Kort antwoord: Laat AI voorbereiden, ordenen, samenvatten en vastleggen. Laat het niet beslissen wie je belt, wat je zegt en wanneer je opgeeft. Bepaal per taak wie de uitkomst controleert en leg vast welk gesprek werkelijk heeft plaatsgevonden. Zonder die twee afspraken meet je activiteit in plaats van verkoop.
De afgelopen twee jaar zijn er tientallen tools bijgekomen die bellen, mailen, scoren en samenvatten. De vraag die daar in de praktijk onder ligt, is een andere: waar zit het werk dat je niet wilt overdragen? Bij TTG is dat het gesprek met de contactpersoon, en dan met name het moment waarop iemand iets zegt wat niet in het script staat.
Onze eigen salesrapportage van week 37 laat zien hoe groot het verschil is tussen activiteit en gesprek. Er waren 41 belpogingen, verdeeld over 29 bedrijven en 14 contactpersonen. Zevenentwintig pogingen duurden technisch langer dan 30 seconden. Na correctie voor voicemail, keuzemenu, geen gehoor en verkeerd nummer bleven 17 waarschijnlijke gesprekken over. Bij twee daarvan was de juiste contactpersoon aantoonbaar aan de lijn, en die twee leverden beide een nieuwe meeting op.
Dat is één week en dus geen trend. Wat wel opvalt, is de verdeling over de dag. Negentien van de 41 pogingen vielen tussen 08:00 en 10:00 en leverden nul juiste contactpersonen op. De twee inhoudelijke gesprekken zaten in het blok 10:00 tot 12:00 en in het blok 14:00 tot 16:00. Een tool die het hoogste aantal pogingen beloont, was hier de verkeerde raadgever geweest.
Er zijn vier plekken waar ondersteuning direct werk wegneemt zonder dat de uitkomst uit handen gaat.
De eerste is voorbereiding. Een agent kan de website van een bedrijf lezen, recente publicaties samenvatten en op een rij zetten welke onderwerpen daar spelen. Dat scheelt de beller tien minuten zoeken en levert betere vragen op in de eerste minuut van het gesprek.
De tweede is vastlegging. Een gesprek dat alleen in het hoofd van de beller bestaat, verdwijnt bij het volgende gesprek. Een samenvatting met de kernvraag, de genoemde weerstand en de afgesproken vervolgstap maakt het mogelijk om later te zien waar gesprekken op stuklopen.
De derde is ordenen. Onze eigen CRM-uitlezing over 90 dagen laat 334 notities met tekst zien, waarvan er 65 over opvolging en CRM gaan. Dat is veel tekst om met de hand te doorzoeken. Een agent kan daar thema's uit halen, zolang iemand daarna controleert of het thema werkelijk in de notitie staat en geen eigen invulling is.
De vierde is voorbereidend schrijfwerk: een samenvatting na het gesprek, een concept voor de opvolging, een korte samenvatting voor de collega die de demo overneemt. Dat is repeterend werk met een duidelijke norm, en daar hoort het model thuis.
Drie taken gaan in de praktijk mis wanneer ze volledig naar een systeem gaan.
De eerste is prioriteren wie je belt. Een scoringsmodel dat op gedrag punten uitdeelt, kent de context niet. In onze meetrapportage van week 37 stonden twee bedrijven die de website bezochten zonder deal of dealactiviteit. Herkenning alleen is geen lead. Wie dat signaal automatisch bovenaan de bellijst zet, ruilt een koude lijst in voor een lijst met een hogere dunk van zichzelf.
De tweede is het gesprek zelf. Een automatische opener is bruikbaar voor een eerste poging, maar de reactie op een prospect die zegt dat het onderwerp wel speelt en de tijd ontbreekt, staat zelden zo in de instructie. In onze rapportage van week 37 staat zo'n gesprek: het interesseerde de contactpersoon, er was geen tijd, en er kwam een vervolgmeeting uit. Of dat aan de beller lag of aan het moment, kun je uit die notitie niet afleiden. Het laat wel zien welk type uitkomst je wilt meetellen, en dat is precies wat een pogingenteller niet ziet.
De derde is de conclusie na het gesprek. Een model dat een samenvatting maakt, schrijft graag een oorzaak op die niet in het gesprek is uitgesproken. In ons eigen meetmodel staat daarom de regel dat een opname of lange gespreksduur niet bewijst dat de juiste persoon is gesproken. Die uitspraak mag alleen worden gedaan na beoordeling door een mens.
Gebruik deze verdeling als startpunt en pas hem aan op je eigen team.
Bij voorbereiding vooraf: het systeem verzamelt en vat samen, de beller bepaalt welke vragen hij stelt. Bij het eerste contact: het systeem zet taken klaar en logt pogingen, de beller voert het gesprek. Bij kwalificatie: het systeem levert signalen en velden aan, een medewerker kent de status toe. Bij het voorstel: het systeem stelt een concept samen, de eigenaar van de deal beoordeelt en verstuurt. Bij de opvolging: het systeem bewaakt de termijn, een medewerker beslist of doorgaan nog zin heeft.
Eén regel hoort in elke rij te staan: wie controleert de uitvoer en wat gebeurt er bij twijfel. Zonder die regel ontstaat een proces waarin een fout sneller doorloopt dan voorheen, terwijl niemand eigenaar is van de uitkomst.
