Casestudy: Nederlandse Horecaketen Schaalt Klantenservice met AI naar 20 Locaties

Een AI horecaketen uitrollen over 20 locaties betekent: één centrale kennisbank, één set gespreksregels en per vestiging een lokale laag met openingstijden, capaciteit en huisregels. In deze casestudy beschrijf ik hoe een Nederlandse keten met 20 vestigingen zijn klantenservice in vier maanden centraliseerde met HorecaHub, wat er misging en welke keuzes achteraf het meeste verschil maakten. Geen abstract succesverhaal, maar de volgorde die werkt.

Wil je direct verder? Bekijk de implementatie checklist voor horeca, de complete gids AI klantenservice 2026 of plan via contact een gesprek over jouw uitrol.

Uitgangssituatie: 20 locaties, 20 werkwijzen

De keten (casual dining, vestigingen verspreid over de Randstad en Brabant) had per locatie een eigen telefoonlijn, een eigen algemeen mailadres en een gedeeld reserveringssysteem. Dat laatste was het enige echt centrale onderdeel. Gevolg: dezelfde gastvraag kreeg in Utrecht een ander antwoord dan in Breda. Groepsaanvragen bleven soms twee dagen liggen omdat de shiftleader die de mailbox beheerde vrij was. Volgens brancheanalyses van Koninklijke Horeca Nederland is personeelskrapte de belangrijkste reden dat administratieve taken in de horeca blijven liggen, en dat beeld klopte hier precies.

De directie had geen omzetprobleem maar een consistentieprobleem. Reviews over service liepen per vestiging tot enkele tienden punt uiteen op dezelfde formule, en dat verschil correleerde vrijwel volledig met hoe snel gastvragen beantwoord werden.

Fase 1 van een AI horecaketen: eerst de kennisbank

De eerste zes weken ging er geen AI live. We hebben eerst de kennisbank gebouwd. Dat klinkt saai en het is precies de stap die ketens overslaan. Concreet: alle beleidsvragen die ketenbreed hetzelfde moeten zijn (annuleringsvoorwaarden, allergenenbeleid, cadeaubonnen, huisdieren, grote groepen, statiegeld) zijn in één document vastgelegd en door de operatie-directeur goedgekeurd. Alles wat per locatie verschilt (openingstijden, terrascapaciteit, parkeren, bereikbaarheid, keukensluitingstijd) kreeg een eigen locatieblad.

Die tweedeling is het hele geheim van een AI horecaketen die schaalt. Eén laag beleid, twintig lagen lokale feiten. Zonder die scheiding krijg je twintig losse bots die langzaam uit elkaar groeien, en dan ben je terug bij af.

Fase 2: pilot op drie vestigingen

Daarna zijn drie vestigingen live gegaan: de drukste, de rustigste en een gemiddelde. Bewust die spreiding, want de drukste locatie legt capaciteitsproblemen bloot en de rustigste laat zien of het systeem ook zonder volume nuttig blijft. De AI nam webchat, telefonie en e-mail over voor standaardvragen; alles wat buiten de kennisbank viel ging met volledige gesprekscontext door naar de locatiemanager.

In die pilotfase bleek meteen het grootste misverstand: het team dacht dat de AI reserveringen zou "afpakken". Het tegendeel gebeurde. De AI verwerkte de repeterende vragen (openingstijden, parkeren, is er plek voor zes personen om acht uur) en het personeel hield de gesprekken over waar het wel om gaat: grote groepen, klachten en vaste gasten.

Fase 3: uitrol per cluster van vijf

Na de pilot is er per twee weken een cluster van vijf vestigingen bijgezet. Niet alle zeventien tegelijk. De reden is niet technisch maar organisatorisch: elke vestiging heeft één verantwoordelijke nodig die zijn locatieblad controleert en de eerste week meekijkt op de escalaties. Vijf tegelijk is wat één centrale projectleider serieus kan begeleiden.

Bij cluster twee ging het bijna mis. Twee vestigingen hadden hun keukensluitingstijd in het locatieblad verkeerd staan, waardoor de AI reserveringen accepteerde die de keuken niet meer kon draaien. Binnen twee dagen gecorrigeerd, maar de les was helder: de kwaliteit van een AI-uitrol is de kwaliteit van je locatiedata. Zie ook de implementatie checklist voor horeca voor de controlepunten die we sindsdien standaard aanhouden.

