Automatisch vertalen en herschrijven helpt klantenservices, maar menselijke controle blijft cruciaal. Een vraag over een ticket of gemiste bus kan door kunstmatige intelligentie veranderen in een ingewikkeld betoog.

Kunstmatige intelligentie kan voor vervoersbedrijven een krachtig hulpmiddel zijn. Een reiziger kan er een klacht mee formuleren, een buitenlandse passagier kan zijn vraag automatisch laten vertalen en een klantenservice kan AI gebruiken om sneller een duidelijk antwoord op te stellen. Maar precies daar ontstaat ook een nieuw risico: wat gebeurt er wanneer AI een vraag nét verkeerd begrijpt en vervolgens een uitstekend geschreven, maar inhoudelijk verkeerd antwoord produceert?

Voor vervoersbedrijven is dat geen onbelangrijk vraagstuk. Zij hebben dagelijks te maken met grote aantallen reizigers die vragen stellen over vertragingen, abonnementen, betalingen, haltes, dienstregelingen, restituties en verloren voorwerpen. Een klein misverstand in die communicatie kan grote gevolgen hebben. Een reiziger die een verkeerd antwoord krijgt over een vertrektijd kan zijn aansluiting missen. Een onduidelijke uitleg over een abonnement kan tot een verkeerde aankoop leiden. En wanneer een klacht door AI veel ingewikkelder wordt gemaakt dan noodzakelijk, kan een medewerker moeite krijgen om te ontdekken wat de reiziger eigenlijk wil weten.

tussen klant en medewerker

Gerrit Saey beschrijft op LinkedIn een ontwikkeling waarbij kunstmatige intelligentie steeds nadrukkelijker tussen klant en medewerker komt te staan. Klanten kunnen AI gebruiken om hun berichten professioneler te laten klinken. Medewerkers kunnen dezelfde technologie vervolgens inzetten om antwoorden te formuleren. Het opmerkelijke gevolg kan zijn dat beide partijen keurige teksten uitwisselen, terwijl ze elkaar inhoudelijk steeds minder goed begrijpen.

Juist voor openbaarvervoerbedrijven en andere vervoerders is dat een belangrijk aandachtspunt. Stel bijvoorbeeld dat een buitenlandse reiziger wil weten of hij met zijn ticket ook de volgende bus mag nemen wanneer zijn oorspronkelijke rit uitvalt. Hij formuleert zijn vraag in zijn eigen taal en laat AI die naar het Nederlands vertalen. Tijdens die vertaling wordt „volgende bus” geïnterpreteerd als „volgende geboekte reis”. De klantenservice ontvangt daardoor een vraag over het wijzigen van een reservering, terwijl de reiziger alleen wil weten of hij twintig minuten later met dezelfde vervoerder verder kan.

Wanneer vervolgens ook de medewerker AI gebruikt om een antwoord op te stellen, kan er een perfect geschreven uitleg volgen over het aanpassen van reserveringen. Taalkundig klopt er misschien weinig aan te merken op het antwoord. Alleen heeft de reiziger nog steeds geen antwoord op zijn werkelijke vraag: mag ik met mijn huidige ticket die volgende bus in?

Een ander risico ontstaat wanneer reizigers AI gebruiken om een klacht krachtiger te formuleren. Een reiziger die eigenlijk wil zeggen: „Mijn bus kwam niet opdagen en ik wil mijn geld terug”, kan AI vragen daarvan een professionele klacht te maken. Het resultaat kan een veel langere tekst worden waarin wordt gesproken over dienstverlening, gemaakte kosten, verantwoordelijkheid van de vervoerder en de gewenste compensatie.

Voor de reiziger ziet dat er indrukwekkend uit. Voor een klantenservicemedewerker kan het juist lastiger worden. Want wat wordt er nu precies gevraagd? Wil de klant restitutie van het ticket? Een vergoeding voor een taxi? Een verklaring waarom de rit is uitgevallen? Of alleen bevestiging dat de klacht is geregistreerd? Hoe meer AI aan de oorspronkelijke boodschap toevoegt, hoe groter het risico dat de kern van de vraag ondergesneeuwd raakt.

één concrete vraag

Dat kan vervolgens opnieuw gebeuren aan de andere kant. De medewerker laat AI een antwoord maken op de uitgebreide klacht en de reiziger ontvangt meerdere alinea’s over procedures, voorwaarden en mogelijkheden. Uiteindelijk hebben klant en vervoerder honderden woorden uitgewisseld, terwijl de oorspronkelijke kwestie misschien met één concrete vraag opgelost had kunnen worden: „Wilt u de ticketprijs terugvragen of vraagt u ook vergoeding van andere gemaakte kosten?”

De waarschuwing van Saey krijgt juist binnen de vervoerswereld daarmee extra betekenis: „Laat AI voor je werken, maar blijf zelf voor je denken.” Voor vervoersbedrijven kan daar nog één praktische regel naast staan: controleer niet alleen wat AI antwoordt, maar vooral welke vraag AI denkt dat de reiziger heeft gesteld.

Daar zit een belangrijke les voor vervoersbedrijven. Een professioneel geformuleerde vraag is niet automatisch een goed begrepen vraag. AI kan met grote overtuigingskracht taal produceren. Daardoor kan een verkeerd geïnterpreteerde boodschap er alsnog betrouwbaar uitzien. Juist dat maakt het verschil met een ouderwetse slechte vertaling.

