Betere leads, minder verkoop: waarom AI-agents de inzet van verkopers ondermijnen

Als AI-agents het voorwerk doen in de verkoop, kunnen menselijke verkopers slechter gaan presteren. Bij een Chinese online verzekeringsmakelaar kregen verkopers door AI-spraakagents ongeveer 23 procentpunt meer kansrijke leads, maar daalde hun klantwerving met ongeveer 5 procentpunt. De oorzaak: verkopers doen minder hun best voor leads die ze niet zelf hebben verdiend.

Wat werd onderzocht?

Het onderzoek bekijkt wat er met menselijke verkopers gebeurt als een bedrijf AI-agents inzet in de klantwerving. Het draagt de titel When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition.

De onderzoekers volgden een Chinese online verzekeringsmakelaar. Dat bedrijf werkt met grote aantallen leads: mensen die interesse hebben getoond in een verzekering, maar nog geen klant zijn. Lang niet al die leads zijn even waardevol. Een groot deel heeft weinig koopintentie en levert zelden een polis op.

Om dat inefficiënte werk te beperken, zette de makelaar AI-spraakagents in. Een AI-spraakagent is software die zelfstandig telefoongesprekken voert in gesproken taal, vergelijkbaar met een callcentermedewerker. De agents namen de leads met weinig koopintentie voor hun rekening. De kansrijke leads gingen door naar menselijke verkopers.

Het idee achter die taakverdeling is logisch. Laat de AI het minst waardevolle werk doen, zodat mensen hun tijd besteden aan de beste kansen. Op papier levert dat meer omzet op met dezelfde mensen. De vraag van het onderzoek was of dat in de praktijk ook zo uitpakt.

Wat waren de resultaten?

De AI-agents deden waarvoor ze waren ingezet, maar de verkoop ging omlaag. Dat is de paradox die de titel van het onderzoek samenvat: betere kansen die averechts uitpakken.

Het eerste effect was positief. Doordat de AI-spraakagents de zwakke leads wegfilterden, steeg het aandeel kansrijke leads bij de menselijke verkopers met ongeveer 23 procentpunt. Verkopers spraken dus veel vaker mensen die echt overwogen een verzekering af te sluiten.

Het tweede effect was negatief. De klantwerving door diezelfde verkopers daalde met ongeveer 5 procentpunt. Met betere leads in handen haalden ze dus minder klanten binnen.

Dat is opvallend, omdat je het omgekeerde zou verwachten. Een verkoper die vooral warme leads belt, zou juist meer moeten scoren. Dat gebeurde niet, en de verklaring zit niet in de techniek maar in het gedrag van de mensen.

Waarom verkopen verkopers minder met betere leads?

Verkopers gaan minder hun best doen als de AI het voorwerk heeft gedaan. Het onderzoek wijst op twee mechanismen die elkaar versterken.

1. Geen eigen bijdrage, minder betrokkenheid

In de oude situatie werkten verkopers zich door alle leads heen. Een kansrijke klant was iets wat ze zelf hadden gevonden en opgewarmd. Met de AI-agents viel die vroege fase weg. De verkoper kreeg de goede lead kant-en-klaar aangereikt.

Wat te makkelijk wordt aangereikt, voelt niet als eigen werk. Een lead waar je zelf niets voor hebt gedaan, krijgt minder aandacht en minder doorzettingsvermogen. Verkopers doen dan minder hun best dan de agents die het voorwerk deden.

2. Minder leren over de klant

Het voorwerk is ook een leerproces. Wie zelf belt met twijfelende klanten, leert welke vragen ze hebben, welke bezwaren spelen en wanneer iemand klaar is om te kopen. Die kennis gebruik je in het verkoopgesprek.

Als de AI dat stadium overneemt, verzwakt dat leermechanisme. Verkopers missen het gevoel voor de klant dat ze vroeger vanzelf opbouwden. Dat gaat ten koste van hun prestatie in het gesprek dat er wel toe doet.

Samen een sluipend effect

Geen van beide mechanismen is zichtbaar in een dashboard dat alleen leadkwaliteit meet. Daar ziet de AI-inzet eruit als een succes. Pas aan de conversiecijfers zie je dat de mensen verderop in het proces anders zijn gaan werken.

