Agents in het contact center: hype of nieuwe realiteit?

Het is maandagochtend in het contactcenter. De eerste telefoontjes gaan binnen een minuut al over in wachtstand, de chatballonnen vullen het scherm en de mailbox staat vol automatische meldingen. De selfserviceomgeving draait op volle toeren. Klanten vinden steeds beter hun weg in FAQ’s, portalen, chatbots en kennisartikelen.

Maar juist dát zorgt voor een nieuw probleem: wat bij medewerkers terechtkomt, zijn niet langer de simpele dingen. Het zijn de uitzonderingen, de afwijkingen, de “ik snap het nog steeds niet”-situaties.

Klanten kunnen steeds meer zelf en daardoor wordt de rest automatisch complexer

Agents in contactcenters worden geconfronteerd met vragen die meer vragen om interpretatie, nuance en domeinkennis. Terwijl de druk op snelheid, kwaliteit en empathie óók stijgt.

Daar, precies op dat snijvlak, begint de rol van AI relevant te worden.

Van self-service naar assisted service, en weer terug

Organisaties hebben jarenlang geïnvesteerd in self-service. Terecht: veel klanten willen hun antwoord liever direct vinden dan wachten op een medewerker. Maar één ding is duidelijk geworden:

Self-service lost veel op… maar brengt het complexere werk juist méér naar het contactcenter.
Dat effect wordt zelden hardop uitgesproken, maar iedere contactcenterleider ziet het gebeuren. Microsoft beschrijft dit al jaren als de “baton pass”: de overdracht van self-service naar assisted service wanneer een klant toch extra hulp nodig heeft.

Wat nieuw is: Dynamics 365 Contact Center maakt die baton pass niet alleen soepeler, maar introduceert een tweede beweging die minstens zo belangrijk is:

De baton gaat niet alleen van self-service naar assisted service. Hij gaat óók weer terug.
Elke assisted-interactie, elk gesprek, elke nuance en elke tegenvraag, bevat informatie om self-service te verbeteren.
En dat is precies waar Microsoft Copilot en AI Agents nu centraal in het platform plaatst: om dat leerproces te automatiseren.

Niet als theoretisch toekomstbeeld, maar als dagelijks mechanisme dat het contactcenter slimmer maakt.

Hoe die cyclus er in de praktijk uitziet

Een klant begint op het portaal, typt een vraag in via de chatbot of zoekt in de knowledge base.
Daar ontstaat het eerste signaal: waar gaat dit over, welke intentie zit erachter, en wat mist er om dit zelfstandig op te lossen?

Komt de klant er niet uit? Wat in de praktijk bij complexere vragen steeds vaker het geval is, dan neemt een medewerker het over.
Dankzij transcripties en context ondersteunt Copilot direct met relevante informatie, voorgestelde antwoorden en samenvattingen. Maar het belangrijkste gebeurt daarna:

De interactie wordt gebruikt om self-service beter te maken.

• Is dit een nieuwe vraagcategorie?
• Mist de kennisbank een artikel?
• Moet een bestaand artikel scherper, empathischer, vollediger?
• Zitten er patronen in wat klanten proberen op te lossen?
• Is de routing nog logisch?
• Zijn er kwaliteitsproblemen in antwoorden of processen?

Vroeger kostte dit soort analyse weken handmatig werk en gebeurde het vaak helemaal niet.
Nu vormt het de basis van een continu verbeterende contactcenterarchitectuur.

Waar AI Agents een rol spelen in deze cyclus

Om die cyclus betrouwbaar, schaalbaar en beheersbaar te maken, heeft Microsoft vier standaard agents in het platform gebouwd. Geen generieke AI-modules, maar vaste rollen binnen het proces. Alsof je vier nieuwe collega’s in je team krijgt, elk met een eigen specialisme.

