Wij zouden die keuze per soort werk maken. Wat heeft de toepassing tijdens het testen laten zien? Welke uitzonderingen kwamen naar boven? En wat gebeurt er als een fout niet wordt opgemerkt? Op basis daarvan kun je bepalen waar AI meer zelfstandig mag doen en waar iemand vooraf moet blijven beslissen.
Niet iedere fout heeft dezelfde gevolgen
Informatie klaarzetten voor een intern overzicht is iets anders dan namens je bedrijf een toezegging aan een klant doen. Als een collega het overzicht nog bekijkt voordat hij ermee verdergaat, zit de controle op een ander moment. Bij een verstuurd klantantwoord kan een verkeerde afspraak al verwachtingen hebben gewekt.
Daarom hoeft de keuze niet te zijn dat je alles vooraf controleert of het hele proces loslaat. Misschien kan AI het voorbereidende werk zelfstandig doen, terwijl een medewerker de uiteindelijke beoordeling maakt. Of kan een duidelijk afgebakende taak verder worden geautomatiseerd, omdat fouten beperkte gevolgen hebben en goed te herstellen zijn.
Gebruik de eerste periode om te leren wat er misgaat
Bij klantmails zouden wij beginnen met conceptantwoorden die een medewerker beoordeelt en verstuurt. Dan kun je zien wat er goed gaat en waar nog aanpassingen nodig zijn, zonder dat ieder antwoord meteen bij de klant ligt.
Kijk daarbij verder dan spelling of een kloppend bedrag. Gebruikt de toepassing de actuele afspraken? Begrijpt zij wat de klant werkelijk vraagt? En klinkt het antwoord zoals jij wilt dat je bedrijf met klanten omgaat? Een antwoord kan inhoudelijk juist zijn en toch te afstandelijk, te stellig of onhandig zijn in die situatie.
Bewaar daarom ook welke correcties medewerkers maken en waarom. Gaat het steeds om dezelfde soort vraag? Ontbreekt informatie? Of vraagt de situatie om een afweging die niet uit het dossier blijkt? Die verschillen helpen bepalen wat je kunt verbeteren en welk werk menselijke beoordeling blijft vragen.
Kijk vervolgens hoe klanten op de verstuurde antwoorden reageren. Kunnen ze ermee verder of moeten ze hun vraag opnieuw uitleggen? Een antwoord dat intern is goedgekeurd, heeft daarmee nog niet vanzelf de klant geholpen.
Een paar maanden zonder opvallende problemen zouden wij dus niet op zichzelf als reden zien om de controle weg te halen. Het gaat erom wat je in die periode daadwerkelijk hebt onderzocht, niet alleen hoelang de toepassing al draait.
‘Er kijkt iemand naar’ is niet genoeg
Die eerste periode leert je weinig als medewerkers vooral op akkoord klikken. Een goed geschreven antwoord kan aannemelijk klinken terwijl er een verkeerde afspraak in staat. De medewerker moet weten waarop hij controleert, de kennis hebben om dat te beoordelen en tijd krijgen om het ook te doen.
Bij een conceptantwoord aan een klant zouden wij de controle bijvoorbeeld concreet maken:
- Kloppen bedragen, data en afspraken met het oorspronkelijke dossier?
- Staat er een toezegging in die we niet kunnen of mogen doen?
- Mist er iets dat voor deze klant belangrijk is, zoals een eerdere afspraak of gevoeligheid?
Dat is iets anders dan vragen of het antwoord er goed uitziet. Je vraagt iemand om de inhoud naast het werkelijke klantdossier te leggen. Bij belangrijke antwoorden kan het helpen om eerst zelf die informatie te bekijken en pas daarna het AI-concept te lezen. Dan heeft de medewerker al een eigen beeld van wat het antwoord moet bevatten.
Maak er geen lange lijst met vinkjes van die bij iedere taak hetzelfde is. Kies de fouten die bij dit werk echt gevolgen hebben. Bespreek af en toe een antwoord dat is aangepast: wat miste er en waaraan zag iemand dat? Daar kan een collega meer mee dan met alleen de instructie om goed op te letten.
Die beoordeling moet ook iets kunnen veranderen. De medewerker moet een antwoord kunnen aanpassen of tegenhouden en bij twijfel iemand kunnen inschakelen. Anders vraag je wel om verantwoordelijkheid, maar geef je niet de ruimte om die te nemen.
Wanneer kan de controle vooraf vervallen?
Als een bepaald soort werk aantoonbaar goed gaat, kun je onderzoeken of daar minder controle vooraf nodig is. Beperk dat tot de taken die je hebt getest. Laat niet tegelijk alle uitzonderingen meelopen omdat de gewone gevallen goed uitpakken.
Spreek met degene die de toepassing inricht af wanneer een taak naar een medewerker moet en test ook of dat werkelijk gebeurt. Blijf daarna resultaten bekijken en maak duidelijk wie ingrijpt als er iets misgaat. Verandert de informatie waarop AI zich baseert of verandert het werk, beoordeel dan opnieuw of de eerdere afspraken nog passen.
Ook de hoeveelheid controlewerk verdient aandacht. Als medewerkers honderden antwoorden achter elkaar moeten beoordelen, zouden wij niet alleen vragen of ze scherper willen opletten. Kijk welke eenvoudige gevallen minder controle nodig hebben en welke twijfelgevallen juist met de relevante informatie moeten worden voorgelegd. Minder vooraf controleren is alleen een verbetering als je de aandacht daardoor beter kunt richten, niet als je fouten pas later bij de klant ontdekt.