Hoe Matic Retell AI gebruikt om cruciale belworkflows in de verzekeringssector te automatiseren

Over

Matic is een landelijk erkende, multi-line digitale verzekeringsmakelaar die samenwerkt met veel van de grootste hypotheekservicers en financiële instellingen in de VS. Door diepe integratie op cruciale momenten in de leencyclus biedt Matic naadloze toegang tot woning-, auto- en levensverzekeringen.

Met 45+ A-gewaardeerde verzekeraars in zijn netwerk levert Matic hoogwaardige dekking aan leners in het hele land, waardoor verzekeringen kopen toegankelijker wordt en beter aansluit op de financiële beslissingen die huiseigenaren toch al nemen.

Matic's beloperaties stonden onder druk. Met 120.000 gesprekken per maand zorgden zelfs kleine inefficiënties voor aanzienlijke operationele overhead. Het team kampte met verschillende hardnekkige problemen:

• ‍Onbetrouwbare dekking buiten kantooruren: Door uiteenlopende prikkels lieten uitbestede callcenters kansen liggen en leverden ze inconsistente ervaringen buiten kantooruren, wat Matic's klanttevredenheid in gevaar bracht.‍
• Onproductieve gesprekken: Matic's medewerkers besteden al hun tijd aan het luisteren naar de overgaande telefoon, tijd die wordt opgeslokt door het draaien van onbeantwoorde gesprekken en voicemails.‍
• Tijdrovende taken: Essentiële taken zoals gegevensverzameling kostten Matic's medewerkers 7–9 minuten per gesprek aan het verzamelen van gegevens voordat het offerteproces zelfs maar begon.

Dit alles speelde zich af terwijl de verzekeringskosten landelijk stegen. Matic had een manier nodig om efficiënter te werken—zonder de servicekwaliteit op te offeren die hun partners of klanten verwachten.

Het AI-stemagentplatform dat ze daarvoor vertrouwden? Retell AI.

In het kort

• Samengewerkt met Retell AI om ondersteuning buiten kantooruren, afspraakbevestiging en gegevensverzameling te automatiseren.
• AI-stemagents geïmplementeerd in minder dan 2 maanden met hoge succespercentages.
• Een NPS-score van 90 behouden terwijl 50% van de repetitieve workflows werd geautomatiseerd.
• Hogere antwoordpercentages, kortere gesprekstijd en aanzienlijke kostenbesparingen gezien.

Use Case 1: Dekking buiten kantooruren

Vóór Retell AI vertrouwde Matic op externe callcenterleveranciers om gesprekken buiten kantooruren af te handelen. De prestaties waren slecht en de klantervaring leed eronder, met volumebeperkingen die ertoe leidden dat gesprekken werden gemist, inconsistente en ineffectieve boodschappen en kansen met geïnteresseerde leads die door de mazen glipten.

Met Retell AI lanceerde Matic een AI-telefoonagent voor buiten kantooruren om al het inkomende verkeer buiten kantooruren af te handelen. De AI-telefoonagent, het hele jaar door 24/7 beschikbaar, verzamelt basiscontact- en verzekeringsinformatie en plant opvolgingsgesprekken in. Dit zorgt ervoor dat klanten met hoge intentie nooit 's nachts verloren gaan en dat Matic's medewerkers alle benodigde context hebben voordat ze opvolgen.

Daarnaast zorgde deze AI-telefoonagent voor een consistent, branded eerste contact voor elke beller, ongeacht het tijdstip, de dag of het gespreksvolume.

Use Case 2: Afspraakbevestiging & herplanning

Planningsvertragingen en gemiste gesprekken kostten Matic waardevolle kansen. Medewerkers konden niet altijd precies op het geplande tijdstip uitbellen, en de antwoordpercentages daalden wanneer gesprekken te laat kwamen.

