The Messy Middle: De overgang van regelgebaseerde IVR naar agentische systemen overleven

1. Het transitieprobleem – Waarom oude systemen falen en LLM's er nog niet helemaal zijn

Decennialang hebben bedrijven vertrouwd op regelgebaseerde Interactive Voice Response (IVR)-systemen om klantgesprekken te beheren. Deze systemen zijn ontworpen met het oog op efficiëntie: bellers door menu's loodsen, een handvol trefwoorden herkennen en hen doorsturen naar het juiste team of script. Op kleine schaal werkte dit. Maar in een grote organisatie die honderden miljoenen gesprekken per jaar verwerkt, worden deze beperkingen pijnlijk duidelijk. Klanten volgen geen scripts. Ze spreken in natuurlijke, vloeiende, onvoorspelbare taal - soms emotioneel, soms technisch, soms ongeduldig. Regelgebaseerde systemen zijn simpelweg niet gebouwd om zulke uiteenlopende verzoeken af te handelen.

Het resultaat? Hoge percentages afgebroken gesprekken, gefrustreerde klanten en aanzienlijke merkschade. Bedrijven die menselijke gesprekken in rigide beslissingsbomen proberen te dwingen, blijven zitten met langere afhandeltijden, meer overdrachten naar menselijke agenten en sterk stijgende operationele kosten. Erger nog, de klantervaring lijdt eronder op een manier die de klantretentie en omzet rechtstreeks raakt. Analisten uit de sector rapporteerden dat in 2021 de algehele Csat-score voor IVR-zelfbediening 75% was, en de algehele Csat-score voor IVR-navigatie slechts 53%! [link]

In tegenstelling tot regelgebaseerde systemen kunnen op LLM gebaseerde agentische systemen intentie begrijpen, zich aanpassen aan de context en reageren in natuurlijke, mensachtige taal. In theorie kunnen ze de dynamiek van echte gesprekken op schaal aan. Ze vertegenwoordigen de langverwachte stap voorwaarts: niet alleen het automatiseren van gespreksrouting, maar het aanspreken van klanten op een manier die gepersonaliseerd en empathisch aanvoelt.

Maar het probleem is: standaard LLM's zijn niet getraind voor de branchespecifieke operationele processen van grote bedrijven, noch zijn ze gehard om te voldoen aan enterprise-normen voor gegevensprivacy, betrouwbaarheid en implementatie. Ondanks hun belofte vertonen de huidige LLM's nog steeds foutmodi die CIO's en compliance-officers nerveus maken. Ze kunnen antwoorden "hallucineren", regelgevingsgevoelige vragen verkeerd interpreteren of in toon variëren van de ene interactie naar de andere. Betrouwbaarheid, consistentie en compliance - allemaal zaken waar een Fortune 500-klantenserviceteam geen concessies aan kan doen - kunnen nog niet worden gegarandeerd.

Hierdoor zitten bedrijven vast in het transitieprobleem: Het oude systeem kan de gesprekscapaciteit technisch gezien wel aan, maar dit leidt tot een groot aantal ontevreden klanten door slecht ondersteunde use-cases en stijgende verwachtingen van moderne gebruikers. Ondertussen zijn de nieuwe systemen, hoewel ze beter aansluiten bij de behoeften van de huidige gebruiker, nog niet betrouwbaar genoeg om de oude volledig te vervangen.

Voor technologieleiders wordt dit moment gekenmerkt door een delicate spanning: vertrouw te zwaar op legacy-systemen en riskeer toenemende klantontevredenheid; omarm LLM's te snel en riskeer kostbare fouten die het vertrouwen aantasten.

2. Waarom bedrijven niet kunnen wachten – De kosten van niets doen en de urgentie van AI-adoptie

Voor veel leidinggevenden lijkt de veiligste keuze wellicht om te wachten tot LLM's "volwassen worden". Maar in de praktijk is dat geen optie. De concurrentiedruk is te hoog en de kosten van niets doen zijn aanzienlijk.

