Klachtenbeheer automatiseren bij een afvalinzamelaar

Context en doelstellingen

Onze klant, een organisatie voor openbare afvalinzameling, kampte met een terugkerend probleem: honderden klachten van burgers per maand verwerken. Veel vragen waren niet relevant of dubbel, wat kostbare tijd vroeg en inefficiëntie veroorzaakte.

Medewerkers raakten overbelast door de handmatige verwerking van deze vragen. Ze besteedden bijna een derde van hun werkuren aan klachtenbeheer. Ook de emotionele belasting was zorgwekkend: sommige klachten waren agressief of beledigend en bezorgden het team extra stress.

We wilden testen of een AI-oplossing de efficiëntie kon verhogen en tegelijk naadloos in de infrastructuur van de klant kon passen. De automatisering moest:

• de werklast verlagen,

• antwoorden versnellen,

• en medewerkers vrijmaken voor belangrijkere taken.

Aanpak

Onze strategie draaide om een AI-assistent die de meeste contacten rond klachten automatiseert.

Dit project voor klachtenbeheer verliep in twee fasen. Agilytic bouwde eerst een proof of concept om te toetsen of AI het klachtenbehandelingsproces kon overnemen. Na die geslaagde stap ontwikkelden we een Minimum Viable Product met een robuustere, volledig geïntegreerde oplossing.  

1. Data verzamelen en vergelijken

Eerst moesten we zorgen dat de AI-assistent onderbouwd kon bepalen of een klacht gegrond was, om de burger een antwoord voor te stellen. Het systeem integreerde meerdere databronnen en vergeleek die met de klacht om de juistheid te controleren:

• de realtime locatie van vuilniswagens,

• vooraf geplande ophaalroutes,

• ophaalschema's.

Met data die al bij de klant beschikbaar waren, zetten we de bestaande logica voor klachtenbeheer om in een algoritme voor de assistent. De assistent, gebouwd op Azure Virtual Power Agents, bepaalt automatisch of klachten gegrond zijn en stelt een antwoord voor. Een medewerker kan dat valideren en vervolgens naar de burger sturen.

1. Implementatie en tests

Een cruciaal onderdeel was de AI-assistent ongestructureerde data laten verwerken, vooral e-mails. De assistent moest gestructureerde informatie uit de vrije tekst van klachtenmails halen. Het succes van de chatbot hing af van het vermogen om die input te verwerken en om te zetten in bruikbare data.

Alles draaide in de bestaande Azure-omgeving van de klant, voor een naadloze integratie met de bestaande IT-infrastructuur en het servicedesksysteem.

Tijdens de tests voerde het team wekelijks aanpassingen door om uitzonderingen en onverwachte klachten beter te verwerken. Met die stapsgewijze verbeteringen beperkte het ontwikkelteam het aantal klachten waarvoor handmatige tussenkomst nodig was.

Resultaten

Tijdens enkele weken testen verwerkte de AI-assistent meer dan 3/4 van de klachten zelfstandig. Daardoor verlichtte de automatisering de administratieve werklast en konden medewerkers zich op dringendere taken richten.

Dit succes opent nieuwe mogelijkheden, zoals een omnichannelklachtenbeheersysteem. Dat zou contacten via e-mail, sociale media en telefoon samenbrengen, zodat burgers sneller antwoord krijgen, ongeacht hun contactkanaal.

Deze aanpak is niet beperkt tot afvalbeheer. Ook sectoren zoals transport en logistiek kunnen baat hebben bij automatisering van klachtenbeheer en klantenservice in het algemeen, met AI-assistenten voor uiteenlopende zakelijke behoeften. Die systemen verbeteren antwoordtijden en laten teams zich op complexere uitdagingen richten.