Oprichter en CX-leider zegt dat klantgerichte AI faalt wanneer bedrijven de omringende klantreis negeren

Jaco van den Heever is een seriële oprichter met een achtergrond in digitale klantervaring. Momenteel is hij CEO van Sand Dollar Design, een adviesbureau voor UX-strategie, productontwerp en AI-ontwikkeling op afstand.

We gingen met Jaco in gesprek om te leren hoe hij AI gebruikt om CX-workflows uit te breiden — en hoe het toepassen van AI op EX CX kan verbeteren.

CX draait om meer dan alleen verfijning aan de voorkant

Ik ben Jaco van den Heever, oprichter en CEO van Sand Dollar Design. Ik werk al meer dan 20 jaar op het snijvlak van digitale klantervaring, productstrategie, UX en technologie. Voordat ik Sand Dollar Design oprichtte, gaf ik leiding aan digitale en omnichannelproductontwikkeling voor mobiele apps, websites en serviceplatforms. Dit heeft mijn kijk op CX gevormd: het gaat niet alleen om verfijning aan de voorkant, maar ook om de vraag of het product, de service en het bedrijfsmodel werken voor gebruikers.

Bij Sand Dollar Design helpen we startups, mkb-bedrijven en bedrijfsteams om digitale producten en klantreizen te verbeteren door middel van UX-strategie, UX-onderzoek, productontwerp en steeds vaker AI-ondersteunde MVP- en productontwikkeling.

Onze kanalen omvatten websites, mobiele apps, klantportalen, B2B-platforms, interne tools, dashboards en workflowsystemen. Onze klanten zijn doorgaans oprichters, productleiders, innovatieteams, teams voor digitale transformatie en bedrijfsleiders die frictie willen verminderen, adoptie willen verbeteren en betere productbeslissingen willen nemen voordat ze zich volledig vastleggen op de ontwikkeling.

We werken wereldwijd, met ervaring in Zuid-Afrika, de VS, het VK en Europa, en hebben opdrachten uitgevoerd in complexe sectoren, waaronder financiële dienstverlening, gezondheidszorg, telecom, B2B-handel en bedrijfssoftware.

Hoe AI kan worden gebruikt om de klantreis te vereenvoudigen

Ik zet AI veel eerder in tijdens de klantreis, vooral tijdens onboarding en productontdekking.

Een goed voorbeeld is GigExecs, een platform dat ik samen met anderen heb opgericht voor ervaren professionals die op zoek zijn naar fractioneel, interim- en projectmatig werk. We zagen een frictiepunt: senior professionals hebben vaak veel ervaring, maar het kost moeite om die om te zetten in een duidelijk, doorzoekbaar en overtuigend profiel. Mensen leggen te veel uit, doen zichzelf tekort of stellen het voltooien van de onboarding uit omdat een lege pagina als werk aanvoelt. Dat had invloed op hun ervaring.

Daarom ontwierpen we de ervaring rondom AI-ondersteunde profielcreatie. In plaats van te verwachten dat gebruikers alles handmatig vanaf nul schrijven, interpreteert de AI-ondersteunde flow een cv, LinkedIn-profiel of invoer in gespreksvorm en zet die vervolgens om in een duidelijkere positionering, profielinhoud en gestructureerde gegevens.

De belangrijke verandering was niet simpelweg “AI toevoegen”. Het was het herontwerpen van de klantreis rond een pad naar waarde dat minder inspanning vereiste.

Dit veranderde mijn kijk op AI in CX in bredere zin. Ik zoek steeds vaker naar punten in de klantreis waar gebruikers vastlopen, onzeker zijn, overbelast raken of hun behoeften moeten vertalen naar de taal van een systeem. Dit zijn vaak de beste plekken waar AI kan helpen.

Het resultaat is een praktischer beeld van AI in klantervaring. Ik ben minder geïnteresseerd in AI als noviteitslaag en meer in AI als manier om inspanning te verminderen, relevantie te verbeteren en mensen te helpen met meer vertrouwen door een digitale klantreis te navigeren.

Welke CX-taken door AI moeten worden uitgevoerd

Ik vertrouw nu op AI om verschillende CX-activiteiten te informeren of aan te sturen:

• Gebruikersonderzoek synthetiseren
• Terugkerende knelpunten identificeren
• Problemen prioriteren op basis van support- of feedbackgegevens
• Eerste conceptinhoud genereren
• Prototyping versnellen
• Meer gepersonaliseerde klantreisopties creëren

De synthese van gebruikersonderzoek springt eruit. In een typisch onderzoeksproject verzamelen we grote hoeveelheden kwalitatieve gegevens: interviewnotities, transcripties, enquêtereacties, bevindingen uit gebruikersonderzoek, input van belanghebbenden en observaties van klantreizen. In het verleden was synthese een handmatig proces. We voeren nog steeds menselijke analyses uit, maar AI helpt ons nu om veel sneller patronen te vinden. Het helpt ons thema's te groeperen, terugkerende knelpunten te signaleren, feedback van verschillende gebruikerstypen te vergelijken en signalen te identificeren die nader onderzoek vereisen. Dit betekent dat we minder tijd besteden aan het ordenen van gegevens en meer tijd aan het stellen van moeilijkere vragen: wat betekent dit, wat moet de klant nu doen en welke productbeslissingen moeten veranderen?

