In deze serie praktijkverhalen kijken we niet naar wat AI allemaal zou kunnen, maar naar wat het concreet doet in één soort bedrijf. Na de garage, het administratiekantoor, de fysiopraktijk en het installatiebedrijf is vandaag de webshop aan de beurt. Vooraf voor de duidelijkheid: het bedrijf in dit verhaal is fictief — een samengesteld voorbeeld, opgebouwd uit situaties die wij bij dit soort bedrijven in de praktijk tegenkomen. De knelpunten, de aanpak en de ordegrootte van de bedragen zijn realistisch; de naam en de details zijn dat bewust niet.
Het bedrijf: zes mensen, duizend producten en een mailbox die elke ochtend vol zit
Neem een webshop in sport- en outdoorkleding ergens in Noord-Brabant. Zes mensen: twee op inkoop en marketing, twee in het magazijn, één op de klantenservice en de eigenaar, die overal tegelijk is. Op een gewone dag gaan er zo'n tachtig bestellingen de deur uit; rond de feestdagen het dubbele. Het is een gezond bedrijf in een markt die alles behalve rustig is. Nederland telt begin 2026 ruim 103.000 webshops, en uit de Thuiswinkel Markt Monitor over het eerste kwartaal blijkt dat Nederlanders weliswaar iets váker online kopen, maar in totaal minder uitgeven — terwijl het aantal aankopen bij buitenlandse aanbieders juist hard groeit. Meer concurrentie om een kleinere portemonnee, dus. Wie dan zes man sterk is, kan het verschil maar op één plek maken: in de uren die er zijn.
En precies daar knelde het. De klantenservice-mailbox zat elke ochtend vol, de productteksten voor de nieuwe collectie bleven al weken liggen, en de retouren stroomden binnen zonder dat iemand tijd had om uit te zoeken waaróm. Drie knelpunten, één rode draad: werk dat blijft liggen omdat er altijd iets dringenders is.
Knelpunt één: de mailbox vol 'waar blijft mijn pakketje?'
Wie de klantenservicemails van een week naast elkaar legt, ziet hetzelfde patroon als bij vrijwel elke webshop. Verreweg de grootste categorie: vragen over de status van een bestelling. In e-commerce heeft dat zelfs een eigen afkorting — WISMO, 'where is my order' — en uit onderzoek dat in de sector wordt aangehaald blijkt dat dit type vraag tot zo'n 35 procent van alle klantcontacten kan uitmaken. Daarna volgen retourvragen, maatvragen en voorraadvragen. Stuk voor stuk vragen waarvan het antwoord al ergens in een systeem staat — alleen zat er hier één medewerker tussen dat systeem en de klant, die elke vraag met de hand opzocht en beantwoordde.
De oplossing in dit voorbeeld: een AI-assistent die gekoppeld is aan het ordersysteem en de track & trace van de vervoerder. Statusvragen herkent en beantwoordt hij zelf, met de actuele bezorginformatie van díe klant erbij — niet met een algemeen 'houd uw mail in de gaten'. Retourverzoeken zet hij direct in het retourportaal klaar. En voor alles wat gevoelig ligt of afwijkt — een beschadigd pakket, een boze klant, een vraag die hij niet zeker weet — maakt hij een conceptantwoord en legt dat klaar voor de medewerker, die met één blik beoordeelt en verstuurt. Het resultaat: het grootste deel van de standaardvragen wordt binnen een minuut beantwoord, ook 's avonds en in het weekend, en de klantenservicemedewerker houdt haar tijd over voor de gesprekken waar een mens echt verschil maakt.
Een klant die vraagt waar zijn pakketje blijft, wil geen ticketnummer — hij wil het antwoord. Als dat antwoord al in je systemen staat, is elke handmatig getypte reactie er eigenlijk één te veel.
Knelpunt twee: productteksten die blijven liggen
Twee keer per jaar komt er een nieuwe collectie binnen: honderden producten, elk met een fabrikantsomschrijving vol specificaties en nul verkoopkracht. Goede productteksten schrijven — helder, in de eigen toon, met de juiste zoektermen — kostte per product zomaar een kwartier. Voor tweehonderd producten is dat vijftig uur werk die er nooit waren. Het gevolg laat zich raden: producten gingen live met de kale fabrikantstekst, of pas weken later. En een product zonder goede tekst wordt slecht gevonden en slecht verkocht — precies in de weken dat de collectie nieuw en de marge het best is.
Hier is een schrijf-workflow neergezet die per product de specificaties, de merkinfo en een handvol voorbeeldteksten uit de eigen webshop meekrijgt. De AI schrijft op basis daarvan een concepttekst in de huisstijl, inclusief meta-omschrijving voor de zoekmachine en een korte opsomming van de belangrijkste eigenschappen. De marketingmedewerker controleert, past aan waar nodig en zet live. Van een kwartier schrijven per product naar een paar minuten redigeren — de nieuwe collectie staat nu in dagen online in plaats van in weken. Belangrijk detail: de AI verzint geen eigenschappen bij, want hij werkt alleen met de aangeleverde specificaties, en alles gaat langs een mens voordat het live staat.
