Context en doelstellingen

Onze klant, een instantie die de openbare afvalinzameling beheert, had een terugkerend probleem: het behandelen van meer dan 300 klachten van burgers per maand. Veel van deze klachten waren irrelevant of dubbel ingediend, waardoor kostbare tijd verloren ging en inefficiënties ontstonden.

Overweldigd door de handmatige verwerking van deze verzoeken, besteedden de medewerkers bijna een derde van hun werktijd aan het verwerken van klachten. De emotionele tol was behoorlijk hoog: sommige klachten waren agressief of beledigend, wat het team extra stress bezorgde.

Ons doel was om te testen of een op AI gebaseerde oplossing de efficiëntie kon verhogen en tegelijkertijd naadloos kon integreren met de infrastructuur van de klant. Na een succesvolle implementatie zorgde de automatisering voor een lagere werkdruk, snellere reacties en meer ruimte voor kritischere taken.

Benadering

De strategie van het projectteam was gericht op het ontwerpen van een AI-assistent om de meeste klachteninteracties te automatiseren. Ze moesten er eerst voor zorgen dat de assistent weloverwogen beslissingen kon nemen over de geldigheid van elke klacht, zodat ze een antwoord konden voorstellen voor de burger. Het systeem integreerde meerdere gegevensbronnen, waaronder:

• Real-time locatie vuilniswagen - Traceer de positie van elke vrachtwagen om te controleren of er een inzameling is gemist.

• Vooraf geplande ophaalroutes - de klacht vergelijken met de geplande route om de nauwkeurigheid te bevestigen.

• Inzamelschema's - Nagaan of klachten werden geregistreerd op de juiste data en tijdstippen.

Met behulp van gegevens die al beschikbaar waren bij onze klant, repliceerde Agilytic de bestaande logica voor het afhandelen van klachten in een algoritme dat de assistent zou aandrijven. Gebouwd op Azure Virtual Power Agents, bepaalt de assistent automatisch hun geldigheid en stelt een antwoord voor dat door de agent kan worden gevalideerd en vervolgens naar de burger kan worden gestuurd. 

Een cruciaal onderdeel van het proces was om de assistent in staat te stellen om te gaan met ongestructureerde gegevens, vooral e-mails. Hij moest gestructureerde informatie halen uit de vrije tekstklachten in die e-mails. Het succes van de chatbot hing af van zijn vermogen om deze input te verwerken en om te zetten in bruikbare gegevens.

Alles werd gehost binnen de al bestaande Azure-omgeving van de klant om een naadloze integratie met hun bestaande IT-infrastructuur en servicedesksysteem te behouden.

Tijdens de testfase paste het team wekelijks patches toe, die het vermogen van de oplossing om edge cases en onverwachte klachten af te handelen verfijnden. Het ontwikkelteam minimaliseerde het aantal klachten dat handmatige interventie vereiste door het systeem iteratief te verbeteren.

Het project als geheel is in twee fasen uitgevoerd. Agilytic werkte eerst aan een proof-of-concept om de haalbaarheid van het repliceren van het klachtenafhandelingsproces met AI te valideren. Nadat we dit succesvol hadden afgerond, ontwikkelden we een Minimum Viable Product met een robuustere en volledig geïntegreerde oplossing.  

Resultaten

Tijdens 1,5 maand testen heeft de AI-assistent 83% van de klachten autonoom afgehandeld. Als domino-effect verlichtte de automatisering de administratieve werklast, waardoor het personeel zich op dringendere taken kon richten. Veilige cloudintegratie zorgde voor schaalbaarheid en een betrouwbaar, productieklaar systeem voor toekomstige groei en efficiëntie.

Er zijn meer mogelijkheden om een omnichannel aanvraagsysteem op te zetten. Dit zou klantinteracties via e-mail, sociale media en telefoon verenigen, waardoor het voor burgers eenvoudiger wordt om snel antwoord te krijgen, ongeacht hoe ze contact opnemen.

Toch is deze aanpak niet beperkt tot afvalbeheer. Industrieën zoals transport en logistiek kunnen ook profiteren van het automatiseren van de klantenservice. Andere bedrijven zouden hun activiteiten kunnen stroomlijnen met behulp van een soortgelijk AI-assistentiesysteem, dat kan worden aangepast aan verschillende bedrijfsbehoeften, waardoor de responstijden verbeteren en de aandacht kan worden gericht op complexere service-uitdagingen.