Strategy
Chatwidgets zijn de verkeerde eerste AI-deploy: drie fixes
Een chatwidget op een site onder €5M krijgt vier berichten per dag, drie zijn spam. We raden 'm niet meer aan als eerste AI-deploy. Dit doen we wel.
De chatwidget die nooit overging
Een founder uit Utrecht liet ons vorige maand zijn SaaS-dashboard zien. €1,4M ARR, twaalf mensen in het team, en een chatwidget in de hoek van de marketingsite waar hij sinds oktober €299 per maand voor betaalde om 'm "AI-powered" te maken. Hij opende de analytics. Vier gesprekken de dag ervoor. Drie waren spam. De vierde vroeg "wat kost dit". De bot antwoordde met een link naar de pricing-pagina. Hij had acht maanden prompts zitten finetunen voor een systeem dat minder werk afhandelde dan zijn autoresponder.
We hebben veertien agents in productie gebouwd voor klanten tussen €500k en €50M omzet. Voor de meeste is de chatwidget het eerste waar ze naar vragen. En voor de meeste zeggen we inmiddels nee.
Waarom volume belangrijker is dan visie
Een chatwidget is een synchroon kanaal. Het werkt alleen als de bezoeker nu op de pagina staat, met een vraag die hij nu beantwoord wil hebben, en genoeg vertrouwen in de bot om die te proberen in plaats van de tab open te laten tot kantooruren. Voor een B2C-site met een miljoen maandelijkse bezoekers levert dat duizenden nuttige gesprekken per maand op. Voor een B2B SaaS of dienstverlener onder de €5M krijgt diezelfde widget vier berichten per dag. Twee van concurrenten, één van een werkzoekende, en één van een koper die anders gewoon gemaild had.
Intercom heeft een hele categorie gebouwd rondom chat-first support. Hun AI-agent Fin is goed. Hij is ook geprijsd en afgesteld op bedrijven met genoeg gespreksvolume om hem terug te verdienen. Heb je dat volume niet, dan heb je ook niet de data om de agent te tunen, het geduld om hem te debuggen, of de wins om hem te verantwoorden op de volgende boardcall.
Het diepere probleem is dat een chatwidget je beste stuk schermruimte opeet, de homepage-hero, met een feature die de meeste bezoekers nooit gebruiken. Ondertussen zitten de echte knelpunten bij een bedrijf onder de €5M nergens in de buurt van de voordeur.
Kanaal één: de gedeelde inbox
Elk bedrijf tussen €500k en €5M heeft een inbox als info@, sales@, of hello@. Hij wordt gedeeld door twee tot vijf mensen. Hij krijgt tussen de veertig en vierhonderd berichten per dag. Ongeveer 60% is ruis (recruiterspam, nieuwsbriefpitches, cold outbound). 25% is lopend werk dat doorgezet moet worden. 10% is echte nieuwe koopintentie. 5% is verborgen urgentie (een vastgelopen factuur, een churn-risico, een boze partner) die uren eerder geflagd had moeten worden.
Een inbox-agent is de chatwidget die je had willen hebben. Hij draait op een plek waar je daadwerkelijk volume hebt. Hij labelt en routeert mail naar de juiste persoon. Hij schrijft antwoorden die het team goedkeurt voor verzending. Hij flagt de vier berichten die binnen dertig minuten een mens nodig hebben. En hij werkt om 3 uur 's nachts op zaterdag zonder dat iemand kijkt.
Dit is async van nature. Verzenders verwachten geen antwoord binnen tien seconden. Ze verwachten er één binnen een werkdag. Dat geeft de agent ruimte om verduidelijkende vragen te stellen, te routeren, samen te vatten, en mensen de grensgevallen te laten goedkeuren.
Kanaal twee: outbound chasing
Het tweede kanaal zit achter het bedrijf, niet ervoor. Het is het werk dat niemand in het team leuk vindt: achter openstaande facturen aanjagen, slapende leads opvolgen, klanten aanspreken wiens subscription charges net mislukt zijn.
Een operations lead met wie we werken had een spreadsheet met 412 openstaande facturen toen we elkaar ontmoetten. Haar chase-proces was een halve dag per week, wat betekende dat de gemiddelde factuur 23 dagen te laat was voordat de eerste herinnering eruit ging. We vervingen die halve dag door een agent die op dag 7, 14 en 28 een nette chase-mail opstelt, de factuur-PDF en de originele PO erbij haalt, en wacht op haar akkoord om te versturen. De gemiddelde inningscyclus daalde naar negen dagen.
Dezelfde vorm werkt voor elke "we moeten opvolgen"-taak: slapende trial-gebruikers, verlopen contracten, payment-method warnings, NPS-detractor outreach. De agent schrijft. Een mens keurt goed. De mail gaat eruit.
De beste eerste AI-deploy is niet degene die je klanten zien. Het is degene die je team vrijdagmiddag handmatig zou doen.
