Begin bij het werk, niet bij AI

Waarom AI voor woningcorporaties vooral een bestuurlijk vraagstuk is

Als AI bij een woningcorporatie op de agenda komt, gaat het gesprek al snel over toepassingen. Welke tool mogen medewerkers gebruiken? Welke processen lenen zich voor AI? Welke training is nodig? En hoe zorgen we dat medewerkers ermee aan de slag gaan?

Allemaal relevante vragen.

Maar wat mij betreft beginnen we te laat.

De eerste vraag is niet hoe we AI gaan gebruiken. De eerste vraag is wat AI gaat veranderen aan het werk van de corporatie.

Aan taken. Aan processen. Aan verantwoordelijkheden. Aan de rol van medewerkers en leidinggevenden. En uiteindelijk ook aan de keuzes waarin we wel en niet willen investeren.

Mijn stelling is daarom eenvoudig:

AI is voor een woningcorporatie niet in de eerste plaats een adoptievraagstuk. Het is een vraagstuk over de inrichting van het werk.

Dat betekent niet dat adoptie, experimenteren en AI-geletterdheid minder belangrijk worden. Integendeel. Maar ze moeten ergens uit voortkomen: uit een beeld van het werk dat we richting 2030 willen organiseren.

AI is niet gewoon de volgende kantoorapplicatie

Bij een nieuwe kantoorapplicatie is de werkwijze meestal herkenbaar. We vervangen of verbeteren een systeem en leren medewerkers ermee werken.

Bij AI ligt dat anders.

De WRR noemt AI een systeemtechnologie: technologie die breed kan worden toegepast en andere veranderingen mogelijk maakt.¹ Dat zien we inmiddels ook in het werk. AI kan teksten maken, informatie analyseren en werkzaamheden voorbereiden. Maar het kan ook werk verdelen, controles uitvoeren, signaleren en delen van besluitvorming ondersteunen.

Dan verandert er meer dan alleen het gereedschap.

Neem een verhuurproces. Nu verzamelt een medewerker documenten, controleert gegevens, vraagt ontbrekende informatie op, legt bevindingen vast en laat onderdelen mogelijk nog eens controleren.

Stel dat AI straks het dossier ordent, ontbrekende informatie signaleert, gegevens vergelijkt en een eerste beoordeling voorbereidt. Dan heeft de medewerker niet simpelweg hetzelfde werk met een snellere tool.

Het werk verschuift.

Minder verzamelen en overtypen. Meer uitzonderingen beoordelen, afwegen, controleren en verantwoordelijkheid nemen.

En precies daar begint het bestuurlijke gesprek.

Begin bij taken, niet bij banen

Veel gesprekken over AI gaan al snel over functies en formatie.

Hoeveel banen verdwijnen? Hoeveel mensen hebben we straks nog nodig?

Daar zou ik niet beginnen.

De International Labour Organization schat dat ongeveer één op de vier banen wereldwijd bestaat uit werkzaamheden die in enige mate blootgesteld kunnen worden aan generatieve AI. De ILO benadrukt tegelijkertijd dat blootstelling niet hetzelfde is als automatisering of baanverlies. In veel beroepen ligt verandering van het werk meer voor de hand dan volledige vervanging.²

Voor een woningcorporatie zegt zo’n algemeen percentage daarom weinig.

Interessanter is de taak.

Kijk bijvoorbeeld per taak naar vragen als:

• waarom doen we deze taak eigenlijk;

• welke kennis en context zijn ervoor nodig;

• waar is menselijk contact of professioneel oordeel essentieel;

• welke informatie wordt gebruikt en hoe betrouwbaar is die;

• wat kan AI voorbereiden of uitvoeren;

• wat gebeurt er als AI het verkeerd heeft;

• en wie blijft uiteindelijk verantwoordelijk?

Daarna kun je pas serieus praten over functies en formatie.

Een taak die geautomatiseerd kan worden, betekent namelijk nog niet dat de medewerker die de taak uitvoert overbodig wordt.