Retell AI loste dit op door geplande gespreksopvolging automatisch af te handelen. De AI-stemagent belt de klant precies op tijd, bevestigt of ze nog beschikbaar zijn, herplant indien nodig en verbindt het gesprek door naar een gelicentieerde menselijke medewerker. Met deze krachtige automatisering heeft Matic gezien:

• 3.000–4.500 geplande gesprekken elke maand afgehandeld, waardoor medewerkers zich kunnen richten op waardevoller werk.
• 85–90% succespercentage bij het doorverbinden van gesprekken naar gelicentieerde medewerkers.
• Via A/B-testen consequent hogere antwoordpercentages dan door mensen geleide gesprekken—grotendeels dankzij het vermogen van de bot om op de exacte geplande minuut te bellen.

“In Q1 handelden we ongeveer 8.000 gesprekken af met de AI-operatorbot. Wat we ontdekten, en we draaiden dit als een A/B-test, was dat we daadwerkelijk een hoger antwoordpercentage zagen met de bot. Dat schrijven we grotendeels toe aan het feit dat de bot het gesprek precies op de minuut van de geplande afspraak kan plaatsen”

Use Case 3: Gegevensverzameling & leadkwalificatie

Offerte-intake was een van de meest repetitieve en tijdrovende onderdelen van Matic's beloperaties. Medewerkers besteedden 7–9 minuten per gesprek aan het verzamelen van details voordat ze zelfs maar aan het adviserende deel van het gesprek toekwamen.

Met Retell AI is dat hele proces nu geautomatiseerd. De AI-telefoonagent verzamelde alle 20–30 vereiste datapunten, signaleert eventuele diskwalificerende factoren en draagt alleen in aanmerking komende leads over aan gelicentieerde medewerkers.

• De gemiddelde tijd om gegevens te verzamelen daalde van 9 minuten naar ~6 minuten.
• Medewerkers besparen tijd door gesprekken met niet in aanmerking komende of ongekwalificeerde leads te vermijden.
• Het systeem kan eenvoudig worden bijgewerkt naarmate product- of geschiktheidsregels evolueren.

Deze workflow was van onschatbare waarde voor het besparen van tijd en het verbeteren van de kwaliteit van de leads die Matic's team bereiken, zodat ze zich kunnen richten op closen, niet op kwalificeren.

‍

Implementatie & QA

Matic's telefonieteam leidde de integratie van Retell AI. De initiële bouw duurde slechts 1–2 maanden, inclusief fundamenteel integratiewerk met Twilio, API-endpoints en interne prompt-afhandelingssystemen. Toen de basis eenmaal stond, werden nieuwe AI-use-cases razendsnel uitgerold in 1–2 sprintcycli.

Begin 2025 was meer dan 60% van de ontwikkeling van de beloperaties van het team gericht op AI.

Maar bouwen was slechts de helft van de vergelijking. Matic gaf ook prioriteit aan kwaliteitscontrole:

• ‍Wekelijkse QA-steekproeven: Een toegewijd teamlid beoordeelt 150+ gesprekken per week.‍
• Geautomatiseerde gespreksbeoordelingen: Een interne prompt controleert transcripties op het volgen van de flow.‍
• Continue iteratie: Engineering, QA en ops komen regelmatig samen om flows te verfijnen op basis van live feedback.

“Er waren vijf of zes verbeteringen die we vorige week hebben doorgevoerd op basis van QA-inzichten. Dit werk is doorlopend en essentieel.”

Deze proactieve aanpak zorgt ervoor dat de AI-stemagents consequent efficiënt zijn en een klantervaring leveren die on-brand, on-script en voortdurend verbeterend is.

