Elke tutorial over "hoe bouw je een AI-chatbot" eindigt hetzelfde: een werkende demo in een sandbox, een screenshot van een testgesprek en een schouderklopje. Daarna zet je hem aan de telefoon met echte klanten en gaat alles stuk.
Deze gids slaat de sandbox over. Hij begint waar de tutorials ophouden: op het moment dat je bot een mompelende beller moet helpen, een vraag krijgt die je kennisbank niet dekt, in een gereguleerde sector opereert en een team van menselijke agents heeft dat een schone overdracht nodig heeft zodra de AI tegen zijn grens loopt.
Het resultaat is een voice-agent die productie aankan, geen speelgoedbot. Zo bouw je er een.
Waarom tutorials over "no-code AI-agents" in productie uiteenvallen
No-codeplatforms zijn uitstekend in waar ze voor gemaakt zijn: niet-technische collega's snel een chatbot laten lanceren voor eenvoudige toepassingen met een laag risico. Een tekstwidget op de helpcenterpagina. Deflectie van een handvol veelgestelde vragen. Een leadformulier met conversational UX.
In productie gaan ze om vijf redenen onderuit:
-
Ze gaan uit van tekst. Spraak is een compleet andere modaliteit. Barge-in (de beller praat terwijl de bot nog aan het woord is), omgevingsgeluid, ASR-fouten, regionale accenten en latency-eisen onder de seconde bestaan niet in een no-code chatbuilder, want die builders zijn ontworpen voor chat.
-
Ze kunnen antwoorden niet gronden. "Grounding" betekent dat elk antwoord verankerd is in je echte data: klantgegevens, polisdocumenten, live voorraad. No-codetemplates putten uit statische kennisbanken. Belt een klant over zijn specifieke account, bestelling of polis, dan hallucineert de bot of wijkt hij uit.
-
Ze hebben geen escalatiemodel. Echte gesprekken escaleren. Een no-code bot beëindigt meestal het gesprek, stuurt een mail of dumpt de beller in een wachtrij, zonder enige context door te geven. De medewerker die opneemt begint bij nul.
-
Ze zijn niet geschikt voor gereguleerde sectoren. Verzekeren, zorg en finance kennen wettelijke eisen (HIPAA, SOC 2, TCPA, informatieplichten) waar no-codeplatforms nooit voor zijn gebouwd. PCI-compliance zet je niet even aan in een drag-and-dropbuilder.
-
Ze hebben geen evaluatieharnas. Hoe weet je dat de bot slechter is geworden nadat je de kennisbank hebt bijgewerkt? No-codeplatforms leveren geen regressietests mee. Productie eist ze wel.
De eerlijke herformulering: is je toepassing tekstdeflectie met een laag risico, dan volstaat no-code prima. Zodra het spraak raakt, gereguleerde data, echte accountopzoekingen of wachtrijen van live agents, heb je een productiearchitectuur nodig.
De echte anatomie van een voice-agent in productie
Een voice-agent in productie is een pipeline, geen monoliet. Elke stap heeft zijn eigen latencybudget, eigen faalmodi en eigen afwegingen tussen leveranciers.
Veelgestelde vragen
Wat gaat als eerste stuk wanneer een chatbot live gaat?
Het omgaan met input die niemand heeft uitgeschreven: typefouten, meerledige vragen en mensen die een andere vraag beantwoorden dan de gestelde. Demoflows gaan uit van meewerkende gebruikers.
Heb ik retrieval nodig of kan ik alles in de prompt zetten?
Retrieval telt zodra de set antwoorden vaker verandert dan je zin hebt om opnieuw te deployen. Een prompt is prima voor stabiele kennis en slecht voor alles met een versienummer.
Hoe zou een chatbot moeten overdragen aan een mens?
Met het transcript en de intentie erbij. Een overdracht die het gesprek opnieuw laat beginnen is erger dan geen overdracht, want de klant heeft zijn verhaal dan twee keer moeten doen.