Vaak verandert juist de samenstelling van het werk.

Maak een oud proces niet alleen sneller

Daar zit voor mij een tweede risico.

We gebruiken AI om een bestaande werkwijze sneller te maken, terwijl we ons onvoldoende afvragen of die werkwijze zelf nog logisch is.

Veel processen bij corporaties zijn in de loop van jaren opgebouwd rond systemen, afdelingen, controles en overdrachtsmomenten.

Een medewerker voert iets in zodat een andere afdeling het kan controleren. Een document wordt opgeslagen zodat een volgend systeem ermee verder kan. Gegevens worden opnieuw vastgelegd omdat systemen onvoldoende met elkaar communiceren.

AI kan zo’n proces versnellen.

Maar misschien moet een deel van dat proces helemaal niet meer bestaan.

Daarom zijn vragen als deze minstens zo belangrijk als de vraag welke AI-tool we kiezen:

• Welke overdrachten zijn nog echt nodig?

• Welke controles voegen waarde toe?

• Welke stappen bestaan vooral vanwege de beperkingen van onze huidige systemen?

• Waar kan AI werk voorbereiden?

• Waar willen we juist méér menselijke aandacht?

• En waar mag verantwoordelijkheid nooit ongemerkt bij een algoritme terechtkomen?

Dat is een ander gesprek dan procesoptimalisatie.

Het gaat over het opnieuw ontwerpen van werk.

Tijdwinst is nog geen capaciteitswinst

Ook bij businesscases moeten we scherper worden.

Onderzoek laat zien dat AI bij afgebakende werkzaamheden tijd kan besparen en productiviteit kan verhogen.³ Maar een lokale tijdwinst vertaalt zich niet automatisch naar meer capaciteit voor de organisatie.

Twintig minuten tijdwinst per medewerker klinkt aantrekkelijk.

Maar wat gebeurt er daarna met die twintig minuten?

Wordt daarmee meer werk gedaan? Verbetert de dienstverlening? Daalt de externe inhuur? Ontstaat ruimte voor bewoners die extra aandacht nodig hebben? Of verdwijnt de tijd simpelweg tussen andere werkzaamheden?

Een AI-businesscase moet daarom verder gaan dan:

“Deze handeling gaat 30 procent sneller.”

De interessantere vraag is:

“Welke waarde ontstaat hierdoor voor de corporatie en voor onze huurders?”

Dat maakt AI direct een investeringsvraagstuk.

Werk richting 2030 is ook personeelsbeleid

Als het werk verandert, verandert ook wat we van medewerkers vragen.

Sommige werkzaamheden worden eenvoudiger. Andere juist complexer.

Een medewerker die eerst vooral informatie verzamelde, kan straks veel meer moeten beoordelen. Een leidinggevende die vooral werk verdeelde en voortgang bewaakte, krijgt mogelijk een grotere rol in kwaliteit, uitzonderingen en besluitvorming. En medewerkers die veel impliciete vakkennis bezitten, worden belangrijk omdat AI juist die context nodig heeft.

Daarom hoort AI voor mij rechtstreeks thuis in strategische personeelsplanning.

Niet met als eerste vraag:

Hoeveel medewerkers hebben we in 2030 nog nodig?

Maar bijvoorbeeld:

• Welk werk willen we in 2030 nog bewust door mensen laten doen?

• Welke taken gaan veranderen?

• Welke kennis moeten we behouden?

• Waar verschuift werk van uitvoeren naar beoordelen?

• Welke nieuwe vaardigheden vraagt dat?

• En hoe verandert leidinggeven?

Dat gesprek is voor woningcorporaties extra relevant. Het Arbeidsmarktonderzoek woningcorporaties 2025 laat zien dat het personeelsbestand de afgelopen jaren groeide, terwijl corporaties tegelijkertijd knelpunten ervaren bij specifieke functies en te maken hebben met werkdruk en emotionele belasting.⁴

Technologie en personeelsbeleid kun je dan moeilijk los van elkaar blijven bekijken.

