Technisch directeur klantbeleving zegt dat leiders op het gebied van klantervaring te veel gericht zijn op AI-resultaten terwijl de klantervaring verschraalt

Oremeyi Akah is CCO bij Interswitch, een pan-Afrikaans infrastructuurbedrijf voor betalingsverkeer dat zowel B2B- als B2C-segmenten bedient.

We spraken met Oremeyi over de indrukwekkende resultaten die ze ziet dankzij de integratie van AI binnen haar CX-organisatie. Onderweg vertelde ze ons waar CX-organisaties de fout in gaan bij hun AI-integraties.

Van servicefunctie naar strategische functie

Ik ben Oremeyi Akah, directeur klantrelaties bij Interswitch Group — een pan-Afrikaans infrastructuurbedrijf voor betalingsverkeer dat actief is in 23 Afrikaanse markten en particulieren, bedrijven en overheden verbindt met digitale financiële diensten.

De klantorganisatie die ik leid, omvat het volledige spectrum van de commerciële relaties van Interswitch — van grote financiële instellingen en fintechbedrijven via onze functie voor keyaccountmanagement tot handelaren, factureringsbedrijven en eindconsumenten die via digitale kanalen, contactcenters en fysieke kanalen met ons in contact komen. We bedienen zowel B2B- als B2C-segmenten.

Ons CX-mandaat varieert van strategische klantrelaties met intensief persoonlijk contact met banken zoals Stanbic IBTC en Providus tot de ervaring van miljoenen alledaagse Nigerianen die transacties uitvoeren met Verve-kaarten, Quickteller en onze infrastructuur voor betalingsverkeer.

Mijn team beheert relaties op het snijvlak van omzet, vertrouwen en nationale financiële inclusie — waardoor klantervaring niet alleen een servicefunctie is, maar ook een strategische functie.

Hoe AI de mogelijkheden van CX-teams radicaal uitbreidt

Een jaar geleden beoordeelden we met een team van 15 mensen handmatig slechts 10% van de klantcontacten via onze B2B- en B2C-kanalen. Dit betekende dat we geen zicht hadden op 90% van de ervaringen van onze klanten — elke klacht, elk knelpunt en elk signaal van regelgevingsrisico. We namen beslissingen over klantervaring op basis van een zeer onvolledig beeld.

Vervolgens implementeerden we een systeem voor kwaliteitsborging op basis van AI, wat alles veranderde. Nu analyseren we 100% van de klantcontacten. We beoordelen elke interactie, categoriseren deze vooraf op ernst en signaleren regelgevingsrisico's, terugkerende foutpatronen of gebieden die kritieke aandacht vereisen.

Daardoor veranderden er drie dingen.

1. Onze dekking steeg van 10% naar 100% — zonder extra personeel aan te nemen. Dit betekent een vertienvoudiging van onze zichtbaarheid met dezelfde middelen.
2. We schakelden over van reactief naar proactief. Voorheen ontdekten we problemen pas wanneer klanten escaleerden. Nu vinden we ze voordat ze escaleren — en in de infrastructuur voor betalingsverkeer maakt dit onderscheid enorm veel uit, zowel voor het vertrouwen van klanten als voor onze positie ten opzichte van de regelgeving.
3. Het veranderde het werk van ons team van 15 mensen. Het team ging van het steekproefsgewijs beoordelen van contacten over op het handelen naar inzichten. Ze richten hun menselijke beoordelingsvermogen nu daar in waar het de meeste waarde heeft: bij interacties met de hoogste ernst en het hoogste risico die door het systeem worden gesignaleerd.

Dit is hoe AI-ondersteunde CX er in de praktijk uitziet — niet door mensen te vervangen, maar door radicaal uit te breiden wat dezelfde mensen kunnen zien en doen.

Een AI-werkproces uit de praktijk voor het afhandelen van klantinteracties

Zo ziet het werkproces eruit.

Ons AI-platform voor kwaliteitsborging, Gladly, verzamelt automatisch elke klantinteractie — via spraak, e-mail, chat of andere digitale kanalen.