Wanneer een reiziger schrijft: „Ik trein gisteren Amsterdam niet ticket geld terug”, begrijpt een ervaren klantenservicemedewerker onmiddellijk dat de taal gebrekkig is en dat aanvullende vragen nodig zijn. Een foutloos geschreven tekst kan juist méér vertrouwen oproepen. De medewerker gaat ervan uit dat de vraag helder is en formuleert meteen een antwoord. Wanneer AI tijdens het vertalen of herschrijven de betekenis heeft veranderd, wordt die fout daardoor gemakkelijker meegenomen naar de volgende stap.

praktische vraag

Saey geeft daarvan een treffend voorbeeld uit een andere zakelijke situatie. Op een financiële afdeling ging het om een e-mail over een afbetalingsregeling. De praktische vraag was wanneer die regeling kon ingaan en om welk bedrag het ging. Het antwoord van de bedrijfsleider luidde: „Volgend jaar vanaf juni.” Achteraf bleek volgens Saey dat de bedrijfsleider zijn oorspronkelijke Franse tekst met behulp van AI naar het Nederlands had laten vertalen. De vraag was daarbij verkeerd geïnterpreteerd. Het resultaat was een keurig Nederlands antwoord dat de daadwerkelijke vraag niet goed beantwoordde.

Vertaal dat mechanisme naar een vervoersbedrijf en de risico’s worden onmiddellijk zichtbaar. Een reiziger vraagt bijvoorbeeld in een andere taal: „Kan ik na 23.00 uur nog vanaf deze halte naar het station?” AI maakt daarvan een vraag over de laatste reguliere vertrektijd. De klantenservice geeft vervolgens correct antwoord op díé vraag. Maar misschien wilde de reiziger weten of er na 23.00 uur nog überhaupt vervoer beschikbaar is, bijvoorbeeld via een andere lijn of voorziening. Het antwoord kan dan feitelijk passen bij de door AI gepresenteerde vraag, maar niet bij wat de reiziger oorspronkelijk wilde weten.

reisrechten

Nog gevoeliger wordt het wanneer communicatie gaat over geld, geldigheid van vervoerbewijzen of wat een reiziger moet doen tijdens een verstoring. Denk aan een reiziger die wil weten: „Moet ik opnieuw betalen omdat mijn aansluiting door vertraging is gemist?” Wanneer AI daarvan maakt: „Kan ik mijn ticket omboeken vanwege vertraging?”, verandert de betekenis wezenlijk.

Hetzelfde kan gebeuren met abonnementen. „Kan ik mijn abonnement volgende maand stopzetten?” is iets anders dan „Kan ik mijn abonnement per volgende maand opzeggen?” Een mens begrijpt misschien uit de context wat iemand bedoelt. Een automatisch systeem kan een formulering echter letterlijk verwerken en daar een antwoord bij genereren dat overtuigend klinkt.

Ook bij restitutie kan één verkeerd geïnterpreteerd woord het verschil maken. Een reiziger kan vragen wanneer hij recht heeft op teruggave, terwijl AI begrijpt dat hij vraagt hoe hij teruggave moet aanvragen. De klantenservice stuurt vervolgens een uitgebreide aanvraagprocedure. De reiziger weet daarna precies waar hij een formulier kan invullen, maar nog altijd niet óf hij voor vergoeding in aanmerking komt. Daarom is het voor vervoersbedrijven belangrijk om AI niet alleen te beoordelen op snelheid en taalgebruik. De cruciale vraag is of de oorspronkelijke bedoeling van de reiziger behouden blijft.

eenvoudige controlevraag

Daarmee verandert mogelijk ook de rol van de klantenservicemedewerker. Die hoeft niet alleen een antwoord te geven, maar moet steeds vaker controleren of de gestelde vraag wel werkelijk de vraag van de reiziger is. Een eenvoudige controlevraag kan daarbij waardevoller zijn dan een lange, door AI geproduceerde reactie.

„Begrijp ik goed dat u wilt weten of uw huidige ticket geldig blijft?” Of: „Vraagt u alleen restitutie van uw ticket of ook vergoeding van de extra kosten?” Of: „Bedoelt u dat u wilt weten hoe laat de laatste bus vertrekt?”

Zulke vragen lijken misschien minder efficiënt. Ze kunnen uiteindelijk juist tijd besparen doordat wordt voorkomen dat vervoerder en reiziger meerdere berichten lang langs elkaar heen praten. Vooral bij automatisch vertaalde berichten is die controle belangrijk. Wanneer een medewerker vermoedt dat een tekst vertaald is, kan het verstandig zijn eerst de kern van de vraag in eenvoudige bewoordingen terug te geven voordat een definitief antwoord wordt verstrekt.

korter en niet ingewikkelder

Voor vervoersbedrijven ligt daar misschien wel de belangrijkste praktische les. Kunstmatige intelligentie moet een hulpmiddel zijn om de afstand tussen reiziger en medewerker kleiner te maken. Zodra de technologie extra lagen tekst creëert waar medewerkers vervolgens doorheen moeten zoeken, gaat een deel van dat voordeel verloren. Een goede toepassing van AI hoeft daarom niet te betekenen dat iedere vraag wordt veranderd in een uitgebreide professionele brief. Bij klantenservice kan het tegenovergestelde veel waardevoller zijn: laat AI een lange boodschap terugbrengen tot de concrete vraag.

De menselijke controle blijft daarom belangrijk. Zeker bij betalingen, restituties, abonnementen, dienstregelingen, aansluitingen en andere onderwerpen waarbij een verkeerd begrepen antwoord directe gevolgen voor een reiziger kan hebben. Kunstmatige intelligentie kan taalbarrières verkleinen, medewerkers ondersteunen en reizigers helpen hun probleem duidelijker te formuleren. Maar een foutloos geschreven tekst mag nooit automatisch worden aangezien voor een foutloos begrepen boodschap.