Kanaal drie: de interne kennisbalie
Het derde kanaal is intern. Elk bedrijf waar we mee werken heeft een map vol PDF's, Notion-pagina's, contracten, onboarding-docs, runbooks en Slack-threads met antwoorden op vragen die het team dagelijks stelt. "Wat is de garantieregeling voor B2B-klanten?" "Welk bureau deed vorig jaar de SEO-migratie?" "Wat hebben we met de Duitse distributeur afgesproken over retouren?"
Een kennis-agent in Slack of Teams beantwoordt dit in vijf seconden met citaties naar het brondocument. Hij is niet klantgericht. De stijl van het antwoord hoeft niet gepolijst. Hij hoeft niet grappig of on-brand te zijn. Hij moet kloppen, traceerbaar zijn, en beschikbaar zijn op de plek waar het team al werkt.
Hier is het technische risico ook het laagst. De blast radius van een fout antwoord is klein (een collega leest het bron-doc en corrigeert de agent). Het volume aan nuttige vragen is hoog (een team van 12 stelt er 30 per dag zodra ze 'm vertrouwen). En het werk dat hij vervangt (iemand op Slack die om 23 uur 's avonds de founder pingt om een contract te vinden) is echt geld.
Het async dividend
Alle drie de kanalen delen een eigenschap die de chatwidget niet heeft. De gebruiker wacht niet op de agent. Er zit een buffer van seconden of minuten tussen request en respons, wat betekent dat de agent kan nadenken, controleren, ophalen, opstellen, en een mens kan vragen om te verifiëren voordat iemand zijn antwoord leest.
Dit is het verschil tussen een agent die "werkt in onze demo" en eentje die je in productie houdt. Het async kanaal vergeeft trage tools, hernieuwde tool calls, dubbelzinnige queries die verduidelijking nodig hebben, en het incidentele "ik weet het niet zeker, ik geef het door aan een mens". De chatwidget niet. Elk van die failure modes verschijnt als een gefrustreerde bezoeker.
Als je enige AI-deploy degene is die je prospects als eerste zien, gok je je merk op een kanaal waar elke fout publiekelijk is.
De Hacker News-crowd maakt dit jaar een verwant punt steeds harder. De sceptici hebben gelijk dat veel AI-deploys cosmetisch zijn. Ze hebben ongelijk dat dit betekent dat AI-deploys niet werken. Het patroon is gewoon: kies het kanaal waar de cosmetische versie het meest zichtbaar faalt (de live chat), kies de kanalen waar de saaie versie het hardst terugverdient (de inbox, de chase, de kennisbalie), en je hebt je roadmap.
Waar je morgen begint
De audit van vijf minuten gaat zo. Open je gedeelde inbox. Tel hoeveel berichten er gisteren binnenkwamen. Tel er hoeveel binnen vier werkuren antwoord kregen. Tel hoeveel er doorheen vielen en pas twee dagen later antwoord kregen. Het gat tussen die laatste twee getallen is de functieomschrijving van je eerste agent.
Toen we de inbox-agent bouwden voor een Nederlandse logistiek-MKB'er, liepen we erop tegenaan dat 30% van de inkomende mail bestond uit chauffeurs die verzendfoto's bijvoegden die aan de juiste vracht gekoppeld moesten worden. Standaard email-triage-tools misten dit volledig. We trainden uiteindelijk een kleine classifier op zes maanden historische mail en routeerden de foto's naar de operations-map voordat de agent überhaupt een antwoord opstelde. Wil je dezelfde vorm van werk op je eigen stack, dan staat de aanpak op de pagina over AI-agents.
Kern
De eerste AI-deploy die zich terugverdient is degene die je team vrijdagmiddag handmatig zou doen, niet degene die je klanten als eerste zouden zien.
FAQ
Wat dan met chatwidgets voor B2C-sites met veel verkeer?
Daar werken ze nog steeds, als het volume het rechtvaardigt. Het argument hierboven geldt specifiek voor B2B- en dienstverleners onder de €5M, wiens sites niet het gespreksvolume halen om de agent te kunnen tunen en vertrouwen.
Stuurt een inbox-agent niet gewoon de verkeerde antwoorden?
Hij schrijft een concept, een mens keurt het goed. Async e-mail geeft je de seconden die je nodig hebt om te controleren. Wij houden de onze in draft-and-review-mode tot ongeveer 90% van de edits van het team stilistisch is in plaats van feitelijk.
Hoe lang duurt het voor een eerste async agent live staat?
Vier tot zes weken voor een inbox-triage-agent. Twee tot vier weken voor een factuur-chase-agent als de facturatiedata in één systeem zitten. Interne kennis-agents staan vaak binnen twee weken live.
Hebben we een apart model nodig of kunnen we er een gebruiken die we al afnemen?
De meeste teams hebben al een bruikbaar model via hun CRM, helpdesk of office suite. Het werk zit zelden in het kiezen van het model. Het zit in het scopen van het kanaal, het aansluiten van de tools, en het tunen van de approval loop.