In het kort
- Gartner verwacht dat AI-agenten tegen 2028 tien keer talrijker zullen zijn dan menselijke verkopers.
- Toch zal minder dan 40 procent van de verkopers zeggen dat die agenten hun productiviteit hebben verbeterd.
- Volgens Gartner is er een plafond: voorbij een bepaald punt levert meer AI niets meer op en dreigt overbelasting.
- De aanbeveling: eerst gegevens en processen op orde, gericht testen, verkopers opleiden en de klant centraal zetten.
Een AI-agent is software die niet alleen antwoorden geeft, maar ook zelfstandig taken uitvoert: een verkoopkans opvolgen, een gesprek samenvatten, een opvolgmail voorstellen. Wie het aanbod van CRM-leveranciers volgt, ziet ze overal opduiken. Onderzoeksbureau Gartner plaatst daar in een nieuw rapport een nuchtere kanttekening bij. Tegen 2028 zullen AI-agenten tien keer zo talrijk zijn als menselijke verkopers, maar minder dan 40 procent van die verkopers zal aangeven dat de agenten hun productiviteit hebben verbeterd.
Die twee cijfers samen vertellen het eigenlijke verhaal: het aantal digitale assistenten groeit veel sneller dan hun meerwaarde. Gartner raadt verkoopleiders daarom aan om niet langer te mikken op méér agenten, maar op een samenhangende aanpak waarin gegevenskwaliteit, procesautomatisering en gebruiksgemak voorop staan. Zonder die discipline dreigen organisaties hun verkopers te overstelpen en de echte voordelen van AI mis te lopen.
“AI-agenten zijn overal, maar er is een plafond aan de waarde.”— Melissa Hilbert, vice president analyst, Gartner Sales Practice
Waarom meer AI niet automatisch meer oplevert
Hilbert legt uit dat meer AI voorbij een bepaald punt geen extra productiviteit betekent. Wie bijkomende opdrachten en toepassingen stapelt op werkprocessen die al complex zijn, dreigt verkopers te overbelasten en uitputting te versnellen. Dat mechanisme is herkenbaar. Elke nieuwe assistent vraagt aandacht: een melding om te lezen, een voorstel om te beoordelen, een samenvatting om te controleren. Wat bedoeld is als ontlasting, wordt zo een extra laag werk bovenop het bestaande.
Er speelt nog iets. Een AI-agent werkt met de gegevens die hij krijgt. Staan contacten dubbel in het systeem, worden verkoopkansen niet consequent bijgewerkt of zit de helft van de klantcommunicatie nog in persoonlijke mailboxen, dan bouwt de agent voort op een onvolledig beeld. Het resultaat zijn voorstellen die net naast de kwestie liggen, en verkopers die terecht hun vertrouwen verliezen. Daarom zet Gartner gegevenskwaliteit en procesoptimalisatie uitdrukkelijk vóór het opschalen van AI.
Vijf aanbevelingen, vertaald naar de praktijk
Gartner formuleert vijf aanbevelingen. De eerste is succes anders meten: niet enkel met klassieke productiviteitscijfers, maar met kerncijfers die zowel de menselijke bijdrage als die van AI zichtbaar maken, inclusief relatieopbouw en emotionele intelligentie. De tweede is gericht testen: afgebakende initiatieven met duidelijke doelen, opgevolgd en bijgestuurd op basis van feedback van verkopers en kopers.
De derde is wellicht de belangrijkste: zorg dat de basisgegevens juist en de processen gestroomlijnd zijn vóór u AI op schaal inzet. De vierde gaat over de verkopers zelf: blijf investeren in opleiding, zodat zij leren samenwerken met AI en de inzichten ervan combineren met hun eigen ervaring. De vijfde richt zich op de koper: laat AI routinetaken overnemen, zodat verkopers tijd vrijmaken voor persoonlijke gesprekken die klantentrouw opbouwen.
Geen enkele aanbeveling gaat over het kiezen van de krachtigste AI. Ze gaan allemaal over voorwaarden: meten, testen, gegevens, mensen en klantervaring. Volgens Hilbert hoort de toekomst van verkoop bij organisaties die menselijke empathie combineren met inzichten die AI aanreikt.
Wat dit betekent voor KMO's en MKB-bedrijven
Het rapport richt zich op verkoopleiders in het algemeen, maar de les weegt misschien nog zwaarder voor kleinere ondernemingen. Een KMO in België of een MKB-bedrijf in Nederland heeft zelden een apart team dat AI-projecten begeleidt; elke toepassing die onvoldoende oplevert, kost er rechtstreeks verkooptijd. Tegelijk is de uitgangspositie vaak gunstig: een overzichtelijk klantenbestand en korte lijnen maken het eenvoudiger om eerst het fundament te leggen.
