.jpg)
Bij Isabel Group beantwoordt het Customer Care team dagelijks tientallen klantvragen, van activatieproblemen tot facturatievragen. Ixor bouwde een AI-agent die automatisch een concept antwoord opstelt op basis van de kennisbank en de klant context. Om medewerkers sneller en zekerder te laten werken.
De context
Isabel Group levert financiële diensten aan duizenden bedrijven in België en Europa, van e-invoicing en boekhoudsoftware tot digitale identiteitsoplossingen. Achter die diensten staat een Customer Care team dat dagelijks honderden klantvragen behandelt: activeringsproblemen, technische vragen over CODA-bestanden of Peppol-facturen, vragen over licenties, pinbrieven, smartcards. Het spectrum is breed en de verwachtingen van klanten zijn hoog.
Elke case begint hetzelfde. Er komt een e-mail binnen, soms met bijlagen: een screenshot, een foutmelding, een PDF. Een medewerker opent de case in Dynamics 365, leest de vraag, zoekt het juiste kennisartikel op in een databank van honderden artikels en formuleert een antwoord. Dat kost tijd. Niet alleen het schrijven zelf, maar vooral het zoeken, interpreteren en combineren van de juiste informatie.
Het Customer Care team bij Isabel Group bestaat uit ervaren mensen die hun producten door en door kennen. Maar een groot deel van hun tijd gaat naar administratief werk: de juiste context samenstellen, het juiste artikel vinden, het antwoord formuleren in de juiste taal. Tijd die niet naar de klant gaat.
De menselijke kant
Een medewerker van het Customer Care team kent het gevoel. Een klant mailt over een activeringsprobleem met zijn IsaKey. De vraag is helder, het antwoord staat ergens in de kennisbank. Maar de kennisbank bevat meer dan driehonderd artikels, intern en extern, in drie talen. Het juiste artikel vinden kost tijd. Het vertalen naar een concreet, persoonlijk antwoord kost nog meer tijd. En ondertussen lopen de volgende cases binnen.
Het frustrerende is niet de complexiteit van de vragen. Het frustrerende is de herhaling. Veel cases volgen een beperkt aantal patronen. De antwoorden bestaan al, verspreid over kennisartikels, eerdere cases, interne procedures. Maar elke keer opnieuw moet een medewerker dat puzzelwerk zelf doen. En bij twijfel zoekt men zekerheid bij een collega, wat opnieuw tijd kost.
De aanpak
Ixor begon met luisteren.
In een brown paper sessie met het Customer Care team, de productverantwoordelijken en de technische stakeholders brachten we het werkelijke proces in kaart. Niet het processchema op papier, maar de dagelijkse realiteit: hoe medewerkers cases behandelen, welke workarounds ze gebruiken, waar ze vastlopen, welke impliciete kennis nergens gedocumenteerd staat. Die sessie leverde inzichten op die geen data-analyse ooit zou tonen, zoals het feit dat medewerkers vaak intern-only artikels nodig hebben die moeilijk vindbaar zijn, of dat de kwaliteit van een antwoord sterk afhangt van hoe goed de bijlage gelezen kan worden.
Vervolgens koppelden we de datapunten uit het bestaande proces. Cases uit Dynamics 365, e-mails, bijlagen, kennisartikels, tijdstempels, afhandeltijden. Alles werd verbonden en door onze agentic process analyser gehaald. Dat leverde een gedetailleerd beeld op van hoe het proces écht verloopt: welke cases het snelst worden afgehandeld, waar de doorlooptijd oploopt, welke artikels het vaakst worden geraadpleegd, en waar antwoorden het meest worden aangepast na generatie.
Op die basis bouwden we de Customer Care Agent. De architectuur is een headless flow die naadloos integreert met de bestaande Microsoft-omgeving van Isabel Group:
● De trigger. Wanneer een nieuwe case wordt aangemaakt in Dynamics 365, of een bestaande case wordt geüpdatet, start automatisch een Power Automate flow. Die haalt de casusinformatie op: de e-mail van de klant, eventuele bijlagen, en de relevante context.