Eerst begrijpt de AI het gesprek. Het systeem classificeert het probleem, beoordeelt het sentiment, bepaalt de ernst, identificeert potentiële regelgevings- of reputatierisico's, detecteert terugkerende foutpatronen en voorspelt op basis van vergelijkbare historische gevallen de meest geschikte routering en het waarschijnlijke oplossingspad.

Vervolgens splitst het werkproces zich op basis van de complexiteit.

Bij eenvoudige problemen verwijst AI de zaak door naar het juiste team, waarbij de relevante context al is verzameld voor een snellere oplossing.

Voor gevallen met een hoger risico of een hoge waarde — met name gevallen waarbij onze bankpartners betrokken zijn of die gevolgen hebben voor de regelgeving — escaleren we de zaak onmiddellijk met een aanbevolen prioriteit. Vervolgens neemt menselijke expertise het over. Onze specialisten beoordelen de aanbevelingen van de AI, passen hun oordeel toe, houden rekening met de bredere klantrelatie en bepalen de passende reactie en het juiste herstel van de dienstverlening.

De workflow eindigt niet wanneer de zaak is gesloten.

AI verzamelt voortdurend inzichten uit elke interactie en identificeert terugkerende pijnpunten, opkomende operationele tekortkomingen en klanttrends die individuele gevallen nooit aan het licht zouden brengen. Deze inzichten worden rechtstreeks gebruikt voor onze initiatieven op het gebied van operationele uitmuntendheid, productverbeteringen, procesherontwerp en managementdashboards. Zo kunnen we de onderliggende oorzaken aanpakken in plaats van alleen individuele klachten op te lossen.

Waarom AI en menselijke betrokkenheid allebei noodzakelijk zijn

Over het geheel genomen handelt AI werk op schaal af — werk waarvoor een brede blik, snelheid en patroonherkenning over miljoenen datapunten nodig zijn. Concreet gaat het hierbij om volledige contactanalyse, voorafgaande indeling naar ernst, prioritering van problemen, signalering van regelgevingsrisico's en het identificeren van terugkerende foutpatronen voordat deze crises worden. Ook biedt het een vroegtijdige waarschuwingslaag voor escalatie — het systeem vertelt ons wat menselijke aandacht nodig heeft en hoe dringend dat is.

Drie taken blijven bewust bij mensen liggen.

1. Beoordeling van escalaties: AI vertelt ons waar we naar moeten kijken; mensen beslissen wat ze moeten doen, vooral wanneer de belangen van de relatie of de gevoeligheid voor regelgeving groot zijn.
2. Herstel van de dienstverlening: Geen enkel model kan dit afhandelen — vooral niet aan de B2B-kant, waar een gesprek met een bank uit de eerste lijn een moment in de relatie is, en niet zomaar een ticket.
3. Begrijpen van de echte klantervaring: Dit is voor mij het belangrijkste. De echte klantervaring kan niet uitsluitend tot data worden gereduceerd. We investeren in etnografische en meeslepende klantbetrokkenheid. We zitten met klanten samen, kijken hoe ze met onze producten omgaan en luisteren naar wat ze zeggen wanneer niemand een enquête afneemt. Dit soort inzichten — de ongefilterde, ongevraagde gedragsmatige waarheid — vormt de basis voor onze belangrijkste beslissingen over het ontwerpen van klantreizen. AI kan op grote schaal vaststellen wat er misging. Een mens in de ruimte begrijpt waarom.

AI vergroot wat we kunnen zien. Mensen bepalen wat het betekent en wat ermee moet gebeuren. Beide zijn noodzakelijk. Geen van beide is op zichzelf voldoende.

Hoe AI de afhandeling van verzoeken en de tevredenheid verbetert

Oremeyi's gedachten

Kwalitatief gezien hebben we de cultuur van het team verschoven van brandjes blussen naar informatiegestuurd management. Dat is moeilijker te kwantificeren, maar gemakkelijker te voelen — in de manier waarop we beoordelingen uitvoeren, hoe we met accounts omgaan en hoe we in managementgesprekken over de klant praten.

