Van ‘Sorry, ik heb het niet begrepen’ tot ‘Hoe kan ik je helpen?’ - De evolutie van conversational design
Naast functionaliteit bestaat het echte succes van AI customer agents uit de mogelijkheid om op een natuurlijke en effectieve manier met gebruikers te communiceren. In dit artikel gaan we in op het veranderende landschap van conversational design, en belichten we belangrijke trends en de cruciale verschillen tussen ontwerpen voor traditionele Natural Language Processing (NLP)-bots en ontwerpen voor het nieuwe tijdperk van GenAI en Agentic AI.
In het vorige artikel zagen wij al dat het realiseren van waarde met AI customer agents van groot belang is. Maar zonder een perfecte gebruikerservaring zullen zelfs de meest strategisch gekozen use cases en goed gedefinieerde KPI’s tekortschieten. Conversational design speelt een cruciale rol in deze transformatie: het verandert AI van een potentiële enabler in een fascinerend functioneel hulpmiddel voor echt effectieve interactie met de klant.
De frustratie: waarom conversationaldesign cruciaal is voor optimale gebruikerservaring
Als we het hebben over conversational design bedoelen we het ontwerpen van interacties tussen mensen en AI-systemen die zo natuurlijk en intuïtief mogelijk aanvoelen, net als de interactie in natuurlijke gesprekken tussen mensen. Conversational design maakt het mogelijk soepele dialogen te voeren door de persoonlijkheid van AI te definiëren, evenals de mogelijkheden om uiteenlopende vormen van gebruikersinvoer adequaat te verwerken. Dit zal klanten uiteindelijk helpen om hun doelen moeiteloos te bereiken.
Waarom is dit belangrijk?
Omdat jij misschien ook wel eens een frustrerende ervaring hebt gehad met een AI-bot, waarbij de conversatie niets heeft opgeleverd. Dat is de frustratie van het niet kunnen krijgen van de hulp die je zoekt, of van het eenvoudigweg niet begrepen worden.
Het probleem?
Traditionele, op NLP gebaseerde chatbots hebben vaak moeite om uiteenlopende vormen van gebruikersinvoer te begrijpen of de context van een gesprek vast te houden, wat leidt tot herhaalde misverstanden, patstellingen en frustratie bij de gebruiker. Hoewel dit deels te wijten is aan technologische beperkingen, kan het ook gewoon het gevolg zijn van slecht conversational design.
Laten we het volgende gesprek als voorbeeld nemen:
De frustratie voorbij: hetveranderende landschap van conversational design
Verschillende belangrijke trends zijn bepalend voor de toekomst van conversational design. Een toekomst die soepelere en meer betekenisvolle AI-gesprekken mogelijk maakt. De verschuivingen die hieronder worden besproken bieden een reeks nieuwe mogelijkheden, maar leiden ook tot een herdefiniëring van de reikwijdte en complexiteit van conversational design.
Ten eerste gaat hyperpersonalisatie verder dan generieke reacties. Conversational AI maakt steeds meer gebruik van de geschiedenis, voorkeuren en realtime gegevens van gebruikers om tot sterk gepersonaliseerde interactie te komen. Dit betekent dat personalisatie verder gaat dan het afstemmen van informatie, ook de toon en de formulering worden aangepast aan de individuele gebruiker.
Ten tweede gaat personalisatie verder dan alleen tekst. Multimodale interfaces worden steeds gangbaarder en hoewel tekstgebaseerde chats nog steeds gebruikelijk zijn, staan we aan het begin van een ontwikkeling waarbij spraak, visuele elementen zoals afbeeldingen en video’s, en zelfs gebaren worden ingezet om meer betekenisvolle, flexibele en intuïtieve interactie mogelijk te maken.
"Stel je een customer agent voor die zelfs je meest complexe productkenmerken kan uitleggen via een reeks hypergepersonaliseerde, multimodale interfaces, zoals tekst, spraak en video’s. Dit is een monumentale stap voorwaarts in gebruikerservaring."
Deze nieuwe trends vormen de basis van de evolutie van conversatie-AI van eenvoudige, vooraf geprogrammeerde chatbots naar geavanceerde systemen die in staat zijn tot natuurlijke, menselijke interactie. Met conversational design bepaal je mede hoe gebruikers deze AI-systemen ervaren, wat weer directe invloed heeft op hun betrokkenheid en tevredenheid én op de operationele efficiëntie.
Laten we deze paradigmaverschuiving eens nader bekijken: hoe traditionele, op NLP gebaseerde benaderingen zich onderscheiden van de dynamische, contextrijke interactie die mogelijk wordt gemaakt door Agentic AI – en hoe dit nieuwe tijdperk van AI customer agents meer betekenisvolle interactie mogelijk maakt.
De paradigmaverschuiving: van traditionele NLP-bots naar GenAI/Agentic AI
Conversatie-AI is van meet af aan afhankelijk geweest van NLP-technieken die gericht waren op het herkennen van de intentie van de gebruiker en de inzet van gescripte dialogen. De opkomst van Agentic AI, op basis van Large Language Models (LLM’s), autonome besluitvorming en het vermogen zelfstandig acties uit te voeren, herdefinieert de reikwijdte en complexiteit van conversational design.
