Hoe ontdek je waar AI op de werkvloer écht waarde toevoegt? Bij de afdeling Mobiliteit van de gemeente Rotterdam begon het met een kleine groep enthousiaste collega’s die simpelweg gingen experimenteren. “AI hoeft geen ingewikkeld innovatieprogramma te zijn”, meent Robert Kooijman, projectmanager voor innovatieve mobiliteitsoplossingen.
“Bij onze afdeling Mobiliteit gebruikten we AI aanvankelijk alleen voor de gewone kantoortaken, zoals een tekstje redigeren of samenvattingen maken. Maar al snel zijn we met een koplopersgroepje gaan kijken of AI ons ook kon helpen bij de wat complexere taken – en dan vooral bij werkzaamheden die veel tijd kosten. Dat bleek verrassend goed te werken.
Een mooi voorbeeld is het opzetten van een dashboard dat de wachttijden bij verkeerslichten vergelijkt met het beleid voor verkeersregelingen. Normaal moet je dan handmatig van elke signaalgroep aangeven of die onderdeel is van het primaire, secundaire of tertiaire wegennet. Geen ingewikkelde taak, maar wel ontzettend veel werk: voor onze 170 intelligente verkeersregelinstallaties ben je daar al snel een kleine dertig uur mee bezig.
Met behulp van AI hebben we een Python-script gebouwd dat de ITF-bestanden – daar zitten de georeferenties van de signaalgroepen in – automatisch koppelt aan onze netwerkkaart. We hebben misschien één dag zitten experimenteren, maar toen stond het ook: de taak was geautomatiseerd. Niet alleen leverde dat direct twintig uur tijdwinst op, het script is ook bruikbaar voor toekomstige projecten. En niet onbelangrijk: zo’n eerste succes zorgt ervoor dat collega’s meteen nieuwe ideeën krijgen. Welke taken kosten ons eigenlijk onnodig veel tijd? En welke daarvan zou AI ook kunnen overnemen?
Bewustzijn belangrijker dan beheersen techniek
Vanuit die gedachte is onze AI-koplopersgroep verder gaan experimenteren. Denk aan standaardprompts die collega’s kunnen hergebruiken, de inzet van lokale Large Language Models voor het werken met privacygevoelige informatie en bijvoorbeeld de koppeling van agenda en mails aan onze urenstaten. Juist doordat we klein beginnen, zien we snel wat wel en niet werkt.
Dat betekent niet dat iedereen maar alles met AI moet doen. Het is belangrijk dat we begrijpen waar de grenzen van AI liggen. Welke informatie kun je veilig gebruiken? Wat gebeurt er eigenlijk met documenten die je uploadt? En hoe voorkom je dat je AI-uitkomsten zonder controle overneemt? Dat bewustzijn is misschien wel belangrijker dan het beheersen van de techniek zelf.
Daar zie ik ook een rol voor het onderwijs. Die moet studenten leren hoe AI-systemen omgaan met data, wanneer informatie privacy- of bedrijfsgevoelig is en welke alternatieven er zijn als je die gegevens niet zomaar kunt delen. Wie dat snapt, kan AI verantwoord inzetten én er waarde uit halen.
Les
Voor mij is de belangrijkste les tot nu toe dat AI geen ingewikkeld innovatieprogramma hoeft te zijn. Begin klein, experimenteer, leer van wat werkt en deel die ervaringen met collega’s. Zo benut je de kansen, zonder in de valkuilen te lopen.”
