AI telefonist trainen: verstaat de AI je behandelnamen?

AI telefonist trainen: verstaat de AI je behandelnamen?

Tim van der LeeTim van der Lee
30 juli 2026
Voice AIBereikbaarheidInrichten

Een klant belt op dinsdagochtend en vraagt of er deze week nog plek is voor een hydrafacial. In je agenda verschijnt een afspraak voor een "hydra fashion". Of voor een "brow lemonade" in plaats van een brow lamination. De AI heeft netjes opgenomen, netjes een tijd geboekt en netjes bevestigd. Alleen staat er iets in je agenda waar niemand een behandelduur, een cabine of een product aan kan hangen.

Dat is een ander soort fout dan een gemiste oproep, en hij is vervelender omdat hij onzichtbaar is. Bij een gemiste oproep weet je dat je iets mist. Hier lijkt alles goed gegaan tot het moment dat jij of je collega de agenda opent en moet gaan raden wat deze klant eigenlijk komt doen. In dit stuk lees je waarom dit specifiek bij telefonie gebeurt, welke drie soorten woorden het bijna altijd zijn, en wat je precies aanlevert om het op te lossen.

In het kort:

  • Een chatbot leest, een ai telefonist voor salons moet horen. Dat verschil is de hele reden dat een telefonist een extra stuk training nodig heeft bovenop de kennis die je chatbot al heeft.
  • Het gaat bijna nooit mis op je prijzen of je openingstijden. Het gaat mis op behandelnamen, merknamen en klantnamen.
  • Wat je aanlevert is geen dataset en geen technisch project. Het is een woordenlijst met de uitspraakvarianten erbij, en die maak je in een half uur aan je eigen balie.
  • De tweede helft van de training gaat niet over verstaan, maar over wat de AI doet als ze het niet zeker weet.

Een chatbot leest, een telefonist moet horen

Als je al eerder iets met AI in je salon hebt gedaan, is de kans groot dat het een chatbot was. Daarvoor lever je je behandellijst, je prijzen en je veelgestelde vragen aan, en dat werkt. De vier manieren om dat te doen staan in ons stuk over een AI-chatbot trainen op je salon-data. De conclusie daar geldt onverkort: kwaliteit gaat boven volume, en een handvol goede antwoorden dekt het grootste deel van je berichtenverkeer.

Bij de telefoon komt daar een laag bovenop die bij chat helemaal niet bestaat. Een klant die typt, typt "hydrafacial". Misschien met een spelfout, maar de letters komen aan. Een klant die belt, spreekt het uit, en tussen haar mond en jouw agenda zit een spraakmodel dat van geluid weer letters moet maken. Dat model is getraind op gewone Nederlandse spreektaal. Jouw behandelmenu staat vol met woorden die in gewone Nederlandse spreektaal niet voorkomen.

Het is geen randgeval van de techniek. De Telegraaf schreef er een stuk over toen een Nederlandse start-up geld ophaalde om precies dit te verbeteren. De constatering daar: spraak-AI werkt goed in het Engels en gaat in andere talen zoals het Nederlands vaker mis. Namen worden verkeerd verstaan en vaktermen verdwijnen. Een beautysalon zit precies op het snijvlak van die twee: Nederlands gesproken, met een woordenschat die half Engels en half merknaam is.

De praktische conclusie is prettig simpel. Je hoeft de techniek niet beter te maken. Je hoeft alleen te vertellen welke woorden in jouw salon voorbijkomen, zodat het model weet waar het naar moet luisteren.

De drie soorten woorden waar het misgaat

Als je de gesprekken van een salon naast elkaar legt, valt op hoe voorspelbaar de fouten zijn. Ze zitten altijd in dezelfde drie categorieën.

Behandelnamen. Dit is de grootste. Hydrafacial, microneedling, brow lamination, lash lift, BIAB, dermaplaning, gellak, IPL. Het zijn Engelse of half-Engelse termen die klanten op hun eigen manier uitspreken, vaak met een Nederlandse klemtoon. Een klant die "biejab" zegt bedoelt BIAB. Een klant die "microniedling" zegt bedoelt microneedling. Zonder woordenlijst maakt het model daar iets van dat er fonetisch op lijkt maar niets betekent.

Merk- en productnamen. De merken die je voert zijn ontworpen om onderscheidend te klinken, en dat maakt ze juist moeilijk te verstaan. Dat geldt voor je huidverzorgingslijn, je gellak-merk en je wimperlijm net zo goed. Als een klant belt om te vragen of je met een bepaald merk werkt, wil je dat die vraag herkend wordt en niet als ruis in de samenvatting belandt.

