Casestudy: Restaurant Spaart 10 Uur/Week met AI Klantenservice

Een druk Amsterdams stadsrestaurant nam ons begin dit jaar in de arm met een vraag die we vaker horen: "We krijgen onze telefoon en inbox simpelweg niet meer beheerd." In deze casestudy lees je hoe dezelfde zaak binnen acht weken structureel tien uur per week bespaarde op telefonische klantenservice door AI te koppelen aan WhatsApp, de website en het reserveringssysteem. Geen marketingverhaal, maar wat wij samen met de eigenaar hebben gemeten.

De zaak telt 78 couverts, draait zes avonden per week en heeft een vaste lunchservice op vrijdag en zaterdag. Voor publicatie hebben we naam en gerechten weggelaten op verzoek van de ondernemer, alle cijfers zijn wel echt en komen uit het dashboard van HorecaHub en uit hun reserveringssysteem.

Wil je het bredere plaatje zien voor je verdergaat? Lees dan eerst hoe AI klantenservice horeca werkt in 2025 en bekijk daarna onze pagina over AI klantenservice voor horeca.

Het probleem voor de implementatie

In de twee maanden voor de start hebben we de uitgangssituatie gemeten samen met de gastvrouw en de manager. De cijfers logen er niet om.

• Gemiddeld 142 inkomende telefoontjes per week, waarvan 38 procent niet werd opgenomen tijdens drukke services.
• Een reserveringsinbox met 60 tot 90 e-mails per week, met een gemiddelde reactietijd van bijna acht uur.
• Geen WhatsApp-kanaal, terwijl jongere gasten daar volgens Statista's overzicht van messaging-app gebruik sterk de voorkeur aan geven.
• Een no-show percentage op donderdag- en vrijdagavond van 9 procent.

De optelsom voor het team: drie tot vier momenten per dienst waarop de gastvrouw de telefoon moest oppakken in plaats van gasten te ontvangen. Dat voelde voor iedereen, ook voor binnenkomende gasten, niet meer kloppen.

Praktijktip: meet altijd minimaal vier weken voor je iets implementeert. Anders weet je achteraf niet wat je hebt verbeterd.

De oplossing in drie lagen

Samen met de eigenaar hebben we een gefaseerde aanpak uitgerold over drie weken. Geen big bang, wel zichtbare verbetering elke week.

Week 1: AI op website en e-mail

We koppelden de chatwidget aan de website en zetten een AI-laag op de algemene reserveringsinbox. Veelvoorkomende vragen over openingstijden, allergenen, kindvriendelijkheid en parkeren werden direct beantwoord, complexe verzoeken werden voorbereid voor het team. Voor groepsaanvragen pakten we de structuur over uit onze gids groepsreserveringen automatiseren met AI.

Week 2: AI telefonist en escalatie

Daarna ging onze AI telefonist voor restaurants live. De bot neemt elk gesprek aan, regelt reserveringen tot en met groepen van zes, en zet alles wat afwijkt door naar de mobiel van de manager. Voor de zekerheid hielden we de eerste week een mens parallel mee om steekproefsgewijs gesprekken te beoordelen.

Week 3: WhatsApp Business als hoofdkanaal

In de derde week openden we WhatsApp via het officiele WhatsApp Business Platform van Meta. Bevestigingen, herinneringen 24 uur van tevoren en korte vragen over de menukaart liepen vanaf dat moment via WhatsApp. De website-widget en de telefoon bleven beschikbaar, maar het zwaartepunt verschoof.

De resultaten na acht weken

Acht weken na de eerste livegang hebben we het dashboard naast de oude cijfers gelegd. Wat we zagen lag in lijn met onze andere cases, alleen iets sterker omdat het team disciplineerd meewerkte.

• Tijdsbesparing op directe klantenservice door de gastvrouw: gemiddeld tien uur per week, met pieken van twaalf uur in drukke weken.
• Opnemen van inkomende oproepen: van 62 procent naar 100 procent, omdat de AI telefonist altijd opneemt.
• Reactietijd op e-mail: van bijna acht uur naar gemiddeld zes minuten.
• WhatsApp werd binnen drie weken het grootste kanaal voor bevestigingen en korte vragen.
• No-shows op donderdag en vrijdag: van 9 procent naar 5,4 procent, in lijn met de inzichten van Koninklijke Horeca Nederland over reserveringsbeheer.

