AI-service level agreement (SLA)

Wat is een AI-service level agreement?

Een AI-service level agreement (SLA) is een formele afspraak tussen de leverancier van een AI-platform en de klantorganisatie, waarin de minimale prestatienormen staan die het AI-systeem moet halen. Traditionele IT-SLA's gaan over uptime en responstijd. AI-SLA's moeten verder gaan en ook de specifieke kenmerken van AI-systemen afdekken: nauwkeurigheid van antwoorden, oplossingsgraad, drempels voor hallucinaties en prestaties bij escalatie.

Belangrijke AI-SLA-metrics

• Beschikbaarheid/uptime: het percentage van de tijd dat het AI-systeem operationeel is (standaard: 99,9%+)
• Responslatentie: de maximale tijd die de AI nodig heeft om een antwoord te genereren (standaard: minder dan 2-5 seconden voor chat, minder dan 500 ms voor spraak)
• Oplossingsgraad: het minimale percentage interacties dat zonder menselijke tussenkomst wordt opgelost
• Nauwkeurigheid: het minimale percentage antwoorden dat feitelijk juist en behulpzaam is
• Prestaties bij escalatie: de maximale tijd om door te schakelen naar een menselijke agent wanneer een escalatie wordt geactiveerd
• Actualiteit van kennis: de maximale tijd tussen een contentupdate en het moment waarop de AI die update toepast

Waarom AI-SLA's verschillen van traditionele SLA's

Traditionele software werkt of werkt niet — uptime is binair. AI-systemen bewegen zich op een prestatiespectrum en kunnen ongemerkt achteruitgaan. Een AI-agent kan met 99,99% uptime 'online' zijn en tegelijk steeds onnauwkeurigere antwoorden geven door model drift of verouderde kennis. AI-SLA's moeten daarom de kwaliteit van de uitkomsten meten, niet alleen de beschikbaarheid van het systeem.

Context uit de sector: zonder goede monitoring stegen de foutpercentages van AI-modellen die 6+ maanden ongewijzigd bleven met 35%. SLA's die alleen uptime meten, missen de kwaliteitsachteruitgang die de klantervaring het meest raakt. Moderne AI-SLA's moeten kwaliteitsmetrics bevatten die op observability -gebaseerd zijn.

Het Maven-voordeel: prestaties die je kunt meten

Maven AGI biedt de observability-tools en Data & Insights-dashboards die je nodig hebt om de naleving van AI-SLA's realtime te monitoren. Teams volgen de oplossingsgraad, nauwkeurigheid, responstijd en prestaties bij escalatie over alle kanalen. De functie 'Thinks Out Loud' van Maven geeft de transparantie in redeneringen die nodig is om niet alleen te controleren dát de AI antwoordde, maar ook dat het antwoord klopte.

Maven in de praktijk: Maven AGI behaalt bij enterprise-klanten een oplossingsgraad van 80-93% — een prestatieniveau dat de lat legt voor waar AI-SLA's op zouden moeten mikken. K1x bereikte in slechts 1 week een oplossingsgraad van 80%, wat laat zien dat sterke SLA-prestaties geen langetermijnambitie zijn, maar een vroeg resultaat.

Veelgestelde vragen

Moeten AI-SLA's financiële sancties bevatten?

Voor enterprise-implementaties wel. Financiële consequenties (servicecredits, lagere fees) bij SLA-schendingen zorgen ervoor dat de leverancier gemotiveerd blijft om de prestaties op peil te houden. Koppel sancties aan de metrics die voor jouw bedrijf het zwaarst wegen — meestal oplossingsgraad en nauwkeurigheid, niet alleen uptime.

Hoe audit je de naleving van AI-SLA's?

Eis dat de leverancier realtime dashboards en regelmatige rapportages levert over de prestaties op de SLA-metrics. Audit trails moeten de ruwe data bevatten om de door de leverancier gerapporteerde cijfers onafhankelijk te verifiëren. Bij kritieke implementaties kan een externe audit zinvol zijn.

Welke oplossingsgraad hoort in de SLA?

Neem de aangetoonde prestaties van de leverancier uit de resultaten van de POC/pilot als uitgangspunt. Een redelijke enterprise AI-SLA mikt op een oplossingsgraad van 65-80% voor complexe omgevingen, met hogere doelen voor eenvoudigere use cases. Neem aanloopperiodes op voor nieuwe implementaties.