Klantnamen en plaatsnamen. Dit is de categorie die het meeste kost, want een verkeerd gespelde naam betekent dat je de klant later niet terugvindt in je klantenbestand. Dat probleem is nog scherper zodra er een tweede taal in het spel komt, iets wat we uitwerkten in het stuk over een meertalige AI telefonist. Ook straatnamen horen hierbij, zeker de lokale die je zelf blindelings uitspreekt.

Wat opvalt aan dit rijtje: je prijzen staan er niet bij. Je openingstijden ook niet. Precies de dingen waar salonhouders zich zorgen over maken bij het aanzetten van een voice ai voor salons, zijn de dingen die vanzelf goed gaan, omdat het gewone Nederlandse woorden en gewone getallen zijn.

Close-up van een handgeschreven lijstje behandelnamen met uitspraakvarianten ernaast, op een notitieblok naast een gellak-flesje en een kaartje op een lichte salonbalie

Wat je aanlevert is een woordenlijst, geen dataset

Hier gaat het gesprek met leveranciers vaak de verkeerde kant op. Zodra het woord training valt, denken mensen aan een implementatietraject van weken. In de praktijk is wat de AI van jou nodig heeft veel kleiner en veel concreter.

Neem je behandelmenu erbij en zet achter elke behandeling twee dingen. Ten eerste: hoe klanten die behandeling aan de telefoon noemen, in hun eigen woorden. Ten tweede: de verkeerde varianten die je zelf regelmatig hoort. Dat tweede rijtje is het waardevolst en het staat nergens opgeschreven, want het zit in het hoofd van wie de telefoon aanneemt. Je collega weet precies dat mensen "hydra facial" los zeggen, dat wimperextensions vaak "wimper extentions" wordt en dat sommige klanten consequent "de laser" zeggen voor een IPL-behandeling.

Dat rijtje maak je aan de balie, niet achter een computer. Vraag je collega een week lang om bij elk telefoongesprek even een streepje te zetten bij de term die de klant gebruikte. Wat er dan uitkomt is de echte woordenlijst van jouw salon, en die verschilt per stad en per klantgroep.

Daarnaast lever je de dingen aan die je toch al hebt: je behandelduur per behandeling, welke behandelingen bij welke medewerker horen, en welke combinaties niet kunnen. Dat is geen spraakmateriaal maar het bepaalt wel of een correct verstane afspraak ook een bruikbare afspraak wordt. Een ai telefoonbeantwoorder voor salons die "hydrafacial" perfect verstaat maar hem in een vakje van twintig minuten zet, heeft je nog steeds niet geholpen.

De tweede helft: wat doet de AI als ze het niet zeker weet

Verstaan is de ene helft. De andere helft is gedrag, en die wordt vrijwel altijd overgeslagen.

Elk spraakmodel heeft momenten waarop het twijfelt. De vraag is niet of dat gebeurt, maar wat er dan gebeurt. Standaard kiest een model het meest waarschijnlijke woord en gaat door. Dat is precies hoe je aan een hydra fashion komt. Je wilt in plaats daarvan dat de AI bij een behandelnaam die ze niet met zekerheid herkent, gewoon terugvraagt. Niet in technische taal, maar zoals je collega het zou doen: "bedoel je de hydrafacial of de klassieke gezichtsbehandeling?"

Spreek daarnaast af wat er in de samenvatting terechtkomt. Bij een gesprek waarin de behandeling niet zeker is, wil je dat er een vlaggetje bij staat in plaats van een gok. Een afspraak met de notitie dat de behandeling nog bevestigd moet worden, is werkbaar. Een afspraak met een verzonnen behandelnaam is dat niet, want niemand ziet dat er iets fout is gegaan.

En bepaal wanneer er wordt doorgeschakeld. Een klant die drie keer moet herhalen, hangt op. Dat is de duurste uitkomst van allemaal, want die klant had zichzelf al overtuigd om te bellen.

Zo test je het in een week, met je eigen telefoon

De simpelste manier om te weten of je woordenlijst compleet is, is bellen. Niet één keer, maar met een lijstje.