Concreet: begin bij de gegevens in uw CRM, maak afspraken over wat er wanneer wordt ingevuld, en kies één afgebakend proces waar AI aantoonbaar tijd kan besparen. Meet het effect, vraag uw verkopers om feedback en breid pas uit wanneer de eerste stap werkt. Platformen zoals Zoho CRM laten AI-functies rechtstreeks op uw klantgegevens werken, wat het belang van die gegevenskwaliteit alleen maar groter maakt. Die stapsgewijze logica is ook hoe SalesBridge, als Zoho Premium Partner, implementaties aanpakt: eerst wat snel resultaat oplevert, daarna gefaseerd uitbreiden.
Veelgestelde vragen
Wat is een AI-agent precies, en hoe verschilt die van een chatbot?
Een AI-agent is software die niet alleen vragen beantwoordt, maar ook zelfstandig taken uitvoert binnen een afgebakend doel. Waar een klassieke chatbot reageert op wat u vraagt, kan een agent bijvoorbeeld een verkoopkans analyseren, een opvolgactie voorstellen of een gesprek samenvatten en vastleggen. Dat maakt agenten krachtiger, maar ook afhankelijker van de gegevens en processen waarop ze werken. Een agent die onvolledige klantgegevens krijgt, neemt immers ook minder goede beslissingen. De inzet van agenten is dus in de eerste plaats een organisatorische keuze, en pas daarna een technische.
Waarom verwacht Gartner dat zo weinig verkopers productiever worden?
Volgens Gartner bestaat er een plafond aan de waarde van AI. Voorbij een bepaald punt levert extra AI geen extra productiviteit op, omdat elke nieuwe toepassing ook aandacht en controle vraagt. Wanneer opdrachten en hulpmiddelen worden gestapeld op werkprocessen die al complex zijn, raken verkopers overbelast in plaats van ontlast. Daar komt bij dat veel organisaties AI invoeren voordat hun gegevens en processen op orde zijn. Het lage cijfer zegt dus minder over de technologie zelf dan over de manier waarop ze wordt ingevoerd.
Moet ik als KMO wachten met AI tot mijn gegevens perfect zijn?
Nee, perfectie is geen voorwaarde, een redelijk betrouwbaar fundament wel. Gartner raadt aan om gegevenskwaliteit en processen te verbeteren vóór u AI op schaal uitrolt, niet om stil te zitten tot alles foutloos is. U kunt prima starten met één afgebakend proces waarvan u de gegevens goed kent, en tegelijk werken aan de opkuis van de rest. Maak wel duidelijke afspraken over wie welke gegevens bijhoudt. Voor KMO's in België en MKB-bedrijven in Nederland is dat vaak sneller haalbaar dan gedacht, omdat het klantenbestand overzichtelijker is.
Hoe meet ik of AI mijn verkoopteam echt helpt?
Gartner pleit ervoor om verder te kijken dan klassieke productiviteitscijfers zoals het aantal gesprekken of verstuurde e-mails. Zinvoller zijn kerncijfers die zowel de bijdrage van de verkoper als die van AI zichtbaar maken, inclusief relatieopbouw en de kwaliteit van het klantcontact. Leg vóór de start vast wat u wilt bereiken, bijvoorbeeld minder tijd aan administratie of snellere opvolging van offertes. Vergelijk na een vaste periode met de beginsituatie en vraag uw verkopers om feedback. Zo voorkomt u dat een toepassing blijft draaien louter omdat ze er nu eenmaal is.
Met welk verkoopproces begin ik best?
Kies een taak die vaak terugkomt, veel tijd kost en weinig persoonlijk oordeel vraagt. Gartner wijst zelf op het automatiseren van routinetaken, zodat verkopers meer tijd krijgen voor waardevolle gesprekken met klanten. Denk aan het samenvatten van klantcontacten, het voorbereiden van opvolgacties of het aanvullen van ontbrekende gegevens. Zulke taken zijn goed af te bakenen, waardoor het effect meetbaar is. Begin klein, met een duidelijke doelstelling en een vast evaluatiemoment, en breid pas gefaseerd uit wanneer het werkt. Zo bouwt u vertrouwen op bij uw team in plaats van weerstand.
