Wat een spraakagent voor incasso aan de telefoon goed moet doen

Waar krijgt een spraakagent mee te maken wat een chatagent nooit ziet?

Een spraakagent, soms verkocht als voicebot of conversationele AI voor telefoongesprekken, is software die zelf een telefoongesprek voert: hij luistert, begrijpt wat de klant bedoelt, besluit wat hij zegt en zegt het met een synthetische stem. Voor banken, kredietverstrekkers en andere financiële dienstverleners die incassogesprekken zo willen laten voeren, is de telefoon veel minder vergevingsgezind dan een chatvenster, en bijna elke manier waarop hij minder vergevingsgezind is, kun je horen.

Op schrift is een antwoord dat vier seconden op zich laat wachten prima, en over een tikfout lees je heen. Aan de telefoon zegt de klant na vier seconden stilte "hallo?", en een verkeerd verstaan getal wordt een verkeerd bedrag dat hardop is uitgesproken, zonder dat je het kunt terugnemen. En vóór dat alles moet er iemand opnemen, iets wat een bericht nooit nodig heeft.

De vragen die bepalen of een spraakagent werkt, gaan dus vooral over geluid en timing, niet over het model erachter. De meeste kun je testen met een telefoon, een lijst en een paar dagen.

Hoe snel moet een spraakagent antwoorden?

De klant mag zich nooit afvragen of de verbinding is weggevallen. Onderzoek naar gesprekken in veel talen laat zien dat mensen doorgaans zo'n 200 milliseconden laten, een vijfde seconde, tussen het moment dat de een uitgesproken is en de ander begint. Niemand verwacht dat software dat precies haalt, maar hoe verder een antwoord voorbij een seconde drijft, hoe meer het gesprek klinkt als een machine die nadenkt, en klanten vullen die stilte door eroverheen te praten.

De vertraging tussen het moment dat de klant uitgesproken is en de agent begint, heet latentie. Ze telt op uit meerdere stappen: spraak omzetten in tekst, het antwoord bepalen, dat antwoord weer omzetten in spraak, en het telefoonnetwerk zelf. Vraag een leverancier, of het nu een incassospecialist is of een algemeen spraak-AI-platform, naar het gebruikelijke cijfer en naar de trage uitschieters, gemeten op echte telefoongesprekken en niet in een browserdemo, want het netwerk voegt tijd toe die een demo nooit laat zien.

Luister daarna hoe de agent de trage momenten opvangt. Een mens die een dossier opzoekt, zegt "momentje, ik kijk even". Een agent die hetzelfde doet, kort en alleen als hij echt ergens op wacht, klinkt natuurlijk. Een agent die elk antwoord opvult met stopwoorden, klinkt alsof hij tijd rekt.

Kan de klant hem onderbreken?

Dat zal hij doen, voortdurend. Mensen onderbreken om een verkeerd detail te corrigeren, om te zeggen dat ze al betaald hebben, of omdat ze het begrepen hebben en verder willen. Het vermogen om te stoppen met praten zodra de klant begint, heet in de branche vaak barge-in, en een agent zonder leest zijn zin gewoon uit terwijl de klant eronderdoor zegt: "nee, dat klopt niet".

Test drie dingen. Stopt hij binnen een fractie van een seconde als je door hem heen praat? Reageert hij daarna op wat je zei, in plaats van zijn oude zin weer op te pakken? En maakt hij onderscheid tussen een echte onderbreking en achtergrondgeluid: een kuch, een televisie, een kind in de kamer. Hij hoort niet bij elk geluid te stoppen, want dan kan de klant ook nooit een zin afmaken.

Hoe hoort hij bedragen, data en referentienummers uit te spreken?

