Van pilot naar opschaling: hoe Smarsh een oplossingspercentage van 60% wist te realiseren met Salesforce Agentforce

Van pilot naar schaal: hoe Smarsh 60% oplossingspercentages behaalde met Salesforce Agentforce

Toen Smarsh, leider op het gebied van compliancetechnologie, zich ten doel stelde om haar klantervaring te transformeren, implementeerde het niet zomaar een chatbot. Het bouwde een AI-ecosysteem met meerdere agents dat nu 60% van de klantvragen autonoom oplost, en dat deed het terwijl het de economie van ondersteuning opnieuw vormgaf. Voor ondersteuningsmanagers die vanaf de zijlijn toekijken, biedt het verhaal van Smarsh een zeldzame, op cijfers gebaseerde blauwdruk voor het opschalen van AI zonder de bank te breken of klanten te vervreemden.

In deze uitgediepte analyse ontleden we het partnerschap tussen Smarsh en Agentforce, analyseren we het prijsmodel van $2 per gesprek, en halen we de raamwerken eruit die jouw team nodig heeft om dit succes te herhalen. Of je nu een lean SaaS-ondersteuningsteam runt of een B2B-contactcenter met 500 zitplaatsen, de lessen hier helpen je om een businesscase op te bouwen waar je CFO dol op zal zijn.

Het succesverhaal van Smarsh: echte resultaten met AI-gestuurde ondersteuning

Smarsh, een leider op het gebied van compliance voor digitale communicatie, weet dat regelgevingscomplexiteit nooit slaapt. Haar klanten, banken, broker-dealers en overheidsinstanties, eisen snelle en nauwkeurige antwoorden op vragen over e-discovery, bewaarbeleid en meer dan 3.000 databronnen. Traditionele eerstelijns ondersteuningsteams verdronken in de hoeveelheid werk, terwijl de expertise die nodig is voor tweedelijns- en derdelijnsproblemen het opschalen van personeel onbetaalbaar maakte.

Toen kwamen Salesforce's Agentforce, Einstein GPT, en een weloverwogen, gefaseerde uitrol. Smarsh schakelde niet zomaar een AI-copiloot in; het creëerde handmatig gespecialiseerde autonome agents die de manier waarop de menselijke teams werken weerspiegelen. Zoals Patterson, een belangrijke architect van de strategie, uitlegt, was de sleutel niet één alles-in-één bot, maar een reeks speciaal gebouwde agents die context konden begrijpen, kennisbanken konden raadplegen en zelfs taken aan elkaar konden overdragen zonder menselijke tussenkomst.

"We onderscheidden gespecialiseerde agents van Salesforce's bredere orkestratieplatform. Fin is een agent gericht op klantenservice, terwijl Qualified's Piper een marketingagent is die is ontworpen om websitebezoekers te kwalificeren en verkoopafspraken te boeken. Elk speelt een duidelijke rol in onze geünificeerde journey."

De resultaten waren onmiddellijk en meetbaar. Binnen drie maanden verwerkte Agentforce duizenden gesprekken, leidde routinematige tickets af en haalde antwoorden uit Smarsh's eigen kennisfraaf. De klanttevredenheid daalde niet, maar steeg met 12 punten, omdat de responstijden gingen van uren naar seconden en de antwoorden consistenter waren.

De economie van AI-agents: inzicht in de prijs van $2 per gesprek

Salesforce heeft de prijsstelling van Agentforce verfrissend transparant gemaakt: $2 per voltooid, autonoom gesprek. Maar eenvoudige wiskunde laat zien waarom financiële teams verder moeten kijken dan de stickerprijs per gesprek.

De echte berekening van AI-ondersteuningskosten

Laten we uitgaan van Smarsh's use case: bij 10.000 maandelijkse gesprekken met een oplossingspercentage van 60% ziet de kostenstructuur er als volgt uit.

Bij $2 per gesprek kost de AI-laag alleen al $20.000 per maand voor 10.000 gesprekken, vóór eventuele licentiekosten voor Salesforce. Maar als je dat vergelijkt met de meer dan $60.000 die wordt uitgegeven aan volledig handmatige afhandeling, bedragen de nettobesparingen meer dan 40%. En daarbij komt nog de verbetering van de klantervaring: snellere antwoorden, 24/7 beschikbaarheid en geen frustratie over wachtrijen.

Voor een gedetailleerder beeld kijk je naar de kosten per opgelost gesprek. Slechts 6.000 van de 10.000 gesprekken worden volledig door AI opgelost, dus de effectieve kosten per door AI opgeloste interactie zijn $2. Ondertussen kosten de 4.000 gesprekken die escaleren naar mensen nog steeds $6 tot $8 per stuk. Die gemengde kosten per opgeloste interactie worden ongeveer $3,67, nog steeds een fractie van het pre-AI-gemiddelde van $7.

Een schaalbare AI-ondersteuningsstack bouwen: lessen voor B2B-SaaS-bedrijven

Smarsh's succes is geen magie. Het is gebouwd op weloverwogen ontwerpkeuzes die elke leider op het gebied van ondersteuningsoperaties kan overnemen.

