AI in schoonmaak (deel 9): Ruimte maken om met AI te experimenteren
De mogelijkheden van AI veranderen snel. Dat maakt het verleidelijk om direct allerlei toepassingen in te voeren. De reacties uit de branche, van André Ponsen, Stef Martens, Robert Stelling, Antonio Kouwenberg en Job Klösters laten een andere aanpak zien: maak bewust ruimte om te experimenteren, betrek nieuwsgierige collega’s en onderzoek eerst waar AI werkelijk iets toevoegt.
Experimenteren binnen een InnovatieLab
André Ponsen, directeur SVP Schoonmaak: “Op dit moment zijn we vooral aan het experimenteren met de verschillende AI-toepassingen. Vooral met de collega’s die dit van nature leuk vinden. We hebben AI-toepassing opgenomen als onderwerp in ons InnovatieLab. Daarin zijn een 5-tal collega’s in een vaste frequentie aan het werk met o.a. dit onderwerp. We kijken waar we AI kunnen toepassen als het iets toevoegt of werk uit handen neemt. Het levert vooral plezier en soms verbazing op wanneer we zien wat er allemaal mogelijk is. We blijven pragmatisch. De toekomst zal uitwijzen of het concreet iets oplevert. Uiteraard denken we van wel. We nemen er alleen wel de tijd voor. Vooral omdat het ook verantwoord gebruikt moet kunnen worden binnen de kaders van bijvoorbeeld AVG-wetgeving.”
Iedere week een experimenteeruurtje
Stef Martens (Social Cleania): “We gebruiken AI inmiddels op verschillende onderdelen van ons werk. Als online dienstverlener vinden we het belangrijk om nieuwe technieken snel te testen en vooral praktisch toe te passen.
Een belangrijk onderdeel is het analyseren en verbeteren van onze campagnes. AI helpt ons om sneller patronen te herkennen, data te interpreteren en te zien waar we eventueel moeten bijsturen. Waar je voorheen langer bezig was om informatie bij elkaar te zoeken, kun je nu veel sneller tot de kern komen. Daardoor kunnen we korter op de bal zitten en onze klanten beter adviseren.
Daarnaast gebruiken we AI als sparringpartner bij verschillende marketing- en procesvraagstukken. Het helpt ons om ideeën sneller uit te werken, verschillende invalshoeken te onderzoeken en kritisch naar onze eigen aanpak te kijken. Voor ons zit daar veel waarde: niet simpelweg iets door AI laten maken, maar AI gebruiken om sneller tot betere keuzes te komen.
Ook experimenteren we regelmatig met AI-gegenereerde beelden. Tegelijkertijd zien we in onze eigen campagnes heel duidelijk dat echte foto’s en vooral video’s nog steeds beter werken. Met een goede video kun je een potentiële sollicitant echt meenemen in een werkdag en laten zien bij welk bedrijf iemand terechtkomt. Dat is veel krachtiger dan een perfect gegenereerd plaatje.
Sinds kort hebben we daarom iedere week een ‘experimenteeruurtje’. Iedereen uit ons team gebruikt dat uur om nieuwe AI-toepassingen te testen. De ontwikkelingen gaan ontzettend snel, dus we vinden het belangrijk om niet alleen over AI te praten, maar vooral te blijven ontdekken waar het ons en onze klanten daadwerkelijk verder helpt.”
Informatie sneller verwerken
Robert Stelling, directeur Interclean bij RAI Amsterdam: “In mijn werk gebruik ik AI vooral om sneller informatie te verwerken, inzichten te verzamelen en ontwikkelingen in de markt te volgen. Door mijn internationale rol spreek ik regelmatig met fabrikanten, dienstverleners en technologiebedrijven uit de schoonmaak- en hygiënesector. Daardoor zie ik van dichtbij hoe organisaties digitaliseren en data steeds vaker inzetten om betere beslissingen te nemen.
