TQIS, onderdeel van de DMCC Group, onderzoekt inmiddels al ruim een jaar hoe kunstmatige intelligentie kan worden ingezet bij de analyse van telemarketing- en inbound gesprekken. Daarbij beoordelen menselijke analisten en AI dezelfde gesprekken, waarna we de uitkomsten met elkaar vergelijken. De resultaten zijn veelbelovend, maar laten ook zien hoe complex compliance controles zijn. AI kan grote hoeveelheden gesprekken snel en uniform analyseren, maar is nog geen volwaardig alternatief voor menselijke beoordeling.
Pilot AI voor contactanalyse: veelbelovend, maar nog geen heilige graal

Van steekproeven naar grotere volumes
Een belangrijk voordeel van AI is schaalbaarheid. Waar een menselijke analist altijd met een beperkt aantal gesprekken werkt, kan AI in theorie veel grotere volumes beoordelen. Zelfs controle van honderd procent van de gesprekken komt daarmee binnen bereik. Ook snelheid is een voordeel. Gesprekken kunnen vrijwel direct na afloop worden geanalyseerd. Hierdoor kunnen organisaties sneller bijsturen wanneer bepaalde fouten of risico’s vaker voorkomen. En misschien zelfs real-time bijsturen op termijn.
Daarnaast toetst AI in principe ieder gesprek op dezelfde manier. Dat kan bijdragen aan een uniforme beoordeling en maakt het mogelijk om patronen te herkennen die binnen een beperkte steekproef lastiger zichtbaar worden.
Arjen van Eeuwen CEO DMCC Group: “De belofte van AI is groot. Je kunt meer gesprekken controleren, sneller feedback geven en veel eerder zien waar structurele risico’s ontstaan. Dat biedt echt kansen voor kwaliteitsverbetering.”
Tachtig controles per gesprek
Een compliance-analyse van een telemarketinggesprek is niet eenvoudig, zo kan één gesprekscontrole bestaan uit wel 50 verschillende checks. Van Eeuwen: “We kijken bijvoorbeeld naar agressieve verkoop, misleiding, de omgang met kwetsbare consumenten en de manier waarop wordt uitgelegd waar persoonsgegevens vandaan komen. Bij energie controleren we onder andere of het aanbod passend wordt gepresenteerd. Bij loterijen kijken we of consumenten niet worden aangezet tot overmatig speelgedrag.”
Sommige controles zijn relatief objectief. Is de naam van de organisatie genoemd? Is verteld met welk doel iemand wordt gebeld? Is een wettelijke mededeling gedaan en is dit tijdig? Andere onderwerpen zijn veel moeilijker te automatiseren zegt Van Eeuwen. “Wanneer is een verkoopbenadering agressief? Wanneer wordt oneigenlijke druk uitgeoefend? En wanneer is een gesprek formeel correct, maar krijgt de consument toch een verkeerd beeld? Taal, context, toon, timing en de samenhang tussen verschillende uitspraken spelen daarbij allemaal een rol.”
Hoge matching rates met AI, maar nog geen 100%
Om de prestaties van AI te beoordelen, laten we gesprekken zowel door analisten als door AI controleren. Vervolgens wordt gemeten in hoeverre de beoordelingen overeenkomen. Van Eeuwen: “Op dit moment behalen we bij verschillende controles hele hoge matching rates. Dat is een mooi resultaat en nu gaan we kijken of we dit ook realiseren bij meer volume. Daarnaast zien we ook dat de betrouwbaarheid verschilt per onderwerp.”
AI moet ook uitlegbaar zijn
Betrouwbaarheid is niet het enige aandachtspunt. Een organisatie moet ook kunnen uitleggen waarom een gesprek als compliant of non-compliant is aangemerkt. Bij eenvoudige controles is dat meestal goed te volgen. Bij complexere modellen is het lastiger om te achterhalen welke woorden, verbanden of omstandigheden doorslaggevend waren. Dat probleem wordt groter wanneer systemen zelflerend zijn en hun beoordelingswijze in de loop van de tijd aanpassen. Voor compliance is een uitkomst zonder onderbouwing onvoldoende. Een organisatie moet bevindingen kunnen controleren, bespreken en verdedigen. Een waarschuwing vanuit een systeem kan een waardevol signaal zijn, maar mag niet automatisch als definitief oordeel worden behandeld.
Menselijke duiding blijft noodzakelijk
Klanten van de DMCC Group geven aan dat kwaliteit en betrouwbaarheid bij compliance analyses vooropstaan. Ook persoonlijk contact, bereikbaarheid en een goede toelichting op de resultaten zijn belangrijk. Een lagere prijs of snellere analyse mag daarom niet ten koste gaan van de mogelijkheid om bevindingen inhoudelijk te duiden. Bovendien is gespreksanalyse slechts één onderdeel van compliance. Ook processen, scripts, opleidingen, datastromen, klantreizen en de aansturing van leveranciers moeten worden beoordeeld. AI kan analisten ondersteunen, maar vervangt daarmee niet automatisch hun kennis en ervaring. De vraag is daarom niet alleen óf AI kan worden ingezet, maar vooral hoe.
Een mogelijk model is dat AI honderd procent van de gesprekken controleert en opvallende gesprekken doorstuurt naar een menselijke analist. De analist beoordeelt vervolgens de complexe gevallen, controleert signalen en geeft inhoudelijke duiding.
AI fungeert in dat model niet als eindbeoordelaar, maar als een extra paar oren. Daarmee kan het systeem helpen om gerichter te controleren zonder dat de verantwoordelijkheid bij de technologie wordt neergelegd.
Over deze en andere toepassingen is Van Eeuwen enthousiast maar ook kritisch. “AI is geen magische oplossing die je simpelweg aanzet. Je moet blijven testen, investeren en controleren. Alleen dan kan de technologie op termijn echt bijdragen aan betere en bredere contactanalyse.”
De eerste resultaten bieden perspectief. Tegelijkertijd staat de ontwikkeling nog aan het begin. Voorlopig zien wij AI – als we zover zijn – daarom vooral als ondersteuning van de menselijke analist: sneller, schaalbaarder en steeds slimmer, maar nog niet zonder menselijke controle.
Meer weten over onze experimenten met AI en contactanalyse? Neem contact op met Arjen van Eeuwen.
Heeft u vragen naar aanleiding van dit artikel?
Neem dan contact met ons op.