In dit artikel:
- Wat eerstelijnsondersteuning precies inhoudt
- Fundrise: meer dan 50% van de supportgevallen in minder dan 3 maanden
- Lightspeed Commerce: 65% opgelost, CSAT steeg
- Chime: 60% lagere kosten, tevredenheid verdubbeld
- Duolingo: 80% van de chats afgeleid
- ClassPass: kosten 95% lager, afleidingspercentage hoger dan verwacht
- Wat deze 5 teams daadwerkelijk gemeen hebben
De meeste voorbeelden van AI in de klantenservice beschrijven wat een AI-agent theoretisch zou kunnen doen. Dit artikel gebruikt alleen voorbeelden waarbij een echt bedrijf een echt cijfer met een genoemde bron heeft gepubliceerd, zodat je het zelf kunt controleren in plaats van een blog op zijn woord te geloven.
Geen van de vijf bedrijven hieronder gebruikt LiveAgent. We halen hun eigen gepubliceerde resultaten aan als bewijs voor de aanpak, niet als aanbeveling voor de tools die ze hebben gebruikt.
Wat eerstelijnsondersteuning precies inhoudt
De eerste lijn is de eerste laag van elke supportwachtrij: routinematige vragen waarvoor geen specialistische kennis nodig is om ze correct te beantwoorden. De status van bestellingen. Wachtwoordresets. Basisvragen over facturering. Accountwijzigingen. Bij de meeste teams is dit ook de laag die de meeste uren van medewerkers opslokt en het minste oplevert, omdat een ervaren medewerker evenveel tijd kwijt is aan een routinematige vraag als een junior medewerker.
Precies daarom begonnen alle onderstaande voorbeelden met deze laag. Geen van de vijf teams probeerde eerst hun lastigste tickets te automatiseren.
Fundrise: meer dan 50% van de supportgevallen in minder dan 3 maanden
Fundrise , een vastgoedplatform voor directe beleggingen, zette de AI-agent Fin van Intercom in om de groeiende hoeveelheid supportvragen af te handelen zonder extra personeel aan te nemen. Luke Ruth, Chief Product Officer van Fundrise, zei: “Minder dan drie maanden na de lancering van Fin handelt het nu meer dan 50% van al onze supportgevallen af.”
De context is hier net zo belangrijk als het cijfer. Fundrise wilde de responstijden kort houden voor een groeiend aantal beleggers, maar tegelijkertijd medewerkers de ruimte geven om doordachte antwoorden te geven op complexe financiële vragen — het soort vraag dat je helemaal niet aan een AI-agent wilt overlaten. Door de routinematige helft van de wachtrij te automatiseren, ontstond die ruimte.
Lightspeed Commerce: 65% opgelost, CSAT steeg
Lightspeed Commerce , een wereldwijd platform voor e-commerce en kassasystemen, gebruikt Fin binnen een supportteam dat bestaat uit zowel langdurige Intercom-gebruikers als medewerkers die nieuw zijn met de tool. Fin neemt nu deel aan 99% van de gesprekken en lost er zelfstandig tot 65% van op.
Het cijfer om op te letten is niet het oplossingspercentage. Het is dat de CSAT-score voor Fin tegelijk met 60% steeg, terwijl de reactietijden in de chat met 38% en die voor e-mail met 67% daalden. De gebruikelijke aanname is dat automatisering van support snelheid oplevert ten koste van kwaliteit. De cijfers van Lightspeed wijzen op het tegenovergestelde, zodra de AI-agent volledige controle kreeg over wanneer een gesprek aan een medewerker moest worden overgedragen, in plaats van elk geval er eerst doorheen te dwingen.
Chime: 60% lagere kosten, tevredenheid verdubbeld
Chime , een fintechbedrijf, zette de AI-agent van Decagon in en rapporteerde een daling van 60% in de klantenservicekosten, een oplossingspercentage van 70% voor chat en spraak, en een verdubbeling van de tevredenheidsscore van leden.
