100% AI-monitoring vs. handmatige QA-steekproef: wat zie je echt?

Een eerlijke vergelijking tussen een handmatige QA-steekproef en 100% AI-monitoring — dekking, kosten, doorlooptijd en wat je per gesprek kunt aantonen bij de ACM. Inclusief wat AI-monitoring níet oplost.

100% AI-monitoring vs. handmatige QA-steekproef: wat zie je echt?

Bijna elk callcenter bewaakt gesprekskwaliteit met een steekproef: een QA-collega luistert een handvol gesprekken per agent per maand terug en scoort die met een formulier. Dat is jarenlang een prima werkwijze geweest — en voor veel teams is het dat nog steeds.

Ik bouw en draai CallCheckPro zelf, dus ik ga je niet vertellen dat de steekproef dood is. Wat wél verandert is de vraag die je krijgt. Niet meer "hoe goed bellen jullie?", maar "laat per gesprek zien dat je conform belt." Op die tweede vraag is een steekproef een lastig antwoord.

Deze pagina zet de twee aanpakken eerlijk naast elkaar: hoeveel je écht ziet, wat het kost, hoe snel je het weet, en wat je kunt aantónen. Inclusief een eerlijk blok over wat 100%-monitoring níet voor je oplost.

01Hoeveel dekt een steekproef eigenlijk?

Er bestaat geen branchenorm voor steekproefgrootte. De meest genoemde praktijk is 4 tot 8 gesprekken per agent per maand, met 5–6 als veelgebruikt midden; ongeveer 36% van de teams monitort er tien of meer (Call Centre Helper). In dekkingstermen komt traditionele handmatige QA daarmee meestal op 1 à 2% van alle interacties uit — de rest van het volume blijft buiten beeld (CX Foundation, Happitu).

Reken het voor je eigen team uit. Een outbound-agent die 50 gesprekken per dag voert, zit op zo'n 1.000 gesprekken per maand. Luister je er 6 van terug, dan bekijk je 0,6% — en baseer je je oordeel over die agent op zes momentopnames. Bij een inbound-team met lagere volumes ligt het percentage hoger, maar de kern blijft: je beoordeelt de medewerker, niet het werk.

Eén nuance die vaak misgaat: er bestaat een vuistregel dat ~400 gesprekken genoeg zijn voor ±5% nauwkeurigheid (Call Centre Helper). Dat geldt voor de prestatie van het hele center, niet voor het beoordelen van één agent of één specifiek gesprek. En "het specifieke gesprek" is nu net wat een toezichthouder of opdrachtgever opvraagt.

02De vergelijking

Eerlijk blijven: de steekproef wint op één punt dat niet in deze tabel past — een ervaren QA-collega hoort nuance, toon en intentie die geen enkel model volledig vat. Daarover later meer.

03Waarom de bewijslast bij jóu ligt — en waarom dat het echte verschil is

Het verschil tussen beide aanpakken is niet "meer luisteren". Het is een ander soort bewijs. Een steekproef laat zien hoe een paar gesprekken gingen. 100%-monitoring laat je aantónen hoe ze állemaal gingen.

Dat klinkt abstract tot je naar de ACM-handhaving kijkt. Het patroon is consistent en het raakt juist energie-telemarketing:

• De ACM beboette energieleverancier HEM met €1,1 miljoen voor misleidende en agressieve telefonische werving (ACM, april 2024).
• Budget Thuis kreeg €1,8 miljoen — en belangrijker voor BPO's en opdrachtgevers: het verweer dat de bellers zelfstandige intermediairs waren, hield niet. De ACM hield de opdrachtgever aansprakelijk voor wat de ingehuurde partij deed (DDMA).
• Bij Global Marketing Bridge liep de handhaving door tot de bestuurders persoonlijk: €400.000 voor het bedrijf, plus €50.000 en €65.000 voor de twee directeuren (ACM).

(Ik noem deze zaken als patroon, niet als losse schrikcijfers — sommige boetes worden aangevochten of geschorst. Het gaat om de richting, niet om het exacte bedrag.)

Die ketenverantwoordelijkheid is het inzicht dat ik bij operators het vaakst over het hoofd zie. Besteed je belwerk uit, dan koop je de boete van je intermediair mee. En ben je zelf de BPO, dan is een audittrail per gesprek precies wat je opdrachtgever van je nodig heeft — en wat jou beschermt als het misgaat. Een steekproef van 1% is dan geen bewijs, dat is hopen dat het goed zat.

Vanaf 1 juli 2026 zijn de regels bovendien aangescherpt: consumenten en kleine ondernemers mogen alleen nog gebeld worden met vooraf gegeven, expliciete toestemming, en die toestemming mag niet zomaar tijdens een servicegesprek worden verkregen (ACM). Let op het onderscheid: dat is een toestemmingsregel — wíe je mag bellen — en die regel je in je eigen leadproces, niet met een monitoringtool. Monitoring bewaakt hóe je belt zodra de lijn openstaat. Twee verschillende dingen, en wie ze door elkaar haalt verkoopt je een verkeerde oplossing.

04Wanneer kies je wat?

Een handmatige steekproef volstaat als:

• je belvolume laag is en één persoon het overzicht echt behoudt;
• gesprekskwaliteit een interne coachingwens is, geen externe verantwoordingsplicht;
• je geen toezichthouder, opdrachtgever of auditor hebt die per gesprek bewijs kan opvragen.

100% AI-monitoring is de logische stap als:

• je in een gereguleerde markt belt (energie-telemarketing voorop) en moet kúnnen aantonen dat je conform werkt;
• je volume zo groot is dat een steekproef statistisch weinig meer zegt over individuele agents of gesprekken;
• je belwerk uitbesteedt of zelf BPO bent, en een audittrail per gesprek onderdeel is van de afspraak;
• je rode vlaggen op de dag zelf wilt zien, niet pas bij de volgende QA-ronde.

In de praktijk is het geen of-of. De meeste teams die overstappen, houden een mens in de lus: de AI dekt 100% en markeert wat afwijkt, de QA-collega beoordeelt de gemarkeerde gesprekken met aandacht. De steekproef verschuift van "willekeurig" naar "gericht op wat ertoe doet".

06Zelf zien hoe het bij jouw team uitpakt?

CallCheckPro draait 100% van je gesprekken langs instelbare checkpoints — bijvoorbeeld de 33-checkpoint compliance-preset die we met Bwiser × Eneco voor energie-telemarketing inrichtten — met automatische rode vlaggen, een bezwaarproces voor agent en supervisor, en een volledige audittrail per gesprek. De AI-transcriptie en -analyse draaien lokaal op eigen EU-servers; je gesprekken gaan niet naar een externe cloud.

Vanaf €49 per agent per maand (VoIP-kosten apart).

Demo aanvragen — dan laten we het draaien op een steekproef van je eigen gesprekken, zodat je het verschil op je eigen data ziet in plaats van op een dia.