Koude acquisitie die werkt in 2026

Tussen de 30 en 40 procent van de supporttickets komt bij de eerste toewijzing bij het verkeerde team terecht. Dat cijfer komt uit een HDI-onderzoek onder 461 organisaties, dat handmatige ticketcategorisatie op 60 tot 70 procent nauwkeurigheid schat en de verwerkingskosten van een enkel verkeerd gerouteerd ticket op ruim 22 dollar. In een vastgoedportefeuille zijn die cijfers allesbehalve abstract. Een verkeerd gerouteerd ticket kan een klacht over bewoonbaarheid zijn die als routinereparatie is gelabeld en in een algemene wachtrij ligt, terwijl een wettelijke reactietermijn stilletjes verloopt.

Dat is de ongemakkelijke achtergrond van hoe de meeste projecten rond klantenservice automatiseren beginnen. De demo die het budget binnenhaalt is altijd dezelfde: een autonome agent die een ticket van begin tot eind afhandelt, zonder mens in beeld. Dus bouwen teams eerst de laatste kilometer. Daarna komt de praktijk. De agent erft een intakestroom waarin een derde van de tickets verkeerd gelabeld is, veel tickets de informatie missen om iets te kunnen doen, en duplicaten binnenstromen zodra er in een gebouw met veertig huurders één cv-ketel uitvalt.

De bouwvolgorde staat op zijn kop. In een operatie met veel tickets zitten de betrouwbare, laag-risico winsten met hoog volume vooraan in de pijplijn: gestructureerde intake, classificatie, urgentiescoring en routering. Autonome afhandeling is echt en komt eraan. Het is alleen ook de moeilijkste stap, de meest risicovolle stap, en de stap die pas werkt als alles ervoor werkt.

Klantenservice automatiseren heeft een bouwvolgorde

Een ticket doorloopt vier fases. Het komt binnen. Het wordt begrepen. Het wordt gerouteerd. Het wordt opgelost. Automatisering rendeert in precies die volgorde, omdat elke volgende fase volledig afhangt van de kwaliteit van de fase ervoor. Een agent kan niet oplossen wat nooit goed is vastgelegd, en een planner kan niet routeren wat verkeerd is geclassificeerd.

Bij de intake zit de meest oplosbare verspilling. Een onderhoudsmelding die binnenkomt zonder foto, huisnummer of toegangscode kost een vastgoedbeheerder meerdere belrondes voordat er ook maar iets gebeurt. Het automatiseren van die uitvraag, op het moment van intake vragen om de ontbrekende foto of toegangscode, is onopvallend werk met directe terugverdientijd: tickets komen werkbaar binnen in plaats van half leeg. Het is het verschil tussen een wachtrij met uitvoerbare klussen en een wachtrij met open vragen, een gat dat we eerder uitwerkten in de analyse van onvolledige onderhoudsintake.

Classificatie en routering zijn de tweede winst, en de handmatige basislijn is meetbaar zwak. Dezelfde HDI-data laat handmatige categorisatie op 60 tot 70 procent nauwkeurigheid zien, en taxonomie-onderzoek vindt dat medewerkers doorgaans binnen tien seconden een label kiezen: de eerste plausibele match, niet de juiste. AI-triage classificeert inmiddels realtime op ongeveer 89 procent nauwkeurigheid, en volwassen implementaties rapporteren 50 tot 60 procent minder misroutes. In een operatie met duizenden tickets per maand is dat verschil een volledige fte aan herstelwerk, nog voordat iemand het over autonomie heeft.

Bij routering wordt ook de risico-asymmetrie zichtbaar. In generieke support kost een misroute 22 dollar en een dag vertraging. In vastgoed- en facilitair beheer heeft urgentiescoring juridisch gewicht. Een druppelende kraan en een gezin zonder verwarming in januari zijn voor een naïeve classifier allebei loodgieterstickets. Eén van de twee start een bewoonbaarheidsklok met wettelijke termijnen. Dat onderscheid automatisch en elke keer goed maken is meer waard dan welke afhandeldemo dan ook.

De laatste kilometer is waar projecten vastlopen

De faalcijfers over autonome AI komen niet van sceptici. Gartner voorspelt dat ruim 40 procent van de agentic AI-projecten voor eind 2027 wordt stopgezet, vanwege oplopende kosten, onduidelijke businesswaarde en gebrekkige risicobeheersing. Hetzelfde onderzoek schat dat van de duizenden leveranciers die agentic tooling verkopen er slechts zo'n 130 echte agentic-capaciteit bieden. De rest doet volgens Gartner aan agent washing: chatbots en RPA omgedoopt tot autonomie.