De cijfers vertellen een overtuigend verhaal.

Zoals ik al aangaf, bracht ons AI-gestuurde QA-systeem ons van het beoordelen van 10% naar 100% van alle klantcontacten met hetzelfde team van 15 personen — een 10x grotere zichtbaarheid zonder extra kosten voor personeelsuitbreiding.

Ons AI-gestuurde zelfbedieningsportaal verminderde de handmatige afhandeling van verzoeken bovendien met meer dan 54%. Belangrijker nog: het leidt verzoeken niet alleen af — het prioriteert ze intelligent op basis van klantvolume en trendgegevens, zodat mensen eerst de juiste zaken aanpakken.

Ook het verdere effect op de ervaring is meetbaar geweest: CSAT groeide met 60%. De doorlooptijden verbeterden aanzienlijk. En misschien wel het cijfer waar ik het meest trots op ben — de medewerkerstevredenheid verbeterde met meer dan 70%. Wanneer je team niet langer verdrinkt in volume, maar betekenisvol werk gaat doen, is dat merkbaar in de manier waarop medewerkers er voor klanten zijn.

Kwalitatief gezien hebben we de cultuur van het team verschoven van brandjes blussen naar informatiegestuurd management. Dat is moeilijker te kwantificeren, maar gemakkelijker te voelen — in de manier waarop we beoordelingen uitvoeren, hoe we met accounts omgaan en hoe we in managementgesprekken over de klant praten.

Waarom CX-leiders zich moeten richten op overdracht en escalatie

De meeste energie voor een herontwerp gaat naar de front-end—de chatbot, de personalisatie-engine en de automatisering van repetitieve klantcontacten. Dit werk is noodzakelijk en grotendeels al in uitvoering. Maar de naad die bepaalt of AI de relatie helpt of schaadt, wordt vaak behandeld als een functie die later kan worden geconfigureerd, terwijl dit juist het systeem is dat het vertrouwen het sterkst bepaalt.

Onderzoek bevestigt dit vanuit verschillende invalshoeken. Uit een CX-onderzoek uit 2025 bleek dat 79% van de respondenten de voorkeur geeft aan een mens boven een AI-agent bij complexe problemen — het escalatiepad is dus niet optioneel; wat wel optioneel is, is of het soepel verloopt. De kosten van het verkeerd aanpakken hiervan zijn inmiddels gekwantificeerd: 48% van de klanten zou een merk verlaten als ze hun probleem opnieuw moesten uitleggen nadat ze naar een medewerker waren doorverbonden, en 40% zou vertrekken als ze hun identiteit opnieuw moesten verifiëren. Het probleem is niet traagheid — het is dat een slechte overdracht alles uitwist wat de klant al heeft verteld, waarna het vertrouwen dat de AI had opgebouwd verdampt op het moment dat de inzet juist hoger wordt.

Twee bevindingen maken dit relevant voor bestuursniveau. Ten eerste geeft de sector stilletjes toe dat er te veel is geautomatiseerd: Gartner voorspelt dat tegen 2027 de helft van de bedrijven die klantenservicemedewerkers vanwege AI hebben ontslagen, opnieuw mensen zal aannemen voor vergelijkbaar werk onder andere functietitels. Ten tweede is het strategische oordeel duidelijk — de merken die met AI-agents waarschijnlijk het meeste vertrouwen zullen winnen, zijn niet de merken die zich haasten om menselijke interactie te elimineren, maar de merken die ontwerpen voor duidelijke escalatie, behoud van context en eerlijke transparantie.

Waarom AI de behoefte aan menselijk contact niet vermindert

Twee gebieden pakten niet uit zoals we hadden verwacht, maar beide hebben ons iets belangrijks geleerd.

