EU AI Act en klantenservice-AI: wat moet je vóór augustus 2026 regelen?

Klantenservice-AI gaat in 2026 van "handige versneller" naar iets dat je expliciet moet kunnen uitleggen. Niet omdat elk supportteam ineens een juridisch team nodig heeft, maar omdat de EU AI Act transparantie veel concreter maakt.

Volgens de officiële AI Act Service Desk gaan de transparantieregels van Article 50 op 2 augustus 2026 gelden. Article 50 gaat onder meer over AI-systemen die rechtstreeks met mensen interacteren en over het duidelijk informeren van gebruikers wanneer zij met AI te maken hebben.

Dit artikel is geen juridisch advies. Het is een praktische vertaling voor support leads die chatbots, AI-conceptantwoorden, samenvattingen of sentimentanalyse gebruiken en vóór augustus 2026 hun basis op orde willen hebben.

Waarom supportteams dit niet moeten negeren

Veel teams denken bij de AI Act aan grote modellen, high-risk systemen of enterprise-compliance. Daardoor lijkt klantenservice buiten beeld. Dat is te simpel.

Een supportteam gebruikt AI vaak precies op plekken waar klanten het merken:

• een chatbot beantwoordt vragen op de site;
• een AI-assistent schrijft conceptantwoorden;
• sentimentanalyse markeert boze klanten;
• automatische samenvattingen bepalen welke context de agent ziet;
• een workflow routeert tickets op basis van AI-classificatie.

Niet al deze toepassingen hebben dezelfde juridische status. Een chatbot die direct met klanten praat is iets anders dan een intern AI-concept dat een agent eerst controleert. Maar operationeel moet je voor beide kunnen uitleggen wat er gebeurt, wie controleert en wat de klant ziet.

Dat is het echte werk voor supportteams: niet alleen "AI gebruiken", maar AI zo inrichten dat agents, klanten en managers begrijpen waar AI begint en waar menselijke verantwoordelijkheid overneemt.

Article 50 in gewone supporttaal

De officiële tekst van Article 50 zegt onder meer dat providers moeten zorgen dat mensen geïnformeerd worden wanneer zij rechtstreeks met een AI-systeem interacteren, tenzij dat gezien de context duidelijk is. De informatie moet volgens de Service Desk duidelijk, onderscheidbaar en toegankelijk worden gegeven, uiterlijk bij de eerste interactie.

Voor een supportteam kun je dit vertalen naar vier vragen:

1. Praat de klant direct met AI? Dan moet de AI-natuur duidelijk zijn in de interface of opening.
2. Genereert AI tekst die naar klanten gaat? Dan moet je weten of er menselijke review en redactionele verantwoordelijkheid is.
3. Gebruikt AI sentiment of categorisering? Dan moet intern duidelijk zijn hoe dat wordt gebruikt voor prioriteit en routing.
4. Kan een agent AI-output overrulen? Dan moet die menselijke stap zichtbaar zijn in je proces.

Het gaat dus niet alleen om een zinnetje onder een chatbot. Het gaat om een herkenbare supportarchitectuur.

Drie AI-situaties in klantenservice

Niet elke AI-feature vraagt dezelfde aanpak. Maak daarom eerst onderscheid.

| AI-gebruik | Klant ziet AI direct? | Belangrijkste controle | | --- | --- | --- | | Chatbot of AI-agent op de site | Ja | Duidelijke AI-disclosure vóór of bij eerste interactie | | AI-conceptantwoord voor agent | Niet direct, als agent reviewt | Human review, bewerkingslogica en agentverantwoordelijkheid | | Sentimentanalyse of samenvatting | Meestal niet | Interne uitleg, logging en voorzichtig gebruik bij escalatie |

Voor SamDesk-gebruikers is vooral de tweede categorie belangrijk. AI-conceptantwoorden zijn waardevol omdat ze agents sneller maken, maar de agent blijft de laatste kwaliteitscontrole. Dat is operationeel sterk: AI versnelt, de mens beslist.

Bij volledig automatische antwoorden ligt de lat hoger. Dan moet je niet alleen disclosure regelen, maar ook nadenken over fallback, escalatie en foutafhandeling.

Wat je vóór augustus 2026 moet vastleggen

Begin met een kort AI-register voor support. Geen dik beleidsdocument. Gewoon een lijst met alle plekken waar AI in of rond klantcontact zit.