Ook bestuurders moeten zelf met AI werken

Dat betekent niet dat iedere bestuurder promptspecialist moet worden.

Wel vind ik het lastig voorstelbaar dat een MT straks besluiten neemt over AI zonder zelf te ervaren hoe deze technologie werkt.

Een bestuurder moet bijvoorbeeld weten hoe makkelijk een overtuigend antwoord feitelijk zwak kan zijn. Hoeveel verschil bronmateriaal en context maken. Hoe twee analyses op basis van dezelfde informatie toch tot een andere conclusie kunnen komen.

Niet om zelf het werk van specialisten over te nemen.

Wel om goede bestuurlijke vragen te kunnen stellen.

De Europese AI Act vraagt organisaties die AI-systemen aanbieden of gebruiken bovendien maatregelen te nemen die de ontwikkeling van AI-geletterdheid ondersteunen bij medewerkers en anderen die namens hen met die systemen werken.⁵ Dat hoeft geen generiek trainingsprogramma te betekenen.

Voor MT en bestuur zou ik juist kiezen voor echte vraagstukken uit de eigen organisatie.

Niet leren prompten om het prompten.

Maar bijvoorbeeld onderzoeken:

Moeten wij hierin investeren? Welke risico’s lopen we? Welke taken veranderen? Welke informatie ontbreekt? Wat zou onze conclusie kunnen weerleggen?

Dat is AI-geletterdheid op bestuurlijk niveau.

AI-investeringen vragen om echte keuzes

Dat bestuurlijke perspectief wordt belangrijker omdat corporaties niet onbeperkt kunnen investeren.

Beschikbaarheid, betaalbaarheid, verduurzaming, leefbaarheid en dienstverlening vragen allemaal geld en capaciteit. De Nationale prestatieafspraken laten zien hoe groot die opgave is.⁶ De financiële doorrekening daarvan maakt tegelijkertijd duidelijk dat de ruimte niet onbeperkt is.⁷

Een investering in AI concurreert dus met andere investeringen.

Daarom zou ik bij iedere grotere AI-investering minimaal zeven vragen stellen:

Vraag	Waar het om gaat
Welke maatschappelijke waarde ontstaat?	Wat merkt de huurder of de volkshuisvestelijke opgave hiervan?
Welk werk verandert?	Welke taken verdwijnen, veranderen of worden belangrijker?
Waar ontstaat capaciteit?	Wordt tijdwinst ook werkelijk bruikbare capaciteit?
Wat wordt kwalitatief beter?	Is het resultaat aantoonbaar beter, sneller of betrouwbaarder?
Welke risico’s introduceren we?	Wat kan fout gaan en wie kan ingrijpen?
Kunnen we het organiseren?	Zijn data, kennis, beheer en mensen op orde?
Wat doen we hierdoor niet?	Welke andere investering krijgt minder geld of aandacht?

Daar hoeft geen ingewikkelde AI-score uit te komen.

Het doel is een beter besluit.

En soms is een goed besluit ook: niet doen.

Experimenteer klein, maar weet waarom

Dat betekent gelukkig niet dat we eerst een compleet toekomstbeeld voor 2030 moeten uitwerken voordat iemand iets mag proberen.

AI ontwikkelt zich daarvoor te snel.

Experimenteren is nodig.

Maar een experiment zonder duidelijke bedoeling levert vooral ervaringen op. Een goed experiment levert bewijs op.

Begin daarom met een kleine praktijkcase en spreek vooraf af:

• welk probleem we willen oplossen;

• welke taak of werkwijze we onderzoeken;

• wat we verwachten dat beter wordt;

• welke risico’s we willen begrijpen;

• wat succes betekent;

• wanneer we stoppen;

• en welk besluit we na afloop willen kunnen nemen.

Een kleine kopgroep kan daarbij uitstekend werken.

Maar een kopgroep vervangt geen bestuurlijke richting.

Geen antwoordmachine, maar beter besluiten

Voor complexere vraagstukken gebruik ik AI daarom liever niet als antwoordmachine.

