De les van Klarna is niet dat AI in de klantenservice niet werkt. Klarna meldde in 2024 dat zijn AI-assistent werk verrichtte dat overeenkwam met ongeveer 700 voltijdsfuncties en de gemiddelde afhandeltijd van elf naar minder dan twee minuten bracht. Dat is iets anders dan 700 mensen ontslaan. In 2025 erkende de CEO bovendien dat kosten bij de inrichting te zwaar hadden gewogen en investeerde het bedrijf opnieuw in menselijke ondersteuning voor complexe gevallen. De precieze les is hybride, niet een volledige terugdraai.
Dat is geen nederlaag, het is een correctie. En het is precies het soort correctie waar je van kunt leren zonder er zelf 700 banen voor op het spel te zetten. Hieronder zet Renforza op een rij wat er gebeurde, volgens wie, en wat het voor jouw eerste agent betekent.
Wat deed Klarna precies?
Klarna, de Zweedse betaaldienst, zette een AI-assistent in voor zijn klantenservice en communiceerde daar opvallend openlijk over. Volgens Klarna’s eigen bekendmaking verwerkte de assistent in de eerste maand 2,3 miljoen gesprekken, twee derde van alle chats. Het bedrijf omschreef de capaciteit als het equivalent van het werk van ongeveer 700 voltijdsmedewerkers; de gemiddelde afhandeltijd daalde volgens dezelfde bron van elf naar minder dan twee minuten.
Op papier is dat een droomcase. Sneller, goedkoper, schaalbaar. Het is ook precies de case die in verkooppresentaties belandt, meestal zonder het vervolg. Want het vervolg is het interessante deel.
Waarom bracht Klarna menselijke ondersteuning terug?
Omdat snelheid niet voor ieder gesprek voldoende is. CEO Sebastian Siemiatkowski zei in 2025 dat een te sterke nadruk op kosten tot lagere kwaliteit had geleid. Klarna begon daarom een kleiner model voor interne, flexibele menselijke ondersteuning te testen, zodat klanten ook een mens konden bereiken. Dat was geen terugkeer naar de oude bezetting en ook geen afscheid van AI.
Het model werd hybride: de AI-assistent handelt het hoge volume af, mensen blijven beschikbaar voor de momenten die ertoe doen. Klarna’s jaarverslag over 2025 bij de SEC meldt dat de assistent dat jaar 80 procent van de klantenservicechats behandelde, volgens het bedrijf zonder daling van de algemene klanttevredenheid. Dat nuanceert het populaire verhaal van een totale mislukking.
Waarom dat model overbleef, laat zich goed verklaren. Een agent is uitstekend in patronen en waardeloos in uitzonderingen die hij niet als uitzondering herkent. Een boze klant klinkt voor een taalmodel als tekst, niet als een relatie die op het spel staat. Waar dat structureel misgaat, staat uitgebreider in ons stuk over wat een AI-agent niet kan.
Waarom is dit geen argument tegen AI?
Omdat de fout niet in de techniek zat maar in de ambitie. “Vervang de afdeling” is een andere opdracht dan “vang het routinewerk”. De eerste opdracht dwingt de agent naar terreinen waar hij structureel zwak is: escalaties, emoties, uitzonderingen. De tweede opdracht laat hem doen waar hij goed in is en houdt mensen vrij voor de rest.
Dat sluit aan bij een breder signaal. Een veldrapport van Project NANDA bij MIT meldde dat 95 procent van de onderzochte organisaties geen snel meetbaar P&L-effect uit GenAI haalde. Externe partnerships presteerden in de onderzochte implementaties beter dan interne builds. Dat is geen universele faalkans of causale bewijsvoering, maar het onderstreept wel het belang van afbakening, integratie en relevante ervaring.
Klarna automatiseerde op grote schaal en corrigeerde de menselijke laag in het openbaar. Dat geeft jou een bruikbare les zonder van de casus een simpel succes- of mislukkingsverhaal te maken.
Wat betekent dit voor jouw eerste agent?
Drie dingen, concreet.
Begin niet bij klantcontact. De verleiding is groot, want daar zit veel volume en de besparing oogt spectaculair. Maar het is ook precies de plek met escalaties, emoties en aansprakelijkheid. Air Canada moest een korting honoreren die zijn chatbot verzon, meldt Forbes, en het Duitse OLG Hamm oordeelde dat een bedrijf direct aansprakelijk is voor wat zijn chatbot zegt. Begin liever bij iets saais en herstelbaars.
Ontwerp het menselijke checkpoint vanaf dag één. Klarna investeerde daar later opnieuw in. Jij kunt het meteen inbouwen. Bepaal vooraf welke gevallen de agent zelf afhandelt en welke hij doorgeeft aan een mens, en maak dat doorgeven goedkoop in plaats van afwezig.
Meet kwaliteit, niet alleen snelheid. Afhandeltijd van elf naar twee minuten is makkelijk te tellen en daarom verleidelijk. Kwaliteit bij moeilijke gesprekken is lastiger te tellen en daarom makkelijk te negeren. Zet die meetlat er vanaf het begin naast.
Voor werkgevers is de samenvatting nuchter: de vraag is niet of je nog mensen nodig hebt, maar precies waar. Het routinewerk kan naar de agent, de momenten met geld, emoties en handtekeningen blijven mensenwerk. Hoe je die grens trekt, komt ook aan bod op onze pagina voor werkgevers.
De les in één zin
Klarna liet zien dat een AI-assistent enorm veel routinewerk aankan en dat bereikbare menselijke ondersteuning daarnaast waarde houdt. Het hybride model is geen zwaktebod, maar een bewuste inrichting.
Renforza plaatst agents als derde kandidaat op je shortlist, en juist daarom sturen we niet op de grootste sprong maar op het proces dat een agent echt aankan. In een agents-intake bepalen we samen waar de agent het routinewerk vangt en waar het menselijke checkpoint hoort. Dan hoef je de les van Klarna niet zelf te betalen.
Bronnen
- Klarna: resultaten van de AI-assistent in de eerste maand, 27 februari 2024
- Klarna Group, Annual Report 2025, ingediend bij de SEC in 2026
- Library of Congress over aansprakelijkheid voor chatbotuitspraken bij het OLG Hamm, 9 juni 2026