Leg per toepassing vast:

• wat de AI doet;
• of de klant direct met AI interacteren kan;
• welke data de AI gebruikt;
• of een mens output controleert;
• wanneer escalatie naar een agent verplicht is;
• welke disclosure de klant ziet;
• welke meting of log bestaat als er iets misgaat.

Dat klinkt administratief, maar het voorkomt discussie. Als een klant vraagt "is dit door AI beantwoord?", weet je team wat het eerlijke antwoord is. Als een manager vraagt waarom een boos ticket hoger in de queue stond, kun je uitleggen welke sentimentregel actief was.

Schrijf disclosure alsof een klant het leest

Veel AI-disclosures zijn juridisch correct maar nutteloos voor klanten. "Deze interactie kan worden ondersteund door geautomatiseerde systemen" zegt weinig.

Gebruik gewone taal. Bijvoorbeeld:

> Je chat eerst met onze AI-assistent. Die helpt met veelgestelde vragen. Kom je er niet uit, dan neemt een medewerker het over.

Of bij AI-drafts achter de schermen:

> Onze medewerkers kunnen AI gebruiken om sneller een conceptantwoord te maken. Een medewerker controleert het antwoord voordat het wordt verstuurd.

De tweede tekst hoef je niet overal in de interface te zetten als de klant niet direct met AI praat, maar intern moet je wel weten of dit de werkwijze is. Publiceer alleen wat klopt.

Bouw human-in-the-loop niet als toneelstuk

"Human in the loop" is pas waardevol als de mens echt kan ingrijpen. Een agent die alleen op verzenden klikt zonder context of tijd, is geen controlelaag. Dat is automatisering met een mens als decor.

Een goede human-review stap heeft drie eigenschappen:

Context. De agent ziet de originele klantvraag, orderinformatie, vorige gesprekken en eventueel de bron waarop AI zich baseert.

Bewerkbaarheid. De agent kan de toon, inhoud en oplossing aanpassen voordat het antwoord uitgaat.

Escalatierecht. De agent kan de AI-output afwijzen, het ticket doorzetten of extra informatie vragen.

Daarom werkt AI in support het best wanneer het in de inbox zelf zit, naast klantcontext en ticketstatus. Losse AI-tools versnellen tekstproductie, maar maken controle lastiger.

Interne training: kort, concreet, herhaalbaar

De AI Act noemt ook AI literacy in de bredere implementatie van de wet. Voor supportteams betekent dit vooral: agents moeten weten wat AI wel en niet mag doen in hun workflow.

Een praktische training hoeft niet lang te zijn. Behandel vijf punten:

1. Wanneer mag je een AI-concept gebruiken?
2. Welke claims moet je altijd checken?
3. Wanneer moet je escaleren naar een mens?
4. Welke klantdata mag je niet in losse tools plakken?
5. Hoe leg je aan een klant uit dat AI is gebruikt?

Herhaal dit elke keer dat je een nieuwe AI-feature toevoegt. Een policy die niemand leest, helpt minder dan een checklist die agents dagelijks zien.

Wat SamDesk hierin kan ondersteunen

SamDesk is gebouwd rond AI-assist in plaats van blinde automatisering. Dat is een belangrijk verschil. AI helpt met conceptantwoorden, samenvattingen, sentiment en workflowinformatie, maar supportteams houden de context en controle in dezelfde omgeving.

Voor teams die zich voorbereiden op Article 50 is dat praktisch:

• AI-conceptantwoorden blijven reviewbaar voordat ze naar klanten gaan.
• AI-contactsamenvatting en sentiment geven agents sneller context, zonder dat sentiment automatisch de enige beslisfactor hoeft te zijn.
• Ticket-workflows maken escalatie zichtbaar in plaats van verborgen in losse regels.

De kern is niet "gebruik minder AI". De kern is: gebruik AI zichtbaar, controleerbaar en uitlegbaar.

Conclusie

2 augustus 2026 lijkt nog ver weg, maar supportprocessen veranderen traag. Als je nu AI gebruikt in klantcontact, begin dan met een eenvoudige inventaris: waar zit AI, wat ziet de klant, waar reviewt een mens en welke disclosure past daarbij?

Daarna kun je gericht verbeteren. Zet chatbot-disclosure klaar. Maak AI-drafts reviewbaar. Documenteer sentimentregels. Train agents op uitzonderingen. En zorg dat je niet pas in augustus ontdekt dat je AI-support sneller is geworden, maar niet meer goed uit te leggen is.