Zoals een zorgvuldig mens dat doet. "1.250,50" hoort te klinken als "duizend tweehonderdvijftig euro en vijftig cent", niet als een rij cijfers en niet als "een komma twee vijf duizend". Data horen dagen te zijn die de klant kan plaatsen: "aanstaande vrijdag, de 20e" in plaats van "20-11". Lange referentienummers worden in korte groepjes voorgelezen, met een pauze ertussen, en nog eens per bericht aangeboden als de klant ze wil noteren.

Elk getal dat de klant noemt, wordt teruggelezen voordat een betalingsbelofte wordt afgesproken. Zegt hij "ik kan vrijdag vijftien doen", dan hoort de agent te bevestigen of dat 15 of 50 euro is, en welke vrijdag. Gesproken getallen zijn een plek waar een gesprek stilletjes fout kan lopen, want "vijftien" en "vijftig" klinken op elkaar en allebei zijn ze een geloofwaardige betaling.

Wat gebeurt er als een voicemail, of de verkeerde persoon, opneemt?

Veel uitgaande gesprekken komen uit bij een voicemail, dus de agent, of de dialer die zijn gesprekken opzet, moet een ingesproken begroeting kunnen onderscheiden van een levend mens, wat de branche voicemaildetectie noemt. Beide fouten kosten iets. Ziet de agent een mens aan voor een machine, dan hangt hij op of speelt hij een bericht af voor iemand die net hallo zei. Ziet hij een machine aan voor een mens, dan begint hij een gesprek met een opname. Stel dat in een week 1.000 gesprekken door mensen worden opgenomen en de agent 4 procent daarvan verkeerd inschat: dan hebben 40 klanten een gesprek aangenomen dat meteen werd weggegooid.

Bepaal vóór de livegang wat een voicemailbericht zegt. Iedereen in het huishouden kan het horen, dus een verstandig voicemailbericht is kort en neutraal: de naam van het bedrijf, een persoon naar wie gevraagd kan worden en een nummer om terug te bellen, niets over het dossier.

Dezelfde zorg geldt als er een mens opneemt die de klant niet is. De agent hoort te bevestigen dat hij contact met de juiste persoon heeft, de klant zelf, voordat hij een schuld noemt, en als er een partner of een collega aan de lijn is, zegt hij net genoeg om een ander moment af te spreken.

Nemen klanten zijn gesprekken überhaupt op?

Alleen als het nummer eruitziet als iemand die het waard is om op te nemen. Een nummer dat als mogelijke spam is gemarkeerd, of dat de klant niet herkent, blijft vaak onbeantwoord, en dan maakt de kwaliteit van de agent erachter niets meer uit.

Elk onbeantwoord gesprek drukt je contactpercentage, dus vraag hoe de nummers waarmee de agent belt worden gekozen, geregistreerd en bewaakt op spamlabels, en of het getoonde nummer een nummer is dat de klant kan terugbellen en waarmee hij hetzelfde bedrijf bereikt. Houd dezelfde paar nummers voor dezelfde klanten, en zet een nummer dat spamlabels begint te verzamelen buiten gebruik in plaats van er harder mee te bellen.

Hoe test je AI-spraakagents voor incasso vóór de livegang?

Schrijf de testgesprekken voordat de leverancier er één voert. Groepeer ze naar wat er mis kan gaan: de klant die onderbreekt, de klant die een bedrag noemt dat verkeerd verstaan kan worden, de klant die voor iemand anders opneemt, de klant met een slechte verbinding, de klant die om een mens vraagt. Tien categorieën van elk 30 gesprekken geven je 300 gesprekken, genoeg om een patroon te zien in plaats van een anekdote, en een klein team voert ze in een paar dagen.

Voer ze op echte telefoons, via mobiele netwerken, vanuit ruimtes met geluid, want daar zitten je klanten. Beoordeel elk gesprek aan de hand van de tabel hierboven, met een moedertaalspreker van elke taal die luistert naar bedragen, plaatsnamen en achternamen. Herhaal daarna dezelfde set na elke wezenlijke wijziging aan de agent, zodat een oplossing op de ene plek niet stilletjes iets anders kapotmaakt.