De klantvraag eindigt niet bij een goed gesprek
Verificatie, orderstatus, monteursafspraken en internetproblemen worden pas interessant voor agentic AI wanneer de beloofde actie ook in het juiste systeem is uitgevoerd.
Nieuws · analyse
KPN wil in 2027 10 tot 20% van servicecalls met agentic AI afhandelen
KPN bouwt agentic AI uit tot een structurele customer-care capability. De McKinsey-case laat vooral zien dat schaal pas mogelijk wordt wanneer klantvragen, systeemacties, Human Assist, latency, observability en beheer als één architectuur worden ontworpen.
Direct antwoord
McKinsey beschrijft hoe KPN agentic AI structureel in customer care bouwt. KPN verwerkt volgens de case ongeveer vijf miljoen klantcalls per jaar en heeft de ambitie dat agentic AI in 2027 10 tot 20 procent van de servicecalls afhandelt. De opvallende les zit vooral in de aanpak: eerst klantvragen analyseren, daarna use-cases selecteren, systemen koppelen, Human Assist ontwerpen en pas dan opschalen.
Geen losse voicebot, maar een herbruikbare agentic capability
KPN werkt samen met McKinsey en QuantumBlack aan een schaalbare, intern beheersbare agentic AI-capability voor customer care. De ambitie gaat verder dan een voicebot die alleen antwoord geeft. De agent moet klantintentie begrijpen, context vasthouden, achterliggende systemen gebruiken en binnen afgesproken grenzen acties uitvoeren.
De architectuur moet meer dan één use-case kunnen dragen
KPN kiest volgens de case bewust voor een herbruikbare technologie-stack en interne ontwikkelcapaciteit. Daarmee wordt agentic AI een structurele capability en geen serie losse pilots.
KPN begon met analyseren waarom klanten bellen
Een sterk onderdeel van de case is de volgorde. De teams begonnen niet met de vraag welk model of voiceplatform ze wilden gebruiken. Eerst werden grote hoeveelheden geanonimiseerde calltranscripties en chatinteracties geanalyseerd om veelvoorkomende klantbehoeften en proceskansen zichtbaar te maken.
Use-cases die McKinsey noemt
- Klantverificatie.
- Vragen over de status van bestellingen.
- Afspraken met monteurs beheren.
- Problemen met internetverbindingen onderzoeken.
Per use-case werd gekeken naar impact, ontwikkelcomplexiteit, haalbaarheid, kosten en de vraag waar menselijke ondersteuning nodig blijft. Dat is precies het verschil tussen een AI-demo en een klantcontactarchitectuur.
Human Assist is onderdeel van het ontwerp, niet de nooduitgang
KPN kiest niet voor een model waarin ieder gesprek koste wat kost binnen AI blijft. McKinsey noemt gevoelige momenten, zoals een verhuizing met verhoogd churnrisico, als voorbeeld waarbij menselijke ondersteuning bewust belangrijk blijft.
"AI-first betekent niet dat de mens uit de klantreis verdwijnt. Het betekent dat je vooraf ontwerpt welke stappen AI zelfstandig mag afronden en waar menselijke beoordeling aantoonbaar de betere volgende stap is."
Bij Voice AI bepaalt latency mede welke architectuur haalbaar is
Voor natuurlijke voice-to-voice interactie stuurde KPN op responstijden onder ongeveer twee seconden per beurt. Ook barge-in was een harde ontwerpvoorwaarde: de klant moet de AI kunnen onderbreken zonder dat context of nauwkeurigheid verloren gaat.
Wachttijd is onderdeel van de klantervaring
Een intelligent antwoord dat te laat komt, voelt in een telefoongesprek alsnog onnatuurlijk. Daardoor beïnvloedt latency keuzes in de hele stack.
Onderbreken moet veilig kunnen
De agent moet stoppen met spreken, nieuwe input verwerken en de bestaande context correct blijven gebruiken.
De gesprekslaag staat niet op zichzelf
McKinsey beschrijft naast de conversational layer ook agent orchestration, een agentplatform en audio-integratie als samenhangende architectuurlagen.
Een geïntegreerd platform versnelt, maar maakt de platformkeuze belangrijker
KPN koos volgens de case na het vergelijken van architecturen voor een geïntegreerd, beheerd conversational platform. Dat kan integratiecomplexiteit en time-to-market verlagen. De keerzijde is dat de gekozen platformlaag een grotere rol krijgt in spraak, agentfunctionaliteit, observability en toekomstige uitbreidingen.