Ten eerste zijn de klantverwachtingen onomkeerbaar veranderd. Consumenten werken dagelijks met AI-gestuurde chatbots, slimme assistenten en aanbevelingsmotoren. Wanneer ze bellen met een miljardenbedrijf, verwachten ze hetzelfde niveau van vloeiendheid, personalisatie en responsiviteit van hun IVR-ervaringen. Iets minder bieden voelt verouderd. In sectoren als het bankwezen, de verzekeringssector en de telecom is die kloof niet alleen onhandig - het is genoeg om klanten naar concurrenten te jagen die al in AI investeren.

Ten tweede zijn de economische feiten van callcenters keihard. Het afhandelen van 500 miljoen gesprekken per jaar met alleen menselijke agenten is onhaalbaar. Zelfs kleine efficiëntiewinsten vertalen zich jaarlijks in tientallen miljoenen aan besparingen. Als u AI nu niet omarmt, loopt u niet alleen achter, maar zet u ook onnodige kostenstructuren vast die de marges uithollen.

Ten derde komen concurrenten in beweging. In diverse sectoren zien we al dat marktleiders experimenteren met AI-gestuurde klantervaringen. Sommigem maken misschien fouten, maar het signaal naar klanten en investeerders is helder: innovatie vindt nu plaats, en merken die vooroplopen met AI zullen zich onderscheiden. Aan de zijlijn blijven staan riskeert niet alleen klantverloop, maar ook reputatieschade als een "trage volger".

Tot slot is er de organisatorische leercurve. Verantwoord AI implementeren in een Fortune 500-omgeving kost tijd: juridische teams op één lijn krijgen, personeel trainen, integreren met legacy-systemen, frameworks voor observability opzetten. Dit zijn geen capaciteiten die van de ene op de andere dag kunnen worden ingeschakeld. Zelfs als LLM's morgen volledig betrouwbaar worden, lopen bedrijven die nog geen ervaring hebben opgebouwd met AI-adoptie jaren achter.

Kortom, bedrijven kunnen het zich niet veroorloven om te wachten. De risico's van niets doen - stijgende kosten, verloren klanten, verminderde concurrentiekracht - wegen ruimschoots zwaarder dan de risico's van zorgvuldig beheerde adoptie. De uitdaging is niet of u AI moet omarmen, maar hoe u dit verantwoord doet tijdens de chaotische middenfase.

3. Praktijkvoorbeeld: LLM's balanceren met regelgebaseerde systemen

In het besef dat noch regelgebaseerde IVR's, noch standaard op LLM gebaseerde oplossingen op zichzelf konden voldoen aan de behoeften van een Fortune 500-onderneming, werkte TrueFoundry samen met een van de grootste apothekersketens in de VS om een hybride Voice AI agent te ontwerpen. Het doel was ambitieus: de effectiviteit van een deskundige menselijke apotheker repliceren bij miljoenen routinegesprekken over receptstatus, herhaalservice, winkelinformatie, voorraadcontroles en andere dagelijkse klantbehoeften.

Kern van dit ontwerp is een hybride optimalisatiebenadering: het combineren van de efficiëntie van deterministische regelgebaseerde systemen met de flexibiliteit van AI-gestuurde conversatie. Veelvoorkomende en repetitieve vragen, zoals het controleren van openingstijden of recepten die klaarstaan om te worden opgehaald, worden geleid via regelgebaseerde snelle verwerking. Dit handelt 90–95% van de routineverzoeken af, waardoor onnodige LLM-aanroepen worden vermeden, de latentie daalt en de rekenkosten afnemen.

Wanneer een klant een complexere of dubbelzinnige vraag stelt, neemt een intelligent routingsysteem het over. Met behulp van intentieherkenningsclassifiers die ook rekening houden met de achtergrondcontext die automatisch is toegevoegd aan het klantverzoek vanuit een voorafgaand gesprek, bepaalt de intentiebeheerder of het verzoek kan worden opgelost door regels of moet worden geëstaleerd naar een op LLM gebaseerde conversatieflow. Dit zorgt voor de juiste balans: voorspelbare antwoorden waar precisie telt, en natuurlijke interacties waar flexibiliteit essentieel is.