Welke CX-taken door mensen moeten worden uitgevoerd

De activiteiten die ik expliciet door mensen laat uitvoeren, zijn de activiteiten waarbij beoordelingsvermogen, vertrouwen en verantwoordelijkheid een rol spelen.

Het ontwerpen van klantreizen vereist bijvoorbeeld nog steeds menselijk beoordelingsvermogen, omdat het afwegingen inhoudt tussen klantbehoeften, bedrijfsdoelen, de operationele realiteit en technische beperkingen. Ook herstel na een servicefout moet door mensen worden aangestuurd wanneer er sprake is van frustratie, financieel risico, medische gevoeligheid, reputatie-impact of een emotionele context. AI kan het probleem signaleren en de context voorbereiden, maar een persoon moet beslissen hoe erop wordt gereageerd.

Hetzelfde geldt voor productstrategie en prioritering. AI kan ons helpen sneller patronen te zien, maar het moet niet bepalen wat het belangrijkst is. Daarvoor is nog steeds inzicht nodig in de klant, het bedrijfsmodel, de merkbelofte en de gevolgen van een verkeerde beslissing.

Mijn visie is dus eenvoudig: AI moet inspanning verminderen, de context verbeteren en het leerproces versnellen. Mensen moeten eigenaar blijven van de beslissingen waarbij empathie, ethiek, vertrouwen en commercieel beoordelingsvermogen het belangrijkst zijn.

Jaco States

…mijn visie is eenvoudig: AI moet inspanning verminderen, de context verbeteren en het leerproces versnellen. Mensen moeten eigenaar blijven van de beslissingen waarbij empathie, ethiek, vertrouwen en commercieel beoordelingsvermogen het belangrijkst zijn.

Hoe AI-prototyping de kwaliteit van gebruikersfeedback verbetert

Een groot voordeel van AI is zichtbaar bij prototyping. Voorheen verliep een typisch proces van wireframes naar ontwerpen met een hoge getrouwheid, vervolgens naar klikbare prototypes en daarna naar de overdracht aan ontwikkelaars. Nu kunnen we dankzij AI-ondersteunde productontwikkeling vaak veel eerder een werkend prototype aan gebruikers voorleggen. Dit prototype kan echte interacties, realistische gegevens en voldoende functionele logica bevatten, zodat gebruikers erop reageren als op iets dat dichter bij het eindproduct staat.

Dit verbetert de kwaliteit van de feedback. Mensen gedragen zich anders wanneer ze iets gebruiken dat echt aanvoelt. Daardoor kunnen we het werkelijke productgedrag beter begrijpen voordat een volledige versie is gebouwd.

Maar het nadeel is dat AI ook een vals gevoel van vertrouwen kan creëren. Teams kunnen sneller bouwen dan nadenken. Code moet nog steeds worden gecontroleerd. Productbeslissingen vereisen nog steeds bewijs. De synthese van onderzoek vereist nog steeds menselijk beoordelingsvermogen. Een gepolijst prototype kan een zwak idee sterker laten lijken dan het werkelijk is.

Het beste resultaat is dus niet geweest dat “AI het team heeft vervangen”. In plaats daarvan heeft AI de afstand tussen inzicht, prototype, testen en iteratie verkleind.

Waarom chatbots voor klanten hun doel missen

Mijn grootste teleurstelling betreft chatbots voor klanten in grote bedrijfsomgevingen, vooral in de financiële dienstverlening, verzekeringen, het bankwezen en fintech.

De huidige AI-mogelijkheden gaan veel verder dan wat veel klanten ervaren.

In theorie zouden klanten een natuurlijk gesprek met een digitale assistent moeten kunnen voeren. Die zou de intentie moeten begrijpen, context moeten onthouden, nuttige vervolgvragen moeten stellen, de juiste informatie moeten raadplegen, opties duidelijk moeten uitleggen en moeten doorverbinden met een medewerker wanneer een kwestie gevoelig of complex wordt.

In de praktijk voelen veel bedrijfschatbots nog steeds aan als oude beslisbomen met een nieuw label. De bot dwingt klanten in een beperkte reeks keuzes, faalt zodra een vraag enigszins ongebruikelijk wordt en gebruikers proberen vaak aan de bot te ontsnappen in plaats van er hulp van te krijgen.