Specialisatie verslaat generalisatie

In plaats van één overmatig groot model te trainen, zette Smarsh gespecialiseerde agents in: Fin voor klantondersteuning, Piper voor marketingkwalificatie. Hierdoor kon elke agent een nauw domein beheersen, waardoor hallucinaties verminderden en de containment toenam.

• Finbevindt zich in de supportconsole, leest tickets, doorzoekt kennisartikelen en stelt antwoorden voor of voltooit ze automatisch. Het kent de complianceterminologie en kan zelfs de complexiteit van financiële regelgeving navigeren. -Piperleeft op de website, identificeert bezoekers met hoge intentie, beantwoordt pre-salesvragen en boekt direct afspraken in de agenda's van verkopers. Het spreekt de taal van use cases en productdifferentiatoren.

Nauwe integratie met je kennisbank is niet onderhandelbaar

Agentforce werkt niet uit de doos, tenzij je kennisbank schoon, gestructureerd en uitgebreid is. Smarsh investeerde maanden in het in kaart brengen van haar meer dan 10.000 helpartikelen, handleidingen voor probleemoplossing en beleidsdocumenten in een grafiekgebaseerde kennisfundament. Het resultaat? De AI kon met vertrouwen 80% van de vragen beantwoorden die eerder een tweedelijnsengineer vereisten.

Gefaseerde uitrol met fallback met menselijke tussenkomst

Smarsh startte Agentforce in de 'suggestiemodus', waarbij menselijke agents elke AI-reactie goedkeurden. Na twee maanden van begeleid leren en hertraining ging het over naar autonome modus voor onderwerpen met een hoge betrouwbaarheid. Zelfs vandaag wordt elk gesprek dat onder een betrouwbaarheidsdrempel van 90% zakt, onmiddellijk doorgestuurd naar een mens met volledige context, een model dat het klantvertrouwen intact houdt.

"We hebben ons ondersteuningsteam niet vervangen; we gaven ze een copiloot die het routinematige werk afhandelt, zodat zij zich op het complexe kunnen richten. Dat is de toekomst van B2B-ondersteuning.", Smarsh support operations lead

Impact meten: statistieken die ertoe doen voor AI-gestuurde ondersteuning

Als je een businesscase voor AI-agents opbouwt, zal je CFO drie vragen stellen: hoeveel besparen we? Hoeveel verbetert de ervaring? En hoe meten we voortdurend succes?

Hier is het door Smarsh geïnspireerde KPI-raamwerk dat je zou moeten overnemen.

1.Containmentpercentage(ook wel oplossingspercentage genoemd): het percentage gesprekken dat volledig door AI wordt opgelost zonder menselijke tussenkomst. Smarsh streeft naar >55%; de initiële 60% overtrof de verwachtingen. 2.Kosten per ticket (CPT): Vóór AI lag Smarsh's gemengde CPT rond de $7. Na AI daalde het naar $3,67. Houd dit maandelijks bij om ervoor te zorgen dat AI-investeringen zich terugbetalen. 3. Gemiddelde tijd tot oplossing (MTTR): van 12+ minuten naar minder dan 2 minuten voor 60% van de gesprekken, een 6x verbetering die direct de CSAT verhoogt. 4. Agentproductiviteit: Nu AI het eerstelijnswerk afhandelt, lossen agents nu 40% meer complexe tickets per dienst op, en de escalatiepercentages daalden met 35%.

Het ROI-vermenigvuldigingseffect

De financiële impact is niet lineair. Het afleiden van 6.000 gesprekken per maand bespaart niet alleen $36.000 aan arbeidskosten, maar voorkomt ook dat er extra agents moeten worden aangenomen naarmate het volume groeit. Smarsh bijvoorbeeld absorbeerde een toename van 25% in ondersteuningsvolume over zes maanden zonder één extra personeelslid toe te voegen. Dat is de schaalbaarheid die SaaS-CFO's doet rechtop zitten en luisteren.

Het mens-AI-samenwerkingsmodel: hoe Smarsh agents empoweredEen van de grootste mythes over AI in ondersteuning is dat het banen vernietigt. Het verhaal van Smarsh bewijst het tegendeel. Door het automatiseren van repetitieve taken zoals wachtwoordresets, vragen als "hoe vind ik mijn rapporten?" en basisprobleemoplossing, maakte AI het overgebleven menselijke werk boeiender.

Van ticketbehandelaars naar probleemoplossers

Vóór Agentforce besteedden de eerstelijnsagenten van Smarsh 70% van hun tijd aan taken die geen menselijk oordeel vereisten. Nadat AI die gesprekken overnam, werden dezelfde agenten bijgeschoold om complexe compliance-interpretaties, accountconfiguraties en zelfs proactieve klantgezondheidscontroles uit te voeren. De tevredenheidsscores van agenten stegen en het verloop daalde met 22%.