Voor genuanceerde interacties, zoals het versnellen of annuleren van herhaalrecepten, hebben we conversatie-agents gebouwd met LangGraph. Deze agents integreren met back-endsystemen via tool calling, waardoor ze verzoeken om herhaalrecepten veilig en in real-time kunnen verwerken. Klanten kunnen een vraag op een natuurlijke manier stellen ("Kun je mijn herhaalrecept sneller verwerken?"), en het systeem interpreteert de intentie terwijl de noodzakelijke back-endacties worden uitgevoerd.

Om zelfs tijdens back-endacties een menselijke ervaring te behouden, hebben we tussentijdse tekstreacties geïmplementeerd ("Een moment geduld alstublieft terwijl ik uw gegevens erbij pak"). Deze subtiele details versterken het vertrouwen van de klant door het systeem responsief te laten aanvoelen in plaats van robotachtig.

Omdat de oplossing voor apotheken is ontwikkeld, was nauwkeurigheid bij het interpreteren van recepten essentieel. We hebben branchespecifieke speech-to-text-modellen geïntegreerd die zijn afgestemd op farmaceutisch jargon, wat zorgt voor een correcte herkenning van complexe geneesmiddelnamen. Dit vermindert transcriptiefouten aanzienlijk die anders klanten zouden kunnen frustreren of de patiëntveiligheid in gevaar zouden brengen.

Alle LLM-interacties worden geleid via een toegewijde gateway service die wordt ondersteund door een promptbeheerservice. Dit maakt centraal beheer van prompts mogelijk en garandeert consistente, vooraf geconfigureerde antwoorden die voldoen aan zowel wettelijke vereisten als de merkidentiteit. Updates kunnen snel worden uitgerold zonder tientallen services aan te raken, wat het systeem wendbaar houdt en tegelijkertijd compliance waarborgt.

Om de klantervaring te beschermen, bevat de Voice AI agent real-time sentimentanalyse. Als er frustratie of ontevredenheid wordt gedetecteerd, zoals herhaalde negatieve reacties of toenemende emotionele intensiviteit, kan het systeem een escalatie naar een menselijke agent in gang zetten. Dit zorgt ervoor dat gevoelige situaties met empathie worden afgehandeld, om te voorkomen dat een negatieve klantervaring escaleert.

Prestatiebewaking wordt afgehandeld door Analytics AI, een agentische service die is gebouwd om gebeurtenissen uit het gehele systeem te analyseren. Het verbetert de bedrijfsvoering door:

• Het evalueren van sentimenttrends in miljoenen gesprekken om gefrustreerde of ontevreden klanten te detecteren.
• Het automatisch genereren van SQL-query's over verschillende bedrijfsdomeinen (apotheekactiviteiten, voorraad, callcentermetrieken).
• Het intelligent routen van query's naar de juiste dataset om categoriespecifieke analyses uit te voeren.
• Het meten van prestaties op serviceniveau, met aandacht voor knelpunten of opkomende problemen.

Dit sluit de cirkel tussen technologie en bedrijfsvoering en biedt zowel transparantie als actiegerichte inzichten.

Het systeem wordt al gebruikt in ~2.000 van de 10.000 winkels en bedient dagelijks duizenden klanten. Het hybride model garandeert schaalbaarheid zonder het vertrouwen te schaden: LLM's verbeteren klantinteracties waar nodig, terwijl regels betrouwbaarheid en snelheid garanderen in het overgrote deel van de gevallen. Eerste implementaties laten aanzienlijke verbeteringen zien in efficiëntie, gespreksafhandeling en klanttevredenheid.

Kortom, het hybride ontwerp is geen compromis - het is een strategische brug. Het stelt bedrijven in staat om AI vandaag de dag verantwoord te omarmen, terwijl het de weg vrijmaakt voor een toekomst waarin LLM's een nog groter deel van de werkdruk op zich kunnen nemen.