De eerste die in actie komt, is de agent die probeert te begrijpen wat er werkelijk speelt. Niet alleen op basis van trefwoorden, maar door patronen, context en veranderingen in klantgedrag te herkennen. Zo ontstaan nieuwe inzichten die direct laten zien waar self-service tekortschiet.

Daarna komt de kennisagent in beeld, die niet wacht tot iemand tijd heeft om de kennisbank bij te werken, maar suggesties doet op basis van echte gesprekken. Nieuwe artikelen, verbeterde instructies en scherpere stappenplannen. Het systeem leert van elke interactie.

Zodra een medewerker wordt ingeschakeld, ondersteunt de caseagent het werk: gegevens overnemen, structuur aanbrengen, administratie automatiseren. De medewerker hoeft minder te klikken en meer te luisteren. Een enorme winst in een omgeving waar elk detail telt.

En tenslotte monitort een kwaliteitsagent de gehele keten: self-service, chat, telefonie en menselijke interacties. Niet alleen om medewerkers te coachen, maar om te zien of de cyclus daadwerkelijk werkt: wordt self-service beter? Wordt routing scherper? Wordt kennis consistenter?

Zo ontstaat een mechanisme waarin de baton niet alleen beter wordt overgedragen, maar waarin het hele systeem stap voor stap slimmer wordt.

Copilot als regisseur: mens en agents in één proces

Je zou kunnen zeggen dat Copilot de “regisseur” is van dit geheel. Copilot coördineert de informatie die agents verzamelen, verbindt deze aan het gesprek of de interactie, en presenteert alles op een manier die medewerkers echt helpt.

Niet door grote beslissingen autonoom te nemen, maar door frictie weg te halen:

• minder zoeken
• minder klikken
• minder administreren
• meer tijd voor het échte gesprek
• meer inzicht in hoe het contactproces verbetert

Hierdoor ontstaat een contactcenter waar mens en AI niet tegenover elkaar staan, maar elkaar versterken. Elk op de plek waar ze het beste tot hun recht komen. AI doet suggesties en voorstellen, maar de mens bepaald uiteindelijk. Door de gevonden intenties uit te breiden met details en context, door kennis aan te vullen en te publiceren en door kwaliteitsevaluatie te sturen en uiteindelijk te beoordelen. De AI agents zijn daardoor ondersteunend en niet bepalend.

Waarom dit geen hype meer is
Veel AI-discussies blijven hangen in “mogelijkheden” en “toekomst”. Deze niet.
De vier agents die deze cyclus vormen, zijn geen concepten uit een keynote, maar concrete onderdelen van Dynamics 365 Contact Center die vandaag inzetbaar zijn.

De echte uitdaging ligt niet in technologie, maar in visie:

• Durven we te erkennen dat self-service alleen werkt als assisted service óók slim wordt ingericht?
• Durven we elke klantinteractie als data te zien, niet alleen als gesprek?
• En durven we AI niet als vervanger, maar als collega te positioneren?

Organisaties die dat doen, zien verrassend snel resultaat. Niet in grote revoluties, maar in tientallen kleine verbeteringen per dag die zich opstapelen tot grote impact.

Vooruitblik: waarom dit pas het begin is
Deze blog legt de basis. In de komende vijf blogs duiken we diep in elke agent afzonderlijk:

• hoe ze werken
• waar ze waarde leveren
• wanneer je er níet mee moet starten
• welke governance nodig is
• en vooral: hoe je klein begint

Het doel: een realistisch beeld van hoe agents vandaag al resultaat opleveren in moderne contactcenters. Zónder hype en beloftes die nog niet waargemaakt kunnen worden.

De druk op contactcenters neemt toe. Klanten doen steeds meer zelf, waardoor de rest complexer wordt. Precies daarom is de assisted ↔ self-service cyclus relevanter dan ooit.

Wil je eens kijken hoe die cyclus er in jouw organisatie uitziet? En waar AI Agents vandaag al iets kunnen betekenen?

Wij denken graag een keer mee.