De meeste supportteams hebben geen probleem met hun tools. Ze hebben een contextprobleem. Agents besteden de eerste paar minuten van elk ticket aan het reconstrueren van wat er is gebeurd, wie de klant is en wat er al is geprobeerd. Managers zijn uren bezig met het overzetten van ticketgegevens naar spreadsheets, alleen om één vraag van de directie te kunnen beantwoorden. En veel eenvoudige klantvragen komen nog steeds in een wachtrij voor medewerkers terecht, omdat er geen snelle manier is om te controleren wat al eerder is opgelost.
AI-functies van TeamSupport zijn ontwikkeld om die kloof te dichten. In plaats van een algemene assistent die aan je helpdesk- of ticketsysteem is gekoppeld, is deze rechtstreeks getraind op je ticketgeschiedenis, je klanten en de context van je product. Daardoor is elk antwoord, elke samenvatting of elk conceptantwoord dat wordt gegenereerd gebaseerd op wat er daadwerkelijk in jouw supportomgeving gebeurt.
In deze gids lees je stap voor stap hoe je dit daadwerkelijk gebruikt op vier gebieden: vragen stellen over je ticketgegevens, AI in elk ticket gebruiken, AI inkomende tickets automatisch laten triëren en een AI-agent inzetten om 24 uur per dag routinevragen af te handelen.
1. Begin je dag op het tabblad Onderzoek
Open het tabblad Onderzoek in TeamSupport voordat je je wachtrij bekijkt. Het maakt van je volledige ticketgeschiedenis iets waar je eenvoudig vragen over kunt stellen, zonder exports, filters of wachten op een rapport.
Zo gebruik je het:
- Klik op Onderzoek in de linkernavigatie.
- Typ je vraag in gewone taal. Je hebt geen querysyntaxis nodig.
- Stel vervolgvragen om dieper op het onderwerp in te gaan zonder de context opnieuw te hoeven geven.
- Kopieer de resultaten rechtstreeks naar een update voor de directie, een teambericht of een e-mail aan een klant.
Wat je vraagt, hangt af van je rol. Managers gebruiken het vaak voor vragen als "Welke problemen namen deze week toe vergeleken met vorige week?" of "Laat me tickets zien die langer dan 14 dagen openstaan." Voor rapportage aan de directie zijn het vragen als "Vat onze supportprestaties voor Q1 samen" of "Welke van onze grootste accounts had de meeste escalaties?" En voor de dagelijkse bedrijfsvoering zijn het snelle controles zoals "Wat is deze week het meest voorkomende type probleem?" of "Zijn er momenteel klanten met meerdere openstaande tickets?"
Eén onderscheid om in gedachten te houden: Onderzoek is bedoeld voor de specifieke, eenmalige vraag, het soort vraag waarvoor geen dashboard is gebouwd. Als je elke week een KPI bijhoudt of een blijvend overzicht wilt dat je hele team kan bekijken, is een vast dashboard daarvoor bedoeld. Gebruik ze samen: dashboards voor terugkerende meetwaarden, Onderzoek voor al het overige.
2. Zet AI aan het werk in elk ticket
Elke ticketpagina heeft een knop Ticketassistent, en het is de moeite waard om deze bij elk ticket in je werkwijze op te nemen, niet alleen bij de moeilijke. De AI leest de volledige thread, elke reactie en elke actie voordat deze antwoordt. Daardoor hoef je niet tussen tabbladen te wisselen of context naar een afzonderlijke tool te kopiëren.
Er zijn vijf beschikbare acties, die elk een ander probleem oplossen:
Vraag het aan AI. Gebruik dit voor elke open vraag over het ticket: heeft deze klant dit probleem eerder gezien, wat hebben we de vorige keer geprobeerd, waardoor is dit veroorzaakt? Zie het als het stellen van een vraag aan een deskundige collega.
Vat dit ticket samen. Vat een lange thread samen in een duidelijke briefing: het probleem, wat er is geprobeerd en wat de huidige stand van zaken is. Gebruik dit bij elke overdracht en bij elk ticket met tien of meer acties. Het duurt ongeveer drie seconden en zorgt ervoor dat de volgende agent niet vanaf nul hoeft te beginnen.
Ondersteund antwoord. Maakt een volledig, klaar-voor-de-klant antwoord op basis van de volledige ticketcontext. Dit is vooral nuttig bij emotioneel geladen of technisch complexe tickets, waarbij het tijd kost om de juiste toon te treffen en je die tijd niet altijd hebt. Gebruik het als een sterk eerste concept; jouw oordeel over de toon en de context van de klantrelatie moet nog steeds bepalend zijn voor het uiteindelijke verzenden.
Verbeteringen aanbevelen. Bekijkt hoe het ticket wordt afgehandeld en stelt manieren voor om het resultaat te verbeteren: toon, ontbrekende context en snellere oplossingsroutes. Voer dit regelmatig uit op je eigen tickets als hulpmiddel voor coaching, niet alleen als oplossing voor een vastgelopen ticket.