Het eerste: we dachten dat AI de behoefte aan menselijk contact aanzienlijk kon verminderen. Dat gebeurde niet — althans niet zoals we hadden gehoopt. Het volume nam af, ja. Maar de behoefte aan echte menselijke interactie niet. Als we erop terugkijken, had dat ons niet moeten verbazen. We houden ons bezig met geld — geld van mensen, geld van bedrijven — en wanneer er iets misgaat of de inzet hoog aanvoelt, willen mensen een persoon spreken. Geen bot, geen portaal. Een menselijke stem die begrijpt, verantwoordelijkheid neemt en handelt. AI kan het volume opvangen. Het kan aanwezigheid niet nabootsen. We zijn tenslotte mensen.

Het tweede: intelligentie in productontwerp. We verwachtten dat uit AI afgeleide gegevens ons zouden vertellen hoe klanten wilden dat producten werden vormgegeven. Dat kon AI niet — in elk geval niet volledig. Gedragsgegevens vertellen je wat mensen doen. Ze vertellen je niet wat mensen zouden willen dat er bestond, of wat hen frustreert op een niveau dat ze zelf nog niet onder woorden hebben gebracht. Daarvoor gingen we terug naar de basis — tijd doorbrengen met klanten, echte gesprekken voeren en etnografisch onderzoek doen. Het inzicht dat onze productvisie veranderde, kwam uit die ruimtes, niet uit dashboards.

AI is uitzonderlijk goed in schaal en patroonherkenning. Het is niet goed in nuance, emotie of verbeelding. Die blijven hardnekkig en onherleidbaar menselijk — en misschien is dat precies zoals het hoort.

Waarom CX-leiders moeten leren hoe ze resultaten meten

Ons eerste proefproject werkte. Het model presteerde, de dashboards lichtten op en de demonstraties voor belanghebbenden sloegen aan. Ik begreep niet dat dit geen antwoord gaf op de enige vraag die de directie zes maanden later zou stellen: "Wat heeft dit opgeleverd en hoe weet je dat?"

Ik had geoptimaliseerd voor bewijs van capaciteit. Ik had moeten optimaliseren voor bewijs van waarde door een nulmeting vast te stellen voor de metriek die we wilden beïnvloeden, de bijdrage van AI te isoleren van andere veranderingen en vooraf met Financiën overeen te komen hoe we succes zouden meten. Dat hadden we niet gedaan. Toen de investeringscase zich aandiende, reconstrueerde ik de nulmeting achteraf en verdedigde ik een toeschrijving die ik niet overtuigend kon bewijzen.

De moeilijkere les ligt bij de directie, niet bij de leverancier of de tool. Een indrukwekkende demonstratie is gemakkelijk te kopen en moeilijk te rechtvaardigen. Zodra jij de budgetregel beheert, is enthousiasme niet het resultaat — dat is een getal waar je tegenover het bestuur achter kunt staan. De meeste AI-proefprojecten maken indruk. Veel minder proefprojecten zijn zo ingericht dat ze kunnen bewijzen dat ze hun kosten hebben terugverdiend, en je moet die meetinrichting vanaf dag één ontwerpen, omdat je die achteraf niet kunt toevoegen.

Dus dit is wat ik iedereen zou meegeven die zijn eerste proefproject start: bepaal hoe je het rendement gaat bewijzen voordat je iets bouwt, en bekijk een opvallend resultaat met wantrouwen totdat het getal standhoudt.

Hoe de onmeetbare onderdelen van CX langzaam tekortschieten

Oremeyi's gedachten

De praktische conclusie is dat de leiders die succesvol zullen zijn, de onmeetbare zaken meetbaar zullen maken in plaats van ze weg te automatiseren of ze op basis van geloof te verdedigen. Momenteel vertrouw ik voor een deel ervan op geloof, en ik denk niet dat geloof goed genoeg is.

Dit is waar ik me zorgen over maak. We automatiseren de helft van de klantbeleving die goedkoop meetbaar is en laten de helft die duur meetbaar is stilletjes verschralen — en de cijfers zullen ons vertellen dat we winnen totdat we iets zijn kwijtgeraakt wat we niet opnieuw kunnen opbouwen.