De nuttige vraag is daarom niet alleen of een platform vandaag snel te implementeren is. Je wilt ook weten of rechten, integraties, logging, evaluaties, handoffs en nieuwe use-cases later beheersbaar blijven.
Vijf lessen voor organisaties die AI Voice willen opschalen
1. Begin bij de echte belredenen.
Gebruik gesprekken en klantdata om eerst te bepalen welke vragen vaak voorkomen en waar automatisering werkelijk waarde kan creëren.
2. Ontwerp voor de hele klantuitkomst.
Een goed gesprek is niet genoeg. Leg vast welke systeemactie, bevestiging en eindstatus de klantvraag afronden.
3. Bouw Human Assist vooraf in.
Bepaal welke signalen, risico's en uitzonderingen menselijke overname of goedkeuring nodig maken.
4. Behandel latency, barge-in en integraties als één architectuurvraag.
Bij telefonie beïnvloeden gesprekskwaliteit en systeemgedrag elkaar direct.
5. Organiseer beheer als een blijvende capability.
KPN combineert guardrails, observability, testen en snelle verbetercycli. Livegang is dus het begin van operationeel beheer.
ContactOns.ai-duiding: het percentage is opvallend, de aanpak is belangrijker
Dat KPN 10 tot 20 procent van servicecalls met agentic AI wil afhandelen is een sterk schaaldoel. Voor andere organisaties is dat percentage geen norm. De interessantere les is de volgorde: analyseer eerst de klantvragen, ontwerp systeemacties en Human Assist, kies daarna de technische architectuur en verbeter continu op basis van echte gesprekken.
Wat dit concreet laat zien
AI Voice verschuift van een losse telefonietoepassing naar een structurele laag in klantcontact. De ontwerpvraag wordt daardoor breder: niet alleen wie neemt de telefoon op, maar welke delen van de klantreis kunnen veilig en aantoonbaar met AI worden afgerond.
Verdiep de KPN-case vanuit je eigen klantcontact
De volgende ContactOns.ai-pagina's sluiten direct aan op de ontwerpvragen uit deze case.
Basis
AI Voice Agents
Hoe telefonische AI werkt en waar de belangrijkste ontwerpkeuzes liggen.
InpassingAI Voice toevoegen aan je callflow
Waar AI naast bestaande telefonie kan worden toegevoegd zonder alles opnieuw te ontwerpen.
Mens + AIHuman Assist
Hoe je overdracht, context en menselijke besluitmomenten vooraf ontwerpt.
TechniekAI Voice Agent Architecture
De samenhang tussen telefonie, modellen, integraties, logging en systeemacties.
BeheerAI Voice Agent Insights
Hoe echte gesprekken input geven voor kwaliteit, monitoring en continue verbetering.
Vraag het aan Ciss
Vertaal de KPN-aanpak naar één concrete klantvraag
Beschrijf waarom klanten bij jouw organisatie bellen en wat er na het gesprek in systemen moet gebeuren. Ciss helpt je bepalen welke delen AI kan afhandelen en waar Human Assist nodig blijft.
Praat of chat met Ciss Gebruik AI Search
Welke klantvragen zijn geschikt voor agentic AI?
Waar voeg ik AI Voice toe aan onze bestaande telefonie?
Welke systeemkoppelingen zijn nodig voor end-to-end afhandeling?
Wanneer moet Human Assist worden ingezet?
Hoe meet ik of de klantvraag echt is afgerond?
Gebruik AI Search
Zoek verder binnen ContactOns.ai over de KPN-case, agentic AI, Voice AI en Human Assist.
Open AI SearchBron en redactionele controle
Primaire bron · McKinsey & Company · 24 juni 2026
How KPN is building an agentic AI engine for customer care
De case beschrijft onder meer circa vijf miljoen klantcalls per jaar, use-caseanalyse op geanonimiseerde interacties, sub-2-seconden latency, barge-in, een geïntegreerd conversational platform en de ambitie om in 2027 10 tot 20 procent van servicecalls met agentic AI af te handelen.
Bekijk de primaire bronDe feitelijke KPN- en McKinsey-claims op deze pagina zijn gebaseerd op de case study. De praktische vertaling naar AI-first klantcontact is redactionele duiding van ContactOns.ai.
Wanneer wordt AI Voice bij jouw organisatie meer dan een pilot?
Dat moment ontstaat meestal wanneer één concrete klantvraag, de benodigde systemen, Human Assist en de beheerroute samen zijn ontworpen. Dan kun je gecontroleerd opschalen zonder direct de hele klantenservice te automatiseren.
Bespreek één concrete use-case Meer KPN-nieuws