4. De afwegingen: Transparantie over complexiteit en onderhoud

Hoewel de hybride Voice AI-aanpak het transitieprobleem oplost, brengt deze ook een eigen reeks afwegingen met zich mee. Voor bedrijven die honderden miljoenen klantgesprekken beheren, zijn deze afwegingen geen details - ze bepalen de totale eigendomskosten, organisatorische gereedheid en duurzaamheid op de lange termijn.

1. Toegenomen architecturale complexiteit

In een puur regelgebaseerd systeem is de logica deterministisch en relatief eenvoudig te traceren. In een puur LLM-systeem zou de architectuur in theorie kunnen worden vereenvoudigd tot een conversatiemotor plus back-endintegraties. Een hybride systeem vereist echter beide. Dit betekent het onderhouden van parallelle infrastructuren:

• Deterministische flows voor de overgrote meerderheid van veelvoorkomende vragen.
• AI-gestuurde flows voor genuanceerde interacties met hoge waarde.
• Een intelligente routinglaag die beslist welk pad wordt geactiveerd.

Het voordeel is flexibiliteit en veerkracht, maar de afweging is een complexere architectuur die multidisciplinaire teams vereist voor ontwerp, bewaking en continue afstemming.

2. Hogere onderhoudslast

Traditionele IVR's vereisen incidentele script-updates. Daarentegen heeft een hybride systeem doorlopend onderhoud nodig op meerdere fronten:

• Hertraining van classifiers: Routingmodellen nauwkeurig houden naarmate er nieuwe gesprekspatronen ontstaan.
• Domeinspecifieke modellen: Onderhouden van speech-to-text-motoren die zijn afgestemd op farmaceutisch jargon of andere behoeften in de sector.
• Monitoringpijplijnen: Zorgen dat de monitoringtools de juiste gebeurtenissen vastleggen en actiegerichte inzichten opleveren.

Dit introduceert nieuwe onderhoudsritmes die dichter bij lifecycle management van softwareproducten liggen dan bij traditionele telefonieondersteuning.

3. Balans tussen kostenefficiëntie en prestaties

Hoewel regelgebaseerde snelle paden 90–95% van de gesprekken met een eenvoudige en enkele intentie efficiënt houden, brengt de hybride vorm nog steeds kosten met zich mee voor:

• Het uitvoeren van LLM's voor complexe flows.
• Het beheren van een dubbele infrastructuur.
• Het investeren in gespecialiseerde monitoring- en analysesystemen.

Bedrijven moeten afwegen of de verbetering van de klantervaring de extra kosten rechtvaardigt. In veel gevallen is dat zo, maar de ROI-berekening hangt af van de marges in de sector, regelgevingsrisico's en klantverwachtingen.

4. Complexiteit van governance en compliance

Bedrijven, met name in de gezondheidszorg, het bankwezen en de verzekeringssector, moeten strikte compliance handhaven. Een hybride systeem introduceert meer bewegende onderdelen:

• Regelgebaseerde antwoorden bieden compliance door ontwerp.
• Op LLM gebaseerde flows vereisen guardrails, auditing en real-time monitoring op hallucinaties of taal die niet bij het merk past.
• Intelligente routing moet uitlegbaarheid aantonen: waarom ging een bepaald gesprek naar een LLM versus een regel?

Dit verhoogt de complexiteit van governance, maar biedt ook een kans: het hybride systeem kan worden ingericht voor grotere transparantie dan beide benaderingen afzonderlijk.

5. Verschuiving in organisatorische vaardigheden

Tot slot vereist hybride adoptie nieuwe vaardigheden. Bedrijven hebben niet alleen IVR-ontwerpers nodig, maar ook:

• Data scientists voor routing-classifiers.
• Prompt engineers voor LLM-flows.
• AI-operationele teams om real-time monitoring, sentimentanalyse en escalatietriggers te beheren.

Deze talentverschuiving is een belangrijke overweging voor bedrijven met traditionele IT-teams in callcenters.

De kern van de zaak

De hybride Voice AI-benadering is geen kwestie van "instellen en vergeten". Het is een levend systeem dat vraagt om een zorgvuldig ontwerp, continue bewaking en organisatorische investeringen. De beloning is een veerkrachtige brug die bedrijven in staat stelt AI te benutten zonder in te boeten op betrouwbaarheid. Maar de afweging is reëel: grotere complexiteit, hoger onderhoud en voortdurende behoeften aan governance.