Het probleem zit meestal niet in het model zelf, maar in de ervaring eromheen. Gegevens zijn versnipperd. Integraties zijn onvolledig. Escalatieregels zijn zwak. Bedrijven hebben de bot niet ontworpen rond de werkelijke klantreis. En in gereguleerde sectoren leiden zorgen over risico's en naleving er vaak toe dat bedrijven iets veiliger, maar veel minder nuttigs implementeren.

Hierdoor ontstaat een vreemde kloof. Klanten horen veel over AI, maar communiceren vervolgens met systemen die helemaal niet intelligent aanvoelen.

Hulpmiddelen die elk CX-team zou moeten overwegen

CX-teams kunnen profiteren van de volgende hulpmiddelen:

• ChatGPT en Codex voor analyse en planning
• Claude Cowork voor ondersteuning bij complexe taken en het opbouwen van kennisbanken
• Cursor voor AI-productontwikkeling en automatisering
• Qualtrics voor klantfeedback

Waarom CX-leiders eerst in context moeten investeren

De kwaliteit van de uitvoer van AI hangt net zozeer af van de context die je de AI geeft als van het model zelf.

In eerste instantie is het gemakkelijk om te denken dat de vaardigheid simpelweg “een goede prompt schrijven” is. Dat is belangrijk, maar het is slechts een deel ervan. Ik heb geleerd dat AI veel beter presteert wanneer je gestructureerde context geeft: het doel, het klantprobleem, de bedrijfsregels, de toon, de beperkingen, de voorbeelden, de gegevensbronnen en hoe een goed antwoord eruit zou moeten zien.

Dat heeft veranderd hoe ik AI-werk nu opzet. Ik gebruik meer gestructureerde prompts, Markdown-bestanden, projectmappen en herbruikbare contextdocumenten, zodat de AI niet elke keer vanaf nul begint. Dit zorgt voor meer consistentie in het werk en maakt de resultaten veel nuttiger.

Mijn advies is om je eerste AI-proefproject minder te behandelen als een eenmalig experiment en meer als het begin van een nieuw besturingssysteem voor de manier waarop je team werkt. Hoe beter je de context structureert, hoe beter AI wordt als echte partner in de werkstroom.

Waarom door AI versterkte EX gunstig is voor CX

Meer leiders zouden de werknemerservaring opnieuw moeten ontwerpen, vooral de interne systemen en werkstromen waarop medewerkers vertrouwen om klanten te bedienen.

Veel CX-problemen beginnen niet bij het contactmoment met de klant. Ze beginnen achter de schermen, waar medewerkers een goede ervaring proberen te bieden terwijl ze te maken hebben met versnipperde systemen, handmatige processen, ontbrekende gegevens en slecht ontworpen werkstromen.

AI creëert een mogelijkheid om dat op te lossen.

Als AI medewerkers kan helpen om informatie uit verschillende systemen samen te brengen, de klantcontext sneller te begrijpen, de geschiedenis samen te vatten, vervolgstappen aan te bevelen en administratief werk te verminderen, verbetert de klantervaring vrijwel onmiddellijk.

Daarom geloof ik dat EX een van de belangrijkste ontwikkelingsgebieden is voor door AI versterkte CX.

Waarom het doel nooit alleen het toevoegen van AI aan CX-werkstromen zou moeten zijn

Mijn advies aan CX-leiders is om AI te omarmen — maar de basisprincipes van een goede klantervaring niet los te laten.

AI is een krachtige nieuwe technologielaag. Het kan teams helpen sneller te werken, meer gegevens te analyseren, klantreizen te personaliseren, eerder prototypes te maken en klanten te ondersteunen op manieren die voorheen niet praktisch waren. Maar het kernproces van het op een gebruikersgerichte manier oplossen van problemen blijft onveranderd.

Je moet de klant nog steeds begrijpen. Je moet nog steeds het juiste probleem definiëren. Je moet bedrijfsdoelen, technologie en menselijke behoeften nog steeds op elkaar afstemmen. Je moet aannames nog steeds testen voordat je een oplossing opschaalt.

Het gevaar is dat teams AI gebruiken om sneller te bouwen zonder eerst te vragen of ze wel het juiste bouwen. Dat kan leiden tot meer ruis, meer automatisering en meer complexiteit voor klanten.

Het doel moet niet zijn om overal AI toe te voegen, maar om de klantreis eenvoudiger, duidelijker en nuttiger te maken voor de klant. Daarvoor zijn ontwerp, onderzoek, data en menselijk inzicht nodig, niet alleen technologie.

Blijf op de hoogte

Je kunt het werk van Jaco van den Heever volgen op LinkedIn, X en zijn persoonlijke website. Bekijk ook Sand Dollar Design op hun website en LinkedIn:

• Casestudy's
• AI-ontwikkelingsdiensten
• Advies over UX-strategie

Er volgen meer interviews met experts op The CX Lead!