Meertalige voice agent ontgrendelde vier keer de inbound capaciteit.
Inbound calls in vier talen — Nederlands, Engels, Arabisch, Frans — beantwoord, gekwalificeerd, en binnen 90 seconden afgerond of doorverbonden. Zonder hires.
Klant runt een EU↔GCC vrachtbrokerage. Inbound call volume was in 18 maanden verdrievoudigd maar het team was niet meegegroeid — nieuwe hires deden er zes maanden over om in te werken op de vier vereiste talen, en turnover op de supportdesk was 30%/jaar.
Missed-call rate stond op 19%. Elke gemiste call vertegenwoordigde gemiddeld €400 omzet. De kosten van iemand aannemen waren hoger dan de gemiste calls.
Het systeem
Een voice-agent laag die tussen Twilio's inbound trunk en het menselijke team zit:
- Opnemen binnen 2 belsignalen. Whisper transcribeert real-time, detecteert taal, schakelt de agent-stem (ElevenLabs) over.
- Triage agent (Claude). Drie buckets: zelf afhandelen · kwalificeren en inplannen · escaleren naar mens. Beslissing in ~3 seconden.
- Zelf afhandelen: order-status, ETA-vragen, documentverzoeken — volledig geautomatiseerd, <60s call.
- Kwalificeren en inplannen: voor nieuwe business-aanvragen, vangt details en boekt een follow-up direct in de teamkalender.
- Escaleren: houdt de beller aan de lijn, draagt het gesprek-transcript over aan een mens. Mens neemt op met volledige context.
Wat moeilijk was
Het moeilijke was niet de AI. Het was identificeren welke 60% van de calls direct kon worden afgehandeld zonder relatie-gevoel te verliezen. Dat kwam uit de audit-fase — drie weken naar opgenomen calls luisteren voor een regel code geschreven werd.
Het tweede moeilijke was language-switching. ElevenLabs-stemmen vereisten per-taal tuning zodat de klant midden-call swap niet merkte als de agent escaleerde en een mens overnam.
We hebben niet aangenomen. We zijn geen klanten verloren. De voice agent antwoordt om 03:00 in het Arabisch en onze dinsdag-ochtend post-it over 'wie de hotline deze week dekt' is weg.