Digitale collega's in de WMO: een casestudy

De uitdaging

Een middelgrote gemeente in Zuid-Holland -zo'n 85.000 inwoners -stond voor een bekend probleem. Het WMO-loket was overbelast. De wachttijden liepen op tot twee weken voor een eerste gesprek. Medewerkers ervaarden hoge werkdruk en dreigden uit te vallen. En inwoners die hulp nodig hadden -soms urgent -moesten te lang wachten.

"We zagen dat 70 tot 80 procent van de vragen die binnenkwamen eigenlijk standaardvragen waren," vertelt de programmamanager Sociaal Domein, die we hier Marieke noemen. "Hoe vraag ik een scootmobiel aan? Wat zijn de voorwaarden voor huishoudelijke hulp? Wanneer hoor ik iets? Allemaal vragen waar we goede antwoorden op hebben, maar die wel allemaal individueel beantwoord werden door een medewerker."

De gemeente had al geexperimenteerd met een FAQ-pagina en een telefonisch keuzemenu, maar de resultaten waren teleurstellend. Inwoners vonden de informatie niet, of belden alsnog omdat ze zekerheid wilden.

De eerste stap: begrijpen voordat je bouwt

Toen de gemeente bij Humanaize aanklopte, was de eerste vraag niet "welke AI-tool gaan we gebruiken?" maar "wat zijn de daadwerkelijke behoeften van inwoners en medewerkers?"

We begonnen met een analysefase van vier weken. We liepen mee op het WMO-loket, luisterden mee met telefoongesprekken (met toestemming), analyseerden e-mailverkeer en interviewden zowel medewerkers als inwoners.

De bevindingen waren helder:

• Inwoners wilden sneller antwoord, maar ook warmte en begrip. Ze wilden niet het gevoel krijgen dat ze "afgepoeierd" werden door een computer
• Medewerkers wilden meer tijd voor complexe casussen -de situaties waarin hun expertise echt het verschil maakt
• Het management wilde efficientie, maar niet ten koste van kwaliteit of inwonerstevredenheid

"Wat ons opviel was dat het niet ging om technologie," zegt Marieke. "Het ging om de vraag: hoe zorgen we dat de juiste hulp bij de juiste persoon terechtkomt, op het juiste moment?"

De aanpak: drie fases

We kozen voor het drielagenmodel dat Humanaize hanteert bij alle implementaties: stagiaire, medewerker, collega.

Fase 1: De AI-stagiaire (maand 1-2)

We ontwikkelden een prototype van een digitale assistent, specifiek getraind op de WMO-regelgeving van deze gemeente. Geen generiek chatbotje, maar een systeem dat de lokale verordeningen, beleidsregels en procedures kent.

In deze fase werd de assistent intern getest door het WMO-team. Medewerkers stelden vragen alsof ze inwoners waren en beoordeelden de antwoorden. Dit leverde waardevolle feedback op:

• Het systeem gaf soms te juridisch taalgebruik -inwoners begrijpen niet wat "een maatwerkvoorziening in natura" betekent
• Bij sommige vragen verwees het systeem te snel door naar het loket, terwijl het antwoord eigenlijk beschikbaar was
• De toon was te zakelijk -inwoners die contact opnemen met het WMO-loket hebben vaak een moeilijke periode

Alle feedback werd verwerkt. De toon werd aangepast: warm, begripvol, in duidelijk Nederlands. Juridische termen werden vertaald naar begrijpelijke taal. En het systeem leerde beter inschatten wanneer het zelf kon antwoorden en wanneer doorverwijzing nodig was.

Fase 2: De AI-medewerker (maand 3-5)

Na twee maanden intern testen ging de digitale assistent live -maar met een vangnet. Elke interactie werd gemonitord door een WMO-medewerker die kon ingrijpen als het misging. In de praktijk was dit een dashboard waarop medewerkers real-time konden meekijken en bij complexe vragen het gesprek overnemen.

De eerste weken waren spannend. Het team zat klaar om in te grijpen. Maar al snel bleek dat de assistent het gros van de standaardvragen goed afhandelde. Medewerkers grepen vooral in bij emotioneel geladen situaties -een inwoner die net te horen had gekregen dat een partner ernstig ziek was, iemand die gefrustreerd was over een eerder besluit.

