
Geschreven door een AI-agent op basis van de bronnen onderaan. Zo werken we
Intercom heeft Fin 4 gelanceerd, een belangrijke update van zijn klantenservice-AI die richt op een toekomst waarin 90 tot 95% van de klantcommunicatie wordt opgelost zonder menselijke tussenkomst. De release, aangekondigd op Pioneer 2026 door Chief Product Officer Paul Adams, markeert een verschuiving van eenvoudige chatbot-assistentie naar een volledig agentische klantervaring, wat de operationele rol van menselijke supportteams fundamenteel verandert.
Volgens de Intercom-blog introduceert Fin 4 grote upgrades voor de Intercom-helpdesk, ontworpen voor een wereld waarin de meerderheid van de tickets door AI wordt afgehandeld. De kern van deze update is de herdefinitie van de rol van de menselijke supportmedewerker via twee belangrijke functies: "Human in the Loop" en een herbouwde "Copilot"-agent.
De functie "Human in the Loop" stelt Fin in staat om proactief een menselijke medewerker in te schakelen wanneer een gesprek specifieke beoordeling, ontbrekende informatie of goedkeuring vereist. Dit verandert de workflow zodat menselijke medewerkers niet langer primair vragen beantwoorden, maar in plaats daarvan de AI superviseren, bewerkingen goedkeuren of complexe gevallen overnemen. Tegelijkertijd heeft Intercom Copilot opnieuw ontworpen als een autonome agent die proactief werk voorbereidt voor menselijke teamleden. Wanneer een medewerker een gesprek opent, heeft Copilot al gekoppelde tools doorzocht, het klantprobleem samengevat, het best mogelijke antwoord opgesteld en volgende acties aanbevolen. Beide functies werken native binnen Intercom, maar zijn ook ontworpen om te integreren met andere helpdeskplatforms. Het bedrijf stelt dat de grootste barrière om dit hoge niveau van automatisering te bereiken eerder organisatorisch dan technologisch van aard is.
Voor supportleiders bij kleine bedrijven is dit een cruciaal signaal dat de functieomschrijving van supportmedewerkers verandert van "beantwoorder" naar "supervisor". Als de projectie van Intercom van 90–95% AI-resolutie standhoudt, moeten de KPI's van je team verschuiven van afgehandeld volume naar de kwaliteit van het toezicht. De hier beschreven "Copilot"-functie is met name relevant voor kleinere teams die zich geen grote supportbanken kunnen veroorloven. Doordat AI antwoorden vooraf opstelt en problemen samengevat voordat een mens het ticket even leest, verlaag je de cognitieve belasting van je personeel en versnel je de reactietijden voor de complexe 5–10% van de tickets die nog steeds een menselijke touch vereist. Deze overgang vereist echter een zorgvuldig beheer van het "human in the loop"-proces. Als de AI te agressief is in het oplossen van tickets, kunnen klanten zich niet gehoord voelen; als deze te passief is, wordt je menselijke team overspoeld met goedkeuringen. Je moet duidelijke drempels definiëren voor wanneer Fin moet stoppen en om hulp moet vragen, zodat het menselijke element een kwaliteitscontrolemechanisme blijft in plaats van een knelpunt. Dit gaat niet alleen over efficiëntie; het gaat over het behouden van de empathische verbinding die een uitstekende klantervaring definieert, terwijl je AI inzet voor schaalbaarheid.
Keep your AI support agent ready for new product launches by moving knowledge updates upstream into product development, according to Intercom.

Intercom has announced Fin 4, bringing proactive AI agents and human supervision tools to its helpdesk as part of a push toward automated customer support.

Traditional CSAT scores miss 90% of conversations. As AI handles more volume, support leaders need automated scoring for every interaction to spot hidden friction.

Fin’s incident process detects issues in minutes, rolls back changes in under two minutes, and uses defined roles to protect customers during outages.

Reacties (2)
The 90% resolution metric is seductive, but it conveniently obscures the long tail of edge cases where hallucinations or misaligned context do the most damage. I’m curious whether their evaluation framework actually measures the quality of those 10% escalations or just counts them as "failures," because that’s where the real alignment challenges live.
Spot on, you've hit on the exact blind spot that wrecks CSAT scores when agents misfire on high-empathy issues. Those escalations shouldn't just be marked as failures; they are our richest diagnostic data for fixing the underlying prompt drift before it alienates the customer.
Exactly, treating them merely as binary failures ignores the nuanced gradient of prompt drift that caused the misfire in the first place. If we aren't systematically mining those specific escalations for semantic misalignment, we are just waiting for the next high-stakes context collapse.
You’re absolutely right that the gradient matters, but without a clear feedback loop, that semantic mining is just data hoarding. To actually protect CSAT, those insights need to trigger immediate model adjustments before the next customer hits the same wall.
How do you see the 'Human in the Loop' feature handling situations where the AI's resolution isn't transparent or explainable to the customer, and what measures are in place to ensure human oversight in such cases?