Traditionele NLP-bots werken doorgaans op basis van regels of intenties. Ze zijn heel goed in gestructureerde taken en vooraf gedefinieerde workflows, vaak gebaseerd op vaste scripts en beslisbomen, waarbij gesprekken zijn uitgestippeld met verwachte gebruikersinvoer en bijbehorende botreacties. Ze gebruiken intentie- en entiteitsherkenning om de bedoelingen van een gebruiker in kaart te brengen (bijv. "bestelstatus controleren") en entiteiten te extraheren (bijv. "bestelnummer") om een specifieke, voorgeprogrammeerde flow te activeren.
"Voor deze bots is het vaak lastig aan de context vast te houden of op gepaste wijze af te wijken van vooraf bepaalde wendingen in het gesprek. Als een gebruiker een onverwachte vraag stelt, kan de bot in een loop terechtkomen of terugvallen op de algemene frase 'Dat begrijp ik niet’."
Hieronder een voorbeeld van een traditionele NLP-bot:
GenAI- en Agentic AI-bots gebruiken daarentegen een fundamenteel andere aanpak. Ze beschikken over een dynamisch leervermogen en over aanpassingsvermogen, waarmee reacties steeds verder worden verfijnd en nieuwe, contextueel relevante inhoud wordt gegenereerd.
Agentic AI gaat nog een stap verder door autonoom beslissingen te nemen en acties te ondernemen in meerdere stappen om complexe doelen te bereiken met minimale menselijke input. Deze agents hebben diepgaand inzicht in de context, blijven contextvast tijdens lange conversaties en onthouden gebruikersvoorkeuren en eerdere interacties.
Daarbij vindt ook domeinoverschrijdende kennisintegratie plaats, waarbij de agents informatie uit uitgebreide kennisbanken, API’s en gebruikersspecifieke gegevens halen om uitgebreide en genuanceerde antwoorden te geven. Cruciaal daarbij is dat ze proactief en doelgericht zijn, en dat deze agents ontworpen zijn om het overkoepelende doel van de gebruiker te begrijpen en een reeks acties te plannen om dat doel te bereiken, zelfs als de oorspronkelijke prompt onduidelijk is.
Hieronder zie je hoe een GenAI/Agentic AI-bot hetzelfde scenario kan doorlopen.
Opvallend hier is dat de GenAI/Agentic AI-bot vasthoudt aan de context, proactief een oplossing aanbiedt en verschillende opties voorstelt, waardoor de interactie natuurlijker en efficiënter aanvoelt.
Voordelen van doeltreffend conversational design
Investeren in stevig conversational design voor uw AI customer agents levert over de hele linie aanzienlijke voordelen op. De juiste toepassing van conversational design binnen de bedrijfsomgeving leidt tot verbeterde klantbetrokkenheid en klanttevredenheid (CSAT), omdat natuurlijke, intuïtieve en behulpzame gesprekken zorgen voor meer tevreden klanten.
Een bewust ontwerp waarbij mensen centraal staan, die je ontmoet via de kanalen van hun voorkeur (chat, spraak, app) en die binnen een gepersonaliseerde context worden ondersteund in hun moedertaal, zal duidelijke voordelen opleveren. Bijvoorbeeld in gangbare metrics als CSAT, Net Promoter Score (NPS), First Time Right (FTR, juiste afhandeling in één keer) of toegenomen verkeer.
Een goed voorbeeld is het herontwerp van Vodafone van op regels gebaseerde virtuele assistenten naar GenAI virtuele assistenten, waardoor de NPS-score met 20% en de FTR met 90% is gestegen.1
Goed conversational design levert daarbij ook efficiëntieverbeteringen en kostenbesparingen op, omdat goed ontworpen bots een groter percentage van de vragen zelfstandig kunnen beantwoorden, waardoor de druk op menselijke medewerkers wordt verminderd en de operationele kosten worden verlaagd.2, 3
Een soepele klantervaring met slimme AI verbetert daarnaast de merkperceptie, met positieve gevolgen voor het merk en het vertrouwen en de loyaliteit van de klant. Vertrouwen en transparantie zijn de hoekstenen van een succesvolle AI-implementatie; klanten moeten erop kunnen vertrouwen dat hun gegevens veilig zijn en dat het AI-systeem hun eisen en wensen begrijpt en respecteert. Zonder dit vertrouwen slaat zelfs het meest geavanceerde conversational design niet aan bij gebruikers en levert het geen aantoonbare meerwaarde. Om transparant te zijn in het gebruik van AI, moeten klanten begrijpen wanneer AI-technologie wordt gebruikt, wat het doel ervan is en hoe ze uit een loop kunnen komen en contact kunnen opnemen met een echt mens.
Bovendien krijgen gebruikers sneller antwoord, met minder frustratie en een betere algehele klantervaring tot gevolg.