‍

Retell's impact

Matic's gebruik van Retell AI-telefoonagents heeft over de hele linie betekenisvolle, meetbare resultaten opgeleverd:

Gesprekken afgehandeld door AI in Q1 2025: 8.000+ over alle use cases

Doorverbindingssuccespercentage voor geplande afspraakgesprekken: 85–90%

Hogere antwoordpercentages voor AI-gesprekken vs. menselijke gesprekken (uit A/B-testen)‍

Verkorting van de gespreksafhandeltijd in data-intake-flows: ~3 minuten

Laagwaardige taken geautomatiseerd en heringedeeld: ~50%

NPS behouden gedurende de hele automatiseringsuitrol: 90

Klanten ronden door AI afgehandelde gesprekken af zonder om een mens te vragen: 80%

Kosten per polis en kosten per doorverbinding aanzienlijk verlaagd (exacte cijfers in afwachting)

‍

Belangrijkste inzichten

Voor teams die AI-stemautomatisering verkennen, biedt Matic's traject een helder draaiboek:

1. Begin klein, maar slim

Matic begon met een use case met lage complexiteit en hoge impact: het afhandelen van gesprekken buiten kantooruren. De workflow was eenvoudig en de voordelen waren onmiddellijk: basisinformatie verzamelen, een terugbelafspraak plannen. Dit gaf het team vroege successen, meetbare ROI en het interne vertrouwen om momentum op te bouwen.

2. Doe nooit concessies aan de klantervaring

Omdat Matic opereert via co-branded samenwerkingen met hypotheekverstrekkers, is elke interactie een weerspiegeling van het merk van een ander bedrijf. Dat betekende dat AI niet alleen functioneel kon zijn, maar menselijk moest aanvoelen. Van stemkwaliteit tot reactienauwkeurigheid bleef klantvertrouwen niet-onderhandelbaar.

3. Valideer met data, niet met onderbuikgevoel

Voordat ze automatisering over de hele linie opschaalden, voerde Matic gecontroleerde A/B-testen uit om de AI-prestaties te vergelijken met menselijke medewerkers. In het geval van afspraakbevestigingen presteerde de AI-telefoonagent zelfs beter dan mensen op antwoordpercentage. Dit was een definitieve indicatie dat automatisering niet alleen efficiënter was, maar ook effectiever.

4. Investeer vooraf om later sneller te gaan

Het team besteedde de eerste 1–2 maanden aan het leggen van een sterk technisch fundament: integreren met Twilio, een flexibele prompt-infrastructuur bouwen en interne QA-processen op één lijn brengen. Deze vroege investering maakte latere snelle iteratie mogelijk, met nieuwe use cases die in slechts 1–2 sprintcycli werden gelanceerd.

5. Herbestemmen, niet vervangen

Misschien wel het belangrijkste: Matic benaderde AI niet als een strategie voor personeelsvermindering. In plaats daarvan richtten ze zich op het herbestemmen van menselijke medewerkers om waardevollere interacties af te handelen. Waardevollere taken, zoals cross-sell-kansen en diepere adviesgesprekken, namen toe, waardoor Matic diepere waarde voor klanten kon bieden terwijl de ROI werd gemaximaliseerd.

“We vervangen geen mensen—we geven ze betere dingen om te doen.”

Door hun gefaseerde implementatie van Retell AI's platform voor stemautomatisering heeft Matic met succes hun klantoperaties getransformeerd, met kostenverlaging en behoud van uitstekende klantervaringsmetrieken.

Door repetitieve taken te automatiseren, hebben ze hun menselijke medewerkers vrijgemaakt om zich te richten op waardevollere activiteiten zoals adviserende verkoop en relatieopbouw.

Voor B2B-leiders die soortgelijke automatiseringsinitiatieven overwegen, toont de ervaring van Matic aan dat een doordachte implementatie van AI-stemagents meetbare operationele voordelen kan opleveren zonder de klanttevredenheid op te offeren. Naarmate AI-stemtechnologie zich blijft ontwikkelen, kunnen bedrijven die deze tools strategisch omarmen aanzienlijke concurrentievoordelen behalen in efficiëntie, schaalbaarheid en klantervaring.

‍