Kennis uit de hoofden van je team in je AI-agent krijgen
Tijmen van den Elzen, Engaige
Uit de sessie: Maandelijkse Meeting dec 2025
Jop van Hooft vraagt Tijmen van den Elzen van Engaige hoe je kennis die alleen in de hoofden van medewerkers zit in een AI-agent krijgt. Tijmen legt uit waarom het inladen van oude tickets niet werkt en hoe je kennisgaten vindt door mee te kijken met het werk van nu. Je ziet het in de vragenronde van de maandelijkse meeting van december 2025.
Voor wie: Je wilt een AI-agent in je klantenservice, maar de echte kennis zit in de hoofden van een paar ervaren mensen.
Waarom dit ertoe doet
Veel webshops lopen hier vast: de beste antwoorden zitten bij een paar ervaren medewerkers, category managers of de oprichters, en staan nergens opgeschreven. Een AI-agent kan alleen goed antwoorden met kennis die hij kan vinden. De reflex is om alle oude tickets in te laden. Volgens Tijmen van den Elzen levert dat geen alwetend systeem op, omdat een ticket alleen de uitkomst laat zien en niet de afweging erachter, en omdat de data van toen vaak al veranderd is. Zijn alternatief: vergelijk wat de agent zou antwoorden met wat de medewerker echt verstuurt, en leg de verschillen voor aan je team. Dat is goedkoper dan iemand vrijmaken om documentatie te schrijven, wat in de praktijk vaak blijft liggen.
Belangrijkste inzichten
- Een agent heeft productkennis en proceskennis nodig; proceskennis zit vaak alleen in de hoofden van medewerkers.
- Alle historische tickets inladen levert volgens Tijmen van den Elzen geen alwetend systeem op.
- Een ticket toont de uitkomst, niet de afweging, en de data van toen is vaak al veranderd.
- Vergelijk het voorstel van de agent met het echte antwoord van de medewerker om kennisgaten te vinden.
- Documenteren als losse taak mislukt vaak; laat het dagelijkse werk de bron zijn, bijvoorbeeld met 1 wekelijks overleg.
Productkennis en proceskennis
Tijmen van den Elzen onderscheidt twee soorten kennis die een agent nodig heeft. Productkennis gaat over wat een product is en voor wie het past, zoals pasvorm of materiaal. Proceskennis gaat over hoe je iets afhandelt: wanneer beloof je een terugbetaling, wanneer is een order echt te laat, welke uitzondering maak je voor een vaste klant. Productkennis staat vaak deels in je productdata. Proceskennis zit veel vaker alleen in de hoofden van mensen. Handmatig kun je al veel doen: processen documenteren, relevante informatie uit bestaande bronnen halen, of de vaakst gestelde vragen verzamelen en op één centrale plek beantwoorden.
Waarom oude tickets niet genoeg zijn
Het ligt voor de hand om alle historische tickets aan een AI te geven. Tijmen noemt twee redenen waarom dat tegenvalt. De data waarop een medewerker zijn antwoord baseerde, zoals orderstatus of voorraad, is inmiddels vaak veranderd. En de medewerker schrijft alleen de uitkomst op, niet het proces: je ziet 'we sturen een nieuwe', maar niet welke systemen hij bekeek en welke afweging hij maakte. Een model dat van zulke tickets leert, kopieert uitkomsten zonder de regels erachter. Dat sluit aan bij wat andere leveranciers in de club zeggen: zet kennis gestructureerd in een kennisbank, in plaats van een model te trainen op losse gesprekken.
Meekijken met live werk
Het alternatief dat Tijmen beschrijft: de agent kijkt mee op het moment dat een medewerker een antwoord verstuurt, soms zes uur na binnenkomst. Op dat moment haalt de agent dezelfde informatie op uit alle systemen en bedenkt welk antwoord hij zelf zou geven. Daarna vergelijkt hij dat met het echte antwoord van de medewerker. Zit er een verschil, dan is dat een kennisgat. Op schaal kun je die gaten bundelen en aan het team voorleggen: we zien dat jullie in deze gevallen vaak dit doen, klopt dat altijd? Het antwoord gaat in de agent en in een centrale kennisbank. Tijmen zegt zelf dat bedrijven hier nog niet zijn en dat Engaige eraan bouwt; het is dus een richting, geen kant-en-klaar product.
Waarom documenteren als taak vaak mislukt
De kern van zijn argument: als je documentatie iemands extra taak maakt, gebeurt het in de praktijk weinig, omdat mensen hun eigen werk voorrang geven. Het werk zelf moet volgens Tijmen de belangrijkste bron van context worden. Engaige noemt op de eigen site dat de agent 'je producten, policies en toon' leert en binnen bestaande helpdesks zoals Gorgias en Zendesk werkt. Voor een manager is de praktische vertaling: kies 1 of 2 processen waar je team vaak zelf beslist, laat een paar weken lang de afwijkingen tussen voorstel en echt antwoord verzamelen, en bespreek die 1 keer per week met het team. Zo groeit je kennisbank uit echte gevallen.
Probeer dit deze week
- Kies 2 processen waarin je team vaak zelf beslist, zoals coulance bij retouren, en schrijf de 3 belangrijkste regels op.
- Laat een AI 1 week lang een conceptantwoord maken naast je medewerkers en noteer waar het afwijkt.