Structuur helpt daar meer dan intelligentie. De documentatie van HubSpot over de Properties API zegt het onverbloemd: bepaal eerst hoe je gegevens inricht, en overweeg een eigen object wanneer een standaardobject niet past. Voor salesopvolging betekent dat onder meer vaste velden voor de bron van het signaal, de uitkomst van het gesprek, de afgesproken vervolgstap en de reden waarom een gesprek stopt. Vul je dat met vrije tekst, dan is de gegevenslaag na drie maanden niet meer te gebruiken, hoe goed het model ook is.
De cijfers uit week 37 zijn bruikbaar voor één specifieke beslissing: waar zet je de belmomenten neer. Negentien pogingen tussen 08:00 en 10:00 leverden in die week nul gesprekken met de juiste contactpersoon op, terwijl de twee inhoudelijke gesprekken in het blok 10:00 tot 12:00 en in het blok 14:00 tot 16:00 vielen. Dat is één week en dus geen bewijs dat de ochtend ongeschikt is. Het is wel genoeg om het te gaan testen.
Zo'n test is eenvoudig te houden als je één variabele wijzigt. Verschuif een deel van de pogingen naar het middagblok, houd de lijst en de opener gelijk, en vergelijk na vier weken het aantal gesprekken met de juiste persoon. Verander je in dezelfde periode ook de bellijst of de boodschap, dan weet je daarna niet welke aanpassing het verschil maakte. Dat is dezelfde regel die in ons meetmodel staat voor A/B-testen: één variabele per test, de rest stabiel.
Het gevaar zit aan het einde van zo'n periode. Twee goede weken worden snel een nieuw beleid, en daarna is niet meer te herleiden wat werkte. Leg daarom het uitgangspunt vast, met periode, aantallen en bron.
De verleiding is om de opbrengst van AI in sales af te meten aan activiteit: meer pogingen, meer mails, meer taken afgevinkt. Dat levert een stijgende lijn op een dashboard op die niets zegt over verkoop.
Meet daarom per week vier dingen apart. Het aantal pogingen, het aantal pogingen waarin de juiste persoon aantoonbaar is gesproken, het aantal inhoudelijke gesprekken en het aantal daaruit voortgekomen afspraken. Onze eigen cijfers over week 36 en week 37 staan hierboven: 29 en 41 pogingen, 6 en 2 keer de juiste contactpersoon, met in beide weken een aantoonbaar gekoppelde meeting. Twee weken zegt weinig, maar het onderscheid tussen de vier niveaus is direct bruikbaar. Wie alleen pogingen meet, kan een daling in echte gesprekken niet zien aankomen.
Koppel daar de commerciële uitkomst aan, met een vaste keten: herkend bedrijf of binnengekomen aanvraag, kwalificatie, gesprek, afspraak, opportunity en opdrachtgever. Alleen dan kun je later zeggen of de ondersteuning ergens heeft geholpen in plaats van alleen tijd te hebben bespaard. Op dit moment zijn Search Console en GA4 bij TTG niet meetbaar omdat de Google-koppeling opnieuw geautoriseerd moet worden. Waar een cijfer ontbreekt, staat hier niet meetbaar en geen schatting.
Binnen leadgeneratie met opvolging tot gesprek hoort deze taakverdeling bij de inrichting en niet in een losse toolinstelling. Bepaal eerst wanneer een lead salesklaar is en hoe je lead scoring op gedrag en profiel inzet zonder de bellijst blind te volgen. Lees daarna hoe je herkende websitebezoekers omzet in een gesprek, werk met het lead generation playbook als download en bekijk cases van TTG voor de uitkomst in de praktijk. Wil je de verdeling samen doornemen, dan kun je de taakverdeling met TTG bespreken.
Voor een deel van het voorbereidende en vastleggende werk wel, voor het gesprek zelf niet. Het moment waarop een prospect iets zegt dat niet in de instructie stond, bepaalt of er een afspraak komt. Dat moment vraagt iemand die de context kent en durft af te wijken van het script.
Pogingen, gespreksduur, vastgelegde notities en taaktermijnen kun je automatisch registreren. Wees voorzichtig met de kwalificatie en met de conclusie dat een gesprek werkelijk heeft plaatsgevonden. Onze eigen meetregel is dat een opname of lange duur dat niet bewijst.
De licentiekosten zijn zelden de grootste post. Reken ook de uren mee voor het inrichten van velden, het controleren van samenvattingen en het bijhouden van de instructies. In de opgeslagen SEMrush-export van juni 2026 staat op ai in sales een CPC van 5,59 euro en op ai sales assistant 10,26 euro; dat zijn advertentiekosten per klik en geen tarieven voor een traject.
Door gesprekken en afspraken te meten en niet pogingen. Vergelijk per week het aantal keren dat de juiste persoon is gesproken en het aantal inhoudelijke gesprekken met de periode ervoor, en houd de rest van de aanpak gelijk. Eén aanpassing per keer, anders is de uitkomst niet toe te wijzen.
Bij de eigenaar van het gesprek. Marketing levert het signaal, de bron en de context aan. Sales beslist wie wordt gebeld en wat er wordt gezegd. Zodra die twee door elkaar lopen, gaat een systeem meer pogingen produceren en minder gesprekken opleveren.
We kijken waar je nu zichtbaar bent, waar kansen liggen en welke pagina’s, cases of AI-signalen prioriteit hebben.
Bekijk onze marketing & ai dienst
Ruben van Twillert · Mede-eigenaar
Vul je gegevens in en we nemen zo snel mogelijk contact met je op.