Dat kosten en tevredenheid dezelfde kant op bewegen, in plaats van elkaar tegen te werken, is het minst intuïtieve onderdeel van het resultaat van Chime. Het wordt pas logisch als je onderscheid maakt tussen wat werd geautomatiseerd (het routinematige, grote volumeaandeel van de wachtrij) en wat bij medewerkers bleef (vragen waarbij een mens daadwerkelijk waarde toevoegt). Geen van beide kanten ging erop achteruit. Beide konden meer doen van waar ze juist goed in waren.
Schrijf u in voor onze nieuwsbrief
De laatste tips en aanbiedingen direct in uw inbox.
Duolingo: 80% van de chats afgeleid
Duolingo zette de AI-agent van Decagon in en rapporteerde een chatdeflectiepercentage van 80%. Dat betekent dat 4 van elke 5 chatvragen helemaal niet bij een menselijke medewerker terechtkomen. De casestudy specificeert niet precies welke categorieën die 80% vormen, maar volgens de gepubliceerde resultaten besteden medewerkers nu hun tijd aan de complexere vragen die voorheen in de weg zaten door het volume dat nu wordt afgeleid.
Op de schaal van Duolingo is een deflectiepercentage van 80% geen kleine efficiëntiewinst. Het maakt het verschil tussen een supportteam dat een groeiend gebruikersbestand kan bijhouden en een team dat dat structureel niet kan — zonder in hetzelfde tempo personeel aan te nemen of tragere antwoorden te accepteren.
ClassPass: kosten 95% lager, afleidingspercentage hoger dan verwacht
ClassPass , een abonnementsplatform voor fitness en welzijn, had al een volwassen programma om te onderzoeken welke vragen konden worden afgeleid voordat het de AI-agent van Decagon inzette. Ondanks die voorsprong zei het team: “Bij de lancering zagen we tien keer meer afleiding dan we hadden verwacht.” Daarnaast rapporteerde het een daling van 95% in de supportkosten.
Dat detail is het nuttigste uit deze hele lijst. ClassPass deed geen wilde gok. Het bedrijf had al klantonderzoek gedaan en onderschatte toch met een factor tien hoeveel werk de AI-agent uit de wachtrij kon halen. Als een team met een volwassen programma er een factor tien naast kan zitten, mogen de meeste teams die dit voor het eerst doen verwachten dat hun eigen vroege schatting ook verkeerd is — en in dezelfde richting.
Wat deze 5 teams daadwerkelijk gemeen hebben
Haal de namen van leveranciers weg en de vijf resultaten hierboven hebben dezelfde vorm:
| Team | Geautomatiseerd | Belangrijkste resultaat |
|---|---|---|
| Fundrise | Meer dan 50% van de supportgevallen | Binnen minder dan 3 maanden medewerkersuren volledig verschoven naar complexe vragen |
| Lightspeed Commerce | 65% van de gesprekken | Zowel het oplossingspercentage ALS de tevredenheid stegen; er was geen afruil |
| Chime | Routinematig chat- en spraakvolume | 60% lagere kosten, tevredenheid verdubbeld |
| Duolingo | 80% van de chats | Support hield gelijke tred met de groeiende gebruikersbasis zonder evenredige groei van het personeelsbestand |
| ClassPass | Veel meer dan verwacht | Kosten 95% lager, tien keer hoger dan de eigen schatting van het afleidingspercentage |
Geen van deze bedrijven automatiseerde alles. Alle vijf behielden een menselijke laag voor alles wat buiten de scope van de AI-agent viel. En in elk geval begon het team met het routinematige, terugkerende deel van de wachtrij — de eerste lijn — en niet met de lastigste tickets.
Dat is de werkelijke les, belangrijker dan welk percentage dan ook: de aanpak is niet “vervang support door AI”, maar “besteed geen tijd van ervaren medewerkers aan eenvoudige vragen” en laat de cijfers daaruit voortvloeien. Als je dit op je eigen wachtrij wilt testen, legt onze handleiding over het implementeren van een AI-klantenserviceagent precies uit hoe je die eerste fase afbakent. In een AI-agent instellen in LiveAgent lees je over de configuratiestappen die specifiek zijn voor LiveAgent.