AI helpt mij om sneller verbanden te zien, informatie te structureren en kennis toegankelijk te maken. De grootste waarde zit voor mij niet alleen in tijdswinst, maar vooral in het beter onderbouwen van strategische keuzes. Tegelijkertijd zie ik dat AI zich ontwikkelt van een productiviteitstool naar een hulpmiddel waarmee organisaties data uit gebouwen, sensoren en operationele systemen kunnen omzetten in bruikbare inzichten.
Van losse AI-tools naar AI in het ERP-systeem
Antonio Kouwenberg, oprichter Klien-IT: “We gebruiken AI inmiddels op verschillende manieren: bij softwareontwikkeling, ondersteuning, analyses en het slimmer verwerken en controleren van informatie. Dat levert vooral snelheid op. Werk waarvoor voorheen meerdere handmatige stappen nodig waren, kunnen we steeds verder automatiseren. Maar tijdens die ontwikkeling kwamen we ook tot een belangrijk inzicht.
Veel AI-toepassingen staan nog steeds náást de software waarin het echte werk gebeurt. Je stelt een vraag aan een chatbot, krijgt een uitstekend antwoord en vervolgens mag je alsnog zelf in je ERP-systeem aan de slag.
Wij willen die tussenstap eruit halen. Daarom lanceren we binnen Klien-IT: Kai (Klien AI). Kai wordt geen losse chatbot naast Klien-IT, maar een digitale collega midden in het ERP-systeem. Daar bevinden zich immers de medewerkers, contracten, objecten, planning, uren, ziekte, reiskosten, facturatie en financiële gegevens. Dat betekent dat Kai straks niet alleen kan aangeven wat er moet gebeuren, maar ook steeds meer kan helpen om het daadwerkelijk te doen. Van AI die antwoord geeft naar AI die werk uitvoert. Daar zit voor mij de echte doorbraak.
AI-first werken met menselijke controle
Nocore kiest bewust voor een AI-first-strategie. AI wordt intern gebruikt voor het maken van mock-ups, de technische analyse, de softwareontwikkeling en automatisch testen. Medewerkers blijven verantwoordelijk voor de beoordeling van de uitkomsten.
Job Klösters, Business Unit Directeur Schoonmaak bij Nocore: “Ten eerste gebruiken wij AI om interne processen makkelijker, sneller en efficiënter te maken. De grootste kracht zit voor ons bij development. AI helpt bij het schrijven van code en versnelt de ontwikkeling en het onderhoud van producten. Er zit altijd een menselijke component in. Je kunt niet alles door AI laten doen. Iemand moet controleren of het klopt.”
Wat valt op?
Experimenteren wordt concreter wanneer het geen vrijblijvende activiteit blijft. Een InnovatieLab, een vast experimenteeruurtje of een duidelijke strategische vraag geeft het onderzoek richting. Integratie vraagt om afspraken over verantwoordelijkheid, gegevensbescherming en controle.
Vooruitblik
Experimenteren krijgt pas betekenis wanneer toepassingen een concreet probleem oplossen. In het volgende deel kijken we naar kansen in data, planning, administratie en andere ondersteunende processen.
Lees ook:
AI in schoonmaak (8): Van AI-FOMO naar een eigen AI-kompas
AI in Schoonmaak (7): AI vraagt méér van leiders
AI in schoonmaak (6): ‘Vertrouwen kun je niet automatiseren’
AI op de schoonmaak-werkvloer (5): ondersteunen, instrueren of vervangen?
AI in schoonmaak (4): Slimmer plannen, rapporteren en beslissen
AI in schoonmaak (3): Van experiment naar bedrijfsproces
AI als praktische assistent (2): zo wordt het nu al gebruikt
AI in de schoonmaak (1): slim inzetten, menselijk blijven
Heb jij AI-Fomo?
Interview Otter Wilting (Clonefy): hoe AI-clones communicatie op de werkvloer verbeteren
Slimmer werken met AI: 5 praktische tips
