De Klarna-case: wat er gebeurt als AI precies doet wat je vraagt
Er zijn van die verhalen die op het eerste gezicht simpel lijken, maar bij nader inzien iets fundamenteels blootleggen. De recente beweging van Klarna is er zo één.
Het begon ogenschijnlijk logisch. Een snelgroeiende fintech, stevige concurrentie, druk op marges en een technologie die eindelijk volwassen genoeg leek om grote delen van het klantcontact over te nemen. Klarna besloot door te pakken en verving honderden medewerkers in de klantenservice door AI.
Geen experiment. Geen pilot. Gewoon doen.
En eerlijk is eerlijk: in eerste instantie werkte het.
De belofte die wél werd waargemaakt
De cijfers zagen er goed uit. Minder kosten, snellere afhandeling, altijd beschikbaar. Waar een mens pauze nodig heeft, gaat software gewoon door. Waar een team opgeschaald moet worden, kan AI vrijwel onbeperkt meebewegen.
Voor veel bestuurders is dit het ideale plaatje. Minder afhankelijkheid van personeel, meer controle over processen en een schaalbare operatie die niet wordt begrensd door roosters of ziekteverzuim.
Als je puur naar efficiëntie kijkt, is dit bijna een schoolvoorbeeld van hoe het zou moeten.
En toch begon het daar te wringen.
Wat niet direct zichtbaar was
Aan de oppervlakte veranderde er weinig. Vragen werden nog steeds beantwoord. Problemen werden nog steeds opgelost. De systemen draaiden.
Maar ergens onder die oppervlakte ontstond frictie.
Klanten kregen antwoorden, maar voelden zich minder geholpen. Gesprekken verliepen correct, maar niet altijd prettig. De nuance die een ervaren medewerker vanzelf meeneemt, een beetje meedenken, een kleine afwijking toestaan, het aanvoelen van frustratie , bleek moeilijk te vangen in een systeem dat vooral is ingericht op logica en patronen.
Het verschil is subtiel, maar cruciaal. Je kunt een vraag oplossen zonder dat iemand zich echt geholpen voelt.
En dat verschil begon zich op te stapelen.
Het moment van besef
Het interessante aan dit soort ontwikkelingen is dat er zelden één moment is waarop het misgaat. Geen grote crash, geen duidelijke foutmelding. Het is eerder een langzaam verschuivend evenwicht.
Totdat iemand zich afvraagt: werkt dit eigenlijk nog wel zoals bedoeld?
Bij Klarna leidde dat uiteindelijk tot een opvallende conclusie vanuit de top zelf: we zijn te ver gegaan. De organisatie begon weer mensen aan te nemen om het klantcontact te versterken. Niet als terugkeer naar het oude, maar als correctie op een te eenzijdige keuze.
Dat is op zichzelf al bijzonder. In een tijd waarin technologie vaak als onvermijdelijke vooruitgang wordt gepresenteerd, zie je hier een bedrijf dat bewust een stap terug doet om beter vooruit te kunnen.
Waar het echt om draait
Het zou makkelijk zijn om dit verhaal te zien als een waarschuwing: “zie je wel, AI werkt niet”. Maar dat is te kort door de bocht.
De technologie deed namelijk precies wat ervan werd gevraagd. Snel, efficiënt en schaalbaar antwoorden geven op klantvragen.
Het probleem zat ergens anders.
Klarna optimaliseerde op wat meetbaar was: snelheid, kosten, volume. Logische keuzes, zeker als je onder druk staat om te groeien en concurrerend te blijven.
Maar niet alles wat ertoe doet, laat zich makkelijk vangen in cijfers. Hoe iemand een gesprek ervaart. Of een oplossing als rechtvaardig voelt. Of er vertrouwen ontstaat of juist verdwijnt.
Dat soort elementen zijn lastiger te meten, maar bepalen uiteindelijk wel hoe een klant naar je organisatie kijkt.
En juist daar ging het schuiven.
Waarom dit verhaal breder is dan Klarna
Dit is geen uniek geval. Het is een voorproefje van iets waar veel organisaties de komende jaren mee te maken krijgen.
De verleiding om processen te optimaliseren met AI is groot en vaak terecht. Maar hoe krachtiger de technologie, hoe belangrijker de vraag wordt: waar sturen we eigenlijk op?
Als je alleen optimaliseert wat eenvoudig meetbaar is, wordt de rest vanzelf minder belangrijk. Niet bewust, maar als bijeffect.
En AI versterkt dat effect. Niet omdat het fouten maakt, maar omdat het consequent is. Wat je erin stopt, komt er versterkt uit.
Een ongemakkelijke spiegel
Misschien is dat wel het meest interessante aan deze case. Het legt niet zozeer de beperkingen van technologie bloot, maar die van organisaties zelf.
Hoe scherp hebben we eigenlijk wat “goed” betekent in ons eigen proces? Waar zit de balans tussen efficiëntie en kwaliteit? Wanneer is iets opgelost — en wanneer voelt het ook echt zo voor de klant?
Dat zijn geen nieuwe vragen. Maar ze worden wel urgenter op het moment dat technologie de uitvoering overneemt.
Omdat er dan geen ruimte meer is voor improvisatie. Geen medewerker die het nét anders aanpakt. Geen kleine correctie onderweg.
Alles wordt precies zoals ontworpen.
AI mislukt?
Wat Klarna laat zien, is geen mislukking van AI. Het is een moment van inzicht.
Een organisatie die ontdekt dat snelheid en kosten niet hetzelfde zijn als kwaliteit. Dat automatiseren iets anders is dan verbeteren. En dat sommige aspecten van dienstverlening niet verdwijnen, ook al maak je je systemen nog zo slim.
AI maakt organisaties niet beter of slechter. Het maakt ze scherper zichtbaar.
En soms is dat precies wat nodig is om te zien waar het echt om draait.