● De kennislaag. De agent doorzoekt de volledige kennisbank, meer dan 300 artikels, intern én extern, in het Nederlands, Frans en Engels. Niet via een black-box zoekfunctie, maar met alle relevante artikels in context, zodat het antwoord genuanceerd en volledig is.
● De AI-agent. Een frontier LLM verwerkt de klantvraag, de casuscontext en de kennisartikels, en genereert een conceptantwoord in de juiste taal. Het antwoord wordt teruggeschreven naar de case in Dynamics 365, klaar voor review door de medewerker.
● De menselijke controle. De medewerker beoordeelt het concept, past aan waar nodig, en verstuurt. Een eenvoudige feedbackloop, een vinkje of een aanpassing, voedt het systeem zodat de kwaliteit continu verbetert.
Het resultaat
Cruciaal in de aanpak: we werkten volledig binnen de bestaande technologische omgeving van Isabel Group. Power Automate voor de orchestratie, Dynamics 365 als CRM, de bestaande kennisbank als bron. Geen nieuw platform, geen migratie, geen extra licentiekosten die het project verzwaren.
We testten twee architecturen naast elkaar, een Microsoft Copilot Studio-variant en een eigen Izzy Agent-variant, en benchmarkten ze op outputkwaliteit, configuratie-complexiteit en operationele kosten. Die vergelijking gaf Isabel Group de onderbouwde basis om een architectuurkeuze te maken die past bij hun context.
En we leverden iteratief. Eerst een werkend prototype op een beperkte set cases. Dan uitbreiding van de kennisbank en verbetering van de prompt. Dan geautomatiseerde testing. Dan een gecontroleerde pilot in productie, eerst met één medewerker, dan breder. Elke stap meetbaar, elke stap bijstuurbaar.
De resultaten spreken voor zich.
● Snelheid. Waar de afhandeling van een case eerder een kwestie van uren tot dagen was, ligt er nu binnen enkele minuten een conceptantwoord klaar. Een significant deel van de cases krijgt binnen die termijn een bruikbaar voorstel.
● Kwaliteit. Bij de eerste tests scoorde meer dan een derde van de gegenereerde antwoorden de hoogste score: direct bruikbaar zonder aanpassing. Bijna de helft van alle antwoorden is direct of met minimale edits inzetbaar.
● Focus. Medewerkers besteden minder tijd aan zoeken en formuleren, en meer aan het beoordelen en personaliseren van antwoorden. Het repetitieve werk verschuift naar de agent. De inhoudelijke expertise blijft bij de mens.
● Continue verbetering. Elke case waarin een medewerker het concept aanpast, is een leerpunt. De feedbackloop zorgt ervoor dat het systeem structureel beter wordt, zonder dat iemand daar apart tijd voor moet vrijmaken.
● Procesintelligentie. De gestructureerde data uit het proces, welke vragen het vaakst voorkomen, welke kennisartikels het meest worden gebruikt, waar conceptantwoorden het meest worden aangepast, vormt de basis voor verdere optimalisatie van zowel de kennisbank als het serviceproces.
Waarom Ixor?
We bouwden niet zomaar een chatbot of een automatische mailbeantwoorder. We begonnen met het begrijpen van het werkelijke proces, via brown paper sessies en procesanalyse, voordat we ook maar één regel code schreven.
Die aanpak maakt het verschil. De brown paper sessie bracht naar boven wat geen dataset kan tonen: de impliciete kennis van het team, de workarounds, de frustraties, de verwachtingen. De agentic process analyser reconstrueerde de feitelijke processtroom en legde patronen bloot. En pas op dat fundament bouwden we een agent die niet op aannames draait, maar op gereconstrueerde realiteit.
Het resultaat is een AI-systeem dat past in de wereld van Isabel Group, technisch, organisatorisch en menselijk. Dat is het verschil tussen een demo die indruk maakt en een oplossing die in productie waarde levert.
Want voordat agents kunnen handelen, moeten ze begrijpen. En daar beginnen wij.