Een oplossing voorstellen. Gebruikt je volledige ticketgeschiedenis en kennisbank om te laten zien hoe vergelijkbare eerdere gevallen zijn opgelost. Gebruik de suggestie als uitgangspunt en pas vervolgens je eigen kennis van de klant toe voordat je antwoordt.
Als je niet zeker weet welke je moet gebruiken: gebruik Ask AI voor een overdrachtsvraag, Samenvatten voor de overdracht zelf, Assistentantwoord wanneer je de daadwerkelijke reactie schrijft, Verbeteringen aanbevelen wanneer je het beter wilt aanpakken, en Een oplossing voorstellen wanneer je de oplossing zelf nodig hebt.
Een paar praktische manieren waarop teams dit direct inzetten: voeg het logbestand van een klant toe aan een ticket en vraag AI om het te analyseren en uit te leggen wat er mis is voordat de technische afdeling het ooit ziet. Vraag AI na het oplossen van een complex ticket om het probleem, wat er is geprobeerd en hoe het is opgelost samen te vatten als interne notitie, zodat je handmatig verslag uitbrengen verandert in werk van een paar seconden. Vraag in het tabblad Onderzoek welke problemen klanten aankaarten waarvoor nog geen kennisbankartikel bestaat, zodat je hiaten in de content kunt dichten voordat ze meer tickets opleveren.
3. Laat AI binnenkomende tickets sorteren voordat je ze opent
De AI-sorteeragent treedt op als eerste hulpverlener bij elk nieuw binnenkomend ticket en doet het voorbereidende werk voordat een agent het ooit opent. Tegen de tijd dat een ticket je wachtrij bereikt, is het al gecategoriseerd en geprioriteerd. Als er informatie ontbreekt, heeft de AI bovendien in stilte contact opgenomen met de klant om die informatie te verzamelen.
Concreet reageert de agent privé op de klant om ontbrekende context te verzamelen, vult hij vereiste velden automatisch in zodat tickets volledig gecategoriseerd binnenkomen, maakt hij bovenliggende incidenten aan wanneer meerdere tickets hetzelfde onderliggende probleem beschrijven, en stelt hij signalen voor prioriteit en complexiteit in zodat je wachtrij al op urgentie is gerangschikt voordat agents aan hun dag beginnen. De routering verloopt via een configureerbare Vaardighedenlaag, zodat tickets bij de juiste agent terechtkomen in plaats van bij degene die toevallig beschikbaar is.
Het praktische effect: agents openen een al georganiseerde wachtrij in plaats van de eerste tien minuten van hun dienst te besteden aan uitzoeken waar ze het beste mee kunnen beginnen.
4. Laat AI de routinevragen 24/7 afhandelen
De AI-agent handelt veelgestelde vragen van klanten automatisch af, beantwoordt vragen, verzamelt informatie en lost problemen op zonder dat een medewerker het ticket hoeft aan te raken. De agent is getraind op je kennisbank en ticketgeschiedenis, zodat de antwoorden aansluiten bij je product en niet bij algemene webresultaten.
De werkwijze is eenvoudig: een klant stelt via de chat een vraag of dient een ticket in, de AI-agent zoekt in je kennisbank en ticketgeschiedenis naar een juiste oplossing, en routineproblemen worden direct opgelost, terwijl alles wat te complex of gevoelig is wordt overgedragen aan je team, met alle context al vastgelegd.
De belangrijkste statistiek om wekelijks te volgen is het volume dat door de AI-agent wordt afgehandeld ten opzichte van het volume dat door mensen wordt afgehandeld. Een toenemende afwending in combinatie met een stabiele of verbeterende CSAT is het signaal dat het werkt. Wanneer je ziet dat de agent een onderwerp goed afhandelt, is dat ook een aanleiding om de dekking van je kennisbank te controleren, omdat uitbreiding daarvan doorgaans vergroot wat de agent veilig zelfstandig kan afhandelen.
Maak hiervan een dagelijkse gewoonte
Hiervoor is geen volledige herziening van je processen nodig. Een paar gewoonten maken het verschil tussen deze functies af en toe gebruiken en er elke dag daadwerkelijk waarde uit halen:
Voor managers: open Onderzoek als eerste om het volume van gisteren te controleren voordat je je wachtrij bekijkt, volg de afwending wekelijks, laat AI een eerste versie van elk leiderschapsrapport opstellen en vraag regelmatig welke AI-functies je team die week heeft gebruikt. Gebruik de hiaten als basis voor een korte uitleg.
Voor agents: vat elk ticket met eerdere geschiedenis of een overdracht samen voordat je reageert, voer een assistentantwoord uit vóór elke emotioneel geladen of technisch complexe e-mail, gebruik Een oplossing voorstellen wanneer je niet zeker weet wat de juiste aanpak is, en vraag AI om interne notities op te stellen nadat je iets complexs hebt opgelost.
De gemene deler van alle vier de functies is dat geen ervan vraagt om je bestaande workflow te verlaten om waarde te leveren. De AI bevindt zich al in het ticket, de wachtrij en de chat. Het gaat erom de gewoonte te ontwikkelen om haar vragen te stellen voordat je dat werk handmatig uitvoert.