De ondernemer verwoordde het zelf zo: "Onze gastvrouw is weer gastvrouw, geen telefoniste." Voor de bedrijfsvoering betekende dit ook minder ruis tussen keuken en pas, omdat de bevestigde aantallen consistenter binnenkwamen.

Wat we hebben geleerd over de aanpak

Drie inzichten uit dit traject die we voortaan in elke implementatie meenemen.

1. Tone-of-voice eerst, automatisering daarna. Zonder gestolde huisstijl klinkt elke bot generiek. We brachten vijf voorbeeldgesprekken in kaart voor we de bot trainden.
2. AVG en transparantie zijn geen optioneel onderdeel. We schreven samen met de ondernemer een korte openingszin die voldoet aan de Europese AI Act en de uitleg van de Autoriteit Persoonsgegevens.
3. Mensen blijven nodig. De AI handelt het herhaalwerk af, maar de complexe momenten, de stamgastenrelatie en de feedback op een minder geslaagd gerecht horen bij het team.

Wil je de financiele kant bekijken? Spreek met onze specialisten via contact of bekijk eerst onze prijzenpagina voor een indicatie van pakketten die bij jouw omvang passen.

Hoe de gasten reageerden

Wat ons in deze case verraste was niet het dashboard, maar de toon van de gastenfeedback. In de zes weken na livegang verschenen op Google en TheFork meerdere reviews die expliciet de bereikbaarheid prezen, terwijl daar voorheen juist klachten over verschenen. Een gast schreef: "Eindelijk werd er opgenomen, en de bevestiging via WhatsApp was binnen een minuut binnen." Voor een restaurant met een hoge stamgastenfactor is dat een direct effect op de Net Promoter Score, en het is bovendien gratis marketing in een markt waar de bereikbaarheid van horecazaken nog vaak als pijnpunt wordt genoemd.

Ook intern veranderde de sfeer. De manager hoefde tijdens service niet langer halve gesprekken te voeren tussen de pas en de keuken door, wat de fouten in bestellingen meetbaar verlaagde. De gastvrouw kreeg ruimte om bij binnenkomst echt aanwezig te zijn voor binnenkomende gasten. Een aantal medewerkers gaf in een evaluatiegesprek aan dat het werk weer aanvoelde "zoals het ooit bedoeld was". Dat soort onderbuikgevoel kun je niet uit een dashboard halen, maar het bepaalt op de lange termijn of mensen in de horeca blijven werken.

Drie valkuilen die we hebben vermeden

Niet elke implementatie gaat vanzelf. Bij dit traject liepen we tegen drie aandachtspunten aan die we dankzij eerdere ervaringen vooraf konden ondervangen.

• Te snel willen automatiseren. We hebben bewust eerst twee weken meegelezen voordat de bot zelfstandig mocht antwoorden, om verkeerde aannames bij te sturen.
• Onduidelijke escalatieregels. We definieerden vooraf welke verzoeken altijd naar een mens moesten: groepen vanaf zeven personen, klachten, dieetcombinaties met meer dan twee uitsluitingen, en specifieke verjaardagswensen.
• WhatsApp als losse silo. Het kanaal werkt alleen als de gespreksgeschiedenis terugkomt in dezelfde inbox als telefoon en mail, zodat het team altijd context heeft bij een terugbelactie.

Voor zaken met soortgelijke uitdagingen lees je ook hoe wij no-show preventie via WhatsApp aanpakken.

Aan de slag met HorecaHub

Herken je het beeld van een telefoon die je gastvrouw uit de gastenervaring trekt? Plan een vrijblijvend kennismakingsgesprek of bekijk welk pakket past bij jouw zaak op de prijzenpagina. We laten in een live demo zien hoe je binnen drie weken dezelfde tien uur per week vrijspeelt voor wat er echt toe doet, namelijk je gasten.