Knelpunt drie: retouren — en wat ze je proberen te vertellen
Kleding is berucht om zijn retouren, en ook bij dit bedrijf kwam een flink deel van de verkochte artikelen terug. Elke retour kost geld: verzendkosten, inpakwerk, een artikel dat een tijd niet verkoopbaar is. Maar het echte lek zat dieper. Klanten vullen bij een retour netjes een reden in — vaak als vrije tekst — en al die redenen verdwenen ongelezen in een systeem. Niemand had tijd om duizenden opmerkingen door te spitten.
Voor de AI is dat juist hapklaar werk. Alle retourredenen en productreviews van het afgelopen jaar zijn ingelezen en gecategoriseerd, en per product en merk samengevat. Daar kwamen patronen uit die niemand scherp had: één populair merk bleek structureel kleiner te vallen dan de maattabel beloofde, en bij een bepaalde categorie schoenen ging het opvallend vaak mis met de breedte. De aanpassing was verrassend simpel — een eerlijk maatadvies bovenaan die productpagina's ('dit merk valt klein, bestel een maat groter') — en het retourpercentage op precies die producten zakte merkbaar. Sindsdien draait de analyse maandelijks automatisch en krijgt de inkoper een kort overzicht: welke producten opvallend vaak terugkomen, en waarom.
- Klantvragen: de AI-assistent beantwoordt status- en retourvragen zelf op basis van het ordersysteem, en legt gevoelige gevallen met een conceptantwoord klaar voor de medewerker.
- Productteksten: AI schrijft concepten in de huisstijl op basis van de echte specificaties, een mens redigeert — de collectie staat in dagen online in plaats van weken.
- Retouren: retourredenen en reviews worden automatisch geanalyseerd, zodat maatadvies en inkoop op feiten gebaseerd zijn in plaats van op onderbuikgevoel.
Wat kost zoiets — en wat levert het op?
Ook hier geldt: je zet dit niet in één keer als groot systeem neer, je begint bij het knelpunt dat het meeste pijn doet. Een afgebakend eerste traject — bijvoorbeeld alleen de klantvragen-assistent of alleen de retouranalyse — begint bij ons vanaf zo'n €1.500. De drie oplossingen uit dit voorbeeld samen, netjes gekoppeld aan het bestaande shopsysteem en de vervoerder, zijn een traject vanaf zo'n €5.000, plus daarna enkele tientjes per maand aan lopende API-kosten. Zet dat af tegen de rekensom van dit bedrijf: een groot deel van de klantenservice-uren die vrijvallen, een collectie die weken eerder omzet draait, en een retourpercentage dat op de probleemproducten omlaag gaat. Die terugverdientijd is uiteraard geen garantie en verschilt per webshop — maar de posten waar het geld weglekt, zijn in vrijwel elke webshop dezelfde.
De concurrentie op prijs win je niet van de grote platforms. De concurrentie op aandacht wél — maar dan moet je team wel de tijd hébben voor de klanten en producten die aandacht verdienen.
De lessen voor jouw bedrijf
Verkoop jij geen sportkleding? De patronen zijn breder dan de webshop. De mailbox vol vragen waarvan het antwoord al in een systeem staat, herken je net zo goed in een reisbureau of een installatiebedrijf. Teksten die blijven liggen omdat niemand er tijd voor heeft, gelden voor elke website en elke offerte. En feedback die ongelezen in een systeem verdwijnt — retourredenen, reviews, klachten — is misschien wel de goedkoopste bron van verbeterpunten die bedrijven onbenut laten.
De aanpak blijft overal hetzelfde: kies één knelpunt waar structureel tijd of omzet weglekt, los dat goed op, en bouw daarna pas verder. En houd een mens aan de knop voor alles wat gevoelig ligt — in dit voorbeeld gaat er geen boze-klant-mail de deur uit zonder menselijke blik, en beslist de inkoper nog altijd zelf wat er met de retourinzichten gebeurt. AI doet het voorwerk; de klantrelatie blijft van jou.
Benieuwd waar in jouw webshop of bedrijf de meeste tijd of omzet weglekt? Doe de gratis AI-check — die geeft je in een paar minuten een eerste beeld van waar automatisering bij jou het snelst loont.
Liever direct sparren over een concreet knelpunt, zoals je klantenservice of je retourproces? Kijk dan bij onze automatiseringsoplossingen of vraag vrijblijvend een offerte aan — dan rekenen we samen door wat het in jouw situatie kost en oplevert.