Over de corporatie richting 2030

Wanneer AI bij een woningcorporatie op de agenda komt, gaat het gesprek vaak over toepassingen. Welke hulpmiddelen mogen medewerkers gebruiken? Wat kunnen we ermee? Welke opleiding is nodig?

Dat zijn begrijpelijke vragen. Ik zou er graag een vraag naast leggen: hoe willen we dat het werk van de corporatie er over een paar jaar uitziet?

Want zodra AI meer doet dan een losse tekst schrijven, verandert ook de verdeling van het werk. Taken die iemand nu zelf uitvoert, kunnen straks worden voorbereid. Dan moet die medewerker de uitkomst kunnen beoordelen, uitzonderingen herkennen en weten wanneer verder onderzoek nodig is.

Daar wil ik met De corporatie 2030 aandacht voor vragen.

Een dossier vertelt meer dan een demonstratie

Neem een verhuurdossier. Iemand verzamelt documenten, controleert gegevens, vraagt informatie na en legt bevindingen vast. Er zijn afspraken over wie wat doet en wanneer een collega moet meekijken.

Stel dat AI een deel daarvan kan voorbereiden. Het dossier staat geordend klaar, ontbrekende stukken zijn gemarkeerd en er ligt een eerste beoordeling.

Dat kan helpen. Maar wie ziet of een document verkeerd is gelezen? Hoe herkent een medewerker een uitzondering als die vooral een samenvatting ziet? En wat moet er gebeuren wanneer een huurder de uitkomst betwist?

Door die vragen te stellen, ontdek je wat er behalve de technologie nodig is. Instructies, kennis, tijd voor controle en iemand die verantwoordelijkheid kan nemen.

Bekijk ook waarom een taak bestaat

Processen groeien in de loop van de jaren. Een controle komt erbij na een incident. Een medewerker voert gegevens opnieuw in omdat twee systemen niet samenwerken. Een overdracht blijft bestaan omdat afdelingen ooit zo zijn ingericht.

Bij een AI-toepassing loont het om die stappen opnieuw te bekijken. Welke zijn nodig voor goed werk? Welke lossen vooral een beperking van de huidige systemen op?

Soms kun je een handeling ondersteunen. Soms kun je beter het proces vereenvoudigen. Medewerkers die dagelijks met dat proces werken, kunnen vaak goed aanwijzen waar het vastloopt.

Wat gebeurt er met de tijd die vrijkomt?

Een besparing van twintig minuten klinkt aantrekkelijk. Toch zou ik willen weten waar die tijd in de praktijk terechtkomt.

Kan een medewerker daardoor een extra dossier afronden? Krijgt een huurder eerder antwoord? Ontstaat ruimte voor een gesprek waarvoor nu te weinig tijd is? Of raakt de winst verspreid over de dag, terwijl er ook nieuw controlewerk bijkomt?

Voor een investering maakt dat verschil. Spreek daarom vooraf af wat je wilt verbeteren en hoe je gaat zien of dat gebeurt. Dan krijgt een proef een duidelijk doel en kun je na afloop iets besluiten.

Het werk leren kennen blijft nodig

Wie jarenlang dossiers heeft behandeld, herkent vaak snel dat iets niet klopt. Die ervaring is waardevol wanneer AI voorstellen voorbereidt.

Maar hoe bouwen nieuwe medewerkers die ervaring op? Welke kennis leren zij nog door zelf iets uit te zoeken? Wanneer moeten ze oefenen zonder de hulp van AI?

Ik denk dat dit een belangrijk onderwerp wordt voor leidinggevenden en HR. Je wilt voorkomen dat medewerkers wel een uitkomst moeten beoordelen, maar onvoldoende gelegenheid krijgen om het werk achter die uitkomst te leren begrijpen.

Bespreek daarom tijdig welke kennis je wilt behouden en hoe medewerkers die kunnen ontwikkelen.

Persoonlijk contact is een bewuste keuze

Veel huurders vinden het prettig als zij iets digitaal kunnen regelen. Er zijn ook situaties waarin iemand wil uitleggen wat er aan de hand is, of waarin een medewerker moet doorvragen om het probleem te begrijpen.

Als je processen verandert, moet je dus ook nadenken over bereikbaarheid. Wie merkt dat digitaal contact niet voldoende is? Hoe komt een huurder dan bij iemand terecht? En hoeveel ruimte heeft die medewerker om te helpen?

Een technologieproject raakt daarmee al snel aan de dienstverlening die je als corporatie wilt bieden.

Ook bestuur en MT hebben eigen ervaring nodig

Ik vind het belangrijk dat bestuurders en MT-leden zelf met AI werken. Juist bij een vraag waarvan ze de inhoud goed kennen.

Dan merk je hoe groot de invloed van de vraagstelling kan zijn. Je ziet dat een antwoord overtuigend kan klinken terwijl een bron iets anders zegt. En je ervaart hoe lastig het soms is om een werkelijk ander perspectief te krijgen.

Die ervaring helpt bij het beoordelen van voorstellen van anderen. Je weet beter waar je naar wilt vragen en welke demonstratie nog weinig zegt over dagelijks gebruik.

Daarom werk ik in mijn personal training met eigen vraagstukken. Je oefent met het gebruik van AI terwijl je ook nadenkt over wat die werkwijze betekent voor je rol en je organisatie.

Onderzoek ook wat tegen je voorkeur pleit

Als een eerste analyse aansluit bij wat je hoopte, is het verleidelijk om door te gaan. Dan helpt het om bewust stil te staan bij de zwakke plekken.

Welke informatie ontbreekt? Onder welke omstandigheden pakt de keuze verkeerd uit? Welke andere aanpak verdient een serieuze vergelijking?

AI kan helpen om zulke vragen uit te werken. De antwoorden moet je vervolgens wel toetsen. Een gegenereerd bezwaar is een aanleiding om verder te onderzoeken; het vervangt het gesprek met de mensen die de gevolgen van een besluit ervaren.

Maak een kleine proef bruikbaar voor een besluit

Je hoeft niet te wachten tot alle onzekerheid is verdwenen. Je kunt beginnen met een afgebakende proef rond een taak of proces.

Leg vooraf vast wat je wilt leren, wie het resultaat beoordeelt en welke fouten of nadelen je wilt zien. Spreek ook af wanneer je stopt en wat je na afloop moet weten om verder te kunnen.

Een proef kan laten zien dat iets werkt. Hij kan ook duidelijk maken dat de informatie onvoldoende op orde is, dat de controle te veel tijd kost of dat medewerkers andere ondersteuning nodig hebben. Ook daarmee kun je een betere vervolgstap kiezen.

Vragen om in het MT te bespreken

Voor een eerste gesprek over de corporatie richting 2030 zou ik deze vragen meenemen:

1. Wat willen we in onze dienstverlening en ons werk de komende jaren verbeteren?
2. Bij welke taken kan AI mogelijk helpen, en wat weten we daar al van?
3. Waar willen we menselijk contact en professioneel oordeel behouden of versterken?
4. Welke kennis hebben medewerkers nodig als hun werk verandert?
5. Welke investering vraagt dit, ook in tijd, begeleiding en beheer?
6. Wat zou ons doen besluiten een andere richting te kiezen?
7. Wat kunnen we nu in het klein onderzoeken?

De antwoorden hoeven niet in één vergadering klaar te zijn. Ze geven wel richting aan experimenten, opleidingen en investeringen.

Voor mij begint De corporatie 2030 bij het samen onderzoeken van die vragen. Met oog voor het werk van vandaag en voldoende ruimte om te bedenken hoe het beter kan.