Ik gebruik het om verschillende analyses te maken, aannames zichtbaar te maken, tegenargumenten te zoeken en scenario’s naast elkaar te zetten.

Dat is ook het uitgangspunt achter de Executive Studio die ik ontwikkel.

Niet vragen:

“AI, wat moeten we doen?”

Maar:

“Welke keuze ligt hier werkelijk voor, waarop baseren we onze voorkeur en welk bewijs zou ons van gedachten moeten laten veranderen?”

Daarmee verschuift AI van antwoord geven naar beter nadenken.

Voor bestuur en MT is dat volgens mij een veel interessantere toepassing.

Zeven vragen voor de bestuurstafel

Een corporatie heeft daarom niet eerst een uitgebreide AI-strategie nodig.

Begin eens met deze zeven vragen:

1. Welk werk moet richting 2030 aantoonbaar anders worden om onze maatschappelijke opgave beter te realiseren?

2. Welke taken, beslissingen en overdrachten veranderen daardoor?

3. Waar willen we menselijk contact, professioneel oordeel en verantwoordelijkheid bewust behouden of versterken?

4. Wat verwachten we dat AI verandert aan capaciteit, functies en competenties? En wat daarvan is nog een aanname?

5. Welke investeringen in data, kennis en technologie zijn daarvoor werkelijk nodig?

6. Welk bewijs zou ons ervan overtuigen dat onze huidige richting niet klopt?

7. Wat is de kleinste praktijktest waarmee we voldoende leren om te besluiten: wel doen, niet doen of nog niet doen?

Dat gesprek hoort wat mij betreft vóór de brede adoptie.

Niet nadat een leverancier is gekozen.

Niet nadat honderd medewerkers een AI-training hebben gevolgd.

En ook niet pas wanneer HR moet bepalen welke functies veranderen.

Begin bij het werk

AI krijgt inmiddels volop aandacht.

Maar aandacht is nog geen richting.

Richting ontstaat wanneer bestuur en MT bepalen welk werk zij anders willen organiseren, welke menselijke kwaliteiten zij willen beschermen en versterken en waarin zij daarom wel en niet willen investeren.

Daar begint voor mij Werk Richting 2030.

Niet met de vraag hoe we iedereen zo snel mogelijk AI laten gebruiken.

Maar met een veel praktischere vraag:

Wat willen we in 2030 beter kunnen dan vandaag? En wat moet er dan nu aan ons werk veranderen?

---

Over de auteur

Marcel Jansen helpt bestuurders en managementteams van woningcorporaties keuzes onderzoeken over AI, werk, capaciteit en investeringen. Hij verbindt langdurige ervaring in de woningcorporatiesector met een achtergrond in onderzoek, software, informatiemanagement, financiële systemen en informatiebeveiliging.

Marcel ontwikkelt de Bestuurlijke AI-ontwerpverkenning als een compacte Executive Studio rond één concrete bestuurlijke vraag.

Bronnen

1. Wetenschappelijke Raad voor het Regeringsbeleid, Opgave AI. De nieuwe systeemtechnologie, 2021.

2. International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025.

3. International Labour Organization, The impact of GenAI on jobs, productivity and work organization: a review of the empirical evidence, 2026, en OECD, Artificial intelligence, job quality and inclusiveness, 2023.

4. ABF Research in opdracht van FLOW, Arbeidsmarktonderzoek woningcorporaties 2025, 10 december 2025.

5. Europese Unie, AI Act, Verordening (EU) 2026/1744 en Europese Commissie, AI Literacy: Questions & Answers, 2026.

6. Ministerie van Volkshuisvesting en Ruimtelijke Ordening, Aedes en VNG, Nationale prestatieafspraken 2025–2035, 2024.

7. Ministerie van Volkshuisvesting en Ruimtelijke Ordening, De uitwerking van het regeerakkoord op de financiële positie van woningcorporaties en officiële samenvatting, 5 juni 2026.