Cross-functionele AI-orkestratie

Het gebruik van zowel Fin als Piper door Smarsh toont de kracht van cross-departementale AI-samenwerking. Een bezoeker die een chat start op de website kan worden gekwalificeerd door Piper, naadloos worden doorgegeven aan Fin voor een ondersteuningsvraag over een mogelijke integratie, en vervolgens worden doorgestuurd naar een verkoper, zonder dat de klant één enkel detail hoeft te herhalen. Deze orkestratie is waar de echte CX-magie plaatsvindt.

Voor bedrijven die op Salesforce draaien, is dit een natuurlijk voordeel. Maar zelfs als jouw stack anders is, blijft het principe gelden: AI-agenten moeten context delen over de hele klantreis, niet in silo's leven.

Voorbij Salesforce: Toekomstbestendige ondersteuning met een AI-laag

Agentforce is krachtig, maar niet de enige weg. Veel SaaS-bedrijven draaien op Intercom, Zendesk of zelfgebouwde ondersteuningsplatforms en hebben AI nodig die aansluit zonder te vervangen. Daar kan een speciale AI-automatiseringslaag voor ondersteuning een gamechanger zijn.

Platformonafhankelijke oplossingen zoals Successly laten je aangepaste AI-agenten bouwen die bovenop je bestaande ticketsysteem, kennisbank en CRM zitten. Je kunt het gespecialiseerde-agentmodel van Smarsh repliceren met Fin-achtige mogelijkheden, maar zonder vast te zitten in het ecosysteem van één leverancier. En je kunt beginnen met een prijsmodel zoals $2 dat meeschaalt met je werkelijke gespreksvolume.

Successly levert bijvoorbeeld 43% ticketafbuiging binnen de eerste 30 dagen na implementatie door te trainen op je bestaande hulpdocumenten en eerdere gesprekken – een resultaat dat direct de Smarsh-traject weerspiegelt, zonder de implementatiecyclus van meerdere maanden voor Salesforce.

Checklist voor het kiezen van een AI-ondersteuningspartner

• Oplossingspercentagegarantie: Zegt de leverancier een specifiek insluitingspercentage toe binnen 90 dagen?
• Integratiediepte: Kan de AI je CRM-contacten, ticketgeschiedenis en kennisbank zien?
• Menselijke overdracht: Is het escalatiepad naadloos, met volledige gesprekscontext doorgegeven aan de agent?
• Beveiliging en compliance: Kan de AI voor gereguleerde industrieën zoals die van Smarsh voldoen aan SOC 2, HIPAA of AVG-eisen?
• Prijstransparantie: Is het echt per gesprek, of zijn er verborgen platformkosten?

Aan de slag: Een 90-dagenkader voor AI-ondersteuningsautomatisering

Geïnspireerd door het draaiboek van Smarsh, hier een gefaseerde routekaart die je kunt aanpassen aan je eigen omgeving.

Dag 1–30: Beoordelen en voorbereiden

• Audit je meest voorkomende tickettypen. Streef naar 20–30 categorieën die 60% van het volume uitmaken.
• Maak je kennisbank schoon en gestructureerd. Vul gaten waar AI zou struikelen.
• Pilot een gespecialiseerde agent voor één enkel onderwerp met hoog volume (bijv. facturatievragen).

Dag 31–60: Begeleide lancering

• Implementeer de agent in suggestiemodus met menselijke goedkeuring vereist.
• Stel betrouwbaarheidsdrempels in op 95% voor autonome reacties; breng escalatiepaden in kaart.
• Monitor dagelijks het insluitingspercentage, CSAT en afbuiging. Train wekelijks opnieuw.

Dag 61–90: Opschalen en uitbreiden

• Ga over naar autonome modus voor het eerste onderwerp zodra de insluiting 50% overschrijdt.
• Voeg een tweede agent toe voor een gerelateerd gebied (bijv. onboardinghulp).
• Integreer met CRM en marketingautomatisering om cross-functionele overdrachten mogelijk te maken, zoals bij Piper.

Conclusie: Het AI-ondersteuningsdividend is echt

De reis van Smarsh met Agentforce is geen uitzondering, het is de nieuwe maatstaf. Een oplossingspercentage van 60%, een daling van 35% in escalaties en een dramatische verlaging van de kosten per gesprek geven aan dat we een drempel hebben overschreden: AI-ondersteuningsagenten zijn niet alleen experimenteel, ze zijn CFO-goedgekeurde investeringen.

Jouw team kan hetzelfde bereiken. Begin met één gespecialiseerde agent, obsessie over je kennisbank, en bereken wat 10.000 gesprekken jou zouden kosten tegen $2 per stuk. De cijfers zijn waarschijnlijk overtuigender dan je denkt.

En als je die reis wilt versnellen zonder vast te zitten aan één CRM, biedt Successly een AI-ondersteuningslaag die in dagen implementeert, leert van je bestaande content en 43% ticketafbuiging levert vanaf maand één. De toekomst van ondersteuning gaat niet over het vervangen van mensen, maar over het bewapenen met AI die net zo hard werkt als zij.