AI blinkt uit in de onderdelen van CX die in dashboards verschijnen: afwending, afhandeltijd, kosten per contact en snelheid van oplossing. Dus optimaliseren we deze zaken, omdat een bestuur ze gemakkelijk kan begrijpen. Maar de dingen die een duurzame relatie opbouwen — waarom een klant zich veilig voelt, wat na een fout vergeving oplevert, het gevoel dat iemand verantwoordelijkheid neemt voor de uitkomst — staan niet in de gegevens en we kunnen ze niet automatiseren.

Mijn zorg is dus niet dat AI meetbaar werk slecht zal uitvoeren. Het is dat meetbaar werk door het zo goedkoop en zichtbaar te maken langzaam opnieuw definieert wat "goede CX" is als alleen meetbaar werk. De onmeetbare helft faalt niet luidruchtig; die wordt gewoon steeds kleiner terwijl elke metriek aan de muur blijft verbeteren.

Het deel waar ik nog geen antwoord op heb — en dit is de eerlijke versie — is dat ik mijn eigen vooringenomenheid niet netjes kan scheiden van het werkelijke risico. Het is gemakkelijk voor iemand wiens carrière afhankelijk is van menselijk inzicht en empathie om te geloven dat die zaken onvervangbaar zijn. Ik probeer in te schatten hoeveel van mijn overtuiging oprechte vooruitziendheid is tegenover professioneel eigenbelang.

Een deel van het standpunt "AI kan geen empathie tonen" is waarschijnlijk een geruststellend verhaal dat CX-leiders zichzelf vertellen, en de grens van wat mogelijk is verschuift sneller dan dat verhaal veronderstelt. Wat me dus echt bezighoudt, heeft twee kanten: ik geloof dat we de onmeetbare helft van CX onvoldoende beschermen, en ik wantrouw hoeveel ik wil dat dat waar is.

De praktische conclusie is dat de leiders die succesvol zullen zijn, de onmeetbare zaken meetbaar zullen maken — vertrouwen, eigenaarschap en herstel na een mislukking rechtstreeks meten — in plaats van ze weg te automatiseren of ze op basis van geloof te verdedigen. Momenteel vertrouw ik voor een deel ervan op geloof, en ik denk niet dat geloof goed genoeg is.

Drie adviezen voor CX-leiders die AI implementeren

Over het algemeen is dit mijn advies aan CX-leiders:

1. Blijf realistisch. Blijf meelevend. De ruis rond AI in de klantbeleving is enorm — en veel ervan is hype die andere hype achterna zit. Prik erdoorheen door je te richten op één vraag: "Maakt dit het leven van mijn klant beter?" Niet beter op een dashboard. Beter in hun dagelijks leven. Als het antwoord ja is, ga er dan voor. Als het alleen indrukwekkend is, laat het dan achterwege. Klanten onthouden je technologiestack niet. Ze onthouden hoe je ze liet voelen. Dat is niet veranderd en AI verandert daar niets aan.
2. Blijf voortdurend leren. Dit landschap verandert sneller dan waarvoor iemand van ons is opgeleid. De leiders die het best in staat zijn om hun klanten over vijf jaar te bedienen, zijn degenen die nieuwsgierig genoeg zijn om vandaag toe te geven dat ze niet alles hebben uitgedacht. Lees. Stel vragen. Praat met collega's uit verschillende sectoren en regio's. Neem de tijd voor je klanten. Zodra je in deze omgeving stopt met leren, begin je achterop te raken — stilletjes en daarna plotseling.
3. Wees niet bang om te experimenteren. Niet elk initiatief zal slagen. Sommige van onze belangrijkste inzichten kwamen voort uit initiatieven die niet volgens plan verliepen. Dat is geen mislukking — dat is kennis, duur verworven. Bouw een cultuur waarin je team zich veilig voelt om dingen uit te proberen, te leren en bij te sturen. Organisaties die toonaangevend zullen zijn in CX hebben niet de meest geavanceerde AI — ze hebben de moedigste en nieuwsgierigste teams erachter.

Streef ernaar voor mensen te winnen, niet voor presentaties.

Volg mee

Je kunt het werk van Oremeyi Akah volgen op LinkedIn.

Er volgen meer interviews met experts op The CX Lead!