ Platform gebouwd. Bridge geeft AI toegang tot het werk, waar dat ook begint. Gespecialiseerde agents nemen complexere en meer diepgaande taken op zich. En Zelfverbeterend Zendesk leert van ieder resultaat, zodat elke volgende uitkomst beter is dan de vorige.

We maakten probleemoplossing de standaard voor AI in service. Nu leggen we de lat hoger.