Wat betekent dit voor organisaties die AI-agents inzetten?

Werk herverdelen tussen AI-agents en mensen vraagt ook om nieuwe prikkels, targets en procesontwerp. Het werk staccato opknippen, met de AI voor en de mens achter, werkt niet vanzelf. Vier lessen uit het onderzoek:

1. Laat mens en AI in elk procesonderdeel samenwerken. Een harde knip tussen voorwerk en afronding verlaagt de betrokkenheid. Geef verkopers bijvoorbeeld inzicht in wat de AI-agent met een lead heeft besproken, of laat ze meekijken en bijsturen in de eerste fase.
2. Pas de prikkels aan. Beloning die is ontworpen voor zelf gevonden klanten past niet bij een rol waarin de beste leads worden aangeleverd. Kijk wat medewerkers in de nieuwe taakverdeling motiveert om het verschil te maken.
3. Herzie de targets. Doelen die uitgaan van een gemengde stapel leads kloppen niet meer als de AI vooral warme leads doorzet. Een target dat niet meebeweegt, zegt weinig over echte prestaties.
4. Meet de interactie, niet de losse spelers. De vraag is niet of de AI of de mens beter presteert, maar hoe ze samen presteren. Meet daarom de uitkomst van het hele proces, niet alleen de leadkwaliteit of de prestatie per medewerker.

Wat zegt dit over mens-AI-samenwerking in het algemeen?

De les reikt verder dan verzekeringen en verkoop. Veel organisaties zetten AI-agents in volgens hetzelfde patroon: de AI doet het eerste, eenvoudige deel van het werk en de mens neemt het waardevolle deel over. Denk aan klantenservice, recruitment, schadeafhandeling of IT-support.

Dit onderzoek laat zien dat zo'n verdeling een verborgen kostenpost kan hebben. Mensen reageren op wat de AI doet. Hun motivatie, hun gevoel van eigenaarschap en hun vakkennis hangen samen met het werk dat ze zelf uitvoeren. Wie dat werk weghaalt, verandert ook hoe ze de rest van hun taak aanpakken.

De winst van AI-agents zit daarom niet alleen in wat de technologie kan. Die zit vooral in hoe goed mens en machine op elkaar zijn afgestemd. Een AI-implementatie is dus ook altijd een vraagstuk van organisatie- en werkontwerp.

Veelgestelde vragen

Maken AI-agents verkopers productiever?

Niet vanzelf. In dit onderzoek kregen verkopers betere leads door AI-spraakagents, maar daalde hun klantwerving met ongeveer 5 procentpunt.

Waarom presteren mensen slechter als AI het voorwerk doet?

Ze hebben zelf niets bijgedragen aan de lead en leren minder over de klant. Daardoor doen ze minder hun best in het verkoopgesprek.

Hoe voorkom je dit effect?

Laat mens en AI in elke fase samenwerken in plaats van het werk strikt op te knippen. Pas daarnaast beloning en targets aan op de nieuwe taakverdeling.

Geldt dit alleen voor verzekeringen?

Het onderzoek vond plaats bij een verzekeringsmakelaar. Het mechanisme, minder inzet bij aangereikt werk, speelt waarschijnlijk overal waar AI-agents voorwerk doen voor mensen.

Wat is een AI-spraakagent?

Een AI-spraakagent is software die zelfstandig telefoongesprekken voert in gesproken taal. In de verkoop belt zo'n agent leads na, stelt vragen en bepaalt of iemand interesse heeft.

Moeten bedrijven dan stoppen met AI-agents in de verkoop?

Nee. Het onderzoek laat zien dat de AI-agents de leadkwaliteit flink verbeterden. Het probleem zit in de manier waarop het werk is verdeeld en hoe medewerkers worden aangestuurd, niet in de technologie zelf.

Bron: Xinyu Fu, Shulong Luo, Narayan Ramasubbu, Peng Shen, Xincheng Wang en Yucheng Wang, When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition, arXiv:2610.25603 (19 oktober 2026, preprint): https://www.alphaxiv.org/abs/2610.25603