Het bekendste waarschuwingsverhaal is Klarna. Het bedrijf verving de werklast van 700 medewerkers door AI en draaide dat in 2025 publiekelijk terug en ging weer mensen aannemen, na de erkenning dat de kwaliteit had geleden. Wie goed leest, ziet dat dit geen verhaal is over AI die faalt in klantenservice. Het is een verhaal over autonomie die op de hele wachtrij tegelijk werd gericht, in plaats van op het deel dat het systeem echt goed aankon.

Het patroon achter vastgelopen projecten is consistent: er zijn fases overgeslagen. Autonome afhandeling werd bovenop ongestructureerde intake gezet, waardoor de agent handelde op onvolledige en verkeerd geclassificeerde input. Zijn fouten waren duur en zichtbaar, het vertrouwen stortte in, en het project belandde in de annuleringsstatistieken. Dat is geen modelfout. Het is een volgordefout, en die is vermijdbaar.

De 80 procent-voorspelling beschrijft een eindstation, geen startpunt

Hetzelfde bureau dat de annuleringsprognose publiceert, voorspelt ook dat agentic AI in 2029 zelfstandig 80 procent van de veelvoorkomende klantenservicevragen oplost, met 30 procent lagere operationele kosten. De twee cijfers lijken elkaar tegen te spreken. Dat doen ze niet. Tachtig procent beschrijft de bestemming. Veertig procent beschrijft wat er gebeurt met teams die erheen rijden zonder weg.

Het dragende woord in die voorspelling is veelvoorkomend. Veelvoorkomende vragen zijn de vragen die gestructureerd binnenkomen: correct geclassificeerd, ontdubbeld, compleet genoeg om op te handelen. Die structuur ontstaat niet vanzelf. Die wordt stroomopwaarts gemaakt, door precies de intake- en triagelagen die de meeste teams overslaan op weg naar de afhandeldemo.

Er zit nog een tweede onderscheid in dat cijfer verstopt: oplossen is niet beantwoorden. Een conversational agent die uitlegt hoe je een onderhoudsmelding indient, heeft geantwoord. Oplossen betekent dat de werkbon in het bronsysteem staat, dat er een monteur is ingepland op echte capaciteit, en dat de huurder statusupdates krijgt zonder erom te vragen. Beantwoorden is de zichtbare 10 procent van een ticket; de operationele 90 procent leeft in de tools. We schreven eerder over waarom deflectiecijfers vleien en resolutiecijfers betalen, en het bouwvolgorde-argument is het praktische vervolg op dat stuk: afhandelcapaciteit bouw je achterwaarts vanaf schone intake, niet voorwaarts vanaf een chatwidget.

Plan de komende twee kwartalen, niet het eindstation

De praktische vertaling voor een operationeel leider is een bouwvolgorde, geen moonshot. Eerste kwartaal: zet gestructureerde intake voor elk kanaal dat je hebt, WhatsApp, e-mail, formulieren en telefoon, met automatische uitvraag van ontbrekende velden, een ontdubbellaag die dezelfde kapotte lift herkent die elf keer wordt gemeld, en AI-classificatie met urgentiescoring die elk ticket in je bronsysteem routeert. Dit is de scope van multi-channel intake, en elk onderdeel is laag risico: een verkeerde classificatie wordt gecorrigeerd door een mens in de loop, niet blind uitgevoerd. De cijfers bewegen binnen weken: minder belrondes per ticket, minder misroutes, hogere first-time-fix.

Tweede kwartaal: laat diezelfde pijplijn handelen in je domeinsysteem. Maak de werkbon aan, plan in op monteurscapaciteit, stuur de statusupdates, jaag de no-show na. Mensen beslissen over uitzonderingen en de audit trail legt alles vast. Pas als dat fundament in productie heeft gedraaid, geef je autonomie, klasse voor klasse: buitensluitingen, statusvragen en het verzetten van afspraken eerst, bewoonbaarheidsmeldingen als laatste of nooit. Tegen die tijd heb je de data om te weten welke klassen het systeem op productieniveau aankan, omdat je het onder toezicht hebt zien werken.

De krantenkop over 2029 blijft demo's van de laatste kilometer financieren, en de annuleringsstatistiek van 2027 blijft de teams verzamelen die erin geloofden. De operators die echt hoge autonomie halen, zijn degenen bij wie tickets vandaag al schoon, geclassificeerd en gerouteerd binnenkomen. In ticketoperaties is autonomie geen functie die je koopt. Het is een volwassenheid die je bereikt, stap voor stap, in de juiste volgorde.