Bel je eigen nummer en vraag naar je vijf meestgeboekte behandelingen, elk in de bewoording die klanten gebruiken. Doe dat daarna nog een keer, maar dan met de verkeerde uitspraken uit je eigen rijtje. Laat een collega hetzelfde doen, want twee stemmen zijn geen luxe: een stem die het model wel goed verstaat zegt niets over een stem die het lastiger vindt. Bel één keer met de afzuiging of de föhn aan op de achtergrond, want dat is de realiteit van een werkende salon.

Bel ook één keer op een avond of in het weekend. Dan neemt niemand anders op, dus daar is het verstaan geen detail maar het hele gesprek. Hoeveel dat oplevert werkten we uit in het stuk over avond- en weekendboekingen opvangen.

Kijk na elke test niet naar wat je hoorde, maar naar wat er in je agenda staat. Dat is de enige uitkomst die telt. Alles wat daar verkeerd landt, gaat terug de woordenlijst in, en na een of twee rondes is het stil.

Dezelfde logica geldt voor wat er ná het gesprek gebeurt. Een goed verstane afspraak die geen bevestiging en geen herinnering krijgt, wordt alsnog een no-show. Dat stuk hangt aan je workflow automatisering voor salons en staat los van je telefonist, maar het is wel het verschil tussen een geboekte afspraak en een gekomen klant.

Wat je meet nadat je het aanzet

Houd het klein en kijk naar drie dingen.

Kijk hoeveel afspraken je na een week moet corrigeren omdat de behandeling niet klopt. Dat aantal hoort binnen twee weken naar nul te lopen; blijft het hangen, dan mist je woordenlijst een categorie.

Kijk hoeveel gesprekken worden doorgeschakeld of afgebroken. Doorschakelen is geen falen, dat is de fallback die zijn werk doet. Afbreken is wel een signaal, en dan luister je dat gesprek terug.

Kijk tot slot of je klantnamen kloppen in je klantenbestand. Een dubbele klantkaart met twee spellingen van dezelfde naam is een stille fout die pas maanden later opvalt, wanneer je een klant iets wilt sturen en haar historie in tweeën ligt.

Veelgestelde vragen

Moet ik dit zelf doen of doet de leverancier dat? Het aanleveren van de woordenlijst is jouw werk, want alleen jij weet hoe jouw klanten je behandelingen noemen. Het inbouwen ervan is werk van de leverancier. Bij SalonSmart doen wij het inrichten en het testen, jij levert de lijst.

Hoe lang duurt het voordat een AI telefonist mijn behandelingen goed verstaat? Dat hangt niet af van tijd maar van hoe compleet je lijst is. Met een goede lijst is het vanaf het eerste gesprek in orde. Zonder lijst blijft het maanden fout gaan, want een model corrigeert zichzelf niet op basis van gesprekken die niemand nakijkt.

Wat als klanten een sterk accent hebben of een andere taal spreken? Dat is een aparte laag bovenop deze. De woordenlijst helpt daar ook, want de behandelnamen zijn in elke taal ongeveer hetzelfde. Voor het gesprek zelf in een andere taal is een meertalige inrichting nodig.

Werkt dit ook als ik veel losse behandelingen heb? Ja, en het is dan juist belangrijker. Hoe langer je behandelmenu, hoe meer namen er op elkaar lijken en hoe vaker een model de verkeerde kiest. Begin met je vijf meestgeboekte behandelingen en breid uit.

Kan ik zien wat er in een gesprek is gezegd? Dat hoort te kunnen. Zonder terugluisteren of een leesbaar transcript kun je je woordenlijst niet verbeteren, want dan zie je alleen de uitkomst en nooit de oorzaak.

Beginnen zonder eerst iets te kopen

Als je wilt weten hoe je salon er nu voor staat op bereikbaarheid en vindbaarheid, begin dan met een gratis scan. Daar komt uit wat er nu misgaat, zonder dat je iets hoeft te beslissen.

Kies je daarna voor een managed traject bij SalonSmart, dan richten wij de telefonist in, bouwen we jouw woordenlijst mee op en testen we hem met echte gesprekken voordat hij live gaat. Dat valt onder onze Groei-of-Geld-Terug Garantie: levert het niet op wat we afspreken, dan krijg je je geld terug.

Jij verwent je klanten, wij regelen de rest.

Tim van der Lee
Tim van der Lee

Founder & AI Expert

Tim is de oprichter van SalonSmart en specialist in AI-automatisering voor kappers en schoonheidsspecialisten. Met jarenlange ervaring in technologie en ondernemerschap helpt hij salons om efficiënter te werken door slimme automatisering.