Wat de AI horecaketen na vier maanden opleverde

De directie meet vier dingen. Ten eerste responstijd: gastvragen via mail en chat worden nu binnen enkele seconden beantwoord in plaats van variabel binnen uren tot dagen. Ten tweede consistentie: dezelfde vraag levert op alle twintig locaties hetzelfde beleidsantwoord op, met lokale details erbij. Ten derde bereikbaarheid buiten openingstijden, wat voor een casual-dining formule met veel avondboekingen zwaarder telt dan gedacht. Ten vierde de hoeveelheid tijd die shiftleaders kwijt zijn aan de mailbox, wat volgens de eigen urenregistratie van de keten fors is teruggelopen.

Wat de keten expliciet niet claimt: dat de AI omzet heeft "gemaakt". Wel dat aanvragen die eerder bleven liggen nu beantwoord worden, en dat groepsaanvragen sneller een offerte krijgen. De relatie tussen responstijd en conversie is in de bredere sector goed gedocumenteerd, onder meer in publicaties van Horeca.nl, maar de keten wilde geen cijfer claimen dat ze niet zuiver kunnen isoleren. Die terughoudendheid deel ik.

De drie beslissingen die het meeste opleverden

Achteraf gezien waren dit de keuzes die het verschil maakten. Eén: eerst de kennisbank, pas daarna techniek. Twee: escaleren naar één benoemde persoon per locatie in plaats van naar een gedeelde mailbox, want een gedeelde mailbox is niemands verantwoordelijkheid. Drie: de tone-of-voice centraal vastleggen maar de begroeting per locatie laten verschillen, zodat gasten niet het gevoel krijgen met een callcenter te praten.

En één beslissing die we zouden overdoen: we hebben te laat gemeten. Pas vanaf cluster drie liep er een fatsoenlijk dashboard mee. Meet vanaf vestiging één, ook al zijn de aantallen dan klein.

Wat een AI horecaketen kost aan interne tijd

Onderschat de interne inzet niet. Per vestiging kostte het invullen en controleren van het locatieblad ongeveer twee tot drie uur, verspreid over een week. Centraal was de operatie-directeur in de eerste zes weken gemiddeld een halve dag per week kwijt aan het vaststellen van beleid. Dat is de echte investering, en het is precies de reden dat een uitrol strandt zodra niemand er eigenaar van is.

Wat die uren teruggeven is meetbaar in het aantal gastvragen dat niet meer bij een shiftleader terechtkomt. De horeca telt volgens het CBS al jaren een structureel personeelstekort, en elk uur dat niet naar de mailbox gaat komt terug op de vloer. Dat is in deze keten het argument geweest waarmee de directie de uitrol intern verkocht heeft, niet een kostenplaatje.

Hoe het team op de verandering reageerde

De weerstand kwam niet waar we hem verwachtten. Niet bij de jongere medewerkers, maar bij een aantal ervaren locatiemanagers die vreesden dat hun lokale vrijheid zou verdwijnen. Die zorg was terecht en we hebben hem opgelost door het locatieblad expliciet van hen te maken: zij bepalen wat er in staat, centraal bepaalt alleen wat ketenbreed hetzelfde moet zijn.

Na een maand draaide de discussie om. Locatiemanagers begonnen zelf om extra blokken te vragen, bijvoorbeeld voor evenementen in hun stad. Dat moment, waarop de tool van hen wordt in plaats van van het hoofdkantoor, is het punt waarop een uitrol echt slaagt.

Wat dit betekent voor jouw keten

Werk je met meerdere locaties, dan is de kernvraag niet welke AI-leverancier je kiest maar of je organisatie de tweedeling tussen centraal beleid en lokale feiten kan volhouden. Ketens die dat niet vastleggen krijgen na een half jaar twintig verschillende antwoorden terug, precies het probleem dat ze wilden oplossen. Meer over die aanpak lees je in AI voor restaurantketens en in de complete gids AI klantenservice 2026.

Over koppelingen met reserverings- of kassasystemen zijn we in dit traject bewust neutraal gebleven: we peilen per keten welke systemen in gebruik zijn en bespreken de mogelijkheden per geval, zonder vooraf te beloven dat er een kant-en-klare integratie ligt.

Aan de slag met HorecaHub

Wil je weten hoe een gefaseerde uitrol er voor jouw locaties uitziet? Plan via contact een gesprek waarin we je huidige kennisbank doornemen, of bekijk eerst de prijzen. Verder lezen: implementatie checklist horeca en de complete gids AI klantenservice 2026.