Ten slotte levert elke interactie waardevolle data-inzichten op die kunnen worden geanalyseerd om pijnpunten te identificeren, processen te optimaliseren en de AI-technologie verder te verfijnen.
Maar deze voordelen komen niet vanzelf. Om het volledige potentieel van conversatie-AI te kunnen benutten, moeten organisaties een tactische aanpak hanteren en het ontwerp, de implementatie en de voortdurende verbetering van AI customer agents zorgvuldig plannen. Onderdeel hiervan zijn het definiëren van duidelijke doelstellingen, het bepalen van succescriteria en het opzetten van solide terugkoppelingsmechanismen om de resultaten nauwlettend te volgen. Zo kunnen bedrijven ervoor zorgen dat conversatie-AI zich ontwikkelt in overeenstemming met de eisen en wensen van de klant en de bedrijfsdoelstellingen, zodat maximale waarde wordt gerealiseerd en bekende valkuilen worden vermeden.
Bij Deloitte hanteren we het AI Customer Agent Development Framework om bekende valkuilen te vermijden en klanten voor te bereiden op een succesvolle implementatie van AI agents, zoals in het onderstaande voorbeeld wordt geïllustreerd:
Het Deloitte-rapport State of GenAI 2025 toont aan dat vertrouwen een cruciale factor is voor de acceptatie en effectiviteit van AI-technologieën. Organisaties die prioriteit geven aan transparantie, ethische inzet van AI en solide conversational design vergroten niet alleen het vertrouwen van gebruikers, maar halen ook meer bedrijfswaarde uit hun AI-investeringeninvesteringen.4
De conversatie van de toekomst: soepel en intelligent
Door de verschuiving naar GenAI en Agentic AI verandert de rol van de conversational designer fundamenteel. Waar het ontwerp zich in eerste instantie richtte op het voorspellen en scripten van elk gespreksonderdeel, wordt in het nieuwe paradigma de nadruk gelegd op het in kaart brengen van de bedoeling, beperkingen en leermchanismen van AI. De uitdaging wordt nu om AI in staat te stellen complexe, open gesprekken te voeren, waarbij consistente merkidentiteit behouden blijft en de bedrijfsdoelstellingen worden bereikt.
De echte waarde van AI customer agents is niet alleen dat zij taken kunnen automatiseren, maar ook dat zij op een intelligente, empathische en oprecht behulpzame manier met klanten kunnen omgaan.
Door de grondbeginselen van effectief conversational design te omarmen en gebruik te maken van de kracht van geavanceerde AI, kunnen organisaties een ongeëvenaard niveau van klanttevredenheid en operationele efficiëntie bereiken. Deloitte begeleidt het volledige traject en zorgt voor succesvolle implementatie van virtuele agents. Van eerste beoordelingen tot AI-strategieën en de implementatie van virtuele agents: onze experts staan klaar om met je in gesprek te gaan.
Door de ontwikkeling van reactieve assistent tot proactieve, autonome medewerker zal Agentic AI de interactie met klanten in de toekomst radicaal veranderen. Onze verwachting is dat AI agents de komende maanden zullen leren steeds complexere meerstapsworkflows te coördineren, die anticiperen op de wensen en eisen van klanten, realtime gegevens integreren en hypergepersonaliseerde, contextbewuste ervaringen bieden via meerdere kanalen.
Door deze verschuiving kunnen organisaties probleemloos 24/7 ondersteuning bieden, waarbij niet alleen vragen sneller worden beantwoord, maar ook grotere klantbetrokkenheid wordt gerealiseerd met intelligente aanbevelingen en adaptieve interacties.
Naarmate Agentic AI-systemen volwassen worden en continu leren van interacties en coördineren tussen gespecialiseerde agents, stellen ze bedrijven in staat de klantenservice te innoveren, kosten te verlagen en sterkere vertrouwensrelaties op te bouwen. Voor het leiderschap betekent het omarmen van deze ontwikkeling dat de infrastructuur, de bestuurskaders en de medewerkers moeten worden voorbereid om optimaal te kunnen profiteren van de inzet van AI agents als strategische partners voor excellente klantervaringen.5
Wil je bespreken hoe jouw bedrijf conversational design kan inzetten om deze voordelen te realiseren? Neem dan contact op voor een praktische demo.
Klik hier om onze AI Customer Agents Series te bekijken: een serie over het ontwikkelen van modulaire AI customer agents die aantoonbare meerwaarde opleveren.
Bronnen:
1. Casestudy - Vodafone's Virtual Assistant, TOBi, CDI, 2024
2. Uitstekende klantenservice 2025 | Deloitte Digital; Deloitte, 2025
3. Innovatie-inzicht: Generatieve AI-chatbot om CX en agentproductiviteit te verbeteren, Gartner, 2025
4. Nu beslist hij volgende: Een nieuwe toekomst creëren, Deloitte, 2025
5. Aansporing voor actie Hoe AI-agenten de toekomst van werk hervormen, Deloitte, 2025
6. De toekomst van dienstverlening en ondersteuning in 2028, Gartner, 2025