Voor leiders die vandaag beslissingen nemen, is het openlijk erkennen van deze afwegingen cruciaal om vertrouwen op te bouwen bij technische, operationele en compliance-belanghebbenden.

5. Toekomstperspectief – De curves van oud en nieuw in balans brengen

De evolutie van klantinteractietechnologieën verloopt niet in een rechte lijn - het volgt cycli. Nieuwe innovaties komen op met grote beloften, ervaren onvermijdelijke tegenslagen en vinden uiteindelijk hun plek in de zakelijke gereedschapskist. Tegelijkertijd verdwijnen traditionele technologieën niet zomaar; ze corrigeren, stabiliseren en blijven waarde leveren in nicheruimtes waar hun sterke punten ongeëvenaard zijn.

Een manier om hierover na te denken is door de Gartner Hype Cycle uit te breiden, die in kaart brengt hoe nieuwe technologieën zich bewegen van de "Innovation Trigger" via de "Peak of Inflated Expectations", de "Trough of Disillusionment" en uiteindelijk naar het "Plateau of Productivity". Naast deze curve kunnen we een spiegelbeeld tekenen: de "overlevingscurve" van traditionele technologie.

• Op de Peak of Inflated Expectations:
  Wanneer het enthousiasme voor de nieuwe technologie piekt, wordt de oude voortijdig verouderd verklaard. In ons vakgebied gebeurt dit met regelgebaseerde IVR's. De hype rond conversatie-AI heeft de indruk gewekt dat deterministische gespreksstromen al irrelevant zijn, hoewel ze zeer efficiënt blijven voor voorspelbare, repetitieve taken.
  
  
• In de Trough of Disillusionment:
  Naarmate de beperkingen van de nieuwe technologie duidelijk worden — hoge kosten, tekortkomingen in betrouwbaarheid, compliancerisico's — zien traditionele systemen vaak een heropleving. Bedrijven herontdekken de stabiliteit en voorspelbaarheid van regelgebaseerde systemen en waarderen hun kosteneffectiviteit en precisie. Tijdens deze fase leunen organisaties sterker op hybride oplossingen om de operationele activiteiten te stabiliseren terwijl ze blijven experimenteren met AI.
  
  
• Op het Plateau of Productivity:
  Uiteindelijk wordt de nieuwe technologie volwassen, worden de use-cases goed begrepen en maken implementatieframeworks deze veilig en schaalbaar. Op dit punt verdwijnt de oude technologie niet, maar verschuift deze naar zeer specifieke, onbetwiste use-cases. Voor IVR betekent dit dat regels het beste hulpmiddel blijven wanneer compliance absolute controle over de formulering vereist, of waar de kosten van zelfs een kleine verkeerde interpretatie onaanvaardbaar zijn.

Figuur 1: Hype cycle van nieuwe technologie en weerstand van oude technologie

Waar we nu staan

Volgens de meeste indicatoren naderen AI-gestuurde spraak-agents nog steeds de Peak of Inflated Expectations. Bedrijven zijn enthousiast over hun transformationele potentieel, maar beginnen ook hun kwetsbaarheid op schaal te ervaren. De waarheid is dat we ons nog steeds in het proces bevinden van het zoeken naar de juiste balans: waar AI de ervaring verbetert en waar regels voor kaders zorgen.

Deze balans is geen compromis; het is een strategische brug tussen de curves. Door nu hybride benaderingen te omarmen, positioneren bedrijven zich om de voordelen van AI-innovatie te benutten zonder de betrouwbaarheid van bewezen systemen overboord te gooien. Naarmate AI zich in de loop der tijd beweegt naar het Plateau of Productivity, zal de rol van traditionele IVR kleiner worden, maar deze zal nooit verdwijnen — de technologie zal blijven bestaan in die niche, missiekritieke contexten waar voorspelbaarheid voorop blijft staan.

‍