Het AI-agent betrouwbaarheidsrapport voor vastgoedbeheer

Niemand leest de inbox meer

In onze vastgoedbeheeromgeving hebben we elk bericht dat het systeem in vier dagen afhandelde één voor één laten teruglezen door een mens. Het resultaat: 95% had helemaal geen menselijk antwoord nodig. Op dat zomertempo is een jaar van deze inbox 13.350 gelezen berichten, waarvan er maar 623 een mens nodig hebben. Bij één minuut per bericht is dat ruwweg 210 uur leeswerk per jaar dat niet meer plaatsvindt.

De rest heeft het systeem zelf gelezen, gesorteerd en doorgezet: facturen, leveranciersthreads, ruis. En het oordeelde juist. In een apart venster van 876 berichten negeerde het ongeveer negen van de tien rommelberichten terecht, terwijl het de ene echte noodmelding eruit pikte en als urgent markeerde. Omdat het software is, wordt de inbox om 3 uur 's nachts precies zo gelezen als om 3 uur 's middags: geen dienst, geen achterstand op maandagochtend.

Niemand plant de monteurs meer

In onze servicedienstomgeving plant de planningsengine de monteurs in: ze kent elke agenda, berekent reistijden en schrijft bij elke klus op waarom ze koos wie ze koos. Eén moment uit het planningslog: drie monteurs waren beschikbaar op 186, 56 en 34 minuten rijden. De engine stuurde die op 34 minuten, 22 minuten dichterbij dan de op één na beste keuze en 2½ uur dichterbij dan de slechtste. Vermenigvuldig die keuze met elke klus, elke week: dat is brandstof, uren en humeur waar je niet meer voor betaalt.

Bij een huurster die haar eigen voordeur niet meer op slot kreeg, koos de engine de monteur die een uur dichterbij was en vier dagen eerder kon dan het alternatief, en bundelde daarna een latere klus op hetzelfde adres, zodat één rit drie tickets oploste. Niemand heeft een agenda aangeraakt.

Niemand typt hetzelfde feit nog vier keer over

Als een melding binnenkomt, sorteert het systeem die in de juiste categorie (verwarming, lekkage, apparatuur), en die indeling bepaalt wie betaalt en wie wordt gebeld. We hebben dit op de harde manier getest: dezelfde gevallen, keer op keer aan het systeem gevoerd, over elke categorie die we afhandelen. Het gaf elke keer hetzelfde, juiste antwoord: 444 runs over alle 15 categorieën, nul afwijkingen. Een mens met een slechte dinsdag doet dat niet.

Vanuit die ene beslissing volgen het ticket, het antwoord aan de huurder in de taal van de huurder, de update aan de eigenaar en de werkbon automatisch.

Een servicelijn heeft geen nachtdienst meer nodig

In onze klantenserviceomgeving draait een complete WhatsApp-servicelijn op onze AI-medewerker: ze antwoordt dag en nacht, sorteert elke klacht, opent het ticket, en als een klant compensatie verdient, geeft ze zelf de kortingscode uit. Compensatie die geld kost, afgehandeld door software, binnen grenzen die ze niet kan overschrijden.

In één periode van twee weken handelde ze zo'n 215 gesprekken en taken per dag af. Van ruwweg 3.000 runs zijn er 3 gestopt of blijven hangen (99,9% runstabiliteit), en elk daarvan is opgemerkt door onze eigen monitoring, niet door een klant. In twaalf dagen kregen 36 klanten precies één code, niemand kreeg er twee, en in 120 bewust lastige gevallen is geen enkele echte klant onterecht geweigerd.

Toen er een beter AI-model beschikbaar kwam, zijn we overgestapt en hebben we de draaikosten van dit systeem met een factor twintig verlaagd, van ongeveer 11 cent per gesprek naar ruim onder een cent, gemeten over 4.939 gesprekken, met de kwaliteit opnieuw getest en op peil. Je automatisering wordt goedkoper naarmate ze rijpt, niet duurder.