- Bespreek de afwijkingen 1 keer per week 15 minuten met het team en zet de uitkomst in je kennisbank.
Begrippen
- Proceskennis
- Kennis over hoe je een situatie afhandelt, zoals wanneer je een terugbetaling of vervanging geeft.
- Kennisbank
- Een centrale verzameling artikelen en regels waaruit medewerkers en een AI-agent antwoorden halen.
- Kennisgat
- Een situatie waarin het antwoord van de agent afwijkt van wat een ervaren medewerker zou doen.
- Historische tickets
- Afgehandelde klantvragen uit het verleden in je helpdesk.
Verdiep je in de gids
Transcriptie
Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.
We horen best veel in de [onverstaanbaar] mensen zeggen van, wij hebben heel veel kennis in onze organisatie zit toch in de hoofden van de medewerkers. Dan wel de category managers die producten heren, dan wel de klantenservice die informatie aan klanten geeft, dan wel founders, mensen die de bedrijf bestaat zijn en vanuit daar die klanten veel kennis weten. Wat voor tips spreef je organisaties mee die die informatie vooral in de hoofden van hun medewerkers hebben? En hoe krijg je die eruit en in de [onverstaanbaar]? Ja, dus dat is best een grote uitdaging. Dus hoe krijg je zoveel mogelijk relevante en accurate context eigenlijk bij die agents? En dat heeft zowel te maken met productkennis en dat soort dingen. Maar het gaat ook over proceskennis. Daar kan je vandaag al heel veel manueel in doen natuurlijk. Dus je gaat dingen documenteren, je kan natuurlijk uit bepaalde informatiebronnen echt wat destilleren wat voor relevante informatie daarin staat. Of je kijkt naar wat voor vragen worden er allemaal gesteld en we gooien dat de organisatie in en we zorgen ervoor dat op één centrale plek die vragen worden beantwoord. Tegelijkertijd vind ik ook echt dat wij hier als provider echt een rol in moeten spelen en dat eigenlijk iedereen daar nog niet, of providers zoals wij daar nog niet een groot genoegen rol in spelen. Uiteindelijk is het niet zo eenvoudig dat je gewoon alle historische tickets ergens in kan laden, bij wijze van spreken, en dat je dan in één keer een alwetend AI-systeem hebt. Dat komt voornamelijk om, zeker wanneer je naar procesmatige vraagstukken kijkt, de data die op dat moment in het systeem stond waar de medewerker hun vraag op baseert, is waarschijnlijk inmiddels al veranderd, en de medewerker communiceert alleen de uitkomst van het proces, En niet het proces zelf. Dus we weten niet hoe die keuze wordt gemaakt. En welke afwegingen er worden gemaakt. Om uiteindelijk tot een antwoord te komen. Dat is uiteindelijk waarom wij er heel erg in geloven. Dat we live in moeten gaan pluggen. Op welk werk er wordt gedaan door medewerkers. Dus er komt een bericht binnen. Die medewerker gaat op een gegeven moment. Misschien wel zes uur later. Gaat daar een antwoord voor schrijven. En op dat moment kijkt hij in alle systemen. die ervoor nodig zijn om dat antwoord uiteindelijk te construeren. Dat is een super interessant datapunt voor ons, want op het moment dat dat bericht eruit gaat, kunnen wij op dat moment ook alle informatie uit al die systemen ophalen, en kijken, oké, welke suggestie zouden wij doen voor dat bericht, en match dat uiteindelijk met het bericht dat de medewerker uitstuurt. En als daar een verschil tussen zit, kunnen we dat op schaal gaan doen, daaruit destilleren, hé, waar zitten nou de gaten van kennis, en die voorleggen bij teamleden intern en aan hen vragen, we zien dat jullie in deze gevallen vaak dit doen. Klopt het dat jullie daar altijd op deze manier mee omgaan? Ja of nee? Of heb je nog meer informatie? En dat dat uiteindelijk dan geïmplementeerd wordt binnen je AI agent, maar ook bijvoorbeeld in een centrale kennisbank. Want uiteindelijk als je het van iemands werk maakt om te documenteren, dat het vaak in de praktijk niet zo heel goed werkt, Want mensen willen gewoon hun werk doen, want dat maakt de meest korte termijn impact. Dus wij denken ook echt dat het werk uitvoeren de primaire manier moet zijn waarmee je die context op gaat bouwen. En dat is iets waar bedrijven vandaag nog niet zijn, maar waarvan ik wel zeker ben dat het in de nabije toekomst naartoe gaat en waar wij ook echt actief aan bouwen.
Spreker: Tijmen van den Elzen, Engaige
Bronnen
Meer over Klantenservice & Sales
Duur 1:09Salesforce: 100 miljoen leads eindelijk opvolgen
Tachmy Dilmy, eCommerce AI Club
100 miljoen leads in 26 jaar nooit opvolgd, tot AI kwam
Duur 1:37Waarom AI niet kan verkopen zonder domeinkennis
Marja Silvertant, Aiden
LLMs zijn getraind op 30 jaar internet zonder verkoopadvies, dat merk je
Duur 1:37Hoe Mr. Marvis AI trainde op merkspecifieke productnamen
Tijmen van den Elzen, Engaige
AI snapt je productnamen niet, en dat kost je klanten