"Dat was eigenlijk het mooiste," zegt Sandra, een van de WMO-consulenten. "De AI pakte de routinevragen op, en ik kon mijn tijd besteden aan de mensen die echt een luisterend oor nodig hadden. Ik voelde me voor het eerst in jaren weer echt nuttig in mijn werk."

In deze fase werden ook de privacy-aspecten zorgvuldig ingericht:

• Alle data bleef op Nederlandse servers
• Er werden geen persoonsgegevens opgeslagen door het AI-systeem
• Inwoners werden altijd geinformeerd dat ze met een AI-assistent spraken
• Er was altijd de optie om door te worden verbonden met een menselijke medewerker

Fase 3: De AI-collega (maand 6+)

Na vijf maanden draaide het systeem stabiel genoeg om meer autonomie te krijgen. De real-time monitoring werd vervangen door steekproefsgewijze controles en automatische kwaliteitsmetingen. Het team vertrouwde de digitale collega.

De assistent werd uitgebreid met nieuwe functionaliteit:

• Proactieve informatieverstrekking: bij een WMO-aanvraag voor een scootmobiel informeerde het systeem automatisch over gerelateerde voorzieningen waar de inwoner mogelijk ook recht op had
• Statusupdates: inwoners konden op elk moment vragen waar hun aanvraag stond
• Afsprakenbeheer: het systeem kon direct afspraken inplannen voor situaties die een persoonlijk gesprek vereisten

De resultaten

Na twaalf maanden maakten we de balans op. De cijfers spraken voor zich:

Bereikbaarheid

• 80% van de standaardvragen wordt volledig afgehandeld door de digitale collega
• De gemiddelde responstijd daalde van 2 werkdagen naar 3 minuten voor standaardvragen
• Het WMO-loket is nu 24/7 bereikbaar voor informatievragen

Efficientie

• 40% reductie in wachttijd voor persoonlijke gesprekken
• Medewerkers besteden 60% meer tijd aan complexe casussen
• Het aantal herhaalcontacten (inwoners die meerdere keren bellen met dezelfde vraag) daalde met 55%

Tevredenheid

• Inwonerstevredenheid steeg van 6,8 naar 7,9 (op een schaal van 10)
• Medewerkerstevredenheid steeg van 6,2 naar 8,1
• Ziekteverzuim op de afdeling daalde met 30%

"De cijfers zijn mooi," zegt Marieke, "maar wat me het meest raakte was het verhaal van een oudere mevrouw die 's avonds om elf uur informatie opvroeg over hulp bij het huishouden. Vroeger had ze tot maandag moeten wachten. Nu kreeg ze direct antwoord, en de volgende ochtend belde een medewerker haar om het verder te bespreken. Dat is wat technologie moet doen: mensen helpen."

Geleerde lessen

Dit project heeft ons veel geleerd. Hier zijn de belangrijkste inzichten:

1. Begin bij de mens, niet bij de technologie

De weken die we besteedden aan meelopen en luisteren waren de waardevolste investering. Zonder dat begrip hadden we een technisch perfecte oplossing gebouwd die niemand wilde gebruiken.

2. Toon en taal zijn alles

Een AI-assistent die juridisch correct maar onbegrijpelijk antwoordt, is nutteloos. Investeer in de toon en test met echte inwoners. Empathie is geen luxe, het is een vereiste.

3. Medewerkers zijn je bondgenoten

Door het team vanaf dag een te betrekken -als testers, feedbackgevers en experts -werden ze eigenaren van het project in plaats van slachtoffers van verandering.

4. Privacy is niet onderhandelbaar

Elke keer dat we kozen tussen functionaliteit en privacy, kozen we voor privacy. Dit leverde iets op dat onbetaalbaar is: vertrouwen.

Wat kun je hiervan leren?

Elke gemeente is anders. Wat bij deze gemeente werkte, is niet een-op-een kopieerbaar. Maar de principes zijn universeel:

• Luister eerst, bouw dan -begrijp het probleem voordat je een oplossing kiest
• Groei in fases -geef vertrouwen de tijd om te groeien
• Houd de mens centraal -niet als slogan, maar als ontwerpprincipe
• Bescherm wat kwetsbaar is -privacy, menselijk contact, waardigheid

Ben je benieuwd wat een digitale collega voor jouw gemeente zou kunnen betekenen? We vertellen je graag meer -met een kop koffie en zonder verkooppraatje.